备战数学建模32-相关性分析2

目录

一、皮尔逊相关系数

二、斯皮尔曼相关系数

三、典型相关分析

1-定义及具体步骤

 2-典型相关分析的案例1

3-典型相关分析的案例2

本节重点学习两种相关性分析，pearson和spearman，它们可以衡量两个变量之间相关性的大小，我们需要根据数据满足的不同条件，选择不同的相关系数进行计算和分析，具体介绍一些细节，个人感觉还是比较重要的，防止相关性分析的滥用。同时，我们也讨论了典型相关分析的应用，主要用于解决两组变量之间相关关系的一种多元线性统计方法。

一、皮尔逊相关系数

我们先看一下皮尔逊和斯皮尔曼的使用要求，对于皮尔逊要求变量是连续数据，且变量之间具有线性关系，且要求数据服从正态分布，而且一般皮尔逊要求用在定距和定距变量之间的相关性检验，定序与定序变量要求用斯皮尔曼。

由于皮尔逊相关性检验的限制比较多，所有我们在使用之前需要进行限制条件的验证，由于是否是定距变量及是否连续可以直接看出来，故我们首先需要对变量进行线性检验，通过SPSS绘制矩阵散点图，来判断变量之间是否具有线性关系，必须有线性关系，才能使用皮尔逊检验。

我们看一个例子就可以了，具体如下：