Pearson相关系数及其python和MATLAB代码实现

什么是相关系数？

相关系数是衡量两个变量之间线性关系强度的指标。通常，相关系数值的范围为 -1 到 1：

• 1 = 强正线性关系。这意味着，对于一个变量中的每一次正增长，另一个变量中就会出现成比例的正增长。例如，腰带尺寸的增加几乎与腰围尺寸完全相关。
• -1 = 强负线性关系。换句话说，对于一个变量的每一次正增长，另一个变量就会出现成比例的负减少。例如，车辆油箱中的油量几乎与速度完全相关。
• 0 = 变量之间没有线性关系。
  

相关系数的绝对值表示关系的强度。绝对值越大，表示关系越强。例如，-.75|= .75，则比 .65 具有更强的关系。“有意义”的相关性取决于学科的不同 。例如，在物理学中，相关系数应该在 -0.95 到 0.95 之间，而在社会科学中，-0.6 到 0.6 之间的结果是有意义的。

相关系数用于衡量两个变量之间的关系强度。相关系数有几种类型，但最受欢迎的是 Pearson 相关系数。（也称为 Pearson R）是线性回归中常用的相关系数。
Pearson 相关系数（也称为 Pearson 的 r）和 Spearman 秩相关是使用最广泛的相关系数 。但是，还有许多其他因素，包括类内相关性和 Moran I。如果您的数据看起来大致像一条直线，则可以使用 Pearson 的 r。如果它是随机的，或者遵循任何其他形状（U 形、S 形等），则不应计算相关系数。

Pearson 相关系数

什么是 Pearson 相关？
数据集之间的相关性是衡量它们相关性的指标。统计中最常见的相关性度量是 Pearson Correlation。全称是 Pearson Product Moment Correlation （PPMC）。它显示了两组数据之间的线性关系

Pearson 相关性的潜在问题

PPMC 无法区分因变量和自变量。例如，如果您试图找到高热量饮食与糖尿病之间的相关性，您可能会发现0.8 的高相关性。但是，您也可以在切换变量的情况下获得相同的结果。换句话说，你可以说糖尿病会导致高热量饮食。这显然没有意义。因此，作为研究人员，您必须了解您插入的数据。此外，PPMC 不会为您提供有关线路斜率的任何信息;它只告诉你是否存在关系。

现实生活中的例子：皮尔逊相关用于数以千计的现实生活情况。例如，中国的科学家想知道杂草稻种群的遗传差异是否存在关系。目标是找出水稻的进化潜力。分析了两组之间的 Pearson 相关性。它显示杂草稻群的 Pearson 乘积矩正相关在 0.783 和 0.895 之间。这个数字相当高，这表明存在相当强的关系。

如何求 Pearson 的相关系数

手工

示例问题：从下表中查找相关系数的值：

第 1 步：制作图表。 使用给定的数据，并再添加三列：$xy$、$x^2$和 $y^2$.

第 2 步：将 x 和 y 相乘以填充 xy 列。例如，第 1 行将是 43 × 99 = 4,257。

步骤3： 取 x 列中数字的平方，并将结果放在 x 中2列。

步骤4： 取 y 列中数字的平方，并将结果放在 y 中2列。

第 5 步：将列中的所有数字相加，并将结果放在列的底部。希腊字母 sigma （Σ） 是 “sum of” 或 summation 的缩写。

第 6 步：使用以下相关系数公式。
Pearsons 相关系数答案是：2868 / 5413.27 = 0.529809 从我们的表格中：

• $\sigma x=247$
• $\sigma y=486$
• $\sigma xy=20,485$
• $\sigma x^2=11,409$
• $\Sigma y^2=40,022$
• n 是样本量，在我们的例子中 n = 6

相关系数 = 6（20,485） – （247 × 486） / [√[[6（11,409） – （2472）] × [6（40,022） – 4862]]] = 0.5298
相关系数的范围是从 -1 到 1。我们的结果是 0.5298 或 52.98%，这意味着变量具有中等正相关。

Python 代码

在 Python 中，可以使用 numpy 或 scipy 库来计算 Pearson 相关系数。以下是两种方法的示例代码：

使用 numpy

import numpy as np

# 示例数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

# 计算 Pearson 相关系数
correlation_matrix = np.corrcoef(x, y)
pearson_corr = correlation_matrix[0, 1]

print(f"Pearson Correlation Coefficient: {pearson_corr}")

使用 scipy

from scipy.stats import pearsonr

# 示例数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 计算 Pearson 相关系数
pearson_corr, _ = pearsonr(x, y)

print(f"Pearson Correlation Coefficient: {pearson_corr}")

MATLAB 代码

在 MATLAB 中，可以使用 corrcoef 函数来计算 Pearson 相关系数。以下是示例代码：

% 示例数据
x = [1, 2, 3, 4, 5];
y = [2, 4, 6, 8, 10];

% 计算 Pearson 相关系数
correlation_matrix = corrcoef(x, y);
pearson_corr = correlation_matrix(1, 2);

disp(['Pearson Correlation Coefficient: ', num2str(pearson_corr)])

解释

1. Python 代码：

   • 使用 numpy：np.corrcoef 函数返回一个相关系数矩阵，对角线上的值是 1（表示变量与自身的相关性），非对角线上的值是两个变量之间的 Pearson 相关系数。
   • 使用 scipy：pearsonr 函数返回一个元组，第一个元素是 Pearson 相关系数，第二个元素是 p 值（用于检验相关性的显著性）。

2. MATLAB 代码：

   • corrcoef 函数返回一个相关系数矩阵，对角线上的值是 1，非对角线上的值是两个变量之间的 Pearson 相关系数。

示例输出

对于给定的示例数据 [1, 2, 3, 4, 5] 和 [2, 4, 6, 8, 10]，Pearson 相关系数应该是 1，因为这两个变量之间存在完全的线性关系。
参考文献