3种相关分析

R里面做相关(library())的话，通常会见到这三种不同的相关方法，用不同的方法得出来的结果是不一样的，所以总结一下，什么时候该用什么方法。

pearson (皮尔逊相关)

spearman （斯皮尔曼相关）

kendall （肯德尔相关）

R:

library(dplyr)

stats_temp_k = pcor.test(X,Y, Z,method=“kendall”)# Z is the controlling varibles

Matlab:

一 、皮尔逊相关性

在统计学中，皮尔逊相关系数( Pearson correlation coefficient），又称皮尔逊积矩相关系数（Pearson product-moment correlation coefficient，简称 PPMCC或PCCs），是用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间。

它是由卡尔·皮尔逊从弗朗西斯·高尔顿在19世纪80年代提出的一个相似却又稍有不同的想法演变而来的。这个相关系数也称作“皮尔逊积矩相关系数”。

定义

两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商：

上式定义了总体相关系数，常用希腊小写字母

作为代表符号。估算样本的协方差和标准差，可得到皮尔逊相关系数，常用英文小写字母

代表：

亦可由

样本点的标准分数均值估计，得到与上式等价的表达式：

其中

及

分别是对

样本的标准分数、样本平均值和样本标准差。

相关系数<