相关性分析(清风建模学习笔记) |
您所在的位置:网站首页 › 相关性分析的主要作用 › 相关性分析(清风建模学习笔记) |
本讲我们将介绍两种最为常用的相关系数:皮尔逊 pearson相关系数和斯皮尔曼
spearman
等级相关系数。 它们可用来衡量两个变量之间的相关性的大小,根据数据满足的不同条件,我们要选择不同的相关系数进行计算和分析(建模论文中最容易用错的方法)。
皮尔逊相关系数:
总体皮尔逊相关系数:
![]() 样本皮尔逊相关系数: 注意 :总体皮尔逊相关系数除以n,样本皮尔逊相关系数除以n-1 运用皮尔逊相关系数的条件: 关于皮尔逊相关系数的一些误区: 这里的相关系数只是用来衡量两个变量 线性相关 程度的指标; 也就是说,你必须 先确认这两个变量是线性相关的 ,然后这个相关系数才能 告诉你他俩相关程度如何。![]() 总结: ( 1 )如果两个变量本身就是线性的关系, 那么皮尔逊相关系数绝对值大的就是相关性强,小的就是相关性弱; ( 2 )在不确定两个变量是什么关系的情况 下,即使算出皮尔逊相关系数,发现很大,也不能说明那两个变量线性相关,甚至不能说他们相关,我们一定要画出散点图来看才行。一定要先确定为线性关系才能用皮尔逊相关系数 事实上,比起相关系数的大小,我们往往更关注的是显著性。 (假设检验) 求皮尔逊相关系数的步骤: 第一步:数据描述性统计 第一种方法Matlab:![]() ![]() 第二种方法Excel 第三种方法spss: (1)当样本n>30时,使用正态分布JB检验(大样本 n>30) (2) 当样本3≤n≤50时,Shapiro-wilk检验 (3)Q-Q图(需要大量数据,少用) 皮尔逊相关系数检验: 如何美化皮尔逊系数表?
皮尔逊系数假设性检验(p值判断法): MATLAB:
三颗星星表示相关性越显著 SPSS:步骤:分析->相关->双变量(其中双尾和单尾表示为双侧检验还是单侧检验)->皮尔逊 求斯皮尔曼相关系数:定义: MATLAB求法: 斯皮尔曼的假设性检验: 小样本(n |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |