相关性与P值

最新推荐文章于 2024-06-24 21:55:41 发布

原创最新推荐文章于 2024-06-24 21:55:41 发布 · 1.6w 阅读

39 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

本文详细解释了相关性、P值和显著性的概念，强调了P值在统计学上的重要性，并介绍了如何使用Medcalc进行相关性分析，包括不同相关系数的解读和因果关系的区分。实例展示了P<0.0001的结果，显示ASPECT评分存在强相关性。

0 FQA：

主要描述相关性和p值分别代表什么意义？
以及如何使用medcalc计算相关性和p值。

Q1：p值代表什么意义？
A1：统计学根据显著性检验方法所得到的P 值，一般以P ＜ 0.05 为有统计学差异， P＜0.01 为有显著统计学差异，P＜0.001为有极其显著的统计学差异。

1 相关性与显著性的关系

P值：也就是Sig值或显著性值。如果P值小于0.01即说明某件事情的发生至少有99%的把握，如果P值小于0.05（并且大于0.01）则说明某件事情的发生至少有95%的把握。当P<0.01或P<0.05，则为说明水平显著。
**相关系数：**是研究变量之间线性相关程度的量，用于说明两个变量之间是否存在相关关系，以及相关关系的紧密程度。分为pearson相关系数、Spearman相关系数。一般相关系数在0.7以上说明关系非常紧密；0.4_{0.7之间说明关系紧密；0.2}0.4说明关系一般。

显著性回答的问题是他们之间是否有关系，说明得到的结果是不是偶然因素导致的（具有统计学意义）；相关系数回答的问题是相关程度强弱。
假如说我得到”P<0.05，相关系数 R=0.279”，意味着二者之间确实（P<0.05）存在相关关系，而相关性为0.279。
而如果“P>0.05 相关系数R=0.799”，则意味着二者之间相关性很强（R=0.799），而这个高相关的结果可能是偶然因素导致的，即不具有统计学意义。

所以一般要求的前提条件就是： P<0.01，首先要说明具有统计学意义。然后再说相关性如何。

2 相关性分析

相关性系数是介于[-1，+1]之间的实数。当相关性系数介于-1_{0之间时，表明变量之间存在负相关关系；当相关性系数介于0}1之间时，表明变量之间存在正相关关系；当相关性系数为0时，二者之间不存在相关性。

相关性系数越接近1，表明变量之间的相关性越强，当相关系数越接近0，表明变量之间的相关性越弱。
当相关性系数的绝对值介于0.1_{0.3之间时，一般认为变量间存在弱相关；当相关系数的绝对值介于0.3}0.5之间时，一般认为变量间存在中度相关；当相关性系数的绝对值大于0.5时，一般认为变量间存在强相关。

需要注意的是，因子之间的Pearson相关性仅能代表因子之间数据的关联程度，不能直接进行因果判定。因果判定需要根据试验的具体情况，因子的相关逻辑来完成，更多的时候还需要借助其他分析方法来综合判断。
(注：相关并不一定因果)