5. 基础统计方法——关联性分析/简单线性回归

于 2023-06-07 16:16:57 发布
阅读量3.6k 收藏 12
点赞数 2
分类专栏： 临床统计分析 R语言 文章标签： r语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dr_long1996/article/details/131054609
版权

目录

连续型随机变量间的相关分析

1. 相关系数的计算

2. 相关系数的假设检验

 3. 偏相关

4. 相关的解释——应注意的问题

分类变量间的关联分析

1. 交叉分类2 X 2表的关联分析

2. 22配对资料的关联性分析

3. 多分类资料的关联分析

4. 两个有序多分类变量

关联分析的可视化

1. 连续型变量散点图

2. 分类变量马赛克图

简单线性回归

1. 线性回归条件的判断

2. 线性模型拟合

分层线性回归

基本概念：

两个连续随机变量间的线性练习称为线性相关，两个分类变量间的联系称为关联。

相关种类：

  • 正相关：一般若Y有随着X增大而线性上升的趋势，称为正相关；
  • 负相关：若Y有随着X增大而线性下降的趋势，称为负相关；
  • 零相关：若Y或X不随另一个变量的改变而改变，则称为零相关；
  • 非线性相关：若散点呈曲线形状，则变量可能呈曲线关系，不宜做线性相关

关联强度的评价指标：

两连续型随机变量间联系的强度用相关系数（correlation coefficient）来描述。

两分类变量间联系的强度用关联系数（association coefficient）来描述。

临床含义：相关系数最大为1，最小为-1，联系越密切则相关系数接近于1或-1，没有线性联系的相关系数为0。相关系数为正，称为正相关，相关系数为负，称为负相关，相关系数为0称为零相关。

连续型随机变量间的相关分析

pearson相关是要求两个变量都服从正态分布，spearman相关系数和kendall's Tau相关系数都是非参数的相关度量，对数据分布没有特殊要求，或者等级资料。

1. 相关系数的计算

案例：使用数据集birthwt，将其中的连续数值变量提取出来形成数据框cont.vars，计算变量age，lwt，bwt的相关性。

data(birthwt,package = "MASS")
cont.vars <- dplyr::select(birthwt,age,lwt,bwt)#将连续性变量单独提取出来

根据中心极限定理：当每组样本量>=50时，可以认为样本的均数近似服从正态分布。所以可以选择person相关，使用函数cor()计算样本的相关系数，method=“pearson”或“spearman”参数。

cor(cont.vars,method = "pearson")
cor(cont.vars,method = "spearman")

函数cor()计算相关系数，cov()和var()计算协变量。容易混淆！！！！

2. 相关系数的假设检验

 方法一：base包中的cor.test()函数，但是只能每次检验两个连续变量的相关性。

cor.test(cont.vars$lwt,cont.vars$bwt,method = "spearman")
cor.test(cont.vars$lwt,cont.vars$bwt,method = "pearson")

 从spearman秩相关的假设检验可以看到相关系数\rho=0.2488882，p=0.00055<0.001，因此拒绝H0，接受H1，可以认为，母亲最后一次月经时的体重（lwt）与新生儿出生时体重（bwt）之间存在正相关关系。

  从pearson积矩相关系数的假设检验可以看到相关系数\rho=0.1857，相关系数95%置信区间为（0.044，0.31998），p=0.0105<0.05，按照α=0.05水准，拒绝H0，接受H1，即认为两变量间线性相关有统计学差异。可以认为，母亲最后一次月经时的体重（lwt）与新生儿出生时体重（bwt）之间存在正相关关系。

方法二：cor.test只能检验一个相关系数，psych包中corr.test()可以计算多个相关系数矩阵并进行检验

library(psych)
corr.test(cont.vars)
corr.test(cont.vars,method = "spearman")

