相关性分析.docx

文档介绍：简单相关系数：
又叫相关系数或线性相关系数。它一般用字母r表示。它是用来度量定量变量 间的线性相关关系。
复相关系数：
又叫多重相关系数
复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的需求量与其 价格水平、职工收入水平简单相关系数：
又叫相关系数或线性相关系数。它一般用字母r表示。它是用来度量定量变量 间的线性相关关系。
复相关系数：
又叫多重相关系数
复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的需求量与其 价格水平、职工收入水平等现象之间呈现复相关关系。
偏相关系数：
又叫部分相关系数：部分相关系数反映校正其它变量后某一变量与另一变量的相 关关系，校正的意思可以理解为假定其它变量都取值为均数。偏相关系数的假 设检验等同于偏回归系数的t检验。复相关系数的假设检验等同于回归方程的 方差分析。
典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性无关的综合
可决系数是相关系数的平方。
意义：可决系数越大，自变量对因变量的解释程度越高，自变量引起的变动占总 变动的百分比高。观察点在回归直线附近越密集。
相关系数(correlation coefficient)
相关系数是表示两个变量(X，Y)之间线性关系密切程度的指标，用r表示，其值在-1至+1间。如 两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相 关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r 的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0,相关越不密 切。当r=0时，说明X和Y两个变量之间无直线关系。计算相关系数的公式为：
定义与说明
相关系数，或称线性相关系数、皮氏积矩相关系数(Pearson product-moment
correlation coefficient, PPCC)等，是衡量两个随机变量之间线性相关程度的
指标。它由卡尔•皮尔森(Karl Pearson)在1880年代提出⑴，现已广泛地应用 于科学的各个领域。
相关系数计算公式
相关系数(r)的定义如右图所示，取值范围为[-1,1], r>0表示正相关，r<0表示 负相关，|r|表示了变量之间相关程度的高低。特殊地，r=1称为完全正相关， r=-1称为完全负相关，r=0称为不相关。通常|r|大于时，认为两个变量有很强 的线性相关性。⑵
样本相关系数常用r表示，而总体相关系数常用P表示。
在线性关系不显著时，还可以考虑采用秩相关系数(rank correlation)，如斯皮 尔曼秩相关系数(Spearman's rank correlation coefficien