相关分析

是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。

相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。

主要有双变量相关分析、偏相关、距离相关。

双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，而这种分析方式中又可以选：用Pearson积差相关、Spearman等级相关、Kendall的tau-b等级相关。

（注意：pearson极差相关要求是成对数据，每队数据之间要求独立，样本容量大于等于30，两个变量的所属总体要呈正态分布，两个变量都是由测量所得到的连续型数据，两个变量的相关要求是线性相关，并且要排除公变因数的影响）

（Kendall的tau-b等级相关是一种对两列等级变量的的关系程度的测量，结果为交错系数）（Spearman等级相关只有两个变量，两个变量都是顺序变量，或者一个是顺序变量，另一个是连续变量）

因为spearman等级相关不受样本数量多少以及变量分布形态，所以当数据不符合pearson积差相关的要求时，可以用spearman等级相关，但是由于spearman等级相关在处理的时候会把连续性数据转化成等级数据，从而导致数据的遗漏缺失，这就会造成spearman不如pearson准确。

（要先做一个散点图看一下是否线性相关，然后根据数据选不同的分析方式）

当数据文件包括多个变量时，直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。

距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。（未深入了解）