数学建模之变量和相关性分析（含matlab代码

最新推荐文章于 2024-05-16 00:15:00 发布
最新推荐文章于 2024-05-16 00:15:00 发布
阅读量1.8k 收藏 19
点赞数 1
分类专栏： 数学建模 文章标签： 数学建模
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/lingdangbell/article/details/131926681
版权

一、变量类型

 不同变量之间的使用

 二、相关系数及其检验

（1）Pearson相关系数：

适用于定距、定比类型的变量。是运用最广的一种相关程度统计量。检验用t统计量：其中统计量t服从自由度(n-2)的分布。

 

 使用条件
1、两变量均应由测量得到的连续变量。
2、两变量所来自的总体都应是正态分布，或接近正态的单峰对称分布。
3、变量必须是成对的数据。
4、两变量间为线性关系。

（2）Spearman等级相关系数

 三、偏相关分析


1.偏相关分析的基本概念


在多变量的情况下，变量之间的相关关系是很复杂的。
如：农作物产量与降水量之间的关系中实际还包含温度对产量的影响。商品的需求与价格关系，注意收入水平的影响等等。
偏相关分析是指在对其他变量的影响进行控制的条件下，分析多个变量中某两个变量之间的线性相关程度，计算偏相关系数。

 例如：

 在现实经济生活中，由于收入和价格常常都有不断提高的趋势，如果不考虑收入对需求的影响，仅仅利用需求和价格的时间序列数据去计算简单相关系数，就有可能得出价格越高需求越大的错误结论。

 2、偏相关系数及其检验

 四、代码

1、皮尔逊函数

function coeff = myPearson(X , Y)
% 本函数实现了皮尔逊相关系数的计算操作
% 皮尔逊相关系数计算公式（P18）及无偏相关系数矫正公式(P19)参见《现代气候统计诊断与预测技术》-魏凤英
%
% 输入：
%   X：输入的数值序列
%   Y：输入的数值序列
%
% 输出：
%   coeff：两个输入数值序列X，Y的相关系数
%

if length(X) ~= length(Y)
    error('两个数值数列的维数不相等');
    return;
end

fenzi = sum((X-sum(X)/length(X)).*(Y-sum(Y)/length(Y)));
fenmu = sqrt(sum((X-sum(X)/length(X)).^2))*sqrt(sum((Y-sum(Y)/length(Y)).^2));
coef = fenzi / fenmu;

if length(X)>30
    coeff = coef;
elseif length(X)>4 && length(X)<30
    coeff = coef*(1+(1-coef^2)/(2*(length(X)-4)));      %计算无偏相关系数加以矫正
else
    coeff = coef;
    fprintf('数据长度小于5 %8.4f\n',coeff);
end

end %函数myPearson结束

2、皮尔逊相关系数函数和T检验

function ttest = myttest005(X , Y) 

    if Y <= 2 
        error('计算相关系数的样本量不够');
        return;
    end

    if X == NaN
        ttest = Z;
        return;
    end
    r2 = myPearson(X , Y);%计算pearson系数
    [m,n]=size(Y)
    Z = m-2;%求出自由度
 
    tvalue=abs(r2/(sqrt((1-r2^2)/Z)));
    
