【数模笔记05】篇1-皮尔逊相关系数

文章目录

目录

一、什么是总体皮尔逊Person相关系数

1、总体皮尔逊Person相关系数的定义：

2、可能存在的理解误区

二、运用皮尔逊相关系数的步骤

1、画出散点图

2、计算数值

3、综合分析结果

总结

---

一、什么是总体皮尔逊Person相关系数

 什么是相关系数？

A：衡量两个变量之间的相关性的指标

在《概率论和数理统计》中，定义了总体均值和总体协方差的概念，总体协方差公式如下：

由这个公式可以看到，当X，Y变化方向相同，也就是说X大于X均值时候Y也大于Y均值，协方差为正数；当X，Y变化方向相反，也就是说X大于X均值时候Y小于Y均值，协方差为负数。但此时我们注意到，这个公式计算得到的结果并没有消除量纲的影响，不适合于进行数据的比较。

1、总体皮尔逊Person相关系数的定义：

2、可能存在的理解误区

在运用皮尔逊相关系数时候，必须先确定两个变量是线性相关的，才能用这个系数来衡量两个变量的相关程度。皮尔逊相关系数绝对值越大，相关性越强。

 这四幅散点图中：（1）右上图属于非线性相关，直接计算的到的线性相关系数也可能很大；

（2）左下图中，离群点的存在影响了相关系数大小；

（3）右下图显示，两个变量的相关系数很大不等于两者强相关，有可能是因为异常值的影响。

观察这些散点图可以发现，当计算出皮尔逊系数为0时，我们也不能斩钉截铁地说两个变量就是不相关的；事实上，只能说不是线性相关，不排除存在别的相关性的可能。

二、运用皮尔逊相关系数的步骤

例题：

（0）数据描述

导入excel表后，利用python的函数或SPSS进行数据的分析，过程略，贴一下结果：

（1）python

#皮尔逊相关系数的计算
# 导入分析库
import pandas as pd
import openpyxl
import numpy as np

##导入样本数据
df = pd.read_excel(r'C:\Users\25328\Desktop\py\05\data\八年级女生体测数据.xlsx')

# 初始化一个空字典来存储统计量  //?
stats_dict = {} 

#计算各列的统计量
for column in df.columns:
    
    print(f"\n{column}列的数据统计:")  
    stats_dict[column] = {  
        '最大值': df[column].max(),  
        '最小值': df[column].min(),  
        '均值': df[column].mean(),  
        '中位数': df[column].median(),  
        '偏度': df[column].skew(),  
        '峰度': df[column].kurtosis(),  
        '标准差': df[column].std()  
    }  

    
# 使用字典创建 DataFrame  
stats_df = pd.DataFrame(stats_dict).T  # 使用 transpose (.T) 来使列成为原始 DataFrame 的列名  
  
# 设置列名  
stats_df.columns = ['最大值', '最小值', '均值', '中位数', '偏度', '峰度', '标准差']  
  
# 写入 Excel 文件  
stats_df.to_excel('output_statistics.xlsx', index=True)  # 保留索引（原始 DataFrame 的列名）

（2）SPSS：分析->描述统计->描述

1、画出散点图

在SPSS中，选择“图形”——>“旧对话框”——>"散点图/点图“——>”矩阵散点图“

（但实际这个效果不太理想，比较难看出）

2、计算数值

# 计算皮尔逊相关系数  
corr_matrix = df.corr()  # 这将计算DataFrame中所有列之间的相关系数  

# 将相关系数矩阵保存到Excel文件  
# 使用to_excel方法，index=False表示不保存行索引  
corr_matrix.to_excel(r'C:\Users\25328\Desktop\py\05\data\correlation_matrix.xlsx', index=False) 

# 如果你只对'x'和'y'之间的相关系数感兴趣  
corr_xy = corr_matrix.loc['身高', '体重']    
print(f"皮尔逊相关系数 (身高 和 体重): {corr_xy}")  

3、综合分析结果

该图中，颜色越深代表相关系数绝对值越接近于1，由颜色深浅和前面的可视化散点图，可以判断出各个变量两两之间的相关性。

---

总结

通过本文整理了皮尔逊相关系数的概念和注意点，包括了如何利用SPSS和python来进行数据的可视化和分析，实际运用中要注意皮尔逊系数的适用范围和分析方法。