肯德尔相关分析.pptVIP

计算次序-比率数据的肯氏相关系数 所谓次序-比率数据是指只有一个变量是次序（或等级）数据，另一个变量是定距以上的百分比数据 相关分析--肯德尔等级相关系数τb 下表： 文化程度与消费比率变量的关系示例 文化程度（定序变量 edc ） 月收入（元） 月支出（元） 消费比率=月支出/月收入（百分数变量 oi ：单位%） 1.文盲 400 300 75% 2.小学 500 400 80% 3.初中 600 500 83% 4.高中（含中专） 700 600 86% 5.大专以上 800 700 88% 实例三 THANK YOU SUCCESS * * 可编辑 1.数据：见下图所示的社区调查数据 图一 2.运行图一中的程序与数据生成图二所示的work.sq4数据集 3.选择SAS主菜单中的“解决方案” →“分析” →分析家→按SAS名称打开→Word命令和按钮，进入图三 4.选择文件名Sq4后单击确定按钮，展开数据集内容，见下图 5.选择“统计” →“描述性统计” →“相关”，进入下图， 6.设置edc(文化程度)和oi（消费比率）两个变量 7.单击options按钮选择Kendall’s tau-b系数 8.单击确定按钮，输出Kendall’s tau-b系数 肯氏相关系数结果分析 如上图所示，prob∣r∣概率值P=0.7827很不显著，所以没有必要拒绝相关系数是0的假设。而且样本的相关系数只有0.02978，接近于0，说明从此样本看，edc （文化程度）和oi（消费比率）两个变量之间几乎不存在肯氏相关. 例题一 分析2008年人均收入水平与恩格尔系数之间的关系 启动SAS→文件→导入数据，如下 肯氏相关系数结果分析 如上图所示，prob∣r∣概率值P=0.1172很不显著，所以没有必要拒绝相关系数是0的假设。而且样本的相关系数只有-1.00000，说明从此样本看，人均收入水平与恩格尔系数两个变量之间存在肯氏相关. THANK YOU SUCCESS * * 可编辑 可编辑 可编辑 SAS 数据挖掘与分析 ——相关分析 SAS 数据挖掘与分析 ——肯氏相关分析 相关分析--肯德尔等级相关系数Tb 一、相关分析的概念 相关分析（correlation analysis）是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。 当一个或若干个变量X取一定值时，与之对应的另一个变量Y的值虽然不确定，但却按某种规律在一定范围内变化，我们称变量之间的这种关系为不确定的统计关系或相关关系. 例如，以X和Y分别记一个人的身高和体重，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。 相关分析 1.1 相关关系的概念 相关分析 ◎ 按照相关关系涉及变量的多少：单相关和复相关 ◎按照相关关系的表现形式不同：线性相关和非线性相关 ◎按照相关现象变化的方向：正相关和负相关 1.2 相关关系的种类 1.3 相关关系的描述 ①相关表 ②相关图 ③相关系数 2.1 线性相关分析 定义：研究两个变量间线性关系的程度。用相关系数r来描述。 相关系数的取值范围在（-1,1）之间。 二、相关分析的分类 相关分析分为许多种，其中有线性相关分析、偏相关分析、距离分析。 相关分析 相关分析 ◎正相关：如果x, y变化的方向一致，如身高与体重的关系，r0；一般地 ： |r|0.95 存在显著性相关； |r|≥0.8 高度相关； 0.5≤|r|0.8 中度相关； 0.3≤|r|0.5 低度相关； |r|0.3 关系极弱，认为不相关 ◎负相关：如果x ,y变化的方向相反，如吸烟与肺功能的关系，r0； ◎无线性相关：r=0 ｜r｜越接近于１，说明相关性越好；｜r｜越接近于０，说明相关性越差。 2.2 相关系数的描述 2.3相关系数的检验 第一步： 相关系数的显著性检验检验总体相关系数是否等于零； 在总体相关系数p=0假设下，即是： 原假设： （表示相关性显著） 备择假设： （表示相关性不显著） 0 H :p=0 H :p≠0 1 相关分析--肯德尔等级相关系数τb 第二步：决策判断：给定显著性水平? p ?，拒绝原假设H0； p ? ?，接受原假设H0。 相关分析 主要包括有： ◎ Pearson相关：对定距连续变量的数据进行计算。 ◎ Spearman和Kendall的等级相关：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离