计算连续数据间的相关性
一、pearson
Pearson相关系数（Pearson CorrelationCoefficient）是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。
求解相关系数，整个计算过程与向量夹角余弦公式差不多。对于pearson相关系数的计算来说，只不过要在计算前将每组数据减去其均值。
值域等级解释
相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。
通常情况下通过以下取值范围判断变量的相关强度：
相关系数 0.8-1.0 极强相关
0.6-0.8 强相关
0.4-0.6 中等程度相关
0.2-0.4 弱相关
0.0-0.2 极弱相关或无相关
二、spearman
斯皮尔曼相关系数被定义成等级变量之间的皮尔逊相关系数。对于样本容量为n的样本，n个原始数据被转换成等级数据，相关系数ρ为
原始数据依据其在总体数据中平均的降序位置，被分配了一个相应的等级。如下表所示：
变量Xi降序位置等级xi
0.855
1.24
1.23
2.322
1811
实际应用中，变量间的连结是无关紧要的，于是可以通过简单的步骤计算ρ.被观测的两个变量的等级的差值，则ρ为
三、kendall
Kendall(肯德尔)系数的定义：n个同类的统计对象按特定属性排序，其他属性通常是乱序的。同序对（concordant pairs）和异序对（discordant pairs）之差与总对数（n*(n-1)/2)的比值定义为Kendall(肯德尔)系数。
属性：
1）如果两个属性排名是相同的，系数为1 ，两个属性正相关。
2）如果两个属性排名完全相反，系数为-1 ，两个属性负相关。
3）如果排名是完全独立的，系数为0。
举例：
假如我们设一组8人的身高和体重在那里A的人是最高的，第三重，等等：
Person A B C D E F G H
Rank by Height 12345678
Rank by Weight 34125786
我们看到，有一些相关的两个排名之间的相关性，可以使用肯德尔头系数，客观地衡量对应。
注意，A最高，但体重排名为 3 ，比体重排名为 4,5,6,7,8 的重，贡献5个同序对，即AB，AE，AF，AG，AH。同理，我们发现B、C、D、E、F、G、H分别贡献4、5、4、3、1、0、0个同序对，因此，
P= 5 + 4 + 5 + 4 + 3 + 1 + 0 + 0 = 22.
因而R=(88/56)-1=0.57。这一结果显示出强大的排名之间的规律，符合预期。
网友评论