一、引述
在上一篇文章中,我们已经介绍了如何求解Person相关系数。那么如何解释相关系数的大小呢?事实上,如果我们只是通过相关系数大小去判断两个变量之间的相关性,这种做法是不严谨的。因为对相关系数的解释依赖于具体的应用背景和目的的。因此,相比较于相关系数的大小,我们往往更关注于显著性。而求解显著性,则需要假设检验方法。
二、假设检验
请仔细阅览下一部分。
三、对皮尔逊系数进行假设检验
1. 步骤
-
提出原假设(零假设)H0和备择假设H1(两者假设是截然相反的)。
假设我们得到了一个皮尔逊相关系数r,我们想检验它是否显著的异于0,那么我们可以这样设定原假设和备择假设:H0:r = 0,H1:r ≠ 0。(通常来说,备择假设才是研究者最想知道的)(r ≠ 0,是一个双侧检验,因为其可以分为两个单侧检验:r > 0, r < 0) -
在原假设成立的条件下,利用我们要检验的量构造出一个符合某一分布的统计量。(统计量相当于我们要检验的量的一个函数,里面不能有其他的随机变量)(分布一般有四种:标准正态分布、t 分布、卡方分布、F分布)
对于皮尔逊相关系数r而言,在满足一定条件下,我们可以构造统计量(式子中n为已知的样本量):
可以证明,t是服从自由度为n-2的t分布。 -
将我们要检验的r值代入该统计量中,可以得到一个特定的值(检验值,在之后的步骤中我们要看这个检验值是放到)。
例如,我们计算出的相关系数r = 0.5,样本量n = 30,那么我们可以求出 t = 3.05505 -
由于我们知道统计量的分布情况,因此我们可以画出该分布的概率密度函数pdf,并给定一个置信水平α(愿意接受H0成立的概率),根据这个置信水平查表找到临界值,并画出检验统计量的接受域和拒绝域。
紧接之前的例子,我们知道上述统计量服从自由度为28(30-2)的t分布,其概率密度函数图形如下:
使用matlab绘制该概率密度函数pdf的代码如下:x = -4:0.1:4; % x从-4取到4间隔为0.1 y = tpdf(x,28); % 第一个参数为给定的一组数据,第二个参数是自由度 plot(x,y,'-') % 绘制图线 grid on % 在画出的图上加上网格线
常见的置信水平有三个:90%,95%和99%,其中95%是最为常用的。
通过查t分布表,我们可知当自由度为28,置信水平为95%时,临界值为2.048,因此我们可以做出如下的接受域和拒绝域。
[因为我们采用的是双侧检验,因为置信水平为0.95,则拒绝域之和为0.05,即,一侧为0.025。所以,其对应的t分布表中的tp = 0.975,于是再根据自由度28,即可锁定临界值2.048]
-
看我们在第三步得到的检验值是落在了拒绝域还是接受域,并下结论。
在第三步中,我们得到的检验值 t = 3.05505 > 2.048*,因此我们可以下结论:在95%的置信水平上,我们拒绝原假设H0:r = 0,因此,r是显著的不为0的。
2.更好用的方法:p值判断法
- 何为p值?
p值是一种概率,是拒绝原假设的最小显著性水平,是用于确定是否应该拒绝原假设的另一种方法。 - 如何使用?
在上述步骤的第三步中,我们得到了一个检验值 t* = 3.05505,根据该值,我们计算其对应的p值(即,(1-红色方块区域左侧的概率),但是在本例中,由于采用的是双侧检验,因此应当×2,即(1 - 红色方块区域左侧的概率)×2)。
matlab代码对应如下:
最后我们计算得到的p值为0.0049disp('该检验值对应的p值为:') disp((1-tcdf(3.055,28)) * 2) % 双侧检验的p值要乘以2,tcdf是t分布的累计概率密度函数 % tcdf(3.055,28)指x=3.055且自由度为28的累积密度函数
∵ p = 0.0049 < 0.05p值的意义: p < 0.01,说明在99%的置信水平上拒绝原假设; p < 0.05,说明在95%的置信水平上拒绝原假设; p < 0.10,说明在90%的置信水平上拒绝原假设; 同理,可得: p > 0.01,说明在99%的置信水平无法拒绝原假设; p > 0.05,说明在95%的置信水平无法拒绝原假设; p > 0.10,说明在90%的置信水平无法拒绝原假设。
∴ 本例中,在95%的置信水平上拒绝原假设,即皮尔逊相关系数显著的异于0.
注:在论文写作中我们通常使用以下方式确定该相关系数的显著性:
相关系数 | " * "的意义 |
---|---|
0.5 | 不显著,即无法拒绝原假设 |
0.5* | 在90%的置信水平上显著,即在90%的置信水平上拒绝原假设 |
0.5** | 在95%的置信水平上显著,即在95%的置信水平上拒绝原假设 |
0.5*** | 在99%的置信水平上显著,即在99%的置信水平上拒绝原假设 |
三、皮尔逊相关系数检验的条件
- 实验数据通常是成对的来自于正态分布的总体。
因为我们在求出皮尔逊相关系数以后,通常还会用t检验之类的方法进行皮尔逊相关系数检验,而t检验是基于数据呈正态分布的假设的。 - 实验数据之间的差距不能太大。皮尔逊相关系数受异常值影响较大(详情见第一节图)。
- 每组样本之间是独立抽样的。构造t统计量时需要用到。
相关参考资料:百度百科、百度文库、清风数学建模