kendall相关性分析结果_kendall相关系数spss[通俗易懂]

kendall相关性分析结果_kendall相关系数spss[通俗易懂]相关性分析-pearsonspearmankendall相关系数先说独立与相关的关系:对于两个随机变量,独立一定不相关,不相关不一定独立。有这么一种直观的解释(不一定非常准确):独立代表两个随机变量之间没有任何关系,而相关仅仅是指二者之间没有线性关系,所以不难推出以上结论。衡量随机变量相关

大家好,欢迎来到IT知识分享网。

 相关性分析 -pearson spearman kendall相关系数

  先说独立与相关的关系:对于两个随机变量,独立一定不相关,不相关不一定独立。有这么一种直观的解释(不一定非常准确):独立代表两个随机变量之间没有任何关系,而相关仅仅是指二者之间没有线性关系,所以不难推出以上结论。

  衡量随机变量相关性的方法主要有三种:pearson相关系数,spearman相关系数,kendall相关系数:

  1. pearson相关系数,亦即皮尔逊相关系数

  pearson相关系数用来衡量两个随机变量之间的相关性,计算公式为:

  

  kendall相关性分析结果_kendall相关系数spss[通俗易懂]  公式-1

  其中cov(X,Y)也叫做X,Y的协方差,σXX的标准差,μXX的期望E(X).

  因为σX=E[(X-E(X))2]=E(X2)-E(X)2,并且

  kendall相关性分析结果_kendall相关系数spss[通俗易懂]  公式-2

    所以公式-1可以改写为:

kendall相关性分析结果_kendall相关系数spss[通俗易懂]  公式-3

  R语言中求两个随机变量pearson相关系数的函数:   

1 //赋予a,b向量值
2 a<-c(1,2,3) 
3 b<-c(11,12,14)
4 
5 //计算pearson相关系数
6 cor.test(a,b,method="pearson")
7 cor=0.9819805060619659

 

  2. spearman相关系数,亦即秩相关系数

  spearman和kendall都是等级相关系数,亦即其值与两个相关变量的具体值无关,而仅仅与其值之间的大小关系有关。

  spearman相关系数,亦即秩相关系数,根据随机变量的等级而不是其原始值衡量相关性的一种方法。

  spearman相关系数的计算可以由计算pearson系数的方法,只需要把原随机变量中的原始数据替换成其在随机变量中的等级顺序即可:

  (1,10,100,101)替换成(1,2,3,4)

  (21,10,15,13)替换成(4,1,3,2)

  然后求替换后的两个随机变量的pearson相关系数即可.

  R语言中求两个随机变量的spearman相关系数的函数:

 1 //赋予a,b向量值
 2 a<-c(1,10,100,101)
 3 b<-c(21,10,15,13)
 4 
 5 //计算spearman相关系数
 6 cor.test(a,b,method="spearman")
 7 rho=-0.4
 8 
 9 //用替换后的向量的pearson相关系数进行验证
10 e<-c(1,2,3,4)
11 f<-c(4,1,3,2)
12 cor.test(e,f,method="pearson")
13 cor=-0.4

  3. kendall相关系数,亦即和谐系数

  kendall相关系数又称作和谐系数,也是一种等级相关系数,其计算方法如下:

  对于X,Y的两对观察值Xi,Yi和Xj,Yj,如果Xi<Yi并且Xj<Yj,或者Xi>Yi并且Xj>Yj,则称这两对观察值是和谐的,否则就是不和谐的.

  kendall相关系数的计算公式如下:

  kendall相关性分析结果_kendall相关系数spss[通俗易懂]  公式-4

  亦即,所有观察值对中(总共有0.5*n*(n-1)对),和谐的观察值对减去不和谐的观察值对的数量,除以总的观察值对数.

  R语言中计算kendall相关系数的函数:

1 //赋予a,b向量值
2 a<-c(1,2,3)
3 b<-c(1,3,2)
4 
5 //计算kendall相关系数
6 cor.test(a,b,method="kendall")
7 tau=0.3333333333

 

  参考文献:

  1. pearson,spearman,kendall三种相关分析方法异同

  2. Wikipedia: Pearson product-moment correlation coefficient

  3. Wikipedia: Spearman’s rank correlation coefficient

  4. Wikipedia: Kendall tau rank correlation coefficient

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/29237.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信