相关分析

相关分析显示两个或多个变量如何共同变化:线性关系使用 Pearson 相关,有序数据或单调关系使用 Spearman 秩相关。可用于探索关系、数据筛查和变量选择。数据应为连续型或有序型,n 不少于 25,且大致服从二元正态分布。输出给出成对相关系数及其 p 值,并可选散点图。

最后审阅

核心要点

相关分析量化两个或多个连续型或有序变量之间线性关系的强度和方向,通常使用取值从 -1 到 +1 的 Pearson 系数,且不意味着因果关系。

本页内容
  1. 什么是相关分析?
  2. 何时使用相关分析?
  3. 正确使用相关分析的指南
  4. 替代方法:何时不宜使用相关分析
  5. 相关分析示例
  6. 如何进行相关分析

什么是相关分析?

相关分析是一种统计方法,用于量化两个或多个变量之间线性关系的强度和方向。它主要用于考察变量如何以恒定速率共同变化,而不意味着因果关系。最常用的度量是 Pearson 相关系数,取值范围从 -1(完全负相关)到 +1(完全正相关),0 表示不存在线性关系。该分析适用于连续型或有序变量;对于有序数据或单调关系,则使用 Spearman 秩相关。

何时使用相关分析?

它常用于统计学、社会科学、经济学、金融和市场研究等多个领域。以下是相关分析可能有用的一些场合:

  • 探索关系:相关分析有助于了解两个变量之间的关系。它可以判断变量是正相关(同增同减)、负相关(一个变量增大而另一个减小),还是完全不相关。
  • 数据筛查:相关分析常用作初步步骤,在进行更复杂的分析之前识别潜在关系。它可以帮助研究人员找出哪些变量值得进一步研究。
  • 假设检验:相关分析可用于检验关于变量之间关系的假设。例如,可以检验收入与教育水平之间,或客户满意度与购买行为之间是否存在显著相关。
  • 预测:相关分析可用于预测模型。如果历史数据中两个变量之间存在强相关,则表明一个变量的变化可能有助于预测另一个变量的变化。
  • 变量选择:在构建预测模型时,相关分析有助于变量选择。如果两个变量高度相关,在模型中同时包含两者可能引入多重共线性问题。此时,可以只保留其中一个变量,或使用降维技术。
  • 质量控制:相关分析可应用于质量控制过程,以识别可能影响产品质量的变量之间的关系。例如,在制造业中,可以分析某些过程变量与产品缺陷之间的相关性。
  • 投资组合管理:在金融领域,相关分析常用于评估不同投资资产之间的关系。了解资产之间的相关性有助于构建可能降低风险的多元化投资组合。

正确使用相关分析的指南

  • 至少包含 2 列数值或日期/时间数据
  • 所有列的行数必须相同
  • 数据应为连续型或有序型
  • 对于分类数据,请进行交叉分组表和卡方分析
  • 样本量应为中等至较大(n ≥ 25)
  • 样本越大,估计越准确、越精确
  • 变量之间的关系应为线性或单调
  • 使用矩阵图识别并调查异常值
  • 数据应服从二元正态分布
  • 当 n ≥ 25 时,相关性的 p 值方法对偏离正态性具有稳健性
  • Pearson 相关的置信区间对正态性假设敏感
  • Spearman 相关的置信区间基于秩,对分布假设不太敏感

替代方法:何时不宜使用相关分析

  • 拟合回归模型:当需要根据自变量进行预测或估计因变量的值时,拟合回归模型通常比进行相关分析更合适。
  • 散点图:当数据中可能存在非线性关系或异常值时,散点图可能比相关分析更合适。

相关分析示例

某银行要求贷款申请人提供八项具体信息,即收入、教育水平、年龄、在现住所居住的时间、在现雇主处工作的时间、储蓄、债务和信用卡数量。银行管理人员想知道其中哪些信息之间关系密切。管理人员收集了 30 名贷款申请人的这些数据,并进行相关分析,以获得这八个变量的成对相关系数及其 p 值。步骤如下:

  1. 收集所需数据。
Correlation Analysis — figure 1
  1. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2. 要找到相关分析,请选择 Statistical module> Graphical analysis> correlation analysis.
  3. 在工具中,输入数据及其他输入项,如下所示:
Correlation Analysis — figure 2

5. 使用上述工具后,得到的输出如下:

Correlation Analysis — figure 3

如何进行相关分析

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Graphical analysis > correlation analysis。
  3. 接下来,手动更新数据,或从 Excel 表格中复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处,也可以使用 Load Example 选项加载示例数据。
  4. 接下来,需要将各列映射到相应的参数。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

在相关分析的工具界面中,窗口分为两个部分。

Correlation Analysis — figure 4

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。数据可以手动输入,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

Load File: 用于直接加载 Excel 数据。

在右侧,只需给出:

Variables: 要选择多个变量进行相关分析,首先在数据集中确定感兴趣的定量变量。然后计算这些变量之间的成对相关系数,以了解它们线性关系的强度和方向。这一过程有助于确定哪些变量关系密切,为后续研究或建模中的特征选择和多变量分析提供帮助。

Display Scatter: 在相关分析中显示散点图,可直观呈现两个变量之间的关系,并在笛卡尔平面上展示它们的关联。它有助于识别模式、趋势和异常值,是对数值型相关系数的补充。这种可视化使线性关系的强度和方向更加清晰易懂。

 Download as Excel: 以 Excel 格式显示结果,可方便地编辑,并通过 load file 选项重新加载用于计算。

常见问题

相关系数说明什么?

Pearson 相关系数衡量两个变量之间线性关系的强度和方向。其取值范围从 -1(完全负相关)到 +1(完全正相关),0 表示不存在线性关系。相关显示变量如何共同变化,但不意味着因果关系。

相关分析的假设条件有哪些?

使用至少两列行数相同的连续型或有序数据。关系应为线性或单调,且数据应服从二元正态分布。Pearson 相关的置信区间对正态性假设敏感;基于秩的 Spearman 区间对其不太敏感。

相关分析需要多少样本?

建议使用至少 25 的中等至较大样本,样本越大,估计越准确、越精确。当 n 不少于 25 时,相关性的 p 值方法对偏离正态性具有稳健性。在依赖这些系数之前,请使用矩阵图识别并调查异常值。

什么情况下应使用回归或散点图而不是相关分析?

当需要根据自变量预测或估计因变量的值时,请拟合回归模型。当关系可能为非线性或可能存在异常值时,请使用散点图。对于分类数据,请使用交叉分组表和卡方,而不是相关分析。