秩相关分析.ppt

* * Pearson相关系数可以用来检验变量之间是否独立, 但它是建立在变量服从正态分布的假设基础之上的, 属于参数统计方法. Spearman秩相关系数一种秩相关系数. 2.4 秩相关分析 因为 见教材 83页 结论 1.秩相关系数检验临界值表 2.当 较大时, 近似服从标准正态分布N(0,1), 3.有结点时，用平均秩法编秩，得到统计量 见教材86页 说明 4.R软件中用函数cor.test()进行相关性检验 例1为研究大学高等数学期中成绩与期末成绩之间的相关关系, 现收集某大学一年级学生第一学期的期中和期末成绩(data.exea2.12.txt), 试用 Spearman 秩相关系数检验。 x-read.table(data.exam2.12.txt, header=T) cor.test(x[[期中]], x[[期末]], alternative=two.sided, method=spearman) #x[[“期中”]]表示引用列表x元素“期中”, 结果是期中成绩组成的向量，method=spearman用spearman秩相关系数进行检验 输入R程序如下 输出结果为: Spearmans rank correlation rho data: x[[期中]] and x[[期末]] S = 2835.593, p-value = 0.04468 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3691674 Warning message: In cor.test.default(x[[期中]], x[[期末]], alternative = two.sided: 无法给连结計算精確p值 结果显示p-value = 0.04468 所以拒绝不相关的原假设,认为期中和期末成绩有一定相关性. 参数exact取为“F”, 则不会出现警告信息 Kendall- 秩相关系数 Kendall于1938年提出另一种与Spearman 秩相关系数相似的检验法, 他从二维随机样本是否协同一致来检验两变量之间是否存在相关性. 协同: 称数对 与 满足协同性 即第j对观测值的两个分量同时比第i对观测值两个分量大(或小). 称数对 与 不协同 用Nc表示协同数对的数目, Nd表示不协同数对的数目, 无结点时, Kendall相关系数定义为 若所有数对全部协同， 若所有数对全部不协同， *