42、T-SQL 中变量关系的分析与应用

T-SQL 中变量关系的分析与应用

1. 数据特征与初步结论

销售金额变量对于美国员工呈现出更重要的右尾特征，这可以从偏度和峰度的较高值看出。由此可以推测，美国存在一些大客户，他们的订单规模远大于普通客户。

2. 线性依赖关系分析

2.1 分析目标与方法

要检查两个选定变量是独立的还是存在某种关联。在统计学中，首先提出零假设，即两个测量变量之间不存在关系，然后通过统计分析来证明或反驳该假设，这里仅分析线性关系。变量分为离散变量和连续变量，下面将分别探讨不同类型变量之间关系的分析方法。

2.2 分析变量关系的意义

• 分析变量对之间的关系往往是分析的目标。
• 这也是进行更深入分析（如使用数据挖掘方法）的第一步，有助于为更复杂的方法选择变量。例如，如果发现一对输入变量之间存在强关系，在后续更复杂的分析过程中可以忽略其中一个变量，从而降低问题的复杂度。

3. 两个连续变量关系的分析

3.1 衡量指标

为了衡量两个连续变量之间关系的强度，定义了三个指标：协方差、相关系数和决定系数。最后，还将使用线性回归公式将一个变量表示为另一个变量的函数。

3.2 协方差

3.2.1 示例数据

假设有两个变量，其值的分布如下表所示：
| Value Xi | Probability Xi | Value Yi | Probability Yi |
| — | — | — | — |
| 0 | 0.14 | 1 | 0.25