shuangyufrank的专栏

转载 卡方检验

转载 datatable导出excel(三种方法)

方法一：(拷贝直接可以使用，适合大批量资料, 上万笔) private void excelout()        {            Microsoft.Office.Interop.Excel.Application appexcel = new Microsoft.Office.Interop.Excel.Application();           

转载 Pearson，Kendall和Spearman三种相关分析方法的异同

pearson(皮尔逊), kendall（肯德尔）和spearman（斯伯曼/斯皮尔曼）三种相关分析方法有什么异同      两个连续变量间呈线性相关时，使用Pearson积差相关系数，不满足积差相关分析的适用条件时，使用Spearman秩相关系数来描述.      Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法

转载 统计相关系数(3)——Kendall Rank(肯德尔等级)相关系数及MATLAB实现

Kendall Rank（肯德尔等级）相关系数1、简介在统计学中，肯德尔相关系数是以Maurice Kendall命名的，并经常用希腊字母τ（tau）表示其值。肯德尔相关系数是一个用来测量两个随机变量相关性的统计值。一个肯德尔检验是一个无参数假设检验，它使用计算而得的相关系数去检验两个随机变量的统计依赖性。肯德尔相关系数的取值范围在-1到1之间，当τ为1时，表示两个随机变量拥有一致

转载 统计相关系数(2)——Spearman Rank（斯皮尔曼等级）相关系数

1、简介在统计学中，斯皮尔曼等级相关系数以Charles Spearman命名，并经常用希腊字母ρ（rho）表示其值。斯皮尔曼等级相关系数用来估计两个变量X、Y之间的相关性，其中变量间的相关性可以使用单调函数来描述。如果两个变量取值的两个集合中均不存在相同的两个元素，那么，当其中一个变量可以表示为另一个变量的很好的单调函数时（即两个变量的变化趋势相同），两个变量之间的ρ可以达到+1或-1。

转载 伪回归的概念

单位根检验由于传统的经济计量学方法对非平稳的时间序列不再适用,利用传统方法对计量模型进行统计推断时,许多参数的统计量的分布不再是标准分布,所作的回归被称为“伪回归”伪回归：如果一组非平稳时间序列之间不存在协整关系，则这一组变量构造的回归模型就有可能出现伪回归。残差序列是一个非平稳序列的回归被称为伪回归，这样的一种回归有可能拟合优度、显著性水平等指标都很好，但是由于残差序列是一个非平

转载 相关分析第一步：判断变量的总体是否正态分布

正态性分布检验1.观察法x为你要检验的数据。hist(x);  %频数直方图(肉眼看是否左右对称，中间多，两边少)2.观察法histfit(x);%正态曲线拟合normplot(x);%正态性检验（离散点是否分布在一条直线上，表明样本来自正态分布，否则是非正态分布）方法2衍生：{{{以下方法

转载 统计相关系数(1)——Pearson(皮尔逊)相关系数及MATLAB实现

统计相关系数简介  由于使用的统计相关系数比较频繁，所以这里就利用几篇文章简单介绍一下这些系数。 相关系数：考察两个事物（在数据里我们称之为变量）之间的相关程度。 如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：(1)、当相关系数为0时，X和Y两变量无关系。(2)、当X的值增大（减小），Y值增大（减小），两个