本文介绍了皮尔逊和斯皮尔曼两种相关系数的使用及其区别。皮尔逊系数适用于正态分布、线性关系的连续数据，强调线性相关性；而斯皮尔曼等级相关系数则更注重数据的等级顺序，适用于非线性关系。在数据分析中，需先通过散点图判断线性关系，再选用合适的系数评估相关程度。异常值可能会影响皮尔逊系数，而斯皮尔曼系数则相对稳健。
常用的相关系数分为：皮尔逊person相关系数和斯匹尔曼spearman等级相关系数
首先其实知道协方差cov是可以得出变量的关系，但是这里的同等级的自变量之间无法进行比较，量纲不同
person系数就是根据协方差消除量纲而来，即将变量X、Y标准化后的协方差
1.person系数只是用来衡量两个变量线性相关程度的指标，注意是线性关系，假如系数不高，那只能说明不符合线性关系，不代表没有关系！
2.person系数的使用，必须是在你已经确定它们的关系是线性的情况下（比如看其散点图很明显是有线性关系的，才能person系数来说明他们线性相关程度的深浅
3.即使是非线性相关，其线性相关系数也很大，反过来，即使是线性相关，但存在离群点（异常值），其系数也会很小
4从第3点衍生，即使两个变量相关系数很大，也不代表其有线性关系，可能是存在异常点的非线性关系
所以，一定要画出散点图来看看其是否符合线性关系再从person系数来看，不符合就不用看下去了，符合才能看大小来判断符合程度
所用代码：R = corrcoef(x);
斯皮尔曼相关系数：R=corr(x,'type','spearman')
斯皮尔曼聚焦于等级测序，注重于逻辑，应用范围广，而person相关系数只能用在正态分布、线性关系、连续数据中
7510
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