 首先输出一个相关系数矩阵，矩阵的相关性检验p值。默认方法method=pearson，还可以选择spearman和kendall

置信区间：

cor.test会展示自信区间，但是corr.test没有，那么如何操作呢？

print(corr.test(cont.vars),short = F)#展示自信区间
print(corr.test(cont.vars,method="spearman"),short = F)#展示自信区间

 3. 偏相关

偏相关是指控制一个或者多个数值型变量时，另外两个变量之间的相关性。使用ggm包中pcor计算偏相关系数。

library(ggm)
names(cont.vars)
#[1] "age" "lwt" "bwt"
r <- pcor(c(2,3,1),cov(cont.vars))
#pcor()第一个参数中的向量的前两个数字代表要计算相关规系数的变量的下标，其余的数字待变条件变量（控制变量）的下标
nrow(cont.vars)
#[1] 189
pcor.test(r,q=1,n=189)
#q表示条件变量的个数,这里只有一个变量(age)，n表示样本数

 上面的结果表明，在控制了年龄的影响时，母亲体重和新生儿体重的相关系数有统计学意义。

4. 相关的解释——应注意的问题

（1）如果从散点图可见两随机变量呈线性相关的趋势，假设检验也拒绝总体相关系数为0的假设，则我们可以推断两变量是“线性相关”的，但我们不能因此推断两变量在生物学上有任何的联系，甚至认为呈因果关系。

（2）如果经检验后，不拒绝总体相关系数\rho=0，我们不能轻易下结论认为两个变量“无关”，应注意样本含量是否够大，其次散点图是不是呈现曲线关系，是否对应资料进行分层分析等。

（3）异常值的处理：校对原始数据，其次分别保留和剔除后进行一次分析。

分类变量间的关联分析

关联分析思想：对分类变量间联系，可作关联分析，即对两个分类变量交叉分类，对计数所得的频数资料（列联表）作关于两种属性独立的\chi ^{2}检验。

\chi ^{2}检验的基本方法可以参考：5.基本统计方法-分类变量的组间比较_Dr_long1996的博客-CSDN博客

1. 交叉分类2 X 2表的关联分析

案例：收集了3154例冠心病患者的观察资料，研究者将观察对象的行为分为A型和B型。分析行为类型和冠心病的发病是否有关联性。

my.matrix <- matrix(c(178,79,1411,1486),nrow = 2);my.matrix
row.names(my.matrix)=c("A","B")#行为类型
colnames(my.matrix)=c("+","-")#是否患有冠心病
chisq.test(my.matrix)
chisq.test(my.matrix)$expected
chisq.test(my.matrix,correct = F)

如果一种属性的概率分布与另一种属性的概率分布无关，则称为两种属性相互独立（independence），否则称这两种属性之间存在关联性。

\chi ^{^{2}}=39.90，自由度df=1，p值<0.01，说明行为类型与冠心病之间存在着关联性。

关联系数（association coefficient，r）

如果两个数据不独立，那么就要进一步了解相关性的强弱。使用vcd包中assocstats()来计算列联表的phi系数，列联系数和Cramer’s V系数，其中Phi系数只适用四格表

行为类型与冠心病之间存在关联，但是关联程度如何？

assocstats(my.matrix)

 从上述结果可以看到关联系数r=0.112。

对于2 X 2的列联表而言，关联系数r介于0和\sqrt{0.5}之间，其数值越大，关联程度越高；总体的关联系数是否等于0的假设检验与上述关于两种属性的独立性检验等价。

2. 2\times2配对资料的关联性分析

案例：对103名患者进行影像学检查（A）和生化检查（B），结果均分为疾病（+）和正常（-）两类，现欲分析A、B两法检查结果的关联性。

my.matrix <- matrix(c(50,8,15,30),nrow = 2);my.matrix
row.names(my.matrix)=c("+","-")
colnames(my.matrix)=c("+","-")
mcnemar.test(my.matrix)

使用McNemar检验解决了两种方法的阳性率是否相等的问题，但若要了解两种方法之间的关联，需要作两种属性的关联分析。

chisq.test(my.matrix,correct = F)

assocstats(my.matrix)

