6【爆款】.2Kendall相关性检验【爆款】.ppt

也就是说，对于每一个 ，求当前位置后比 大的数据的个数，将这些数相加所得就是 ，同理可计算 . Kendall 还经常用于分析列联表数据，度量两个有序变量的相关性，当列联表中的行列数目r和c较大时，使用 Kendall 更合适. 演示课件 Kendall 检验结果 当 时拒绝零假设，当 时不能拒绝零假设. 临界值 满足 ，由对称性得，K小于0时，取绝对值查表即可. 演示课件 例：现在想研究体重和肺活量的关系，调查了某地10名女初中生的体重和肺活量的数据如下所示，，进行相关性检验. 学生体重和肺活量比较表 指标\学生编号 1 2 3 4 5 6 7 8 9 10 体重x 75 95 85 70 76 68 60 66 80 88 肺活量y 2.62 2.91 2.94 2.11 2.17 1.98 2.04 2.20 2.65 2.69 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 演示课件 6.2Kendall 相关检验 演示课件 Spearman（斯伯曼/斯皮尔曼）秩相关分析模仿了Pearson（皮尔逊）相关的思想，Kendall（肯德尔）于1938年提出了另一种与Spearman秩相关相似的检验方法，他从两个变量 是否协同一致的角度出发检验两变量之间是否存在相关性，其适用条件和Spearman秩相关检验相同. 首先引入协同的概念 演示课件 定义：假设n对观测值 ，如果乘积 对于 ，则称数对 与 满足协同性，或者说它们的变化方向一致. 反之，则称数对不协同，表示变化方向相反. 协同性测量了前后两个数对的秩大小变化为同向还是反向. 演示课件 Kendall 检验统计量 全部的数据所有可能前后对数共有 对，用 表示同向数对的数目， 表示反向数对的数目，则 Kendall相关系数统计量由二者的平均差定义如下： 其中， 演示课件 1）若所有的数对协同一致，则 表示两组数据正相关 2）若所有的数对都相反，则 表示两组数据负相关 3）Kendall 为零时，表示数据中同向或反向的数对势力均衡，没有明显趋势，这与相关性的含义是一致的. 演示课件 如果定义 则Kendall 相关系数统计量又可定义为 式中， 是 的核估计量，因而 为U统计量 演示课件 定理：在零假设成立的条件下， 1） 2）关于原点O对称 演示课件 大样本计算 当样本容量n较大时， 对于打结的情况，Kendall给出了调整后的结果为 其中， 是X观测值中第i组打结的个数， 为Y观测值中第j组打结的个数. 演示课件 当样本容量n较大时，相应的大样本近似公式为 其中 易得，在没有打结的情况下， ，且大样本近似也一样 演示课件 在实际问题中，不失一般性，假定 已从小到大排列，因此协同性问题就转化为 的秩的变化问题. 令 为 的秩，因而x,y的秩形成 ，若记 令 ，则Kendall 统计量