这里是根据清风数学建模视频课程整理的笔记,我不是清风本人。
文章目录
- 总体和样本
- 总体皮尔逊Pearson相关系数
- 样本皮尔逊Pearson相关系数
- 皮尔逊相关系数的注意点
- 皮尔逊相关系数例题
- 描述性统计
- 矩阵散点图
- 皮尔逊相关系数计算
- 美化相关系数表
- 对皮尔逊相关系数进行假设检验
- p值判断法
- 皮尔逊相关系数假设检验的条件
- 检验数据是否属于正态分布
- 正态分布JB检验(大样本n>30)
- Shapiro-wilk检验(小样本3≤n≤50)
- Q-Q图
- 斯皮尔曼spearman相关系数
- 第一种定义
- 第二种定义
- 斯皮尔曼相关系数的假设检验
- 小样本情况
- 大样本情况
- 两个相关系数的比较
总体和样本
- 总体——所要考察对象的全部个体叫做总体
- 样本——从总体中所抽取的一部分个体叫做总体的一个样本
总体皮尔逊Pearson相关系数
如果两组数据和是总体数据
那么**总体均值**:,
总体协方差:
- 理解:如果X、Y变化方向相同,即当X大于(小于)其均值时,Y也大于(小于)其均值,在这两种情况下,乘积为正。如果X、Y的变化方向一直保持相同,则协方差为正;同理,如果X、Y变化方向一直相反,则协方差为负;如果X、Y变化方向之间相互无规律,即分子中有的项为正,有的项为负,那么累加后正负抵消。
- 注意:协方差的大小和两个变量的量纲有关,因此不适合做比较
X的标准差:
Y的标准差:
总体皮尔逊相关系数:
可以证明,,且当时,
- 皮尔逊相关系数也可以看成是剔除了两个变量量纲影响,即将X和Y标准化后的协方差
样本皮尔逊Pearson相关系数
如果两组数据和是总体数据
样本均值:,
样本协方差:
X的样本标准差:
Y的样本标准差:
样本皮尔逊相关系数:
皮尔逊相关系数的注意点
以下四个图的相关系数都为0.816
- 如图2,非线性相关也会导致线性相关系数很大
- 如图3,离群点对相关系数的影响很大,去掉离群点后,相关系数为0.98
- 如图4,如果两个变量的相关系数很大也不能说明两者相关,可能是受到 了异常值的影响
上图相关系数为0
- 相关系数计算结果为0,只能说不是线性相关,但说不定会有更复杂的相关 关系(非线性相关)
因此:
1、如果两个变量本身就是线性的关系,那么皮尔逊相关系数绝对值大的就是相关性强,小的就是相关性弱;
2、在不确定两个变量是什么关系的情况下,即使算出皮尔逊相关系数,发现很大,也不能说明那两个变量线性相关,甚至不能说他们相关,我们一定要画出散点图来看才行
皮尔逊相关系数例题
描述性统计
一般拿到数据首先进行描述性统计
可以用MATLAB,Excel,SPSS
矩阵散点图
在计算皮尔逊相关系数之前,一定要做出散点图来看两组变量之间是否有线性关系(用SPSS比较方便)
皮尔逊相关系数计算
MATLAB里的corrcoef函数
美化相关系数表
对皮尔逊相关系数进行假设检验
当相关系数等于0,可以说明两个变量之间不存在线性关系,而此时若,我们可以利用假设检验,来观察0.3与0是否有显著性差异,若得到0.3与0有显著差异,即说明两个变量的相关性是显著的,存在线性关系。
第一步:提出原假设和备择假设(两个假设截然相反,互为对立面)
假设我们计算得到一个皮尔逊相关系数,为了检验它是否与0有显著性差异,那么我们可以设定原假设,备择假设(双侧检验)
第二步:在原假设成立的条件下,利用我们要检验的量构造一个符合某一分布的统计量
注意:1、统计量相当于我们要检验的量的一个函数,里面不能有其他的随机变量;2、这里的分布一般有:标准正态分布、分布、分布和分布
