R语言-相关

相关系数是可以用来描述定量变量之间的关系。相关系数的符号（）是表明关系的方向（正相关或负相关），其值（绝对值）大小表示关系的强弱程度（完全不相关时为0，完全相关时为1）。

一。相关的类型

1.Pearson、Spearman和Kendall相关

• Pearson积差相关系数衡量了两个定量变量之间的线性相关程度
• Spearman等级相关系数衡量分级定序变量之间的相关程度，又称为秩相关系数。利用两变量的大小作线性相关分析，对原始变量的分布不做要求，属于非参数统计方法。其适用范围比Pearson相关系数要广得多。
• Kendall等级相关系数是用于反映分类变量相关性的指标，适用于两个变量均为有序分类的情况。

注：

• 定量变量 也就是通常所说的连续量，如长度、重量、产量、人口、速度和温度等，它们是由测量或计数、统计所得到的量，这些变量具有数值特征，称为定量变量。 
• 定性变量 这些量并非真有数量上的变化，而只有性质上的差异。这些量还可以分为两种，一种是有序变量，它没有数量关系，只有次序关系，如某种产品分为一等品、二等品、三等品等，矿石的质量分为贫矿和富矿；另一种是名义变量，这种变量既无等级关系，也无数量关系，如天气（阴、晴）、性别（男、女）、职业（工人、农民、教师、干部）和产品的型号等。
• 有序分类变量（ordinal categorical variable）是统计学中，根据取值特征而分类的一种定性变量。所谓有序分类变量，是指其取值的各类别之间存在着程度上的差别，给人以“半定量”的感觉，因此也称为等级变量，如学历（文盲、小学、初中、高中、大学、研究生等）
• 定序变量能决定次序，也即变量的值能把研究对象排列高低或大小，具有>与<的数学特质。它是比定类变量层次更高的变量，因此也具有定类变量的特质，即区分类别（=，≠）。例如文化程度可以分为大学、高中、初中、小学、文盲；工厂规模可以分为大、中、小；年龄可以分为老、中、青。这些变量的值，既可以区分异同，也可以区别研究对象的高