相关性分析

在概率论和统计学中，相关（Correlation，或称相关系数或关联系数），显示两个随机变量之间线性关系的强度和方向。在统计学中，相关的意义是用来衡量两个变量相对于其相互独立的距离。在这个广义的定义下，有许多根据数据特点而定义的用来衡量数据相关的系数。

对于不同测量尺度的变数，有不同的相关系数可用：

• Pearson相关系数（Pearson’s r）：衡量两个等距尺度或等比尺度变数之相关性。是最常见的，也是学习统计学时第一个接触的相关系数。

• 净相关（英语：partial correlation）：在模型中有多个自变数（或解释变数）时，去除掉其他自变数的影响，只衡量特定一个自变数与因变数之间的相关性。自变数和因变数皆为连续变数。

• 相关比（英语：correlation ratio）：衡量两个连续变数之相关性。

• Gamma相关系数：衡量两个次序尺度变数之相关性。

• Spearman等级相关系数：衡量两个次序尺度变数之相关性。

• Kendall等级相关系数（英语：Kendall tau rank correlation coefficient）：衡量两个人为次序尺度变数（原始资料为等距尺度）之相关性。

• Kendall和谐系数：衡量两个次序尺度变数之相关性。

• Phi相关系数（英语：Phi coefficient）：衡量两个真正名目尺度的二分变数之相关性。

• 列联相关系数（英语：contingency coefficient）：衡量两个真正名目尺度变数之相关性。

• 四分相关（英语：tetrachoric correlation）：衡量两个人为名目尺度（原始资料为等距尺度）的二分变数之相关性。

• Kappa一致性系数（英语：K coefficient of agreement）：衡量两个名目尺度变数之相关性。

• 点二系列相关系数（英语：point-biserial correlation）：X变数是真正名目尺度二分变数。Y变数是连续变数。

• 二系列相关系数（英语：biserial correlation）：X变数是人为名目尺度二分变数。Y变数是连续变数。

吸烟与死亡相关分析：

 a=c(500,150,380,170,1100,350,1100,460,230,60,490,240,250,90,300,110,510,250,1300,200)
 x=matrix(a,10,2,byrow=T)
 plot(x,pch=20,main="吸烟死亡人数随烟消费量变化图",xlab='不同地区的烟消费量',ylab='吸烟死亡人数')