应用统计学第九周作业（SPSS相关性分析，相关系数）

1.

book.10.1.sav

我选择皮尔逊相关系数，因为从散点图来看生产费用和产量近似可以看做一条直线，而衡量线性相关程度的pearson相关系数=0.920也印证了这一点。

book10.6.sav

我选择斯皮尔曼相关系数，因为从散点图来看不是很接近一条直线，而类似于一条指数函数的曲线，所以不应该是线性关系，同时斯皮尔曼相关系数和肯德尔相关系数都要高于皮尔逊相关系数，所以我选择相关系数最高的spearman相关系数。

2.

$$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \cdots & x_{1p}\\ x_{21}& x_{22}& \cdots & x_{2p}\\ ⋮& ⋮& & ⋮\\ x_{n1}& x_{n2}& \cdots & x_{np}\end{array}\right]$$
$X_{p\times n}^{\prime }{X}_{n\times p}=(X^{\prime }X{)}_{p\times p}$
$g_{p\times 1}{g}_{1\times p}^{\prime }=(g{g}^{\prime }{)}_{p\times p}$

$$X^{\prime }X=\left[\begin{array}{cccc}{x}_{11}& x_{21}& \cdots & x_{n1}\\ x_{12}& x_{22}& \cdots & x_{n2}\\ ⋮& ⋮& & ⋮\\ x_{1p}& x_{2p}& \cdots & x_{np}\end{array}\right]\left[\begin{array}{cccc}{x}_{11}& x_{12}& \cdots & x_{1p}\\ x_{21}& x_{22}& \cdots & x_{2p}\\ ⋮& ⋮& & ⋮\\ x_{n1}& x_{n2}& \cdots & x_{np}\end{array}\right]$$

对于V矩阵对角线上的元素，因为
$$\begin{gathered} s_j^2=\frac{1}{n}\sum _{i=1}^n(x_{ij}-{\bar{x}}_j{)}^2 \\ =\frac{{\sum }_{i=1}^n{x}_{ij}^2-n{\bar{x}}_j^2}{n} \\ =\frac{{\sum }_{i=1}^n{x}_{ij}^2}{n}-{\bar{x}}_j^2 \\ =\frac{1}{n}{X}^{\prime }X-g{g}^{\prime } \end{gathered}$$
对于非对角线上的元素
$$\begin{gathered} S_{ij}=\frac{1}{n}\sum _{i=1}^n\left(x_{ij}-{\overline{x}}_j\right)\left(x_{ik}-{\overline{x}}_k\right) \\ =\frac{1}{n}\sum _{i=1}^n(x_{ij}{x}_{ik}-{\bar{x}}_j{x}_{ik}-{\bar{x}}_k{x}_{ij}+{\bar{x}}_j{\bar{x}}_k) \\ =\frac{1}{n}\sum _{i=1}^n{x}_{ij}{x}_{ik}-{\overline{x}}_j{\overline{x}}_k \\ =\frac{1}{n}{X}^{\prime }X-g{g}^{\prime } \end{gathered}$$

所以$V=\frac{1}{n}{X}^{\prime }X-g{g}^{\prime }$成立。

3.

pearson相关系数如果不做标准化处理，结果会受到量纲的影响，所以为了消除量纲的影响做了标准化处理，而这一处理刚好使得相关系数在-1到1之间，且绝对值越大，线性相关关系越强，绝对值越接近0，线性相关关系越弱。使我们判断变量之间的相关关系更加方便。