 本案例中\chi ^{2}=30.43，p<0.05，认为两种之间存在关联，关联系数r=0.478。与Mcn检验的p=0.2109，尚不能认为两种方法之间有差异。本质含义是相同的，但是理解的思路却不同。

配对设计的此类资料类型既可以进行频率的比较（McNemar检验），又可以进行关联分析（chisq.test()），资料的整理完全一致，但由于分析目的不同，计算方法也不同：进行频率比较时，McNemar检验仅对配对中不一致的数据进行检验。

3. 多分类资料的关联分析

案例：有研究表明，不同国籍人的血型分布 不同的，现有2500不同国籍人的血型分布资料，请问国籍与血型的分布是否有关？

my.matrix <- matrix(c(450,300,190,
                      410,250,250,
                      100,350,40,
                      40,100,20),nrow = 3);my.matrix
row.names(my.matrix)=c("美国人","中国人","挪威人")
colnames(my.matrix)=c("O","A","B","AB")
addmargins(my.matrix)

现在的“关联”和以前的“比较”是两类不同的问题和设计。多组频率分布资料的比较，其设计是，首先确定三种国籍人群，调查其血型分布资料，分析三种国籍的血型分布是否不同。本例2500例患者是一次调查的结果，可以看作是总体种一份随机抽样，按照两个属性交叉分类，统计频数，分析的是两种属性之间的是否有关联。

chisq.test(my.matrix)

 \chi ^{^{2}}=332.97，P<0.001，拒绝H0，说明血型与国籍之间有关联性。

assocstats(my.matrix)

 关联系数r=0.343

关联性分析与多个频率比较的\chi ^{2}检验一样，要求不能有超过1/5以上的理论频数小于5，或者不能有1个理论频数小于1.

4. 两个有序多分类变量

spearman秩相关法进行分析或者Kendall’s Tau-b相关性分析

案例：欲研究年龄(Age)与冠状动脉粥样硬化等级(Grade)之间的关系，抽样调查了283例年龄≥30岁的居民，收集其年龄和冠状动脉粥样硬化等级数据。年龄按30-39岁、40-49岁、50-59岁、≥60岁统计频数，冠状动脉粥样硬化按照0级、1级、2级、3级统计频数。

age=c(rep(1,70+23+4+3),rep(2,27+25+9+4),rep(3,16+23+13+8),rep(4,9+20+15+14))
grade=c(rep(1,70),rep(2,23),rep(3,4),rep(4,3),
    rep(1,27),rep(2,25),rep(3,9),rep(4,4),
    rep(1,16),rep(2,23),rep(3,13),rep(4,8),
    rep(1,9),rep(2,20),rep(3,15),rep(4,14))
mydata=data.frame(age,grade)
mydata$age=factor(mydata$age,
                  levels = c(1,2,3,4),
                  labels = c("30-39","40-49","50-59","60-69"))
mydata$grade=factor(mydata$grade,
                    levels = c(1,2,3,4),
                    labels = c("0级","1级","2级","3级"),ordered = T)

将原始数据制作成为列联表，然后进行关联分析。

#创建列联表
mytable <- table(mydata$age,mydata$grade);mytable
#统计描述——计算构成比
prop.table(mytable,margin = 1) #按照行计算百分比
prop.table(mytable,margin = 2)#按照列计算百分比
#关联性分析
#install.packages("DescTools")
library(DescTools) #调用包“DescTools”
KendallTauB(mytable,conf.level=0.95) #计算Tau-b系数及其95%CI

年龄与动脉粥样硬化等级间的Kendall’s Tau-b相关系数为0.410(95%CI：0.33-0.49)，即年龄与动脉粥样硬化的等级有相关性，且为正相关

注意：kendallTauB()主要用于列联表频数格式的数据，如果原始的长数据格式还可以直接用cor()函数，设置参数method=“kendall”实现上述关联分析。

cor.test(age,grade,use="everything",method = "kendall")

