皮尔逊相关系数_SPSS篇—

你开心，所以我开心，这个是不是传说中的相关性呢？

哈哈，不开玩笑了。现在认真地来介绍下相关关系和相关分析的概念。

顾名思义，相关关系就是两个或两个以上的变量之间相互依存的关系，而相关分析也就是针对相关关系的一种分析方法。为了更直观地理解，就用方程的形式呈现。那么就会有：

① y=ax+b ② y=a1x1+a2x2+b

③ y=a1x1+a2x2+······+b

④ y=ax2 ⑤ y=lnx

以上方程的共性：都是研究y与x之间的相关关系；

不同的是：影响y的x可能不止一个。

需要说明的是，相关关系包括了线性相关和非线性相关，比如上面的①②③，都是线性关系，而④⑤则是非线性关系。

不过目前来说，分析常见的就是线性相关，也就是描述当一个连续变量发生变化时，另一个连续变量也相应地呈线性变化，一般用Pearson相关系数r来表示。

这里大家要了解一个皮尔逊系数的取值范围，如下表1.1。

注意：相关关系并不等同于因果关系，相关性表示等号两边的变量会同时发生改变，而因果关系，也就是一个因素导致另一个因素发生变化。

好，前面做的铺垫让大家都清楚了为什么要做？那接下来我们就“怎么做”进行实战操作演习。

Step 01：准备数据，本次选取了某一便利超市近两年的销售数据，其中的变量涉及到年月、所属季度、宣传费用、用户流量以及销售金额等5个。如下图1.1。

图1.1 某便利超市销售数据

PS：在Excel处理上述数据中，从日期中计算所属季度，运用到了公式：TEXT(Lookup(Month()) 哦。

Step 02：数据处理和操作，在之前打开的“某便利超市销售数据”界面（图1.1），点击【图形】，选择【旧对话框】，此时右侧弹出子菜单，点击【散点图/点图】，出现如图1.2的窗口，选择【简单散点图】，单击【定义】按钮。

图1.2 散点图/点图对话框

Step 03：在弹出的窗口【简单散点图】下（见图1.3），将变量“销售金额”移至右侧的Y轴，将变量【宣传费用】移至右侧的X轴中，完成后，单击【确定】按钮。

图1.3 简单散点图

完成以上3个步骤之后，会出现以下输出结果。见图1.4，也就是我们需要的散点图绘制图。

图1.4 散点图绘制

有些人就会问为什么要在相关性分析前制作散点图呢？关于这个问题呢，首先，你们看完这个散点图，有发现什么吗？

对的，发现了横轴上的宣传费用与纵轴上的销售金额呈一定的线性相关性，观察了散点图，这也是进行相关性分析的第一步，帮助我们更直观的观察变量之间的相关性，这就更便于我们去判断了。

那么这两个变量之间的相关程度到底是多少，高还是低呢？

这就是我们接下来要说得相关性分析操作了。

Step 04：单击【分析】——【相关】——【双变量】，出现【双变量相关性】对话框。如图1.5所示。

图1.5 【双变量相关性】对话框

Step 05：在对话框“双变量相关性”下，将“宣传费用”、“销售金额”两个变量移至右侧的【变量】框中，由于这2个变量是连续变量，需要保持【相关系数】默认的【皮尔逊】复选框，其他默认的选项也保持不变，点击【确定】按钮，就可得到相关分析的结果。如表1.2。

从上表中，我们就可以清楚地看到“宣传费用”与“销售金额”之间是具有很高的相关性的，皮尔逊相关系数达到0.959，也就是高度正相关，显著性P值也是=0.000 （<0.01）,具有极其显著的统计效果。实际上来说，也就是宣传费用的投入会增加销售的增长。

那么，问题来了，你们想不想知道“宣传费用”、“用户流量”和“销售金额”变量之间的关系呢？想知道的话，请亲自动手操作哦，这样印象也更深刻呢。

小编今天的课程就到这里，接下来的交给你们自己发挥！

皮尔逊相关系数_SPSS篇——皮尔逊相关相关推荐

基于用户的协同过滤和皮尔逊相关系数
基于用户的协同过滤和皮尔逊相关系数 2012 年 11 月 05 日 isnowfy algorithm, web frameborder="0" hspace="0&q ...
相关系数和相关性分析（上）：皮尔逊相关系数、斯皮尔曼相关系数
专注系列化.高质量的R语言教程推文索引 | 联系小编 | 付费合集我们最常用的相关系数是皮尔逊(Pearson)相关系数,也叫简单相关系数,用来衡量两个配对连续变量的线性相关程度.此外,还有斯皮尔 ...
皮尔逊相关系数php,科学网—[严肃内容] 鲁索（Rousseau）教授对皮尔逊相关系数实质认识的图示 - 杨正瓴的博文...
[严肃内容]鲁索(Rousseau)教授对皮尔逊相关系数实质认识的图示一.鲁索(Rousseau)教授简介比利时情报学家.国际科学计量学与信息计量学学会前会长罗纳尔德·鲁索(Ronald Rous ...
皮尔逊相关系数python实现
一.皮尔逊相关系数常见公式: 公式转换: 具体和皮尔逊相关系数相关的内容可以看之前的一篇文章. 相似度计算(2)--皮尔逊相关系数二.python实现方法1:直接按公式算 import nump ...
皮尔逊相关系数_Pearson相关系数要求双变量正态分布，是两个变量均服从正态分布吗？...
两变量的Pearson相关系数有自己的使用条件,要求两个连续变量服从双变量正态分布,也叫做二元正态分布.双变量正态分布?是指两个变量均要服从正态分布吗?类似的问题比如:请问使用皮尔逊相关系数描述两变量 ...
皮尔逊相关系数的计算(python代码版)
皮尔逊相关系数的计算(python代码版) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 fro ...
皮尔逊相关系数定义+python代码实现（与王印讨论公式）
皮尔逊相关系数定义+python代码实现 (与王印讨论公式) 标签: python相关性系数皮尔逊系数 2016-10-25 20:59 153人阅读评论(0) 收藏举报分类: 集体智慧编程 ...
从向量的角度理解皮尔逊相关系数
高中数学学的向量中有一个重要的公式用于计算两个向量之间的夹角: 在笛卡尔坐标系中有向量 (x1,y1)和(x2,y2),他们间夹角的cos值等于向量内积除以两个向量摸的乘积. 如果你仔细比较一下 ...
机器学习笔记——皮尔逊相关系数
在学到相关性度量的时候,有一个系数用来度量相似性(距离),这个系数叫做皮尔逊系数,其实在统计学的时候就已经学过了,只是当时不知道还能用到机器学习中来,这更加让我觉得机器学习离不开统计学了. 皮尔逊相关 ...
ML之PPMCC：PPMCC皮尔逊相关系数(Pearson correlation coefficient)、Spearman相关系数的简介、案例应用之详细攻略
ML之PPMCC:PPMCC皮尔逊相关系数(Pearson correlation coefficient).Spearman相关系数的简介.案例应用之详细攻略目录 PPMCC皮尔逊相关系数的简介 ...

皮尔逊相关系数_SPSS篇——皮尔逊相关

皮尔逊相关系数_SPSS篇——皮尔逊相关相关推荐

最新文章

热门文章