相关性计算
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了相关性计算相关的知识,希望对你有一定的参考价值。
变量:连续变量、有序分类变量 和 无序分类变量
一、连续变量和连续变量
1、若连续数据,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。
2、若连续数据不满足正态分布,可采用对数转换等方法将数据转换成正态分布。
3、上述任一条件不满足,就用spearman相关系数,不能用pearson相关系数。
二、连续变量和有序分类变量
1、若连续数据,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。
2、若连续数据不满足正态分布,可采用对数转换等方法将数据转换成正态分布。
3、上述任一条件不满足,就用spearman相关系数,不能用pearson相关系数。
三、连续变量和无序分类变量
1、若连续数据,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。
2、若连续数据不满足正态分布,可采用对数转换等方法将数据转换成正态分布。
3、上述任一条件不满足,就用spearman相关系数,不能用pearson相关系数。
四、有序分类变量和有序分类变量
1、kendall 和 spearman,不能用pearson相关系数。
五、有序分类变量和无序分类变量
1、
六、无序分类变量和无序分类变量
1、卡方检验(适用于2×2表即四格表) 和 cramer‘s v(适用于四格表 也适用于大于2×2表格)
以上是关于相关性计算的主要内容,如果未能解决你的问题,请参考以下文章
R语言偏相关性计算(Partial Correlation)使用ggm包的pcor函数计算偏相关性(Partial Correlations)
Python偏相关(Partial Correlation)或者部分相关性系数计算实战:偏相关性(Partial Correlation)计算及结果解读
R语言使用cov函数计算矩阵或者dataframe数据变量之间的协方差cor函数计算相关性cor函数通过method参数指定相关性相关性计算方法Pearson,Spearman, Kendall
R语言使用cov函数计算矩阵或者dataframe数据变量之间的协方差cor函数计算相关性cor函数通过method参数指定相关性相关性计算方法Pearson,Spearman, Kendall
R语言偏相关或者部分相关性系数计算实战:使用psych包计算(Partial Correlation)偏相关或者部分相关性系数并用建设检验检验相关性的显著性