在概率论和统计学中,相关(Correlation,或称相关系数或关联系数),显示两个随机变量之间线性关系的强度和方向。在统计学中,相关的意义是用来衡量两个变量相对于其相互独立的距离。在这个广义的定义下,有许多根据数据特点而定义的用来衡量数据相关的系数。
[micxp_threadbk]
[micxp_title]
各种相关系数
皮尔逊积差系数(Pearson's product moment coefficient)
几何特征
统计学上的相关
参考文献
参见
[/micxp_title]
[#]
对于不同测量尺度的变数,有不同的相关系数可用:
- Pearson相关系数(Pearson's r):衡量两个等距尺度或等比尺度变数之相关性。是最常见的,也是学习统计学时第一个接触的相关系数。
- 净相关(英语:partial correlation):在模型中有多个自变数(或解释变数)时,去除掉其他自变数的影响,只衡量特定一个自变数与因变数之间的相关性。自变数和因变数皆为连续变数。
- 相关比(英语:correlation ratio):衡量两个连续变数之相关性。
- Gamma相关系数:衡量两个次序尺度变数之相关性。
- Spearman等级相关系数:衡量两个次序尺度变数之相关性。
- Kendall等级相关系数(英语:Kendall tau rank correlation coefficient):衡量两个人为次序尺度变数(原始资料为等距尺度)之相关性。
- Kendall和谐系数:衡量两个次序尺度变数之相关性。
- Phi相关系数(英语:Phi coefficient):衡量两个真正名目尺度的二分变数之相关性。
- 列联相关系数(英语:contingency coefficient):衡量两个真正名目尺度变数之相关性。
- 四分相关(英语:tetrachoric correlation):衡量两个人为名目尺度(原始资料为等距尺度)的二分变数之相关性。
- Kappa一致性系数(英语:K coefficient of agreement):衡量两个名目尺度变数之相关性。
- 点二系列相关系数(英语:point-biserial correlation):X变数是真正名目尺度二分变数。Y变数是连续变数。
- 二系列相关系数(英语:biserial correlation):X变数是人为名目尺度二分变数。Y变数是连续变数。
[##]
主条目:皮尔逊积矩相关系数
[###]
对于居中的数据来说(何谓居中?也就是每个数据减去样本均值,居中后它们的平均值就为0),相关系数可以看作是两个随机变量中得到的样本集向量之间夹角的cosine函数。一些实际工作者更喜欢用非居中的相关系数(与Pearson系数不相兼容)。看下面的例子中有一个比较。例如,假设五个国家的国民生产总值分别是1、2、3、5、8(单位10亿美元),又假设这五个国家的贫困比例分别是11%、12%、13%、15%、18%。则我们现在有两个有序的包含5个元素的向量x、y:x =(1, 2, 3, 5, 8)、 y =(0.11, 0.12, 0.13, 0.15, 0.18) 使用一般的方法来计算向量间夹角(参考数量积),未居中的相关性系数如下:
- 。
上面的数据实际上是故意选择了一个完美的线性关系:y = 0.10 + 0.01 x。因此皮尔逊相关系数应该就是1。把数据居中(x中数据减去E (x) = 3.8,y中数据减去E (y) = 0.138)后得到:x =(−2.8, −1.8, −0.8, 1.2, 4.2)、y =(−0.028, −0.018, −0.008, 0.012, 0.042),由此得到了预期结果:
- ,
[####]
相关系数的计算过程可表示为:将每个变量都转化为标准单位,乘积的平均数即为相关系数[1]。
两个变量的关系可以直观地用散点图表示,当其紧密地群聚于一条直线的周围时,变量间存在强相关[2]。
一个散点图可以用五个统计量来概括。所有x值得平均数,所有x值的SD,所有y值得平均数,所有y值的SD,相关系数r.
将第一个变量记为x ,第二个变量记为y ,相关系数为r,则可以通过以下公式:
r = [(以标准单位表示的x)X(以标准单位表示的y)]的平均数
[#####]
- ^ David Freedman; Robert Pisani, Roger Purves. Statistics. Norton & Company. 1998: 148. ISBN 9780393960433. 3 (English). 引文使用过时参数 (帮助) 引文格式1维护:未识别语文类型 (link)
- ^ David Freedman; Robert Pisani, Roger Purves. Statistics. Norton & Company. 1998: 156. ISBN 9780393960433. 3 (English). 引文使用过时参数 (帮助) 引文格式1维护:未识别语文类型 (link)
[######]
统计学
|
|
描述统计学 |
连续概率
|
集中趋势
|
平均数(平方 · 算术 · 几何 · 调和 · 算术-几何 · 几何-调和 · 希罗|平均数不等式) · 中位数 · 众数
|
|
离散程度
|
全距 · 标准差 · 变异系数 · 百分位数 · 四分差 · 四分位数 · 方差 · 标准分数 · 切比雪夫不等式
|
|
分布形态(英语:Shape of the distribution)
|
偏态 · 峰态
|
|
|
离散概率
|
次数(英语:Count data) · 列联表(英语:Contingency table)
|
|
|
|
推论统计学
和 假设检定 |
推论统计学
|
置信区间 · 区间估计(英语:Interval estimation) · 显著性差异 · 元分析 · 贝氏推论
|
|
实验设计
|
统计总量 · 抽样 · 重复(英语:Replication (statistics)) · 阻碍 · 特敏度 · 区集(英语:Blocking (statistics))
|
|
样本量(英语:Sample size)
|
统计功效 · 效应值 · 标准误 · 虚无假设 · 对立假设(英语:Alternative hypothesis) · 第一型和第二型误差 · 统计检定力(英语:Statistical power)
|
|
常规估计
|
贝叶斯推论 · 区间估计(英语:Interval estimation) · 最大似然估计 · 最小距离估计(英语:Minimum distance estimation) · 矩量法 · 最大间距
|
|
特效检验
|
Z检验(英语:Z-test) · 学生t检验 · F检验 · 卡方检验 · Wald检验(英语:Wald test) · 曼-惠特尼检验(英语:Mann–Whitney U test) · 秩和检验
|
|
生存分析
|
生存函数 · 乘积极限估计量 · 对数秩和检定 · 失效率 · 危险比例模式
|
|
|
相关及
回归分析 |
相关性
|
混淆变项(英语:Confounding) · 皮尔森积差相关系数 · 等级相关(英语:Rank correlation) (史匹曼等级相关系数 · 肯德等级相关系数(英语:Kendall tau rank correlation coefficient))
|
|
线性回归
|
线性模式(英语:Linear model) · 一般线性模式 · 广义线性模式 · 方差分析 · 协方差分析(英语:Analysis of covariance)
|
|
非线性回归(英语:Nonlinear regression)
|
非参数回归模型(英语:Nonparametric regression) · 半参数回归模型(英语:Semiparametric regression) · Logit模型
|
|
|
统计图形 |
饼图 · 条形图 · 双标图 · 箱形图 · 管制图 · 森林图(英语:Forest plot) · 直方圖 · QQ图 · 趋势图 · 散布图(英语:Scatter plot) · 茎叶图(英语:Stem-and-leaf display) · 雷达图(英语:Radar chart) · 示意地图
|
|
- 分类
- 共享资源
|
|
分类:隐藏分类:- 含有过时参数的引用的页面
- 引文格式1维护:未识别语文类型
[/micxp_threadbk] |
|