关联分析总结：

  • 两个连续变量间呈线性相关时，可以使用Pearson相关分析，不满足Pearson相关分析的适用条件时，可以使用Spearman相关系数来描述。
  • 两个连续变量既可以使用Pearson相关分析，也可以使用Kendall's tau-b等级相关系数描述，但后者更多适用于两个分类变量均为有序分类的情况(也可以用于有序分类变量+连续变量)。

关联分析的可视化

1. 连续型变量散点图

利用连续型变量部分的数据进行分析：

data(birthwt,package = "MASS")
cont.vars <- dplyr::select(birthwt,age,lwt,bwt)#将连续性变量单独提取出来

方法一：pairs()绘制散点图

pairs(cont.vars)

 方法二：car包中的函数scatterplotMatrix用于创建点图矩阵

library(car)
scatterplotMatrix(cont.vars)

 方法三：其他方式展示两变量之间相关性

#install.packages("corrplot")
library(corrplot)
#install.packages("corrgram")
library(corrgram)
corrplot(cor(cont.vars))#颜色深浅表示相关性强弱，其中蓝色表示正相关，红色负相关
corrgram(cont.vars,upper.panel = panel.pie)#upper.panel=展示的图形

 利用相关系数绘制的圈图展示两变量之间的相关性。

2. 分类变量马赛克图

案例：使用R自带数据集Arthritis，计算治疗方式（安慰剂和标准治疗）于疗效之间的关联程度，原始数据表格如下：

library(vcd)
mytable <- table(Arthritis$Treatment,Arthritis$Improved);mytable

将数据统计形成一个列联表，分类变量:用关联图或者马赛克图展示

方法一：关联图

assocplot(mytable)

 从上图可以看到安慰剂治疗于疗效none正相关，与显著疗效负关联，治疗组同理。

方法二：马赛克图

mosaic(~Treatment+Improved,data=Arthritis)#两变量的马赛克图
mosaic(~Sex+Treatment+Improved,data=Arthritis)#多变量的马赛克图

 如果要在一张图中展示数值型变量和分类变量的关联，可以使用GGally包中的ggpair

#install.packages("GGally")
library(GGally)
library(ggplot2)
dat <- dplyr::select(birthwt,age,lwt,bwt,smoke,race)
ggpairs(dat)

 

简单线性回归

简单线性回归：一个变量Y（反应变量）随着另一个变量X（解释变量）的变化而变化，且呈直线变化趋势

线性回归分析的要求数据满足线性、独立性、正态性、等方差的前提

线性：反应变量Y与自变量X呈直线变化趋势，通过散点图来考察两变量是否呈线性趋势

独立性：两个个体的取值是相互独立的，一个个体的取值不受另一个个体的影响，多于非独立样本，可以选择重复测量资料的方差分析、多水平模型。

正态性：在给定x取值时，y的取值服从正太分布，也即y的残差服从正态分布。通过残差图或者正态概率图考察

等方差：对于不同的x值，y的总体变异相同

案例：某种疾病患病后会影响尿肌酐的表达，收集了一部分患病和正常患者的尿肌酐，欲研究尿肌酐是否会随着年龄的改变有变化，数据如下：

UCR <- data.frame(age=c(13,11,9,6,8,10,12,7,10,9,11,12,15,16,8,7,10,15),
                  ucr=c(3.54,3.01,3.09,2.48,2.56,3.36,3.18,2.65,3.01,2.83,2.92,3.09,3.98,3.89,2.21,2.39,2.74,3.36),
                  group=c(rep(0,8),rep(1,10)))

在数据栏目中可以查看全部数据情况，数据集中共有3个变量和18个观察数据，3个变量分别代表年龄(age)、尿肌酐(ucr)与是否患病(group)。

1. 线性回归条件的判断

线性：

#基础包绘图
plot(ucr~age,data = UCR) #满足线性回归第一个条件线性
plot(ucr~age,data = UCR,xlab="Age in years",ylab="Urine creatinine(mmol)") 