对于而言,在满足一定条件下,我们可以构造统计量:
可以证明是服从自由度为的分布(为样本量)
第三步:将我们要检验的这个值带入这个统计量中,可以得到一个特定的值(检验值)
若,那么
第四步:我们可以画出该分布的概率密度函数,并给定一个置信水平,根据这个置信水平查表找到临界值,并画出检验统计量的接收域和拒绝域
由于上述统计量服从自由度为28的分布,则可以画出其概率密度函数图形为:
常见的置信水平有三个:,其中是最常用的
t分布表:https://wenku.baidu.com/view/d94dbd116bd97f192279e94a.html
因此查表,自由度为28所对应的值(也可以用MATLAB函数计算,根据分布不同,函数不同)
查表可知,对应的临界值为,由此画出接收域以及拒绝域(双侧)
第五步:看计算得到的检验值是落在了拒绝域还是接收域
由于得到,落在拒绝域,因此拒绝原假设,接受原假设,即与0有显著性差异,即两个变量有相关性
p值判断法
得到检验值,可以计算出对应的概率
为累积概率密度函数计算公式,由于是双侧检验,因此值还要乘以2,最后得到值为0.0049
MATLAB中可以使用来返回相关系数表R和每个相关系数表的值P
皮尔逊相关系数假设检验的条件
- 实验数据通常假设是成对的来自于正态分布的总体
- 实验数据之间的差距不能太大
- 每组样本之间是独立抽样的
检验数据是否属于正态分布
正态分布JB检验(大样本n>30)
偏度S和峰度K
雅克-贝拉检验(Jarque-Bera test)
对于一个随机变量,假设其偏度为,峰度为,那么我们可以构造统计量
如果是正态分布,那么在大样本情况下(自由度为2的卡方分布)
步骤:
1、:该随机变量服从正态分布,:该随机变量不服从正态分布
2、计算该变量的偏度和峰度,得到检验值,并计算其对应的值
3、将值域0.05比较,如果小于0.05则可拒绝原假设,否则接受原假设
Shapiro-wilk检验(小样本3≤n≤50)
步骤同上,但MATLAB中未封装相关函数计算威尔克统计量,不过可以使用SPSS
Q-Q图
注意:小样本最好也不用Q-Q图,数据要求量非常大
斯皮尔曼spearman相关系数
第一种定义
和为两组数据,其斯皮尔曼(等级)相关系数定义为:
,其中为和之间的等级差,并且位于和之间
一个数的等级,就是将它所在的一列数按照从小到大排序后所在的位置
注意:如果有的数值相同,则将它们所在的位置取算术平均
根据公式可以得到和的斯皮尔曼相关系数为
第二种定义
定义斯皮尔曼相关系数为等级之间的皮尔逊相关系数(MATLAB是这么认为的)
因此MATLAB中求解可用皮尔逊相关系数的函数
斯皮尔曼相关系数的假设检验
小样本情况
即n≤30,直接查临界值表即可
样本相关系数r必须大于等于表中的临界值,才能得出显著的结论
大样本情况
大样本情况下,统计量
计算检验值,并求出对应的值与0.05相比较
如
检验值
得到结果为0.4647>0.5,因此接受原假设
两个相关系数的比较
- 连续数据,正态分布,线性关系,用pearson相关系数是最恰当,当然用 spearman相关系数也可以, 就是效率没有pearson相关系数高。
- 上述任一条件不满足,就用spearman相关系数,不能用pearson相关系数。
- 两个定序数据(如优、良、差等可以排序的数据)之间也用spearman相关系数,不能用pearson相关系数。
注:斯皮尔曼相关系数的适用条件比皮尔逊相关系数要广,只要数据满足单调关系 (例如线性函数、指数函数、对数函数等)就能够使用。