相关性研究的参数方法：Pearson r-test

最新推荐文章于 2025-04-10 14:10:01 发布

翻译最新推荐文章于 2025-04-10 14:10:01 发布 · 4.8k 阅读

文章标签：

#null #c

概率统计专栏收录该内容

16 篇文章

订阅专栏

本文通过一个实际案例介绍如何使用R软件进行皮尔逊相关性检验，包括数据准备、检验执行及结果解读等步骤。结果显示新旧测试成绩间存在较弱的相关性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Source: http://www.r-bloggers.com/parametric-method-for-the-study-of-the-correlation-the-pearson-r-test/

假如你想要研究两个数据集之间是否有相关性。我们需要计算Pearson product-moment correlation coefficient，这是一个在两个变量X和Y之间的相关性（线性关系）的度量；那么我们计算研究Pearson coefficient R.显著性的t-test的值。当数据符合Gaussian分布时，我们能够使用这个检验。

用于度量IQ的一个新的检验针对于10个志愿者。你想看看在新实验检验和经典检验之间是否有相关性，以便于用新的检验替代老的检验：

Old test: 15, 21, 25, 26, 30, 30, 22, 29, 19, 16
New test: 55, 56, 89, 67, 84, 89, 99, 62, 83, 88

R软件提供了很容易调用的一个函数，直接给出Pearson系数和t统计检验的值，来检测系数的显著性：

a = c(15, 21, 25, 26, 30, 30, 22, 29, 19, 16)
b = c(55, 56, 89, 67, 84, 89, 99, 62, 83, 88)

cor.test(a, b)

        Pearson's product-moment correlation

data:  a and b 
t = 0.4772, df = 8, p-value = 0.646
alternative hypothesis: true correlation is not equal to 0 
95 percent confidence interval:
 -0.5174766  0.7205107 
sample estimates:
     cor 
0.166349

Pearson系数的值为恶0.166：这是一个非常低的值，显示了变量之间很弱的相关性。进一步，p-value大于0.05，因此我们接受null hypothesis H0，即相关系数为0，而Pearson系数显著。

因此我们能说两个试验结果之间没有相关性。