#ggplot绘制散点图
library(ggplot2)  #启动ggplot2软件包
ggplot(data=UCR,aes(x=age,y=ucr))+
  geom_point()+
  stat_smooth(method="lm",se=TRUE) #绘制散点图

 散点大致呈一条直线，提示变量“age”和“ucr”存在线性关系，该条件满足

独立性：独立性需要针对实验设计和观察指标进行判断。

正态性（四种方法）：

lm.UCR<-lm(age~ucr,data=UCR) #回归分析
shapiro.test(lm.UCR$residuals)#进行shapiro正态性检验

hist(lm.UCR$residuals)#方法二：通过直方图展示残差的分布判断

#方法三：对于小样本，可以使用qq图展示，是否聚集在一条直线上
qqnorm(lm.UCR$residuals)
qqline(lm.UCR$residuals)

#方法四：残差图：做残差与拟合值的散点图，是否对称
plot(fitted(lm.UCR),lm.UCR$residuals,xlab = "Fitted values",type="n") #绘制散点图，type=n表示不显示散点
text(fitted(lm.UCR),lm.UCR$residuals,labels=rownames(UCR))#标记每个点的名称，text表示加上文本的意思
abline(h=0,col="blue")

残差的方差齐性：

par(mfrow=c(1,3)) #绘制一行3个图
plot(lm.UCR$residuals)
plot(UCR$age,lm.UCR$residuals)
plot(UCR$ucr,lm.UCR$residuals)

预测值和各变量值的残差分布较为均匀，并未出现特殊的分布形式(如漏斗或者扇形)，提示残差的方差齐。

2. 线性模型拟合

lm.UCR=lm(ucr~age,data=UCR);lm.UCR #输出的数据有限
attributes(lm.UCR)#通过函数attributes()查看模型对象的属性

 上述就是线性拟合后生成的拟合模型包含的内容，可以通过$提取具体属性的值。比如lm.UCR$residual就能将残差提出出来。

lm.UCR$coefficients#显示的是截距和斜率（回归系数）
lm.UCR$residuals#每一个样本的残差
summary(lm.UCR)#生成主要的线性拟合参数

上述的总结，显示了拟合公式lm是ucr~age的拟合，第二部分是残差的基本信息，第三部分Coefficients部分”列出了截距和自变量的“Estimate (非标准化系数)”、“Std.Error (标准误)”，统计量t值及P值。Multiple R-squared：决定系数。F统计量：对线性回归方程进行统计检验。

回归方差模型假设检验包含两个方面：一是检验回归模型是否成立的模型检验（F检验），二是检验总体回归系数β是否为零的参数检验（t检验）。

决定系数是回归分析中重要的统计量，定义为回归平方和与总平方和之比，记为\boldsymbol{R}^{^{2}}。其值的大小反映了自变量对回归效果的贡献，在Y的总变异中回归关系所能解释的百分比。常用作反映拟合优度的指标。当X与Y均为随机变量时，决定系数等于相关系数r的平方和。

        该案例中，年龄（age）的斜率为0.149，检验p<0.001，即age的回归系数不等于0。F统计量=60.95，p<0.001，说明回归模型成立。决定系数为0.7921，说明年龄有很大程度可以解释尿肌酐的水平。项在该案例中没有实际意义，p值仅表示常数项与0之间有显著差异。但是\mathrm{R^{2}}会受自变量个数的影响，夸大自变量对因变量变异的解释程度，自变量越多，\mathrm{R^{2}}越大。Adjusted \mathrm{R^{2}}调整了自变量个数对结果的影响，一般小于\mathrm{R^{2}}。Adjusted \mathrm{R^{2}}=0.7791，说明自变量 (年龄)可以解释77.91%的因变量的变异 (尿肌酐)。

如果要具体分析回归模型的假设检验内容：

summary(aov(lm.UCR))

