在概率论和统计学中,相关(Correlation,或称相关系数或关联系数)显示两个随机变量之间线性关系的强度和方向。在统计学中,相关的意义是用来衡量两个变量相对于其相互独立的距离。
在这个广义的定义下,有许多根据数据特点而定义的用来衡量数据相关的系数。
对于不同测量尺度的变量,有不同的相关系数可用:
Pearson相关系数(Pearson’s r):
衡量两个等距尺度或等比尺度变量之相关性。是最常见的,也是学习统计学时第一个接触的相关系数
Spearman等级相关系数:
衡量两个次序尺度变量之相关性。
Kendall等级相关系数(英语:Kendall tau rank correlation coefficient):
衡量两个人为次序尺度变量(原始资料为等距尺度)之相关性。
Kendall和谐系数:
衡量两个次序尺度变量之相关性。
Gamma相关系数:
衡量两个次序尺度变量之相关性。
Phi相关系数(英语:Phi coefficient):
衡量两个真正名目尺度的二分变量之相关性。
列联相关系数(contingency coefficient):
衡量两个真正名目尺度变量之相关性。
净相关(partial correlation):
在模型中有多个自变量(或解释变量)时,去除掉其他自变量的影响,只衡量特定一个自变量与因变量之间的相关性。自变量和因变量皆为连续变量。
相关比(correlation ratio):
衡量两个连续变量之相关性。
四分相关(tetrachoric correlation):
衡量两个人为名目尺度(原始资料为等距尺度)的二分变量之相关性。
Kappa一致性系数(K coefficient of agreement):
衡量两个名目尺度变量之相关性。
点二系列相关系数(point-biserial correlation):
X变量是真正名目尺度二分变量。Y变量是连续变量。
二系列相关系数(biserial correlation):
X变量是人为名目尺度二分变量。Y变量是连续变量。
以上内容来源:
https://www.cnblogs.com/wangyubo/p/4450717.html
====
2017年10月开始开发和维护数据统计分析类视频课程,其中《学不会SPSS就来答疑突破》在网易云课堂畅销1500+套,许多学员给予了好评。
《学不会SPSS就来答疑突破》
适于入门学习及有一定基础的人员实践提高,可满足高校本科生、研究生科研统计及职场人士商务分析需求。
▌典型案例带领入门与实践提高,视频教学+案例实践+一对一辅导统计应用,帮助您解决科研学术、商业分析实际问题。旨在让读者快速入门,通过案例实践、上机作业巩固关键知识点,熟练掌握软件工具、统计方法的实际应用,提供一对一问题答疑交流和讨论。
▌您在学习和使用SPSS的过程中,有疑问时可及时向作者咨询解答、讨论交流,并不是所有的课程讲师都会亲自答疑和辅导,课程一对一服务的价值远超课程本身,您购买的不仅是课程,更是竭诚贴心的帮带、答疑、交流服务。(修改数据、写报告除外)