斯皮尔曼等级相关系数二.docVIP

Pearson（皮尔逊）相关系数相关系数：考察两个事物（在数据里我们称之为变量）之间的相关程度。如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解： 1 、当相关系数为0时，X和Y两变量无关系。 2 、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。 3 、当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。 相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。 通常情况下通过以下取值范围判断变量的相关强度：相关系数 0.8-1.0 极强相关 0.6-0.8 强相关 0.4-0.6 中等程度相关 0.2-0.4 弱相关 0.0-0.2 极弱相关或无相关 Pearson（皮尔逊）相关系数 1、简介 皮尔逊相关也称为积差相关（或积矩相关）是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。 假设有两个变量X、Y，那么两变量间的皮尔逊相关系数可通过以下公式计算： 公式一： 公式二： 公式三： 公式四： 以上列出的四个公式等价，其中E是数学期望，cov表示协方差，N表示变量取值的个数。 2、适用范围 当两个变量的标准差都不为零时，相关系数才有定义，皮尔逊相关系数适用于： 1 、两个变量之间是线性关系，都是连续数据。 2 、两个变量的总体是正态分布，或接近正态的单峰分布。 3 、两个变量的观测值是成对的，每对观测值之间相互独立。 3、Matlab实现 皮尔逊相关系数的Matlab实现（依据公式四实现）： [cpp]?view plaincopy function?coeff? ?myPearson X?,?Y %?本函数实现了皮尔逊相关系数的计算操作?? %?? %?输入：?? %???X：输入的数值序列?? %???Y：输入的数值序列?? %?? %?输出：?? %???coeff：两个输入数值序列X，Y的相关系数?? %?? if?length X ?~ ?length Y error 两个数值数列的维数不相等 ; return;?? end?? fenzi? ?sum X?.*?Y ?-? sum X ?*?sum Y ?/?length X ;?? fenmu? ?sqrt sum X?.^2 ?-?sum X ^2?/?length X ?*? sum Y?.^2 ?-?sum Y ^2?/?length X ;?? coeff? ?fenzi?/?fenmu;?? end?%函数myPearson结束?? 也可以使用Matlab中已有的函数计算皮尔逊相关系数： [cpp]?view plaincopy coeff? ?corr X?,?Y ;??