---

一、前言🚀🚀🚀

☀️☀️☀️
  外面的世界好大！
  去外面……更外面的地方。
  没关系的，跟Sakura在外面到处玩，很开心，所以我能坚持下来。
  
  没关系这是我一生里最自由的时间，以前没有过，以后也不会有。
                                     —— 上杉绘梨衣 《龙族》

---

本文简介：本讲我们将介绍两种最为常用的相关系数:皮尔逊person相关系数和斯皮尔曼spearman等级相关系数。它们可用来衡量两个变量之间的相关性的大小，根据数据满足的不同条件，我们要选择不同的相关系数进行计算和分析(建模论文中最容易用错的方法)。

---

二、皮尔逊person相关系数：☀️☀️☀️

1. 总体皮尔逊person相关系数

① 总体和样本

② 理解协方差（受量纲影响）

  总体皮尔逊person相关系数就是在协方差消除量纲的基础上得到的。

③ 剔除量纲影响

  

Y = aX + b 可以看出总体皮尔逊person相关系数反映线性相关系数。

  
  
  

2. 样本皮尔逊person相关系数

  

  

3. 相关性可视化

① 皮尔逊person相关系数的一些误区

  

  

受异常值的影响很大。

这里虽然相关系数计算结果为0，但是x于y还是有明显的关系（二次函数）。

  

② 容易忽略和犯错的点

③ 对相关系数大小的解释

4. 例题

① 给出题目与Excel表

  

② 描述性统计

  当拿到一些数据后，应该做一个描述性统计。

  

③ Execl描述性统计

  

  

③ SPSS描述性统计

    

④ 看完散点图（看出线性关系）再决定做相关系数计算

Matlab做法：

  

⑤ 用Excel表格美化相关系数表

颜色越深表示数据的绝对值越大。

  


  
  

三、补充：☀️☀️☀️

  看到这里，小伙伴应该要先看完 相关性进行检验 那一讲。

  

  

  

  
  

  

3.1、皮尔逊相关系数假设检验的条件：

  

四、如何检验数据是否是正态分布：☀️☀️☀️

  

4.1 偏度和风度

代码块：

  

4.2 正态分布JB检验（大样本n>30） 推荐

  

4.3 Shapiro-wilk夏皮洛-威尔克检验（3 <= 小样本 <= 50） 推荐

  

4.4 Q-Q图 （不推荐）