1 / 3 相关性分析 (correlation analysis) ?概述相关性分析可以用来验证两个变量间的线性关系，从相关系数r 我们可以知道两个变量是否呈线性关系、线性关系的强弱，以及是正相关还是负相关。?适用场合· 当你有成对的数字数据时；· 当你画了一张散点图，发现数据有线性关系时；· 当你想要用统计的方法测量数据是否落在一条线上时。?实施步骤尽管人工可以进行相关性分析，然而计算机软件可以使计算更简便。按照以下的介绍来使用你的软件。分析计算出相关性系数r，它介于－ l 到 1 之间。· 如果 r 接近 0 则两个变量没有线性相关性；· 当 r 接近－ l 或者 1 时，说明两个变量线性关系很强；· 正的 r 值代表当 y 值很小时 x 值也很小，当 y 值很大时 r 值也很大；· 负的 r 值代表当 y 值很大时 x 值很小，反之亦然。?示例图表 5.39 到图表 5.42 给出了两个变量不同关系时的散点图。 图表 5.39 给出了一个近似完美的线性关系， r＝0.98；图表 5.40 给出了一个弱的负线性相关关系，R=－0. 69，与图表 5.39 比较，数据散布在更宽的范围内；在图表5.41 中，两个变量不相关， r＝0.l5；在图表 5.42 中，相关性分析计算出相同的r 值——＝ 0.15，但是，在这个情况下显然两个变量是相关的，尽管不是线性的。2 / 3 ?注意事项· 如果， r＝0，则变量不相关，但是可能有弯曲的相关性，如图表5.42 那样。为避免这种情况，首先画出数据的散点图来判断它们的关系。相关性分析只对于存在线性关系的变量有意义。· 相关性分析可以证实两个变量间关系的强弱，但不能计算出那条回归线，如果想找到最符合的线，请参阅回归分析。· 对于系数的决定，回归分析中使用r2，它是相关系数r 一的平方。END 3 / 3
