线性相关系数通常称为Pearson相关系数，它给出了两个变量之间线性相关大小的度量指标，该系数简单易懂，当r大于0时，说明两个变量之间存在正相关的关系，而当r小于0时，则说明二者之间为负向的线性相关，当r=0时，说明二者之间没有线性相关。
那怎样评估二者之间的线性相关的强弱呢？有人将大于0.7作为强相关，也有人认为大于0.8才算强相关，不一而论，但确实这些划分没有理论依据，很难做实践指导，因为这与不同领域的标准相关，比如，实验室检测数据，往往要求相关系数大于0.9才算好，而在社会学、流行病学调查数据中，相关系数达到0.5就算非常不错了。
然而相关系数不管再怎么大，也只是一个样本数据的统计量，要想推广到总体，则必须进行假设检验，以证明你的系数不是偶然得到的。
相关系数的检验至少有两种方式：t检验法和置信区间法。
根据置信区间可以看出r的分布是否包含0，如果不包含，即可认为相关系数不等于0，两个变量之间存在相关性, 而且根据置信区间的范围，可以有95%的信心认为该区间包含了总体的相关系数。
Ref: 《白话统计》 冯国双著
大家都在看
版权声明：本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 349073828@qq.com 举报，一经查实，本站将立刻删除。
支付宝扫一扫
微信扫一扫
