Spearmen相关系数和Pearson相关系数及其MATLAB实现.docVIP

Spearmen相关系数和Pearson相关系数及其MATLAB实现 Spearmen相关系数，Spearman秩相关系数是一种无参数（与分布无关）检验方法，用于度量变量之间联系的强弱。在没有重复数据的情况下，如果一个变量是另外一个变量的严格单调函数，则Spearman秩相关系数就是+1或-1，称变量完全Spearman秩相关。 表达式如下： 式中，n为样方数，对原始数据,按从大到小排序，记,为原始,在排序后列表中的位置，,称为,的秩次，秩次差。 使用Pearson线性相关系数有2个局限： 1） 必须假设数据是成对地从正态分布中取得的。 2） 数据至少在逻辑范围内是等距的。 位置n 原始X 排序后 秩次 原始Y 排序后 秩次 秩次差 1 12 546 5 1 78 6 1 2 546 45 1 78 46 1 0 3 13 32 4 2 45 5 1 4 45 13 2 46 6 2 0 5 32 12 3 6 2 4 1 6 2 2 6 45 1 3 -3 对于上表数据，算出Spearman秩相关系数为：r=1-6*(1+1+1+9)/(6*35)=0.6571 图1 秩相关系数检验的临界值表 上图为秩相关系数检验的临界值表。 对相关系数r（-1r1）： A.当|r|越接近1则表示样本之间的相关程度越高； B.当|r|越接近0则表示样本之间的相关程度越低。 因为n=6，若|r|0.829，则样本之间存在相关性，反之则不存在显著相关性，若|r|0.943，则样本之间存在极显著相关性。 程序： %%%%%%%%%%%%将以下程序存为mySpearman.m文件%%%%%%%%% function coeff = mySpearman(X , Y) if length(X) ~= length(Y) error(两个数值数列的维数不相等); return; end N = length(X); %得到序列的长度 Xrank = zeros(1 , N); %存储X中各元素的排行 Yrank = zeros(1 , N); %存储Y中各元素的排行 %计算Xrank中的各个值 for i = 1 : N cont1 = 1; %记录大于特定元素的元素个数 cont2 = -1; %记录与特定元素相同的元素个数 for j = 1 : N if X(i) X(j) cont1 = cont1 + 1; elseif X(i) == X(j) cont2 = cont2 + 1; end end Xrank(i) = cont1 + mean([0 : cont2]); end %计算Yrank中的各个值 for i = 1 : N cont1 = 1; %记录大于特定元素的元素个数 cont2 = -1; %记录与特定元素相同的元素个数 for j = 1 : N if Y(i) Y(j) cont1 = cont1 + 1; elseif Y(i) == Y(j) cont2 = cont2 + 1; end end Yrank(i) = cont1 + mean([0 : cont2]); end %利用差分等级(或排行)序列计算斯皮尔曼等级相关系数 coeff = 1 - (6 * sum((Xrank - Yrank).^2)) /(N * (N^2 - 1)); end %函数mySpearman结束 %%%%%%%%%%运行下面这个程序%%%%%%%%%%%%%%%% X=[12,546,13,45,32,2];Y=[1,78,2,46,6,45]; S=mySpearman(X,Y); %根据以上程序可以算出Spearman秩相关系数为0.6571 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %matlab自带程序coeff?=?corr(X?,?Y?,?type?,?Spearman);? Pearson相关系数（Pearson correlation coefficient）也叫皮尔森积差相关系数（Pearson product-moment correlation coefficient），是用来反应两个变量相似程度的统计量。或者说可以用来计算两