变量之间相关关系研究，三类相关系数解读与实例分析.docxVIP

案例所需基础理论

相关性

相关性，简单说来是两个变量之间“相互关联、相互影响”的程度，核心是描述一个变量变化时，另一个变量是否会跟着变化、如何变化。按照关联形式可分为两类。

表SEQ表\*ARABIC1线性相关与非线性相关

类别

具体描述

线性相关

变量变化的关联趋势能通过“一条直线”描述，比如“学习时间”和“考试分数”的正相关（时间增、分数增，趋势接近直线）

非线性相关

变量变化的关联趋势不能用直线描述，只能用曲线、周期等形式描述。比如“商品价格”和“消费者购买意愿”，价格很低时，价格略涨购买意愿不变；价格超过某个值后，价格再涨购买意愿会骤降，趋势呈曲线。

通过REF_Ref8372\h图1六种常见相关性图REF可以Ref7347\r\h[1]，我们可理解常见的六种相关性。

图SEQ图\*ARABIC1六种常见相关性图REF_Ref7347\r\h[1]

图形中相关术语的解读如下：

表SEQ表\*ARABIC2六种相关性图的关键术语解释

关键术语

具体描述

完全相关

所有散点完全被拟合，一个变量的数值确定时，另一个变量的取值也确定，呈现函数关系。

正相关

两个变量同增同减，即，一个变量数值增加，另一个变量数值也增加。

负相关

两个变量反向增减，即，一个变量数值增加，另一个变量数值减少。

线性相关

变量之间的关系近似地表现为一条直线。

非线性相关

变量之间的关系近似地表现为一条曲线。

不相关

两个变量的观测点很分散，无任何规律。

相关系数

相关系数，常记作r，取值在[-1,1]。

r的绝对值为1时表示完全相关，越趋近于1代表越线性相关，一般认为，r=0.7说明相关程度极高；r介于0.4~0.7说明相关程度中等；r介于0.2~0.4说明相关程度较低，r0.2通常认为不具有线性相关性。但以上分界值不唯一，有时候也可能以0.3、0.5、0.8作为分界线。【注意！r趋于0不一定代表一定不相关，如REF_Ref23105\h图1六种常见相关性图中“非线性相关”的r趋于0，但变量之间存在曲线相关（非线性相关）】。

r取值为正，表明变量之间为正相关；取值为负，为负相关。

三种常见相关系数

根据数据类型和分布的不同，常见的相关分析有不同的适用性。

表SEQ表\*ARABIC3三种常见相关系数

分类

具体解释

Pearson（皮尔逊）

线性相关系数

评估两个连续变量之间的线性关系，属于参数统计方法，被研究的数据需要尽量符合正态分布。它测量了两个变量之间的协方差与各自标准差乘积的比例。

Spearman（斯皮尔曼）

等级相关系数

基于秩次（排名）的相关系数分析，属于非参数统计方法，它衡量的是两个变量之间单调关系的程度。这意味着即使两个变量不是线性相关的，只要它们随着彼此增加或减少，斯皮尔曼相关系数也能捕捉到这种单调关系。此方法也能很好处理有极端异常值的情况，因为只关注数据的秩次。

Kendall-tau（肯德尔涛）

等级相关系数

衡量两个变量之间的单调（即一致增加或减少）关系，非参数统计方法，更适用于序数数据（按照某种顺序排列的类别时，例如教育水平（小学、中学、大学等），或者评分等级（差、中、好）和存在结的数据（数据中有许多相同值）。

附注：参数统计指的是被研究数据需要符合一定的分布，而非参数统计则不需要数据满足一定分布。

Pearson皮尔逊相关分析实验

案例背景

某仓库记录了员工的平均每日工作时长和仓库该日的拣货量，如REF_Ref8288\h表4Pearson、Spearman案例分析数据所示。现探究工作时长与拣货量的相关性强弱。

表SEQ表\*ARABIC4Pearson、Spearman案例分析数据

日期

每日工作时长（小时）

拣货总量（件）

第1天

8.2

465

第2天

7.8

420

第3天

9.9

498

第4天

6.5

342

第5天

10.2

555

第6天

8.8

517

第7天

7.2

404

第8天

9

472

第9天

11.5

616

第10天

6.8

401

第11天

8.5

465

第12天

10.8

578

第13天

7.5

423

第14天

9.2

506

第15天

8.6

439

第16天

9.7

577

第17天

6.2

331

第18天

8.6

487

第19天

9.8

522

第20天

7

398

第21天

10.5

582

第22天

8.3

434

第23天

9.6

520

第24天

7.9

433

第25天

11.2

593

第26天

6.7

3