    if Z == 1
        tnorm = 12.71;
        if tvalue > tnorm
            ttest = Z;
        else
            ttest = NaN;
        end
    elseif Z == 2
            tnorm = 4.30;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end
    elseif Z == 3
            tnorm = 3.18;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end
    elseif Z == 4
            tnorm = 2.78;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end
    elseif Z == 5
            tnorm = 2.57;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end       
    elseif Z == 6
            tnorm = 2.45;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 7
            tnorm = 2.37;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end
    elseif Z == 8
            tnorm = 2.31;
            if tvalue > tnorm
                ttest = X;
            else
                ttest = NaN;
            end
    elseif Z == 9
            tnorm = 2.26;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end
    elseif Z == 10
            tnorm = 2.23;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 11
            tnorm = 2.20;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end        
    elseif Z == 12
            tnorm = 2.18;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 13
            tnorm = 2.16;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 14
            tnorm = 2.15;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 15
            tnorm = 2.13;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 16
            tnorm = 2.12;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end  
    elseif Z == 17
            tnorm = 2.11;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 18
            tnorm = 2.10;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 19
            tnorm = 2.09;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 20
            tnorm = 2.09;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 21
            tnorm = 2.08;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 22
            tnorm = 2.07;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 23
            tnorm = 2.07;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 24
            tnorm = 2.06;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end
    elseif Z == 25
            tnorm = 2.06;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 26
            tnorm = 2.06;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 27
            tnorm = 2.05;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 28
            tnorm = 2.05;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 29
            tnorm = 2.04;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end            
    elseif Z == 30
            tnorm = 2.04;
            if tvalue > tnorm
                ttest = Z;
            else
                ttest = NaN;
            end                        
    else 
            tnorm = 1.96;
            if tvalue > tnorm
                ttest = X;
            else
                ttest = NaN;
            end                
        end

end %函数myttest005结束

3、Spearman函数

function coeff = mySpearman(X , Y)
% 本函数用于实现斯皮尔曼等级相关系数的计算操作
%
% 输入：
%   X：输入的数值序列
%   Y：输入的数值序列
%
% 输出：
%   coeff：两个输入数值序列X，Y的相关系数


if length(X) ~= length(Y)
    error('两个数值数列的维数不相等');
    return;
end

N = length(X); %得到序列的长度
Xrank = zeros(1 , N); %存储X中各元素的排行
Yrank = zeros(1 , N); %存储Y中各元素的排行

%计算Xrank中的各个值
for i = 1 : N
    cont1 = 1; %记录大于特定元素的元素个数
    cont2 = -1; %记录与特定元素相同的元素个数
    for j = 1 : N
        if X(i) < X(j)
            cont1 = cont1 + 1;
        elseif X(i) == X(j)
            cont2 = cont2 + 1;
        end
    end
    Xrank(i) = cont1 + mean([0 : cont2]);
end

%计算Yrank中的各个值
for i = 1 : N
    cont1 = 1; %记录大于特定元素的元素个数
    cont2 = -1; %记录与特定元素相同的元素个数
    for j = 1 : N
        if Y(i) < Y(j)
            cont1 = cont1 + 1;
        elseif Y(i) == Y(j)
            cont2 = cont2 + 1;
        end
    end
    Yrank(i) = cont1 + mean([0 : cont2]);
end

%利用差分等级(或排行)序列计算斯皮尔曼等级相关系数
fenzi = 6 * sum((Xrank - Yrank).^2);
fenmu = N * (N^2 - 1);
coeff = 1 - fenzi / fenmu;

