首页 > 试题广场 >

关于相关系数,下列描述中正确的有:

[不定项选择题]

关于相关系数,下列描述中正确的有:

相关系数为0.8时,说明两个变量之间呈正相关关系

相关系数等于1相较于相关系数等于-1,前者的相关性更强

相关性等于1相较于相关系数等于0,前者的相关性更强

Pearson相关系数衡量了两个定序变量之间的相关程度

Spearman相关系数可以衡量两个定序变量之间的相关程度

相关系数为0.2相较于-0.8,前者的相关性更强

查看正确选项

Q--Q

使用Pearson线性相关系数有2个局限：

必须假设数据是成对地从正态分布中取得的。
数据至少在逻辑范围内是等距的。

对于更一般的情况有其他的一些解决方案，Spearman秩相关系数就是其中一种。Spearman秩相关系数是一种无参数（与分布无关）检验方法，用于度量变量之间联系的强弱。在没有重复数据的情况下，如果一个变量是另外一个变量的严格单调函数，则Spearman秩相关系数就是+1或-1，称变量完全Spearman秩相关。注意这和Pearson完全相关的区别，只有当两变量存在线性关系时，Pearson相关系数才为+1或-1。

对原始数据x_i,y_i按从大到小排序，记x'_i,y'_i为原始x_i,y_i在排序后列表中的位置，x'_i,y'_i称为x_i,y_i的秩次，秩次差d_i=x'_i-y'_i。Spearman秩相关系数为：

ρ s = 1 − 6 ∑ d 2 i n ( n 2 − 1 )

编辑于 2016-08-10 16:38:40 回复(0)

echorma

对c选项有疑惑：假设x和y不服从正态分布，它们的pearson相关系数为0（但是ｘ和ｙ是不独立的），m和n服从正态分布，它们的pearson相关系数不为０。应该这两个相关系数的值是没有可比性的吧？或者说如果某一对变量不服从正态分布，不能用pearson系数来比较两对变量的相关性的吧

发表于 2017-08-22 16:15:50 回复(1)

sjd

1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，
就是效率没有pearson相关系数高。

2.上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。

3.两个定序测量数据之间也用spearman相关系数，不能用pearson相关系数。

发表于 2015-08-20 15:43:31 回复(3)

niuke20124212

Pearson要求连续线性；

Spearman只要求单调就可以了，不一定要连续线性。

发表于 2016-09-09 15:44:59 回复(0)

nailperry

相关系数ρXY取值在-1到1之间，

ρXY = 0时，称X,Y不相关;

| ρXY | = 1时，称X,Y完全相关，此时，X,Y之间具有线性函数关系;

| ρXY | < 1时，X的变动引起Y的部分变动，ρXY的绝对值越大，X的变动引起Y的变动就越大， | ρXY | > 0.8时称为高度相关，当 | ρXY | < 0.3时称为低度相关，其它时候为中度相关。

发表于 2015-09-04 22:04:02 回复(0)

喜羊羊威利

定比数据：表现为数值，可以进行加、减运算以精确计算数据。比如身高、体重等

定距数据：表现为数值，有单位，可以做加减运算，不能做乘除运算。比如，温度。

定类数据：按事物某种属性分类或分组，数字大小代表类别。比如性别（男和女）。

定序数据：数据的中间级，用数字表示个体在某个有序状态中所处的位置，不能做四则运算。比如您对天猫的满意情况如何？（非常不满意、比较不满意、中立、比较满意、非常满意）

Pearson相关系数（Pearson CorrelationCoefficient）是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。

在统计学中, 以查尔斯·斯皮尔曼命名的斯皮尔曼等级相关系数，即spearman相关系数。经常用希腊字母ρ表示。它是衡量两个变量的依赖性的 非参数 指标。它利用单调方程评价两个统计变量的相关性。如果数据中没有重复值，并且当两个变量完全单调相关时，斯皮尔曼相关系数则为+1或−1。

发表于 2019-11-27 10:18:15 回复(0)

YCYCY

Pearson系数要求变量连续线性，Spearman系数要求两个相关就行

发表于 2018-09-05 19:34:03 回复(0)

命中全靠运气

定序测量数据可以用spearman相关系数，不能用pearson相关系数

发表于 2017-04-22 23:23:17 回复(0)

rscloud

最常见的两种相关系数是皮尔逊相关系数和Spearman相关系数。

1. **皮尔逊相关系数（Pearson Correlation Coefficient）：** 皮尔逊相关系数衡量的是两个连续变量之间的线性关系。它的取值范围在-1到1之间，其中：
- 当相关系数接近1时，表示两个变量之间存在强正相关关系，即一个变量增加时，另一个变量也随之增加。
- 当相关系数接近-1时，表示两个变量之间存在强负相关关系，即一个变量增加时，另一个变量会减小。
- 当相关系数接近0时，表示两个变量之间几乎没有线性相关关系。

2. **Spearman相关系数：** Spearman相关系数是用于衡量两个变量之间的等级关系（排名关系），而不需要假设线性关系。它通过比较变量的排名来计算相关性，适用于分类变量、定序变量和非线性关系的情况。

Spearman相关系数主要用于衡量两个变量之间的等级关系（排名关系），特别适用于以下情况：

1. **定序变量：** 定序变量是一种分类变量，其取值之间存在一定的顺序关系，但没有明确的间隔或比率关系。例如，教育程度可以分为"高中以下"、"大学本科"、"硕士研究生"等，这些取值之间有顺序，但不具备数值关系。

2. **分类数据：** 当变量是分类数据，且取值之间没有明确的数值关系时，Spearman相关系数可以用于衡量这些变量之间的关系。例如，产品的评级可以分为"优良"、"一般"、"差"等，这些分类之间的关系可以用Spearman相关系数来分析。

3. **排名数据：** 当你有一组数据，但你更关心它们的相对排名而不是具体的数值时，Spearman相关系数非常有用。这适用于一些主观评价的情况，比如文化活动的满意度调查中的排名。

需要强调的是，Spearman相关系数适用于衡量两个变量之间的单调关系（趋势方向是否一致），而不是线性关系。如果你关心两个变量之间的线性相关性，那么皮尔逊相关系数可能更适合。

Spearman相关系数可以用于衡量连续变量之间的相关程度，但是皮尔逊相关系数可能更适合

编辑于 2023-08-28 17:52:02 回复(0)

丫丫向前冲

Pearson相关系数（Pearson Correlation Coefficient）是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。Spearman是衡量两个变量的依赖性的非参数指标。它利用单调方程评价两个统计变量的相关性。

编辑于 2022-06-22 21:44:25 回复(0)

许愿精灵帮帮我

都是分析定量数据，满足正态性用Pearson 不满足正态性使用Spearman系数

发表于 2021-10-22 15:56:57 回复(0)

Forrestcloud

1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，
就是效率没有pearson相关系数高。
2.两个定序测量数据之间也用spearman相关系数，不能用pearson相关系数。

发表于 2017-09-25 22:17:35 回复(0)

三娘

计算积距pearson相关系数，连续性变量才可以计算，当两个连续变量呈线性相关时，适合使用这个；

Spearman秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据

发表于 2016-09-07 20:05:21 回复(0)

提交观点

问题信息

数理统计

来自：阿里巴巴2016数据挖...

上传者：小小

难度：

13条回答 1022收藏 18746浏览

关于相关系数,下列描述中正确的有:

问题信息

热门推荐

相关试题