matlab sperman相关,相关系数

title: 相关系数

date: 2020-01-27 11:42:46

categories: 数学建模

tags: [统计, MATLAB, spss]

mathjax: true

---

相关系数(皮尔逊相关系数)

(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)在不确定两个变量是什么关系的情况下，即使算出皮尔逊相关系数，发现很大，也不能说明那两个变量线性相关，甚至不能说他们相关，我们一定要画出散点图(spss很方便)来看才行。

事实上，比起相关系数的大小，我们往往更关注的是显著性。(假设检验)

假设检验

对皮尔逊相关系数进行假设检验

第一步：提出原假设H0和备择假设H1

两个假设是截然相反,假设我们计算出了一个皮尔逊相关系数r，我们想检验它是否显著的异于0.那么我们可以这样设定原假设和备择假设：H0：r=0,H1:r≠0

第二步：在原假设成立的条件下，利用我们要检验的量构造出一个符合某一分布的统计量

(注1：统计量相当于我们要检验的量的一个函数，里面不能有其他的随机变量)

(注2：这里的分布一般有四种：标准正态分布、t分布、x2分布和F分布)

对于皮尔逊相关系数r而言，在满足一定条件下，我们可以构造统计量：

\[

t = r\sqrt{(n-2)/(1-r^{2})}

\]

可以证明t是服从自由度为n-2的t分布

第三步：将我们要检验的这个值带入这个统计量中，可以得到一个特定的值(检验值)。

假设我们现在计算出来的相关系数为0.5，样本为30，那么我们带入第二步公式可以得到\(t^{*}=3.05505\)

第四步：由于我们知道统计量的分布情况，因此我们可以画出该分布的概率密度函数pdf，并给定一个置信水平，根据这个置信水平查表找到临界值，并画出检验统计量的接受域和拒绝域。

例如，我们知道上述统计量服从自由度为28的t分布，代码

x = -4:0.1:4;

y = tpdf(x,28);

plot(x,y,'-')

grid on % 在画出的图上加上网格线

常见的置信水平有三个：90%，95%和99%，其中95%是三者中最为常用的。

因为我们这里是双侧检验，所以我们需要找出能覆盖0.95概率的部分t分布表：https://wenku.baidu.com/view/d94dbd116bd97f192279e94a.html

查表可知，对应的临界值为2.048，因此我们可以做出接受域和拒绝域。

第五步：看我们计算出来的检验值是落在了拒绝域还是接受域，并下结论。因为我们得到的t*=3.05505>2.048，因此我们可以下结论：

在95%的置信水平上，我们拒绝原假设H0:r=0，因此r是显著的不为0的。

p值判断法

我们得到的检验值t*=3.05505，根据这个值，我们可以计算出其对应的那个概率。

disp('该检验值对应的p值为： ')

disp((1-tcdf(3.055,28))*2)

%双侧检验的p值要乘以2

p<0.01，说明在99%的置信水平上拒绝原假设；p值>0.01，说明在99%的置信水平无法拒绝原假设；

p<0.05，说明在95%的置信水平上拒绝原假设；p>0.05，说明在95%的置信水平上无法拒绝原假设：

p<0.10，说明在90%的置信水平上拒绝原假设；p>0.10，说明在90%的置信水平上无法拒绝原假设；

小补充： \(0.5、 0.5* 、 0.5**、 0.5***\)的含义是什么？(显著性标记)

0.5*:90%的水平上显著异于0，p<0.1

0.5**:95%的水平上显著异于0，p<0.05

0.5***:99%的水平上显著异于0，p<0.01

%% 计算各列之间的相关系数以及p值

[R,P] = corrcoef(Test)

% 在EXCEL表格中给数据右上角标上显著性符号吧

P < 0.01 % 标记3颗星的位置

(P < 0.05) .* (P > 0.01) % 标记2颗星的位置

(P < 0.1) .* (P > 0.05) % 标记1颗星的位置

皮尔逊相关系数假设检验的条件

第一， 实验数据通常假设是成对的来自于正态分布的总体(需要验证)。 因为我们在求皮尔逊相关性系数以后，通常还会用t检验之类的方法来进行皮尔逊相关性系数检验，而t检验是基于数据呈正态分布的假设的。

第二， 实验数据之间的差距不能太大。 皮尔逊相关性系数受异常值的影响比较

大。

第三ÿ