相关性分析是一件很自然而然的事情，在生活中和科学研究中，我们都可能会不由自主地关注两件或者多件事情之间的联系。比如性别和方向感有没有关系，有多大关系，辨别不同事物时如何说明特征的科学性（也就是该特征和事物的相关性），一开始可能是对某些现象的联系的模糊感觉，如何验证这种感觉，如何衡量事情之间的相关程度呢？这个过程其实做的就是相关性分析了。
写在前面，独立一定不相关（不管是什么维度的相关），不相关不一定独立。独立是更强的不相关，所以如果进行独立性检验之后得到相互独立，即不相关，则无需再进行相关性分析。
目录
1. 皮尔逊相关系数（Pearson Correlation Coefficient）
2. 斯皮尔曼秩相关系数（Spearman's Rank Correlation Coefficient）
5. 多元相关分析（Multiple Correlation）
7. 格兰杰因果检验（Granger Causality Test）
相关性分析方法
相关性分析是一种统计方法，用于研究变量之间的关系和依赖性。它广泛应用于社会科学、经济学、医学、市场研究等领域。以下是几种常见的相关性分析方法：
1. 皮尔逊相关系数（Pearson Correlation Coefficient）
- 定义：衡量两个连续变量之间的线性关系，取值范围为-1到1。（0为不线性相关，负数值为负相关，正数值为正相关）
常用的概率论教材中提到的相关系数都是皮尔逊相关系数，注意的是它衡量的是线性关系，Pearson相关系数为0只能说明没有线性关系，变量之间可能存在更高维度的相关关系。
- 公式：
- 优点：简单直观，适用于正态分布数据。
- 缺点：只衡量线性关系，对异常值敏感。
用于分析两个连续变量之间的线性关系，如身高与体重、温度与电力消耗等。
2. 斯皮尔曼秩相关系数（Spearman's Rank Correlation Coefficient）
- 定义：衡量两个变量的单调关系，不要求线性或正态分布。
- 公式：
其中，𝑑𝑖是第i对变量的秩差，n是样本数量。
- 优点：对异常值不敏感，适用于非线性关系。
- 缺点：不能区分多种不同类型的单调关系。
用于分析两个变量之间的非线性单调关系，如排名数据、非正态分布的数据。
3. 肯德尔相关系数（Kendall's Tau）
- 定义：用于衡量两个变量排序一致性的统计量。
- 公式：
其中，C是顺序对数，D是逆序对数，n是样本数量。
- 优点：对小样本更稳健，适用于非线性关系。
- 缺点：计算复杂度较高。
适用于小样本数据和排序数据，如社会科学中的问卷调查数据。
4. 偏相关分析（Partial Correlation）
- 定义：在控制其他变量的影响下，测量两个变量之间的相关性。
- 公式：偏相关系数r_{XY.Z}可以通过以下关系计算：
- 优点：可以排除混杂变量的影响，更准确地描述两个变量之间的关系。
- 缺点：需要更多的数据和计算。
用于多变量数据分析，如控制经济学中的其他因素研究收入与支出的关系。
5. 多元相关分析（Multiple Correlation）
- 定义：用于研究一个因变量与多个自变量之间的关系。
- 公式：多元相关系数R可以通过以下公式计算：
其中，SSE是回归模型的误差平方和，SST是总平方和。
- 优点：可以分析复杂系统中的多个变量。
- 缺点：解释和模型构建较复杂。
适用于复杂系统中的多个变量分析，如市场研究中的多因素影响分析。
6. 卡方检验（Chi-Square Test）
- 定义：用于分类变量之间的相关性分析。
- 公式：卡方统计量𝜒2可以通过以下公式计算：
其中，O_i是观察频数，E_i是期望频数。
- 优点：适用于分类数据，不要求连续性。
- 缺点：对小样本数据效果不佳。
