文档介绍：Spearman等级相关分析秩相关的Spearman等级相关分析前面介绍了使用非参数方法比较总体的位置或刻度参数,我们同样也可以用非参数方法比较两总体之间的相关问题。秩相关(rankcorrelation)又称等级相关,它是一种分析和等级间是否相关的方法。适用于某些不能准确地测量指标值而只能以严重程度、名次先后、反应大小等定出的等级资料,也适用于某些不呈正态分布或难于判断分布的资料。设和分别为和各自在变量X和变量Y中的秩,如果变量X与变量Y之间存在着正相关,那么X与Y应当是同时增加或减少,这种现象当然会反映在(,)相应的秩(,)上。反之,若(,)具有同步性,那么(,)的变化也具有同步性。因此:()具有较小的数值。如果变量X与变量Y之间存在着负相关,那么X与Y中一个增加时,另一个在减小,具有较大的数值。既然由(,)构成的样本相关系数反映了X与Y之间相关与否的信息,那么在参数相关系数的公式中以和分别代替和,不是同样地反映了这种信息吗?基于这种想法,CharlesSpearman秩相关系数应运而生:()与形式上完全一致,但在中的秩,不管X与Y取值如何,总是只取1到之间的数值,因此它不涉及X与Y总体其他的内在性质,例如,秩相关不需要总体具有有限两阶矩的要求。由于:因此,公式()可以化简为:()显然在=时,秩相关系数达到最大值+1。又因为:而在每对+=时达到最小值,最小值求法为:所以,最小的为:最大的为:故秩相关系数的最小值为1-2=-1。在原假设和不相关的情况为真时,即秩相关系数为0时,的期望值为0,样本的方差为()自由度为且分布关于零点对称。当10时,的样本分布可以标准化为近似的t分布:()。为了调查这个问题,公司的副总裁仔细地查看和评价了公司10个职工的初始面试摘要、学科成绩、推荐信等材料,最后副总裁根据他们成功的潜能给出了单独的等级评分。二年后获得了实际的销售记录,得到了第二份等级评分,。统计问题为是否职工的销售潜能与开始二年的实际销售成绩一致。-525562807-11633504-11710200100089260811982209-11**********,最后计算结果为表明潜能与成绩之间是较强的正相关,高的潜能趋向于好的成绩。秩相关系数原假设为0的t检验统计量为:查表自由度为8,t==。,,>,因此,拒绝秩相关系数为0的原假设,接受潜能与成绩之间存在秩相关。Corr相关过程Corr相关过程用于计算变量之间的相关系数,包括Pearson(皮尔逊)的乘积矩相关和加权乘积矩相关。还能产生三个非参数的关联测量:Spearman的秩相关,Kendall的tau-b和Hoeffding的相关性度量D。该过程也可以计算偏相关等一些单变量的描述性统计量。orr过程一般由下列语句控制:orrdata=数据集<选项>;var变量列表;with变量列表;partial变量列表;weight变量;freq变量;By变量列表;run;orr语句调用corr过程,且是唯一必需的语句。orr这一条语句,过程计算输入数据集中所有数值变量之间的相关系数。其余语句是供选择的。orr语句的选项outp=数据集名——产生含有Pearson相关系数的一个新数据集。outs=数据集名——产生含有Spearman等级相关系数的一个新数据集。outk=数据集名——产生含有Kendallτb相关系数的一个新数据集。outh=数据集名——产生含有HoeffdingD统计量的一个新数据集。pearson——要求计算通常的pearson乘积矩相关系数,是缺省值。hoeffding——要求计算并输出Hoeffding的D统计量。kendall——要求计算并输出Kendallτb相关系数。spearman——要求计算并输出Spearman等级相关系数。vardef=df|weight|wgt|wdf——指定计算方差时的除数:df(自由度n–1),weight或wgt(权重之和),n(观察数),wdf(权重之和-1)。缺省值为df。cov——计算协方差-方差矩阵。sscp——要求输出平方和与交叉积和。csscp——要求输出偏差平方和与交叉积和。best=数值——对每个变量输出指定个数的绝对值最大的相关系数。noprint——禁止所有打印