回归决定系数\boldsymbol{R}^{^{2}}=\frac{SS_{回归}}{SS_{总}}

注意：服从双变量正态分布的同样一组资料，同时做了相关分析和回归分析，则相关系数的t检验与回归系数t检验等价

分层线性回归

分层线性回归：在分组变量下，两个变量之间的线性回归关系

本质：对回归方程进行比较的问题

（1）：不同分组中的回归直线是否平行；（2）：若平行，检验其截距是否相等

#假定年龄对尿肌酐在两组中的影响是相同的

mod1 <- lm(ucr~age+group,data = UCR)
summary(mod1)

年龄每增长1岁，尿肌酐就增加0.16156，相同年龄情况下，患病儿童的尿肌酐比正常儿童低0.232356。

#分组绘制散点图
col=ifelse(UCR$group==0,"blue","red")#设置两个组的颜色
pch=ifelse(UCR$group==0,1,19)#设置两个组点的形状
plot(ucr~age,data = UCR,col=col,pch=pch,xlab="Age in years",ylab="Urine Creatinine")
legend("topleft",
       legend = c("Normal children","Diseased children"),
       col=c("blue","red"),
       pch=c(1,19))

 分别对两组绘制拟合曲线，分别求解不同模型的斜率和截距。

mod1$coefficients

 第一个是截距，第二个分别是age的斜率，前文假设了年龄在两组之间尿肌酐的影响是相同的，所以斜率都是相同的b=0.16156，但截距没有患病组group=0，截距a=1.45，患病组group=1，截距a=1.45-0.233。

mod1$coefficients
b <- mod1$coefficients[2]
a0 <- mod1$coefficients[1]
a1 <- mod1$coefficients[1]+mod1$coefficients[3]
abline(a=a0,b=b,col="blue")
abline(a=a1,b=b,col="red")

 在上面的模型里，假定的是儿童年龄对尿肌酐含量具有恒定效应。进行假设检验，尝试不同的斜率来拟合回归直线，然后比较两者斜率的差异是否显著

！！！！建立一个group和age之间存在交互的模型

mod2 <- lm(ucr~age+group+age:group,data = UCR)
#建立了一个age和group存在交互的模型
mod2$coefficients

 所以回归方程中y=1.66+0.139*age-0.566*group+0.033*age*group

再次对存在交互模型的斜率和截距进行计算。

健康组中group=0，所以截距a2，斜率b2

a2 <- mod2$coefficients[1]
b2 <- mod2$coefficients[2]

在患病组中group=1，所以截距a3，斜率b3

a3=mod2$coefficients[1]+mod2$coefficients[3]
b3=mod2$coefficients[2]+mod2$coefficients[4]

绘制散点图和拟合曲线：

col=ifelse(UCR$group==0,"blue","red")
pch=ifelse(UCR$group==0,1,19)
plot(ucr~age,data = UCR,col=col,pch=pch,xlab="Age in years",ylab="Urine Creatinine")
legend("topleft",
       legend = c("Normal children","Diseased children"),
       col=c("blue","red"),
       pch=c(1,19))
abline(a=a2,b=b2,col="blue")
abline(a=a3,b=b3,col="red")

        两条回归直线不平行，表示年龄在两组中的效应不同，有可能是抽样误差导致，有可能是是否患病导致，假设检验两个斜率的差异显著性。

summary(mod2)

 年龄（age）与患病（group）交互效应的假设检验p=0.4>0.05，尚不能认为交互具有统计学差异。可能两个斜率的不同是由于偶然误差导致的。所以模型中不需要存在Age与group的交互，mod1可以作为最终模型。

