相关性分析

• 相关性分析

积差相关又称积矩相关。是直线相关中最基本的一种相关。是20世纪初英国统计学家K.皮尔逊继续高尔顿的工作而提出的一种计算相关的方法，因而积差相关又称皮尔逊相关。两变量如果存在直线相关关系，要准确反映它们之间的相关情况，需要用统计方法计算相关系数。计算直线相关系数的方法很多，英国统计学家皮尔逊创立的由积差来求相关的方法最常用。相关系数r的值有一定范围，-1≤r≤1。绝对值越接近1，表示相关程度越大。r的正负表示相关的方向，r为正时，称为“正相关”。这时X与Y的变化方向相同，即X取值变大时，与之对应的Y的取值也变大。r为负时，称为“负相关”。X与Y变化方向相反。使用积差相关公式求直线相关系数还应满足一些条件：(1)变量X、Y都是连续性质的；(2)两变量总体都是接近正态分布的；(3)每对数据取值不影响其他对数据的取值，是互相独立的；(4)数据少时，例如N<30，

协方差(covariance)是积差相关系数的基础。协方差表示两个随机变量在多大程度上拥有相同的方差，是两个变量的离差乘积之和除以n所得之商。其计算公式如下：

当X与Y存在严格的线性关系时，数据的协方差可能达到最大值；当X与Y之间没有关系或它们的关系不能用一条直线来描述时，协方差等于0。协方差本身没有实际的意义，将它作为一个描述性的统计量，除以两个变量的标准差，便可算得相关系数

 

：

其中，

  

是变量X的标准差，

  

是变量Y的标准差。

计算出的r值很不可靠

• 斯皮尔曼等级相关

斯皮尔曼等级相关（Spearman’s correlation coefficient for ranked data）主要用于解决称名数据和顺序数据相关的问题。适用于两列变量，而且具有等级变量性质具有线性关系的资料。由英国心理学家、统计学家斯皮尔曼根据积差相关的概念推导而来，一些人把斯皮尔曼等级相关看做积差相关的特殊形式。

n为等级个数

d为二列成对变量的等级差数

假设当前有5个人的视觉、听觉反应时（单位：毫秒），数据如下表。请问视觉、听觉反应时是否具有一致性？

被试	听觉反应时	视觉反应时	X	Y	d	d^2	XY
1	170	180	3	4	-1	1	12
2	150	165	1	1	0	0	1
3	210	190	5	5	0	0	25
4	180	168	4	2	2	4	8
5	160	172	2	3	-1	1	6
∑	870	875	15	15		6	52

解：此题被试5人，不知是否为正态分布，所以用斯皮尔曼等级相关解题。其中，x为听觉反应时间按大小排序，y为视觉反应时间按大小排序。d=x-y。

将n=5，∑d^2=6 带入公式 1-[6·∑(di)^2 / (n^3 - n)]

得：ρ=0.7

答：这5人的视听反应时等级相关系数为0.7，属于高度相关。

优点

适用范围广泛，斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格，只要两个变量的观测值是成对的等级评定资料，或者是由连续变量观测资料转化得到的等级资料，不论两个变量的总体分布形态、样本容量的大小如何，都可以用斯皮尔曼等级相关来进行研究。 [2] 

缺点

一组能用积差相关计算的数据，如果改用等级相关，精确度会低于积差相关。凡符合积差相关条件的，最好不要用等级相关计算。