相关系数（person and spearman）

皮尔逊Person相关系数

拿到数据：描述性检验，正态性检验，计算皮尔逊相关系数，假设检验（显著性检验）

步骤

1、对题目中所给数据做描述统计（做成表）

（1）方法一：用matlab中的计算基本统计量的函数

min	数组的最小元素	mink	计算数组的 k 个最小元素
max	数组的最大元素	maxk	计算数组的 k 个最大元素
mean	数组的均值	bounds	最小元素和最大元素
median	数组的中位数值	topkrows	按排序顺序的前若干行
skewness	数组的偏度	mode	数组的众数
kurtosis	数组的峰度	var	方差
std	标准差

（一般只使用左边一列就够了）

以上函数都默认按列计算，如果令第二个参数为2，则变为按行计算。

将结果复制到excel中，加上标题和行标列表。

（2）方法二：用excel

excel ，数据， 数据分析（这项如果没有的话，需要在excel首页，选项，加载项/自定义项能选），描述统计，勾选汇总统计

 

 得到的表格精简后粘贴到论文中。

（3）方法三：用SPSS（24之后）

文件，导入数据，excel ，选好后打开，确定，分析，描述统计，描述，ctrl+A，移到右边，选项，勾选想要的，确定

“变量视图”中“测量”：

标度：数值型

有序：分类变量，甲乙丙丁之类有明确顺序的

名义：分类变量，无顺序，如：性别

 2、计算皮尔逊相关系数

（1）先画出散点图，使相关性可视化，判断是否有线性关系

在SPSS中导入数据，图形，旧对话框，散点图/点图，矩阵散点图，定义，将指标移到“矩阵变量”框中，确定

如果两个变量线性相关，就能使用皮尔逊相关系数，否则不能。

（2）确定线性关系，计算相关系数（各列之间）

corrcoef函数：correlation coefficient 相关系数

R=corrcoef(A)               A的相关系数矩阵（两列两列之间的相关系数）

R=corrcoef(A，B)         两个随机变量A,B（两个向量）之间的系数

R=[]                            是第i 列和第j 列的相关系数

（3）美化相关系数表格，相关系数可视化

将相关系数复制到excel表格里，全选中，开始，格式，行高，50（使之呈现正方形），列宽10，两个居中，仅选中数据，保留四位小数，放大字体，条件格式，色阶，选一种（红白蓝），条件格式，管理规则，编辑规则，最小值类型修改为数字 值改为-1，最大值类型修改为数字 值改为1，中间值类型修改为数字 值改为0，确定，应用

3、对皮尔逊相关系数进行假设检验（前提：数据是正态分布）

（1）提出原假设 和备择假设 (两个假设是截然相反的)

（2）在原假设成立的前提下，利用我们要检验的量构造出一个符合某一分布的统计量

统计量相当于我们要检验的量的一个函数，里面不能有其他随机变量。

这里的分布一般有四种：标准正态分布、t 分布、 分布、F分布。

对于皮尔逊相关系数r ，在满足一定条件下，可以构造统计量： 

 (n 是样本量，t 是服从自由度为n-2 的t 分布）

---

注意：皮尔逊相关系数假设检验需要满足的条件如下：

第一，实验数据通常假设是成对的来自于正态分布的总体。

因为我们在求皮尔 逊相关性系数以后，通常还会用t检验之类的方法来进行皮尔逊相关性系数检验， 而t检验是基于数据呈正态分布的假设的。

第二， 实验数据之间的差距不能太大。皮尔逊相关性系数受异常值的影响比较大。

第三：每组样本之间是独立抽样的。构造t统计量时需要用到 。

第二条和第三条在第一条成立的前提下默认成立，要验证第一条是否成立就要验证数据是否是正态分布的。

正态分布检验：

1、大样本 n>30：正态分布JB检验

（1）

正态分布的偏度为0

正态分布的峰度为3 (有些地方定义的正态分布峰度为0)     Matlab软件中使用的是第一种定义

（2）雅克‐贝拉检验(Jarque‐Bera test)

 

 （3）正态分布JB检验的假设检验步骤：

step 1： :该随机变量服从正态分布          ：该随机变量不服从正态分布

step 2：计算该变量的峰度、偏度，代入JB统计量，得到检验值，并计算出对应p值

step 3：若p<0.05，则可拒绝原假设（即在95%置信水平下我们拒绝原假设，即该随机变量不服从正态分布），否则不能拒绝原假设

[h ,p]=jbtest (x ,alpha)

x 是随机变量，只能一组一组，不能整个矩阵，可搭配循环使用

alpha 是显著性水平：1-置信水平=显著性水平，一般1-0.95=0.05

h=1，拒绝原假设（同时可以推出p<）;h=0，不能拒绝原假设

2、小样本3≤n≤50：Shapiro-wilk检验

（1）夏皮洛‐威尔克检验步骤：

step 1： :该随机变量服从正态分布          ：该随机变量不服从正态分布

step 2：计算出威尔克统计量（即检验值）后，得到相应p值

step 3：若p<0.05，则可拒绝原假设，否则不能拒绝原假设

（2）用SPSS

导入数据，分析，描述统计，探索，全选移到右边，图，勾选含检验的正=正态图，确定

（结果的最后一列“显著性”显示的是p值）

3、超大样本：Q-Q图

要利用Q‐Q图鉴别样本数据是否近似于正态分布,只需看Q‐Q图上的点 是否近似地在一条直线附近

qqplot(Test(:,1))      第一列数据和正态分布的Q-Q图

---

4、

---

斯皮尔曼Spearman相关系数 

1、一个数的等级：将它所在的一列数按照从小到大排序后，这个数所在的位置。eg：

 2、计算斯皮尔曼相关系数

（1）方法一：corrcoef(RX,RY)     RX是一组数据X的等级        RY是一组数据Y的等级

（2）方法二：corr(X , Y , 'type' , 'Spearman')            X、Y都是列向量

                        corr(X , 'type' , 'Spearman')                 计算X各列之间的斯皮尔曼相关系数

3、斯皮尔曼相关系数的假设检验

（1）小样本，n≤30：直接查临界值表即可

样本相关系数r必须>=表中临界值，才能得出显著的结论（拒绝原假设）

（2）大样本： 

 （服从标准正态分布）

 若p<0.05，则可拒绝原假设，否则不能拒绝原假设（如果是双侧检验，p值记得要x2）