适用于分类数据分析，如市场调查中的性别与购买行为的相关性。
7. 格兰杰因果检验（Granger Causality Test）
- 定义：用于时间序列数据，判断一个时间序列是否能预测另一个时间序列。
- 方法：通过比较不同滞后期的回归模型，确定因果关系。
- 优点：适用于动态系统中的时间序列数据。
- 缺点：需要较长的时间序列数据。
适用于动态系统中的时间序列数据，如经济学中的GDP与消费之间的关系。
方法选择
已经把各种方法适用的场景进行了一定的说明，以下再进行一定的分析总结：
选择合适的相关性分析方法和分析系数需要综合考虑数据的特性、研究目标和具体的应用场景。以下是一些判断和选择相关性分析方法的指导原则：
1. 数据类型
连续变量
- 皮尔逊相关系数：如果两个变量都是连续的，并且假设其关系是线性的，且数据接近正态分布。
- 偏相关分析：如果需要在控制其他连续变量的情况下，分析两个连续变量的关系。
有序数据
- 斯皮尔曼秩相关系数：如果数据是有序的，但不一定是连续的，且关系可能是单调的（非线性也可以）。
- 肯德尔相关系数：用于分析有序数据间的一致性，更适合处理小样本数据。
分类变量
- 卡方检验：如果数据是分类的，用于检测不同类别之间的相关性。
时间序列数据
- 格兰杰因果检验：用于时间序列数据，检测一个时间序列是否能预测另一个时间序列。
2. 数据分布和关系性质
线性关系
- 皮尔逊相关系数：适用于线性关系，且数据接近正态分布。
非线性或单调关系
- 斯皮尔曼秩相关系数：适用于非线性但单调关系的数据，且对异常值不敏感。
- 肯德尔相关系数：适用于测量排序数据之间的一致性，更适合处理小样本数据。
3. 控制其他变量
控制混杂变量
- 偏相关分析：在控制其他变量的影响下，分析两个变量之间的关系。
4. 数据规模
大样本
- 皮尔逊相关系数和斯皮尔曼秩相关系数：均适用于大样本数据。
- 偏相关分析和多元相关分析：适用于大规模数据的复杂关系分析。
小样本
- 肯德尔相关系数：对小样本更为稳健。
- 卡方检验：注意小样本时的期望频数要求。
5. 研究目标
简单相关性
- 皮尔逊相关系数：用于简单的线性相关性分析。
- 斯皮尔曼秩相关系数和肯德尔相关系数：用于简单的单调关系分析。
多变量关系
- 偏相关分析：用于分析控制其他变量后的相关性。
- 多元相关分析：用于研究一个因变量与多个自变量之间的关系。
因果关系
- 格兰杰因果检验：用于时间序列数据中的因果关系检测。
判断选择方法的适当性
- 数据可视化：通过散点图、箱线图等可视化工具，初步判断数据的分布和关系性质。
- 检验假设：使用统计检验，如正态性检验，判断数据是否符合方法的假设条件。
- 计算并比较：实际计算各相关系数，并根据结果合理解释。比如，线性关系时皮尔逊系数高，而斯皮尔曼和肯德尔系数相对较低，则皮尔逊系数更适合。
- 文献查阅：参考类似研究中常用的方法，确保选择的分析方法具有合理性和可靠性。
实例举例
-
实例1：分析学生的学习时间与考试成绩的关系
- 数据类型：连续变量
- 方法选择：皮尔逊相关系数（假设关系是线性的，且数据接近正态分布）
-
实例2：分析客户满意度评分与服务质量评级的关系
- 数据类型：有序数据
- 方法选择：斯皮尔曼秩相关系数（评分和评级是有序的，关系可能是单调的）
-
实例3：分析不同市场营销策略对销售量的影响
- 数据类型：分类变量和连续变量
- 方法选择：卡方检验（分类变量之间的相关性），皮尔逊相关系数（连续变量之间的线性关系）
-
实例4：分析经济指标（如GDP）对消费支出的预测能力
- 数据类型：时间序列数据
- 方法选择：格兰杰因果检验（时间序列数据中的因果关系）
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
