type
status
date
slug
summary
tags
category
icon
password
文章来源：
🤔 一个简单的开头
相关系数：用于衡量两个变量之间的相关性的大小
📝主旨内容
皮尔逊pearson相关系数
1、原理
（1）总体皮尔逊相关系数
（2）样本皮尔逊相关系数
2、相关性的可视化：散点图
3、理解误区
（1）非线性相关也会导致线性相关系数很大，例如图2。
（2）离群点对相关系数的影响很大，例如图3，去掉离群点后，相关系数为0.98。
（3）如果两个变量的相关系数很大也不能说明两者相关，例如图4，可能是受到
了异常值的影响。
（4）相关系数计算结果为0，只能说不是线性相关，但说不定会有更复杂的相关
关系（非线性相关），例如图5
4、总结
（1）非线性相关也会导致线性相关系数很大，例如图2。
（2）离群点对相关系数的影响很大，例如图3，去掉离群点后，相关系数为0.98。
（3）如果两个变量的相关系数很大也不能说明两者相关，例如图4，可能是受到
了异常值的影响。
（4）相关系数计算结果为0，只能说不是线性相关，但说不定会有更复杂的相关
关系（非线性相关），例如图5
5、相关性大小分析
6、皮尔逊相关系数的使用条件：独立，差距不太大，符合正态分布
7、正态性检验方法
（1）大样本（n>30）：雅克‐贝拉检验(Jarque‐Bera test)
（2）小样本（5≤n≤50）：Shapiro‐wilk夏皮洛‐威尔克检验
（3）Q-Q图
8、相关性分析步骤：
（1）正态性检验（不满足正态性则用spearman相关性分析）
（2）绘制矩阵散点图（不满足线性关系则用spearman相关性分析）
（3）计算皮尔逊相关系数
（4）相关系数表的美化
（5）假设检验：t检验，p值判断法
二、斯皮尔曼spearman等级相关系数
1、原理
（1）第一种
（2）第二种
2、代码
3、假设检验
（1）小样本情况，即𝒏≤30时，直接查临界值表即可
（2）大样本情况
三、两种相关系数的选择
🤗总结归纳
致谢：
欢迎您在底部评论区留言，一起交流~
- 作者:昕昕丶未来不是梦
- 链接:https://pisce.buzz/article/jianmo00501
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
