数据相关性分析

皮尔逊相关系数

要先确定有线性关系，才能反应相关的大小

首先要画散点图目的是为了看是否具有线性关系

选择矩阵散点图

然后把所有的变量移进去

既可得到任意两个变量之间的线性关系

通过散点图来简略判断是否具有线性关系

为什么要首先看是否具有相关性呢？

上面四个图的皮尔逊相关系数都是0.816，但是显然只有图一具有线性关系，所以只有先确定有线性关系，才能用皮尔逊相关系数

描述性统计

求最小值，最大值，中位数，众数，偏度，峰度，标准差，方差等等

用spss做数据分析

jb检验（样本数>30）

正态分布检验
% 正态检验的偏度和峰度
x = normrnd(2,3,1000,1)
skewness(x)%偏度
kurtosis(x)%峰度

% 检验第一列数据是否为正态分布
[h,p] = jbtest(x,0.05)

Shapiro-wilk检验（小样本）

用spss

QQ图可以近视估算是不是正态分布

斯皮尔曼spearman相关系数

斯皮尔曼相关系数和皮尔逊相关系数的选择

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。

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

一般情况下都能使用斯皮尔曼相关系数

求解斯皮尔曼相关系数的代码

RX = [3 8 4 7 2]'
RY = [5 10 9 10 6]'
R = corr(