7.相关性分析

皮尔逊相关系数的计算以及数据的描述性统计

关于皮尔逊相关系数的一些理解误区

注：皮尔逊只能描述线性关系

所以先画散点图大致看一下点的走向，是不是线性关系，再用皮耳孙相关系数

相关系数大小解释

一些excel的快捷操作

ctrl+➡快速跳转到最后一列

ctrl+shift+➡选中此行

ctrl+shift+➡+⬇全选（左上角)

例题：八年级女生体测数据

或者使用excel中的数据分析 5-1 35min处或者参考ppt

利用matlab将一些基本量求出来，得到此数据的描述性统计（很重要，可以写到论文里）

用SPSS分析数据：

标度：数值型，如身高体重

有序：如，甲乙丙丁

名义：没有顺序，如性别

导入数据怎么分析？

分析--

移动变量的快捷方法：ctrl+A 全选

然后选择想分析的，点确定就会有一个计算好的表格了

分析两个数据之间的线性关系？

选 图形---旧对话框---散点图/点图---矩形---定义---选择矩阵变量---确定

美化相关系数表格

调正单元格大小：

条件格式---管理规则---编辑规则

改成这样也可

假设检验

step1：确定原假设和备择假设

step2：构造分布 正态，t分布，F分布，X方分布

step3：画概率密度图

step4：给出置信水平

同概率论

皮尔逊相关系数进行假设检验

tpdf是matlab中的一个函数，28是服从自由度为28的分布

https://wenku.baidu.com/view/d94dbd116bd97f192279e94a.html

t分布表

计算各列之间的相关系数以及p值

*** 99%显著 P<0.01 在99%水平上拒绝原假设（说明对原假设很保护呗，也侧面说明这个数据偏离μ有点大

** 95%显著 0.01<P<0.05

* 90%显著 0.05<P<0.1

你想证明一班的成绩比二班好：

那么原假设H0 就设为一班二班成绩相同，其中出现的个别成绩有差异，是由于抽样误差所造成的，纯在偶然性，差异数据不具备统计学意义，可以忽略该差异的影响

备择假设H1就设为一班比二班成绩好，其中样本中出现的一班二班成绩差异不是偶然出现的，具有高度统计学意义，不可忽悠该差异的影响

P：在定义了H0的情况下，代表了由于偶然误差导致的H0不成立的碰巧可能性大小。

P小，拒绝H0的出错的概率就小，所以不能接受H0

P大，拒绝H0的出错的概率就大，所以要接受H0

因此， 当把显著性水平设定为0.05时，

当P值小于0.05时， 我们认为因为偶然性而造成的成绩差异的概率比较小，该差异具备统计学意义，该差异不是由于偶然性的抽样导致的，而是两组数据之间的差异存在着显著意义，因此无法忽略该差异，不能接受H0.

因此拒绝原假设，就可以接受一班成绩比二班好的事实；

2. 若P值比0.05大，就原假设中因为抽样误差而造成的成绩差异的可能性比较高，说明没有足够证据证明一班成绩比二班好，保守起见拒绝备择假设 接受原假设

（转自知乎）

SPSS操作

分析---相关---双变量

选择双变量

双尾是双侧检验的意思

皮尔逊相关系数假设检验条件

（检验是不是正态分布）

正态分布JB检验

要求数据量大于30

[h,p]=jbtest(Test(:,1),0.05)

核心代码，h只有两个值，0和1 ，1表示服从正态分布 ；p是显著性水平

夏皮洛-威尔克检验

小样本分析

利用SPSS分析

分析---描述统计---探索

点击 图

勾选含检验的正态图

看最后一列，都是0，落入拒绝域内，所以拒绝原假设（就不是正态分布）

QQ图

要求数据量非常大，只需要看点是否在一条直线上

在一条直线上说明是正态分布

斯皮尔曼相关系数

注意：4.5就是 （4+5）/2

rs小于0 负相关