目录
概念引入
相关系数可用来衡量两个变量之间的相关性的大小。跟据数据满足的不同条件，选择不同的相关系数进行计算和分析。
什么是相关性？
相关性，是指两个变量的关联程度。一般地，从散点图上可以观察到两个变量有以下三种关系之一：两变量正相关、负相关、不相关。
正相关就是你高兴那么她也高兴；负相关就是你不高兴，那么她高兴；不相关就是你的情绪与她无关。正相关和负相关都是存在关系的，有研究意义的，不相关就是Nothing。
总体：考察对象的全部个体。 个体：总体的一部分
相关性可视化
通过绘制散点图很容易判断两个数据对象x,y之间的相关性。
由散点图反映的相关性不是一个量化的指标，为了将相关性进行量化，下面将介绍一些常见的指标。
协方差
如果X、Y变化方向相同，即当X大于（小于）其均值时，Y也大于（小于）其均值，在这两种情况下，乘积为正。如果X、Y的变化方向一直保持相同，则协方差为正；同理，如果X、Y变化方向一直相反，则协方差为负；如果X、Y变化方向之间相互无规律，即分子中有的项为正，有的项为负，那么累加后正负抵消。
注意：协方差的大小与两个变量的量纲有关，因此不适合作比较。
皮尔逊Pearson相关系数
总体皮尔逊Pearson相关系数
皮尔逊相关系数也可以看成将x,y标准化后的协方差。（剔除量纲的影响）
样本皮尔逊Pearson相关系数
为什么样本方差分母是n-1呢？
关于皮尔逊相关系数的一些理解误区
这里的相关系数只是用来衡量两个变量线性相关程度的指标；也就是说，你必须先确认这两个变量是线性相关的，然后这个相关系数才能告诉你他俩相关程度如何。
举个栗子：
易错点
（1）非线性相关也会导致较大的线性相关系数（图2）
（2）离群点对于相关系数的影响很大（图3）
（3）如果两个变量的相关系数很大也不能说明两者相关，例如图4，可能是受到了异常值的影响。（图4）
（4）相关系数为0，只能说不是线性相关，说不定存在非线性相关。
总结
（1）如果两个变量本身就是线性的关系，那么皮尔逊相关系数绝对值大的就是相关性强，小的就是相关性弱。
（2）在不确定两个变量之间的关系下，皮尔逊相关系数不能说明两个变量的线性关系，一定要结合散点图来看才行。
假设检验（显著性）
对皮尔逊相关系数进行假设检验
常见的置信水平由：90%、95%、99%
皮尔逊相关系数假设检验的条件
1、数据通常假设是来自于正态分布的总体。因此我们在求皮尔逊相关系数后，通常使用t检验的方法来进行皮尔逊相关系数的检验，而t检验是基于数据呈正态分布假设的。
2、实验数据之间的差距不能过大。皮尔逊相关系数受异常值的影响比较大。
3、每组样本之间是相互独立的。
如何检验数据是否是正态分布？
正态分布JB检验（雅克-贝拉检验）
条件：大样本n>30
Shapiro‐wilk夏皮洛‐威尔克检验
小样本 30<=n<=50
QQ图检验
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。（数据量要求比较大）
斯皮尔曼spearman相关系数
斯皮尔曼相关系数被定义为等级之间的皮尔逊相关系数
两个相关系数的比较
1750
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