Dr_long1996
关注
专栏目录
关联性——相关性分析
路的博客
06-28 1万+
相关分析是对变量两两之间的相关程度进行分析。相关分析的计算方式有三种，分别是 Pearson 相关系数（适用于定量数据，且数据满足正态分布）、Spearman 相关系数（数据不满足正态分布时或者定序数据使用）。Kendall's tau -b 相关系数（定序变量）​输入：两个或者两个以上的定量变量或定序变量输出：两两变量之间是否呈现显著性相似以及相似的程度​人的身高和体重之间；空气中的相对湿度与降雨量之间的相关关系都是相关分析研究的问题1.定类变量：只能区分为某一类别，类别平等2.定序变量：只能区分为某一类
关联分析之Apriori学习笔记
小小鸟
08-25 6068
关联分析（Association analysis）简介大量数据中隐藏的关系可以以‘关联规则’和‘频繁项集’的形式表示。rules：｛Diapers｝–>{Beer}说明两者之间有很强的关系，购买Diapers的消费者通常会购买Beer。 除了应用在市场篮子数据（market basket data）中，关联分析（association analysis）也可以应用在其他领域像bioinfomat
关联性分析
weixin_45793418的博客
01-26 8190
​关联性分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结果。通俗地讲就是发现各种商品之间的关系，一种商品的售卖是否会影响另一种商品的售卖，这些数据可以用于用户推荐系统。 比较形象一点的案例就是商场里的货架物品摆放。在美国有这样一家奇怪的超市，它将啤酒与尿布这样两个奇怪的东西放在一起进行销售，并且最终让啤酒与尿布这两个看起来没有关联的东西的销量双双增加，这家超市的名字叫做沃尔玛，后来经过市场研究，发现美国的太太们常叮嘱她们的丈夫下班后
数据分析的统计方法选择小结(变量之间的关联性分析)
热门推荐
tansuo17的博客
09-13 1万+
数据分析的统计方法选择小结(变量之间的关联性分析) 一、两个变量之间的关联性分析 1.两个变量均为连续型变量 1)小样本并且两个变量服从双正态分布，则用Pearson相关系数做统计分析 2)大样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析   2.两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析   3.一个变量为有序分
关联分析法，超详解！进来秒懂！！
qq_53769810的博客
04-20 1万+
关联分析的目的是找到事务间的关联性，用以指导决策行为。如“67%的顾客在购买啤酒的同时也会购买尿布”，因此通过合理的啤酒和尿布的货架摆放或捆绑销售可提高超市的服务质量和效益。又如“‘C语言’课程优秀的同学，在学习‘数据结构’时为优秀的可能性达88%”，那么就可以通过强化“C语言”的学习来提高教学效果。 接下来我会分为四部分来讲解 我们先明确一些概念： 频繁项集:经常出现在一块儿的物品的集合。 关联规则:暗示两种物品之间可能存在很强的关系。 支持度(support): 项在事务中发生的频率。 支持度表
统计学_相关性分析(资料）
weixin_43615654的博客
12-01 600
用Python统计推断——相关性篇
(基础准备)多元相关与回归分析——一元线性相关与回归分析（一） python+numpy库 实现
12-22
在这篇文章中，主要讨论了一元线性相关与回归分析，这是多元分析的基础。首先，我们要理解变量间的关系可以分为两类：函数关系和相关关系。函数关系是确定性的，如\( y = 2x + 1 \)，而相关关系则是非确定性的，变量...
数据统计分析——SPSS 原理及应用课件 .zip
01-25
3. **推断性统计**：涵盖t检验、ANOVA（方差分析）、卡方检验等假设检验方法，用于比较不同组间的差异或关联性。 4. **回归分析**：讲解简单的线性回归和多元线性回归，以及逻辑回归等预测模型，用于探究因变量与自...
建模算法_；灰色关联度计算；多元线性回归模型_灰色预测；GM11_灰色关联_
10-04
这个压缩包文件包含的三个脚本文件——regression.m、GM11.m和correlated.m，分别涉及到了多元线性回归模型、GM(1,1)灰色预测模型以及灰色关联度计算，这些都是灰色系统理论中的核心概念。 首先，让我们来了解**...
