数据分析 第四篇：相关分析

相关分析是数据分析的一个基本方法，可以用于发现不同变量之间的关联性，关联是指数据之间变化的相似性，这可以通过相关系数来描述。发现相关性可以帮助你预测未来，而发现因果关系意味着你可以改变世界。 

一，协方差和相关系数

如果随机变量X和Y是相互独立的，那么协方差

Cov(X,Y) = E{ [X-E(X)] [Y-E(Y)] } = 0，

这意味着当协方差Cov(X,Y) 不等于 0 时，X和Y不相互独立，而是存在一定的关系，此时，称作X和Y相关。在统计学上，使用协方差和相关系数来描述随机变量X和Y的相关性：

协方差：如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。从数值来看，协方差的数值越大，两个变量同向程度也就越大。

， µ是变量的期望。

相关系数：相关系数消除了两个变量变化幅度的影响，只是单纯反应两个变量每单位变化时的相似程度。

，

δ是变量的标准差。

相关系数用于描述定量变量之间的关系，相关系数的符号(+、-)表明关系的方向(正相关、负相关)，其值的大小表示关系的强弱程度(完全不相关时为0，完全相关时为1)。

例如，下面两种情况中，很容易看出X和Y都是同向变化的，而这个“同向变化”有个非常显著特征：X、Y同向变化的过程，具有极高的相似度。

1，观察协方差，情况一的协方差是：

情况二的协方差是：

 

协方差的数值相差一万倍，只能从两个协方差都是正数判断出在这两种情况下X、Y都是同向变化，但是一点也看不出两种情况下X、Y的变化都具有相似性这一特点。

2，观察相关系数，情况一的相关系数是：

情况二的相关系数是：

 

虽然两种情况的协方差相差1万倍，但是，它们的相关系数是相同的，