寒假自学数学建模（2）相关系数
作者：互联网
A皮尔逊相关系数
B斯皮尔曼相关系数
//以上两个相关系数使用前到要进行假设检验
A皮尔逊相关系数:
函数部分：
R = corrcoef(A) 返回 A 的相关系数的矩阵，其中 A 的列表示随机变量（指标），行表示观测值（样本）。 R = corrcoef(A,B) 返回两个随机变量 A 和 B （两个向量）之间的系数。 我们要计算体测的六个指标之间的相关系数，只需要使用下面这个语句： R = corrcoef(Test); //绝大多数情况下使用的都是R = corrcoef(A) ，比较的是每两个指标之间是否相关 以下是在分析数据之前进行的各常量统计 一般把各结果放在一个列矩阵中
//统计常量得出后用spss做散点图描述统计以此来看是否相关 确认相关后再计算并观察相关系数（用corrcoef函数）并用excel来美化
成品如下
分析每两个指标的P值（并标出显著性程度*的级数）和相关系数可用SPSS的工具栏“分析”，在“分析”中选择“相关”->"双变量"->”双尾“
由于进行相关系数计算等操作时需要满足如下三个条件
第一， 实验数据通常假设是成对的来自于正态分布的总体。 因为我们在求皮尔 逊相关性系数以后，通常还会用 t 检验之类的方法来进行皮尔逊相关性系数检验， 而 t 检验是基于数据呈正态分布的假设的。 第二， 实验数据之间的差距不能太大。 皮尔逊相关性系数受异常值的影响比较 大。 第三：每组样本之间是独立抽样的。 构造 t 统计量时需要用到。此三步中最重要的是第一步，正态分布检验
共有三种常用方法
1.当样本数量很大时，用JB检验法（大样本数量）
2.当样本数量在[3,50]之间时，用夏皮洛威尔克检验法
操作步骤如下：
得到的效果图如下
上表只需关注最后一列显著性（P值）即可（例如当置信度为95%时，显著性（p）<0.05则拒绝原假设） 上述接近0，明显小于0.05，故此拒绝
3.用MATLAB的QQ图检验法
MATLAB代码如下：
qqplot(x)
B斯皮尔曼相关系数
假设检验分为两种
小样本情况下直接查表即可
大样本情况下：
总结：
标签：显著性,相关系数,样本,建模,corrcoef,检验法,皮尔逊,寒假 来源： https://blog.csdn.net/DBS_master/article/details/122761448