相关分析Correlation Analysis课件.pptVIP

相關分析Correlation Analysis 謝寶煖 台灣大學圖書資訊學系 pnhsieh@ntu.edu.tw 2006年4月29日 一個例子 很多時候，我們想要知道一件事物與另一件事物之間的關係（relationship） 而且希望能有個關係指標(index of relationship)來說明關係強度，指標小關係強度低，指標大關係強度高；換句話說，需要有個「相關係數」(coefficient of correlation) 例如：有一盒玩具兵，我們對玩具兵的身高、體重有興趣，想像所有的玩具兵都是同樣的身形(shape)，那麼身高不同體重也就不同 看看這五個玩具兵，您會怎麼描述他們的身高和體重的關係？ 我們可以給個 .00到1.00之間的數值來描述其關係強度(strength)，同時說明關係的方向(direction) coefficient of correlation的種類 The rank-difference coefficient (?) 等級相關 易理解 排序資料 Spearman rank-difference coefficient of correlation The product-moment coefficient (r) 常用 連續資料 Pearson product-moment coefficient The rank-difference coefficient 將5個玩具兵的身高和體重加以排序 將相同序位以線段相連，線段形成階梯狀 計算每個玩具兵的身高和體重的排序差異（rank difference），請注意，所有的rank difference都是零 計算rank-difference coefficient，以?(rho)表示 負相關 如果換成真人的話，可能就不一定能和玩具兵一樣都有相同的身形，可能矮胖、高瘦 The product-moment coefficient (r) product-moment的意思 其實通常我們不會計算排序差異，而是計算真實的身高和體重，如下表 相關分析 當變項為一個連續變數時，可以次數分配和圖示來呈現資料的內容與特性，或者以平均數和標準差來描繪資料的集中和離散情形。 當兩個變數皆為連續變數時，則需利用相關（correlation）或迴歸（regression）來分析兩變數的關聯程度，又稱為共變（covariance）關係。 線性關性 兩個連續變數的共變關係，可能有很多種形式，其中最簡單也是最常見的關聯型態是線性關係(linear relationship)。 兩個變項的關聯關係可以以一條最具有代表性的直線來表示 例如：身高與體重，身高越高，體重也越重 Y=bx+a x為身高，y為體重 b為斜率，x每變動一個單位， y的變動量 身高每增加一公分，體重增加量 當b斜率為正值時，表示兩個變項是正相關 當b斜率為負值時，表示兩個變項是負相關 相關係數 兩個連續變項的關聯情形可以散布圖來呈現 精確的相關分析所產生的是一個相關係數(correlation coefficient)，相關係數是介於－1與＋1之間的數。 若為＋1 ，則表示兩變數具有完全的正線性相關 若為－1，則表示兩變數具有完全的負線性相關 若相關係數趨近於0，則表示兩變數沒有線性相關 此一係數最早由Pearson所提出，又稱為皮氏積差相關係數。 Pearson相關係數 相關係數值的大小，可以反應兩個變項關聯性的強弱，但是相關係數是否具有統計上的意義，必須透過統計檢定來判斷。 由樣本計算兩變項之相關係數Pearson’s r，若要推論到母群? ，必須經由統計檢定由考驗其統計意義 虛無假設H0：兩變項X與Y不相關 （相關係數為0, ? ＝0） 對立假設H1：兩變項X與Y相關 （相關係數不為0, ? ?0） 當雙尾的機率p小於設定的顯著水準?（如0.05或0.01）時，則否定虛無假設，即相關係數不為零（兩變項相關） 以籃球得分為例。一個籃球隊獲勝場次與每場的平均得分有關連嗎？ 從散佈圖中可看出，它們具有線性關聯。我們再從 1994、1995 NBA 球季分析資料得知，Pearson 的相關係數 (0.581) 在 0.01 水準時是有意義的。於是可能猜想，每季所贏得的場次愈多，則對手的得分愈少。這些變數為負相關 (0.401)，而相關在 0.05 水準時最顯著。 相關分析 程序1 統計圖?散佈圖 X軸放自變項；Y軸放依變項 例：X軸為教育程度，Y軸為目前薪資（dataset: employee） 由散佈圖可以很明顯地看出兩變數之相關程度。再由相關程序求出兩變數之相關