线性回归分析方法在税收收入预测中的应用.docx
11-04
线性回归分析方法在税收收入预测中的应用 线性回归分析方法是税收收入预测中的一种常用方法，它可以根据历史数据信息和现实客观条件，运用科学的方法和逻辑推理手段，对未来收入状况进行分析、估计、推断。线性回归...
层次分析法之关联度分析
08-31
简单易学！ppt格式，实例分析~教你如何在多因素的情况下做出正确的评价、决策！！
laravel withCount 统计关联数量的方法
10-16
今天小编就为大家分享一篇laravel withCount 统计关联数量的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
商品关联性分析（python算法）
06-27
电商，物流，存储，仓储，商品关联性分析，python，Apriori
ML之TS/MTS：多变量时间序列模型或多特征时间序列模型的简介、常用方法(三大方法-概率图/线性回归/非线性回归)、案例应用之详细攻略
最新发布
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
05-16 1060
​ ML之TS/MTS：多变量时间序列模型或多特征时间序列模型的简介、常用方法(三大方法-概率图/线性回归/非线性回归)、案例应用之详细攻略 目录 MTS的简介 MTS的案例应用 MTS的简介 1、MTS多变量时间序列模型或多特征时间序列模型的概述(概率图/线性回归/非线性回归) 简介 在机器学习和概率统计领域，有一种常用的方法可以实现基于时间序列的预测任务，并且能够同时使用多个特征，包括时序性特征和非时序性特征。这种方法被称为多变量时间序列建模（Multivariate Tim
五个关联分析，领略数据分析师一大重要必会处理技能
weixin_45545159的博客
07-28 1784
五个关联分析，领略数据分析师一大重要必会处理技能
基于spark进行多源数据关联统计分析
鸟语清晨
02-01 1213
spark引擎进行多数据关联分析业务背景解决方案代码示例 业务背景 很多统计需求是根据现有存储进行统计分析： 1、关系型数据库存储基本关系数据，MySQL、oracle、pg等。 2、非关系型数据库存储详细数据，MongoDB、HBase、ES等。 解决方案 通过spark引擎加载多源数据，进行统计分析。 处理流程图 代码示例 //加载jdbc数据 Dataset<Row> ...
关联分析（一）
G090909的博客
10-11 5494
关联分析是数据挖掘中很重要的一类技术，其实就是挖掘事物之间的联系。关联分析研究的关系有两种：简单关联关系和序列关联关系。简单关联关系经典的购物篮分析中有个例子说，购买面包的顾客中80%会购买牛奶。面包和牛奶作为一种早餐的搭配是大家所接受的，二者没有共同属性，但是二者搭配后就是一顿美味早餐，这是一种简单的关联关系。序列关联关系比如买了iphone手机的顾客中80%会选择购买iphone手机保护壳，这就
python线性回归分析看相关性_机器学习入门-相关分析之简单线性回归
weixin_39835792的博客
02-04 2479
一.什么是机器学习？简单来说，机器学习是一类算法的总称，这些算法企图从大量历史数据中挖掘出其中隐含的规律，并用于预测或者分类，更具体的说，机器学习可以看作是寻找一个函数，输入是样本数据，输出是期望的结果，所以我们可以总结简单抽象机器学习的过程：输入训练数据->机器学习算法->输出结果。二.机器学习步骤？提出问题.理解数据数据清洗构建模型评估三.python中的机器学习工具包scikit...
四.数据关联性分析
tyh751734196的博客
08-03 4236
数据关联分析用于挖掘数据对象之间的关系,例如啤酒和尿布的案例 一.基本概念 通过实例认识项集,支持度,频繁项集,关联规则,置信度,强关联规则,支持度,置信度 运动器的历史购买数据 | TID | 网球拍 | 网球 | 运动鞋 | 羽毛球 | | — | — | — | — | — | | 1 | 1 | 1 | 1 | 0 | | 2 | 1 | 1 | 0 | 0 | | 3 | 1 | 0 | 0 | 0 | | 4 | 1 | 0 | 1
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值