61 Spearman 秩相关检验资料.pptVIP

关联性分析的重要性 ? 基础统计书中的估计和假设检验所涉及的仅仅是对一些 互相没有关系 ( 独立 ) 的变量的描述 . ? 但是现实世界的问题都是相互联系的。不讨论变量之间 的关系，就无从谈起任何有深度的应用；而没有应用，前 面讲过的那些基本概念就仅仅是摆设而已。 第六章 相关和回归 变量间的关系 ? 人们每时每刻都在关心事物之间的关系。 ? 比如，职业种类和收入之间的关系、政府投入和经济增长 之间的关系、广告投入和经济效益之间的关系、治疗手段 和治愈率之间的关系等等。 ? 这些都是二元的关系。 ? 还有更复杂的诸多变量之间的相互关系，比如企业的固定 资产、流动资产、预算分配、管理模式、生产率、债务和 利润等诸因素的关系是不能用简单的一些二元关系所描述 的。 广告投入和销售之间的关系 : AD 14 12 10 8 6 4 2 0 S A L E 70 60 50 40 30 20 10 0 ? 这两个变量是否有关系？ 显然，它们有关系；这从散点图就很容易看出。 基本上销售额是随着广告投入的递增而递增。 ? 如果有关系，它们的关系是否显著？ 这也可以从散点图得到。当广告投入在 6 万元以下，销售额 增长很快；但大于这个投入时，销售额增长就不明显了。 因此，这两个变量的关系是由强变弱。 ? 这些关系是什么关系，是否可以用数学模型来描述？ 本例看上去是可以拟合一个回归模型，但绝不是线性的 ( 用一条直线可以描述的 ) 。具体细节需要进一步的分析 这两个变量是否有关系？ 参数统计的关联性分析 ? 参数统计中衡量两个定量变量之间线性相关程度的常用 指标是皮尔逊 ( Pearson ) 相关系数，也称积距相关系数 或动差相关系数 ( 离差相乘 ) 。 ? 相关系数的定义公式是： 1 2 2 1 1 ( )( ) ( ) ( ) n i i i n n i i i i X X Y Y r X X Y Y ? ? ? ? ? ? ? ? ? ? ? 1 1 2 2 ( , ),( , ),...,( , ) . n n X Y X Y X Y ? “ 相关 ” 一词涉及一组二元观测 的相关 值 这又是什么关系？ ? 这个关系是否带有普遍性？ 也就是说，仅仅这一个样本有这样的关系，还是对于其他企 业也有类似的规律。这里的数据还不足以回答这个问题。 可能需要考虑更多的变量和收集更多的数据。 一般来说，人们希望能够从一些特殊的样本，得到普遍的结 论，以利于预测。 ? 这个关系是不是因果关系？ 在本问题中，看来似乎有因果关系。这类似于一种试验；而 试验时是容易找到因果关系的。但是，一般来说，变量之 间有关系但绝不意味着存在因果关系。这里充满了危险和 未知！ 1. 提出假设： H 0 ： ? ? ? ； H 1 ： ? ? 0 2. 计算检验的统计量： 3. 确定显著性水平 ? ，并作出决策。 相关系数非常高的样本也有可能来自无相关关系的总体。 为了排除这种情况，需要对相关系数进行显著性检验。 注： 这一检验是在零假设成立且两个变量服从正态分布 的情况下得出的。 参数统计检验的步骤是： 2 2 ~ ( 2) 1 r n t t n r ? ? ? ? 皮尔逊相关系数的局限性 ? Pearson 相关系数及其显著性检验是建立在数据变量为定 量且服从正态分布的前提下。若这一前提不成立，则结 果不可信或是错误的。此时需要非参数方法。 ? Pearson 相关系数只能用来度量两个变量的 线性相关性 ， 不能用来度量两者的相关性 . ? s Pearson r Spearman r Kendall ? ? ? ? ? 实践中经常应用的三种相关系数： 相关系数 秩相关系数 相关系数 ? s Pearson r X Y Spearman r Kendall ? ? 传统的 相关系数 是度量 和 的线性关系的 而后两种非参数的 秩相关系数 和 相关系数 则度量更加广义的单调关系 ( 不一定是线性的 ). 这是因为变量的秩不会被变量的任何严格单调递增变换 所改变 . 6.1 Spearman 秩相关检验 Spearman Spearman ? 秩相关是利用 等级相关系数 测定变量间等级相关程度的一种非参数统计相关分析方法。 . Spearman ? 检验统计量是历史最久 (1904 年 ) 的秩统计量 . Spearman Spearman