实验项目四 相关分析.docVIP

实验项目四 相关分析 一、实验目的与要求 掌握属性相关分析方法。 二、预备知识 1.进行数据集成时，需要去掉冗余数据、异名同义的属性字段。如何让计算机自动发现这样的数据呢？ 答案：通过属性之间的相关度来判断是一种常用的方法。 2. Pearson简单相关系数用来衡量定距变量间的线性关系。 相关系数计算公式如下： 其中A和B分别表示两个属性值，n表示样本个数。 均值 样本标准差 样本方差 方差是所有变量值与平均数偏差平方的平均值，它表示了一组数据分布的离散程度的平均值。标准差是方差的平方根，它表示了一组数据关于平均数的平均离散程度。方差和标准差越大，说明变量之间的差异越大，距离平均数这个“中心”的离散趋势越大。 3. 相关系数的取值范围在－1到1之间，即 －1.01.0 若0 ≤1, 则属性A和B正相关； 若－1 ≤0, 则属性A和B负相关； 若＝0, 则属性A和B之间不存在线性相关关系，但关不排除存在其它非线性关系的可能； 若｜｜＝1, 则表明其中一个变量的取值完全取决于另一个变量； 若｜｜≥0.8时，表示属性A和B高度相关； 若0.5≤｜ ｜≤0.8时，表示属性A和B中度相关； 若0.3≤｜ ｜≤0.5时，表示属性A和B低度相关； 若｜｜ 0.3时，表示属性A和B之间相关程度极弱，可视为不相关。 4、一般情况下，总体相关系数是未知的，往往用样本相关系数r作为总体相关系数的估计值。但由于存在样本抽样的随机性，样本相关系数并不能直接反映总体的相关程度。 为了判断r对的代表性大小，需要对相关系数进行假设检验。 (1)首先假设总体相关性为零，即H0为两总体无显著的线性相关关系。 (2)其次，计算相应的统计量，并得到对应的相伴概率值。如果相伴概率值小于或等于指定的显著性水平，则拒绝H0，认为两总体存在显著的线性相关关系；如果相伴概率值在大于指定的显著性水平，则不能拒绝H0，认为两总体不存在显著的线性相关关系。 三、实验内容 1、用SPSS计算属性间的相关系数 2、判断属性间的相关性 3、用SPSS画出属性间的关系图（散点图） 4、编程实现属性相关性判断 四、实验仪器与材料(或软硬件环境) 硬件要求：P4 2.0G 1G内存60G硬盘以上电脑 软件要求：Access，JBuilder，VC++，SQL Server2000,SPSS 16，Clementine 五、实验步骤 1. 用SPSS计算属性间的相关系数 选择“数学”和“化学”变量，单击 ，则两个变量进入Variables区域。 在Corrrelation Coefficients 区选择Pearson相关系数，在Test of Significence区选择Two-tailed双侧检验。双侧检验可以检查两个变量是正相关还是负相关，而One-tailed单侧检验只能检查正相关的情况。 选择Flag significant correlation，表示相关分析结果中将不显示统计检验的相伴概率，而以星号“*”表示。一个星号表示当用户指定的显著性水平为0.05时，统计检验的相伴概率值小于等于0.05，即总体无显著线性相关的可能性小于等于0.05；两个星号表示当用户指定的显著水平为0.01时，统计检验的相伴概率值小于等于0.01，即总体无显著线性相关的可能性小于等于0.01。 单击Option进入 Statistics区选择Means and standard deviation表示输出各变量的均值和标准差；Cross-product deviations and covariance表示输出叉积离差和协方差。叉积离差为Pearson相关系数的分子部分，协方差为 ，也反映变量间的相关程度。 点击Continue返回Bivariate Coralations界面，点击OK，则得到SPSS分析结果。 2、判断属性间的相关性 Descriptive Statistics表显示两变量的均值和标准差，以及数据量。Corelations显示相关系数为0.724，数据傍边的两个星表示用户指定的显著性水平为0.01时，统计检验的相伴概率小于等于0.01（表中显示为.000）。 3、用SPSS画出属性间的关系图