在很多研究中,研究者都把数据的相关性放在一个非常重要的位置上。甚至专门写上一整篇的文章阐述其研究变量之间的相关关系,足见其重要性。
通常,我们所说的“相关”都是一个较为模糊的概念,好像直觉告诉我们,这个事和那个人应该有关系,这个数字和那个现象似乎有联系,却始终没有办法得到一个明确的结论。
而相关分析则让这种模糊的直觉有了理论支持。如果想要考察两个变量之间是否存在相关性,我们第一个就会想到相关分析。
本文将从概念、散点图、相关系数、应用举例、结果分析、其他说明,共6个部分进行说明。
相关分析
相关分析是一种简单易行的测量定量数据之间的关系情况的分析方法。可以分析包括变量间的关系情况以及关系强弱程度等。
比如,身高和体重的相关性;降水量与河流水位的相关性;工作压力与心理健康的相关性等。
散点图
相关分析前,首先通过散点图了解变量间大致的关系情况。
如果变量之间不存在相互关系,那么在散点图上就会表现为随机分布的离散的点,如果存在某种相关性,那么大部分的数据点就会相对密集并以某种趋势呈现。