end %函数mySpearman结束

lingdangbell
关注
  • 1
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
利用MATLAB实现典型相关性分析数学建模算法
01-10
3. **构建典型变量：** CCA寻找两组线性组合，称为典型变量，它们分别与X和Y的变量相关性最大。 4. **计算相关性：** 计算典型变量之间的相关系数，即典型相关系数。这些系数度量了X和Y之间的整体关联性。 5. **典型...
MATLAB实现相关性分析数学建模算法
weixin_58438203的博客
01-10 1669
相关性分析是一种统计方法，用于确定两个或多个变量之间的关系强度和方向。相关性分析可以帮助我们了解变量之间的相关程度，从而帮助我们预测一个变量如何受到另一个变量的影响。Pearson相关系数用于衡量两个连续变量之间的线性关系，Spearman和Kendall等级相关系数用于衡量两个变量之间的等级关系。正相关意味着两个变量的值一起增加或减少，负相关意味着一个变量的值增加时，另一个变量的值减少，无关意味着两个变量之间没有明显的关系。通过相关性分析，我们可以更好地理解变量之间的关系，从而做出更准确的预测和决策。
matlab数学建模分析案例及代码
12-21 5045
欢迎下载，matlab代码包括如下第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 R
MATLAB基础—变量及其操作
最新发布
2401_83431652的博客
05-16 531
表达式使用实例：
备战数学建模16-相关性分析SPSS&MATLAB
nuist_NJUPT的博客
05-08 1万+
一、变量类型与相关性分析 1-变量类型及分析 2-两变量的相关性分析 Peaeson系数法需要通过t检验，通过则说明结果不具有偶然性。 pearson系数法需要是定距或者定比变量。 二、相关性检验实例 对于定类和定类的变量，我们采用卡方检验，具体如下所示： 我们使用SPSS进行相关性分析，具体步骤如下： 首先导入数据，如下所示： 点击分析->描述统计->交叉表->统计->勾选卡方检验，检验结果可以发现，显著性...
数学建模之相关性分析1
supreme_boss的博客
06-27 1万+
描述性统计 一，计算各个变量的最大值，最小值，均值，方差，偏度，峰度等统计量 使用工具：SPSS 步骤一：将数据导入SPSS 步骤二：点击分析-描述统计-描述-导入各个变量-点击选项并勾选统计量 样图： 计算皮尔逊相关系数 重点！！！ 1，皮尔逊相关系数的作用：衡量两个变量之间的相关性的大小！！ 2，皮尔逊相关系数的误区如图： 二，绘制各个变量之间的散点图 使用工具：SPSS 步骤一：点击图形旧对话框 ‐ 散点图/点图 ‐ 矩阵散点图 样图： 三，观察
三大相关性分析之matlab
PY洋洋
02-09 2万+
1.简介 2.Pearson相关系数 算法详解 程序实现 3.Kendall相关系数 算法详解 程序实现 4.Spearman相关系数 算法详解 程序实现
matlab相关性分析
luxurie的小窝
11-14 5万+
相关性分析 一、皮尔逊相关系数 （person） 计算公式： 样本协方差：Cov(x,y)=∑i=1n(Xi−Xˉ)(Yi−Yˉ)n−1{Cov(x,y)=\frac{\sum_{i=1}^n(X_i-\bar{X})(Y_i-\bar{Y})}{n-1}}Cov(x,y)=n−1∑i=1n​(Xi​−Xˉ)(Yi​−Yˉ)​ 样本标准差Sx=∑i=1n(Xi−Xˉ)2n−1{S_x=\sqrt{\frac{\sum_{i=1}^n(X_i-\bar{X})^2}{n-1}}}Sx​=n−1∑i=1n​(X
数学建模-相关性分析（Matlab）
m0_62237233的博客
01-06 1万+
注意：代码文件仅供参考，一定不要直接用于自己的数模论文中国赛对于论文的查重要求非常严格，代码雷同也算作抄袭如何修改代码避免查重的方法：https://www.bilibili.com/video/av59423231 //清风。
数学建模：相关性分析学习——皮尔逊（pearson）相关系数与斯皮尔曼（spearman）相关系数
热门推荐
weixin_67565775的博客
08-27 6万+
相关性分析：求解相关系数并绘制热力图进行对比
利用MATLAB进行相关性分析数学建模
01-10
相关性分析是一种用于研究两个或多个变量之间关系的统计方法。该分析旨在衡量变量之间的关联程度，以便了解它们是如何一起变化的。最常见的相关性分析方法之一是计算相关系数，其中最常见的是皮尔逊相关系数。 1. **...
