针对特定的预测问题,只是拥有数据还不够,想要从纷繁复杂的数据关系中挖掘出可用于预测的规律或模式,还得运用恰当的分析方法。比如聚类分析,恰当地选择聚类算法,可以按维度将数据适当地分群,根据各类的特征制订营销计划或决策,抑或是根据各类不冋规律建立起更有针对性的预测模型;还有常用的关联分析,可以从事物的历史数据中挖掘出变化规律有指导性地对未来进行预测,如此等等。本内容将分别介绍常用的分析方法,本节介绍相关分析。
目录
1. 自相关分析 2. 偏相关分析 3. 简单相关分析 4. 互相关分析 5. 典型相关分析
相关关系是一种与函数关系相区别的非确定性关系,而相关分析就是研究事物或现象之间是否存在这种非确定性关系的统计方法。相关分析按处理问题的不同,通常可分为自相关分析、偏相关分析、简单相关分析、互相关分析及典型相关分析。其中:
- 自相关分析、偏相关分析:适用于分析变量自身的规律;
- 简单相关分析:通常可分析任意两个等长数列间的相关性;
- 互相关分析:允许在一定的间隔下进行简单相关分析;
- 典型相关分析:适用于分析两组变量的相关性。
变量与变量的关系通常有两种:
- 函数关系:表示确定的非随机变量之间的关系,可以用表达式具体地定义。比如,位移与速度就是确定的函数关系。
- 非确定性关系:表示非随机变量与随机变量的关系,也就是说当给定一个变量时,另一个变量是随机的,它不能由具体的表达式来定义。比如,