相关性分析（清风建模学习笔记）

本讲我们将介绍两种最为常用的相关系数：皮尔逊 pearson相关系数和斯皮尔曼 spearman 等级相关系数。 它们可用来衡量两个变量之间的相关性的大小，根据数据满足的不同条件，我们要选择不同的相关系数进行计算和分析（建模论文中最容易用错的方法）。

皮尔逊相关系数：

总体皮尔逊相关系数：

 样本皮尔逊相关系数：

注意 ：总体皮尔逊相关系数除以n，样本皮尔逊相关系数除以n-1

运用皮尔逊相关系数的条件：

关于皮尔逊相关系数的一些误区：

这里的相关系数只是用来衡量两个变量 线性相关 程度的指标；

也就是说，你必须 先确认这两个变量是线性相关的 ，然后这个相关系数才能

告诉你他俩相关程度如何。

总结：

（ 1 ）如果两个变量本身就是线性的关系， 那么皮尔逊相关系数绝对值大的就是相关性强，小的就是相关性弱；

（ 2 ）在不确定两个变量是什么关系的情况 下，即使算出皮尔逊相关系数，发现很大，也不能说明那两个变量线性相关，甚至不能说他们相关，我们一定要画出散点图来看才行。

 一定要先确定为线性关系才能用皮尔逊相关系数

事实上，比起相关系数的大小，我们往往更关注的是显著性。

（假设检验）

求皮尔逊相关系数的步骤：

第一步：数据描述性统计

第一种方法Matlab:

第二种方法Excel

第三种方法spss：

第二步： 判断数据是否具有线性关系

第三步：正态性检验 

（1）当样本n>30时，使用正态分布JB检验（大样本 n>30）

(2) 当样本3≤n≤50时，Shapiro-wilk检验

 

 （3）Q-Q图（需要大量数据，少用）

 第四步：计算皮尔逊相关系数和皮尔逊相关系数假设性检验（显著性检验）

 皮尔逊相关系数检验：

如何美化皮尔逊系数表？
 

 

 

皮尔逊系数假设性检验（p值判断法）：

MATLAB:

 

三颗星星表示相关性越显著 

SPSS:
步骤：分析->相关->双变量(其中双尾和单尾表示为双侧检验还是单侧检验）->皮尔逊 

求斯皮尔曼相关系数：

定义：

MATLAB求法:
 

 斯皮尔曼的假设性检验：

小样本（n<30)：直接查表（表见拓展资料），样本相关系数r必须大于表中数据才能得到显著结论。

大样本：

 

也可以直接使用SPSS;

斯皮尔曼和皮尔逊系数的选择：
 

百分之九十的情况选择斯皮尔曼系数，因为皮尔逊系数需要满足较多条件。