利用MATLAB实现主成分分析数学建模
01-09
利用MATLAB实现主成分分析数学建模 主成分分析（PCA）是一种常用的数据降维技术，也可以用于发现数据集中的潜在结构。主成分分析基于以下几个假设： 1. 原始数据中存在线性相关性：主成分分析假设原始数据中存在...
利用MATLAB实现因子分析数学建模
01-09
利用MATLAB实现因子分析，因子分析是一种统计方法，用于发现观测变量之间的潜在结构和关联。它基于以下几个假设： 1. 变量之间的相关性可以通过少数几个潜在因子来解释，即观测变量之间的相关性是由共同的潜在因子所...
matlab代码 数学建模练习常用算法
01-12
在数学建模中，MATLAB是一种非常常用的工具，因为它提供了丰富的数学函数库和直观的编程环境，便于实现各种复杂的算法。以下将详细讲解标题和描述中提到的几个关键算法： 1. **模拟退火算法（Simulated Annealing）...
全国大学生数学建模竞赛数据分析题高质量matlab代码（可用于比赛与科研）
12-05
 多类型高质量相关性分析气泡图/矩阵图/热图matlab代码8. 灰色预测GM（2.1）MATLAB GUI（小软件）：不用编程，傻瓜式操作，适合数学建模编程小白9.基于matlab的2维、3维、N维数据的kmedoids聚类分析（含工具箱函数...
MATLAB实现时间序列分析【数学建模、科学计算算法】.zip
04-14
这个压缩包文件“MATLAB实现时间序列分析【数学建模、科学计算算法】.zip”显然包含了与这些领域相关的代码示例和可能的算法实现。下面我们将详细探讨相关知识点。 1. **时间序列分析**：时间序列数据是一系列按照...
做数学建模不得不会的数据特征分析---相关性分析
duohuanxi的博客
05-11 7227
相关性分析是分析连续变量之间的线性相关程度的强弱，我们可以通过图来初步判断，当然了比较权威的是通过Pearson相关系数（皮尔逊相关系数） / Sperman秩相关系数（斯皮尔曼相关系数）来判断 引入相关模块 import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy import stats % matplotlib inline （1）图示初判 我们生成三组数据，data1为0-100的随机数并从小
MATLAB实现相关性分析
前端，算法，MATLAB，统计学爱好者，目前主攻Web全栈+考研内容
09-22 7322
所谓相关系数，本质上是来衡量两组数据的关系大小——对应呈现函数关心的两种变量，那么我们可以很清楚他们之间的关系；初试成绩与录取情况虽然成较弱的正相关，可能有两个原因——一是模型的严谨性不足，另一方面可能是因为初试成绩占比相对较低（巧合的是复试强相关......），这要不同学校具体分析；如上是有关相关系数的计算方式：所谓的皮尔逊相关系数，即为我们本科期间学过的那种，也就是考研数一数三会涉及的部分~23年正大杯——这种就是前文提到的Excel法，属实有点low哈哈哈，平时小打小闹无所谓，
数学建模【相关性模型】
W_O_Z的博客
02-26 2854
相关性模型并不是指一个具体的模型，而是一类模型，这一类模型用来判断变量之间是否具有相关性。一般来说，分析两个变量之间是否具有相关性，我们根据数据服从的分布和数据所具有的特点选择使用pearson（皮尔逊）相关系数和spearman（斯皮尔曼）等级相关系数；分析两组变量，每组变量都有多个指标的时候，无论是pearson相关系数还是spearman等级相关系数都无能为力，所以又要介绍一个新的典型相关分析来解决这个问题。
数学建模--相关性分析
09-08
相关分析是一种用来分析连续变量之间线性相关程度的强弱的方法。可以通过图形初步判断相关性，但更加权威的方法是使用Pearson相关系数或Sperman秩相关系数来确定相关性的程度。在数学建模中，相关性分析被广泛应用于研究变量之间的关系，例如在研究葡萄酒质量评价时，可以使用相关性分析来研究理化指标与葡萄酒质量之间的关系。此外，相关性分析还可以作为建立逐步回归分析模型和主成分模型等模型的基础。对于数学建模中的相关性分析，可以使用各种软件如matlab、Stata和SPSS来进行操作和总结。<span class="em">1</span><span class="em">2</span><span class="em">3</span>

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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