【Python・统计学】皮尔逊相关分析（原理及代码）

前言

自学笔记，分享给对统计学原理不太清楚但需要在论文中用到的小伙伴，欢迎大佬们补充或绕道。ps：本文不涉及公式讲解（文科生小白友好体质）～（部分定义等来源于知乎）

本文重点：皮尔逊相关分析

【1.皮尔逊相关分析的简单原理】

【2.皮尔逊相关分析的数据实例】

【3.皮尔逊相关分析代码】

▷重要：相关关系不等于因果关系

1.皮尔逊相关分析的简单原理（简单看看就行）

• 假设检验:皮尔逊相关检验的零假设(H0)是两个变量之间没有线性关系,即相关系数等于0;备择假设(H1)是两个变量之间存在线性关系,即相关系数不等于0。
• 计算相关系数（皮尔逊相关系数(r)的计算公式）:

     r = (Σ((X - μX)(Y - μY))) / (n * σX * σY) 

   其中,X和Y是两个变量,μX和μY分别是X和Y的均值,σX和σY分别是X和Y的标准差,n是样本量。

• 计算 p 值:根据样本量和相关系数,可以计算出 p 值,用于判断相关性的显著性水平。通常,如果 p 值小于显著性水平(如0.05),则拒绝零假设,认为两个变量之间存在显著的线性关系。

▷重要：相关关系不等于因果关系