实用SAS统计分析教程Ch11.pdf

阮敬博⼠

⾸都经济贸易⼤学研究⽣院副院⻓

⾸都经济贸易⼤学统计学院教授

©ruanjing@

相关分析

•现实世界任何事物之间都存在或多或少的必然联系，数据之间也不例外。在现实⽣活中，⼈们最常

⻅的便是数据之间的函数关系。在数据间的函数关系下，⼀个（些）数据发⽣变动，与之对应的

另⼀个（些）数据会严格按照函数关系发⽣相应的变动，这种变动情况可以根据函数的具体形式进⾏

精确度量。但实际上，数据之间的变动情况还会受到其他没有考虑到或者根本⽆法考虑的因素的影

响，使得数据变动状况很少真正能够⽤函数的形式来具体描述，数据之间的关系往往体现为相互依存

的⾮函数关系。⽽这种关系⼈们可以根据数据本身的特征和⾃身经验进⾏⼤概的判定。

•本章将要介绍的相关分析便是分析两个变量或两组变量之间的相互依存关系的⼀种典型⽅法。

两变量之间的相关分析

•相关分析（CorrelationAnalysis）主要分析两个变量之间的相互依存关系，在介绍相关分析之前，应

当先区分变量或数据之间的两种主要关系。

函数关系：当⼀个或⼏个变量取⼀定的值时，另⼀个变量有确定值与之具体严格相对应，则称这种关系为函数

关系；

相关关系：变量之间的影响不能够⽤具体的函数来度量，但变量之间的关系确实存在数量上不是严格对应的相

互依存关系，称之为相关关系。

•函数关系是确定性的，往往把发⽣变动的变量称之为“⾃变量”，受⾃变量变动影响⽽发⽣变动的变量

称之为“因变量”。如⽜顿第⼆定律：F=ma，m代表质量，a代表加速度，当m不变的时候，a增加

⼀倍成为2a，则代表⼒的F变量随之发⽣变动，也会增加⼀倍，变为2F；再如北京市出租⻋15公

⾥内的单价在5点到23点之间是2元/公⾥，起步价是3公⾥10元，某⼈在早上10点钟打⻋⾛了

8公⾥的路程，可以根据函数关系精确计算出其应付的出租⻋价格为10+（8-3）*2=20元。

两变量之间的相关分析

•相关关系是不确定的，主要考察变量之间的相互影响，这种影响不存在⽅向性，即变量A与变量B

相关和变量B与变量A相关是⼀致的。相关关系主要体现为变量之间的相互依存关系，如身⾼和体

重之间的关系便是相关关系的⼀种体现。通常情况下，⼀个⼈身⾼⽐较⾼，其体重也会相应⽐较重，

但不能说身⾼增加1厘⽶，体重就会增加2公⽄，因为还有例外，即有些身⾼⽐较⾼但⽐较瘦的⼈，

其体重反⽽不如身⾼⽐较低的⼈的体重重。身⾼和体重这两个变量之间虽然不能⽤函数关系来描述，

但是从总体上来说，这两个变量是存在⼀定的关系的，这种关系便是相互依存的关系。此外，相

关分析不具有传递性，即A和C相关，B和C相关，则A和B不⼀定相关。

•相关分析根据其分析⽅法和处理对象不同，可以分为简单相关分析、偏相关分析和⾮参数相关分析

等，本节将对这些分析过程进⾏详细介绍；此外，相关分析根据相关关系表现形式的不同，⼜可以

分为线性相关分析和⾮线性相关分析，本节主要介绍线性相关的内容和分析过程。

简单相关分析

•简单相关分析主要分析两个变量之间相互依存的关系，⼈们

可以通过主观观测和客观测度指标来衡量。

•主观观测变量之间的相关关系，主要是通过两个变量之间散点

图的⼿段来进⾏分析的。⽽客观测度主要是通过统计分析的⽅

法，计算相关系数，利⽤相关系数数值的符号和⼤⼩来判定

相关关系的⽅向和强弱。

•1.⽤图形描述相关关系

利⽤散点图可以描绘出两个变量的相互影响状况。选定两个要分

析的变量，把其中任意⼀个变量指定为⼆维坐标轴的横轴，另⼀

个变量指定为纵轴之后，就可以根据两个变量的每⼀对数值在⼆

维坐标轴上描点，所有描出来的点在⼀起形成了散点图。根据散

点图的不同表现情形，主要有以下⼏种类型，如图所示。

简单相关分析

•上图中的（