本文介绍了皮尔逊相关系数的计算与注意事项，强调需结合散点图判断线性关系，并讨论了离群值的影响。接着阐述了假设检验的目的与步骤，特别提到了皮尔逊相关系数的假设检验方法。此外，还涉及正态分布检验，包括JB和Shapiro-Wilk检验。最后，简单介绍了斯皮尔曼相关系数及其在大样本情况下的假设检验应用。
一、皮尔逊相关系数（Pearson）
1.总体皮尔逊相关系数
图源于清风数模
2.样本皮尔逊相关系数
图源于清风数模
3.注意
皮尔逊相关系数大并不能说明两个变量具有很强的相关性，必须先画散点图去寻找是否两个变量之间是线性的关系，如果是的话才能根据皮尔逊相关系数判断两个变量间的相关性。
离群点对相关系数影响很大，所以在求相关系数前需要清除异常值。
相关系数大不能说明两者相关，需要画散点图看一看。
相关系数为0只说明不是线性相关，还有可能是非线性相关。
4.建模操作
在matlab使用corrcoef函数计算相关系数，通过spss画矩阵散点图来观察是否为线性关系
三、假设检验
1.假设检验的目的
在实际建模中一般通过假设检验去判断相关性是否显著、是否为正态分布等一系列需要检验的东西。
一般设原假设为r=0即不相关，拒绝原假设r=0就说相关
设原假设为服从正态分布，通过原假设就可以认为服从正态分布
2.假设检验的原理、步骤
要设两个截然相反的假设，H0：原假设，H
最低0.47元/天 解锁文章
扫一扫
2213
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
