【Pearson相關性分析(Pearson Correlation Analysis) |
您所在的位置:网站首页 › 设备correlation怎么做 › 【Pearson相關性分析(Pearson Correlation Analysis) |
皮爾森(Pearson)相關分析主要用於探討兩變數之間的線性關係,其值介於-1~1之間,本篇文章主要介紹R語言中的操作,細節如下所述。 #補充1:Pearson相關性分析又被稱為Pearson積差相關係數、皮爾森相關分析、Pearson相關係數、或皮爾森相關係數。 #補充2:皮爾森相關分析的SPSS操作相關說明可參考以下網址: https://www.yongxi-stat.com/pearson-correlation/ 一、適用條件 使用皮爾森相關係數,需要滿足4個條件: 條件1. 變數類型為連續變數,例如:身高、體重、胸圍。 條件2. 兩變數之間為線性關係,可以用散佈圖來檢驗。 條件3. 兩變數沒有明顯的離群值,可以用箱型圖來檢驗。 #補充:Outlier(異常值或離群值):超過最小值(Q3+1.5 IQR)或最大值(Q1-1.5 IQR)的數值。 條件4. 兩變數要是常態分配,可以用分位圖或進行常態性檢驗。 二、R語言操作範例 (一) 資料匯入 score0.001,滿足常態性要求。 結合(1)(2)的結果,表示兩變數的資料滿足適用條件4「兩變數為常態分配」。 結論,本案例的資料滿足Pearson相關性分析的4個適用條件。 (三) Pearson相關性分析計算 方法一:cor() cor(IQ, Math) 方法二:cor.test() cor.test(IQ, Math, alternative=”two.side”, method=”pearson”, conf.level=0.95) # cor.test(x, y, //檢驗的變數 alternative = c(“two.sided”, “less”, “greater”), // alternative為顯著性檢定:雙尾(two.sided)、單尾(less:相關性0,右側) method = c(“pearson”, “kendall”, “spearman”), //method為檢驗的方法 conf.level = 0.95, …) //conf.level為檢驗的信賴區間的信心水準 根據分析結果顯示:數學成績和學生智商分數是有相關性。 Pearson相關係數r=0.810,統計檢定量t=3.91,顯著性p值=0.004 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |