pearson相关系数和spearman相关系数的区别
pearson 法则是一种经典的相关系数计算方法,主要用于表征线性相关性,假设2个变量服 从正态分布且标准差不为0,他的值介于-1到1之间,pearson相关系数的绝对值越接近于1,表明 2个变量的相关程度越高,即这2个变量越相似。其相关系数计算如下:
spearman
设自变量 X 和 Y 的 2 个随机样本为 ( x1 ,y1 ),⋯,( xn ,yn ),将 x1 ,⋯,xn和 y1 ,⋯,yn按升序方式进行排列,则X和Y的spearman秩相关系数为:
可以使用SPSSAU进行相关分析:
1、衡量内容
Pearson相关系数是用来衡量两个数据集合是否在一条线上面,用来衡量定距变量间的线性关系。
spearman相关系数是衡量两个变量的依赖性的非参数指标。
2、计算公式
Pearson相关系数:
spearman相关系数:
3、特点:
Pearson相关系数:相关系数的绝对值越大,相关性越强:相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。
spearman相关系数:斯皮尔曼相关系数表明X(独立变量)和Y(依赖变量)的相关方向。如果当X增加时,Y趋向于增加,斯皮尔曼相关系数则为正。如果当X增加时,Y趋向于减少,斯皮尔曼相关系数则为负。斯皮尔曼相关系数为零表明当X增加时Y没有任何趋向性。
当X和Y越来越接近完全的单调相关时,斯皮尔曼相关系数会在绝对值上增加。当X和Y完全单调相关时,斯皮尔曼相关系数的绝对值为1。
参考资料来源:
参考资料来源: