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