相关性分析——皮尔逊相关性分析

皮尔逊相关系数（Pearson Correlation Coefficient）

起源

皮尔逊相关系数是由英国统计学家卡尔·皮尔逊（Karl Pearson）于1896年提出的，用于衡量两个变量之间的线性关系。皮尔逊的工作受到弗朗西斯·高尔顿（Francis Galton）研究的启发，他研究了遗传和统计相关性的问题。皮尔逊通过改进高尔顿的方法，提出了这种更加精确的相关性度量方式。

介绍

皮尔逊相关系数通过计算两个变量的协方差和标准差来量化它们之间的线性关系。其值在-1到1之间，1表示完全正相关，-1表示完全负相关，0表示没有线性关系。公式如下：

$r=\frac{\sum (X_i-\overline{X})(Y_i-\overline{Y})}{\sqrt{\sum (X_i-\overline{X}{)}^2\sum (Y_i-\overline{Y}{)}^2}}$

公式中的各个参数含义如下：

• $(r$)：皮尔逊相关系数，反映两个变量之间的线性相关程度。
• $(X_i$)：变量X的第i个数据点。
• $(Y_i$)：变量Y的第i个数据点。
• $(\overline{X}$)：变量X的均值。
• $(\overline{Y}$)：变量Y的均值。

使用条件

• 数据必须是成对的连续型变量。
• 两个变量之间存在线性关系。
• 数据满足正态分布。

应用领域

皮尔逊相关系数广泛应用于各种领域，包括心理学、教育学、医学和社会科学等。例如，在心理学研究中，常用来分析不同测试之间的相关性；在医学研究中，用来分析不同生物指标之间的关系。

Python代码

import numpy as np
from scipy.stats import pearsonr

# 示例数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

# 计算皮尔逊相关系数
corr, _ = pearsonr(x, y)
print(f'皮尔逊相关系数: {corr}')

R代码

# 示例数据
x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 6, 8, 10)

# 计算皮尔逊相关系数
corr <- cor(x, y)
print(paste("皮尔逊相关系数:", corr))

示例分析

假设有两个变量X和Y，分别代表学生的学习时间和考试成绩。通过计算皮尔逊相关系数，可以得出这两个变量之间的相关性。如果计算结果接近1，说明学习时间与考试成绩高度正相关，即学习时间越长，考试成绩越好；如果接近-1，说明高度负相关；如果接近0，说明没有显著的线性关系。

注意事项

• 线性关系：皮尔逊相关系数只能衡量线性关系，对于非线性关系，可能无法准确反映变量间的关联性。
• 异常值：皮尔逊相关系数对异常值非常敏感，异常值可能会显著影响相关系数的值。因此，在计算相关系数之前，应对数据进行预处理，去除或修正异常值。
• 样本量：样本量较小时，相关系数的稳定性较差，容易受到个别数据点的影响。一般来说，样本量越大，相关系数越可靠。