pearson相关系数_pearson相关系数与典型相关性分析（CCA）

  本文主要介绍相关系数的概念，以及简单相关系数中的pearson相关系数及其局限性。随后介绍pearson相关系数无法解决的问题(两个变量组之间的相关性问题)的解决方案。

1、pearson相关系数

在日常中，我们经常会遇到一些关于相关性的分析，例如，一个人每日的运动量与他体重之间的相关性，一支股票的价格与该公司的盈利状况的相关性等等。在上述两种情况下，我们给出的结论一般是，一个人每日的运动量越大，他的体重就越轻；公司的盈利状况越好股票的价格越高。那么相关性到底是个什么东西呢？根据维基百科的定义：

相关(Correlation，或称相关系数或关联系数)，显示两个随机变量之间线性关系的强度和方向。在统计学中，相关的意义是用来衡量两个变量相对于其相互独立的距离。

实际上，早在19世纪80年代相关性在统计学上有明确的定义，由卡尔·皮尔逊提出的pearson相关系数就是最常用的相关系数，是一种简单相关系数。我们平时谈论的相关，基本上指的都是线性相关，在线性相关中最常用的就是pearson相关系数。除了此之外，还有其他的一些相关系数如：Spearman相关系数