相关系数和显著性检验

最近在搞相关系数方面的东西,浅学了下各位大佬的一些知识,现在做个总结,方便以后自己再看,也尽可能帮助他人。

在做相关系数的时候,发现有一个自变量与因变量之间的相关系数正负性都不太对(虽然数字的绝对值很小),但是毕竟与常识对不上,结合以前学习的数理统计知识,觉得应该是样本的问题,所以翻来了以前的书籍并且搜索了下相关内容,发现可以用显著性检验来进一步核实这个相关系数有没有统计学意义(其实就是这个系数到底顶事不顶事)。

结合我的个人理解做以下分析(不一定对,仅供参考)

1.显著性检验,说白了就是错误性检验,再直白一点,比如,结果是显著性<0.05,那意思就是碰巧出现原假设的概率<0.05,如果在如此低的概率下这个事情都发生了,那原假设就可以被否掉,对于相关系数的显著性检验,原假设一般认为二者不从在相关性,所以如果显著性<0.05(也可以是0.01等),那么就说明二者具有统计学意义的相关性

2.在进行检验的时候我认为需要弄清楚三个名词,第一是相关系数,这个不用多说,就是你算出来的。第二是统计量,就是相关系数经过t检验的计算公式算出来的那个数。第三是概率,也就是正态分布下,曲线与坐标轴的面积,当然这不重要,我提出它的原因是希望大家明白这个概率与统计量有着一一对应的关系。

 

当然,如果你不是考试,没必要自己去算,matlab可以直接出结果。

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
MATLAB中,可以使用相关系数显著性检验函数来评估相关系数显著性。 显著性检验是为了确定相关系数是否在统计上是显著的,即相关性是否是真实存在的。在MATLAB中,可以使用corrcoef函数来计算相关系数,然后使用corrcoef的后续函数来进行显著性检验。 其中,corrcoef函数用于计算相关系数矩阵,它接受一个包含多个变量的矩阵作为输入参数,返回一个相关系数矩阵。例如,corrcoef(X)将计算变量矩阵X中所有变量之间的相关系数。 对于相关系数显著性检验,可以使用函数corrcoef的输出结果作为输入参数继续使用函数corrcoef。例如,[R, p] = corrcoef(X)将返回相关系数矩阵R和对应的p值矩阵p。其中,p值表示相关系数是否显著。 在显著性检验中,通常使用假设检验方法来确定相关系数显著性。可以设置一个显著性水平,例如0.05,然后假设零假设为相关系数等于零,即H_0: ρ = 0。然后可以使用函数corrcoef的输出结果p值与显著性水平进行比较。 如果p值小于显著性水平,例如p < 0.05,那么可以拒绝零假设,即相关系数显著的。如果p值大于显著性水平,例如p > 0.05,那么不能拒绝零假设,即相关系数不是显著的。 总之,MATLAB提供了计算相关系数以及进行显著性检验的函数。通过使用这些函数,可以评估相关系数显著性,并确定相关性是否真实存在。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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