pearson相关系数检验怎样看是不是具有多重共线性

Posted 2023-05-04

参考技术A 1、看回归分析里面的VIF值，当VIF的值越大的话，那么多重共线性越就越严重。通常情况下VIF大于10的时候，说明模型存在着严重的共线性问题。



2、看容差值，容差值=1/VIF，当容差值大于0.1的话，则表示没有共线性。



3、当一个自变量与其他自变量之间的相关系数显著，那么说明可能存在多重共线性问题。

python实现spearman相关性检验

python实现spearman相关性检验

Spearman秩相关系数 

对原始变量的分布不做要求，适用范围较Pearson相关系数广，即使是等级资料，也可适用。但其属于非参数方法，检验效能较Pearson系数低。（适合含有等级变量或者全部是等级变量的相关性分析）

测试两个样本是否具有单调关系。

假设条件

• 每个样本中的观察结果都是独立且均等分布的（iid）。
• 可以对每个样本中的观察结果进行排名。

解释

• H0：两个样本是独立的。
• H1：样本之间存在依赖性。

#

# Example of the Spearman\'s Rank Correlation Test
from scipy.stats import spearmanr
data1 = [0.873, 2.817, 0.121, -0.945, -0.055, -1.436, 0.360, -1.478, -1.637, -1.869]
data2 = [0.353, 3.517, 0.125, -7.545, -0.555, -1.536, 3.350, -1.578, -3.537, -1.579]
stat, p = spearm