Matlab计算皮尔逊相关系数corr、互相关系数xcorr

本文介绍了如何使用Matlab计算皮尔逊相关系数corr和互相关系数xcorr。通过这两个函数,可以分析两组数据之间的线性相关性和延迟相关性。
摘要由CSDN通过智能技术生成

计算皮尔逊相关系数——corr

%% 多变量间相关性分析和选取相关性强的变量方法属于“属性约减”范畴。
%即进行各变量间的相关性分析,选取相关性强的变量。
%可以使用皮尔逊Pearson相关性系数r进行衡量,如果其绝对值越接近1,则变量X,Y的相关性越强。
%对相关性系数进行排序,保留相关性强的变量,剔除相关性差的变量。
% 一般来说,取绝对值后,0-0.09为没有相关性,0.3-弱,0.1-0.3为弱相关,0.3-0.5为中等相关,0.5-1.0为强相关。
%但是,往往你还需要做显著性差异检验,即t-test,来检验两组数据是否显著相关,这在SPSS里面会自动计算的
%%
ys_data=xlsread('季度数据.xlsx');  %读入原始数据,第一列放因变量
[n,p]=size(ys_data);             % n行,p列
n=18;p=20;%直接指定
for i=2:p
    Y=ys_data(:,1);                     % 将因变量赋值给Y
    X=ys_data(:,i);                     % 逐个将自变量赋值给X
    xs(1,i-1)=i;                           % 将相关性系数数组的第一行添加变量所在列位置标记1:p
    xs(2,i-1)=corr(X,Y,'type','Pearson');  %逐个计算自变量与因变量间的Pearson相关性,保存至xs数组第二行
end
xyb=[ys_data;[1 xs(2,:)]];

xlswrite('季度数据pearson.xlsx',xyb); 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值