两个连续变量间呈线c;使用Pearson积差相关系数不满足积差相关分析的适用条件时使用Spearman秩相关系数来描述。相关性分析是指对两个或多个具备相关性的变量元素进行分析从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。相关性不等于因果性也不是简单的个性化相关性所涵盖的范围和领域几乎覆盖了我们所见到的方方面面相关性在不同的学科里面的定义也有很大的差异。
Spearman相关系数又称秩相关系数是利用两变量的秩次大小作线c;对原始变量的分布不作要求属于非参数统计方法适用范围要广些。对于服从Pearson相关系数的数据亦可计算Spearman相关系数但统计效能要低一些。Pearson相关系数的计算公式可以完全套用Spearman相关系数计算公式但公式中的x和y用相应的秩次代替即可。
Kendallstau-b等级相关系数用于反映分类变量相关性的指标适用于两个分类变量均为有序分类的情况。对相关的有序变量进行非参数相关检验取值范围在-1-1之间此检验适合于正方形表格
计算积距pearson相关系数连续性变量才可采用;计算Spearman秩相关系数适合于定序变量或不满足正态分布假设的等间隔数据;计算Kendall秩相关系数适合于定序变量或不满足正态分布假设的等间隔数据。
计算相关系数当资料不服从双变量正态分布或总体分布未知或原始数据用等级表示时宜用 spearman或kendall相关
Pearson 相关复选项积差相关计算连续变量或是等间距测度的变量间的相关分析
Kendall复选项 等级相关 计算分类变量间的秩相关适用于合并等级资料
Spearman复选项等级相关计算斯皮尔曼相关适用于连续等级资料
1若非等间距测度的连续变量 因为分布不明-可用等级相关/也可用Pearson相关对于完全等级离散变量必用等级相关
2当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时,宜用 Spearman 或 Kendall相关。
3 若不恰当用了Kendall等级相关分析则可能
最低0.47元/天 解锁文章
2857
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
