数学建模（5.3）相关系数_皮尔逊相关系数假设检验

数学建模（5.3）相关系数_皮尔逊相关系数假设检验

对于相关系数大小的解释

比起相关系数的大小，显著性可能会更重要。

皮尔逊相关系数假设检验

1、提出原假设和备择假设

双侧检验：$H_0:r=0$、$H_1:r\ne 0$

单侧检验：$H_0:r=0$、$H_1:r<0$或$H_1:r>0$

2、皮尔逊相关系数一般使用t分布

$$t=r\sqrt{\frac{n-2}{1-r^2}}$$

$r$是相关系数

n是数据量

% tpdf是自由度为n-2的x的概率密度函数
% x是探究的变量
% n是数据量
y = tpdf(x,n-2);

3、常见置信水平：

$90\%、95\%、99\%$

从t分布表中对比

检验值$t=r\sqrt{\frac{n-2}{1-r^2}}$落在哪个区域，在拒绝域就拒绝，在接受域就接受

p值判断法

p就是${\int }_{-\infty }^{x}f(x)$

% 双侧检验要乘二，单侧检验不用乘二
p = (1-tcdf(t*,n-2))*2

p<0.05，说明拒绝原假设，p>0.05，接受原假设。

有0颗表示在0.1上拒绝原假设，
有1颗表示在0.1上接受原假设，
有2颗表示在0.05上接受原假设，
有3颗表示在0.01上接受原假设。
星星越多越显著（不过不同软件标记不同，看注释就好）。

% R为相关系数，P为对应于每个相关系数的P值
% Test表示矩阵
[R,P]=corrcoef(Test);

SPSS分析：

分析->相关->双变量->（皮尔逊、双尾/单尾、标记显著性相关性）

条件

实验数据来自正态分布的总体

实验数据差距不能太大

样本之间独立抽样的