相关性检验方法 | 您所在的位置:网站首页 › 两变量相关性检验方法 › 相关性检验方法 |
Pearson
假设 所有变量数据正态分布。 变量线性相关。 数据同方差性(homoscedasticity)PS:检验数据分布方法见《fitdistrplus 检验数据的分布》一文
公式
度量效应 effect size 是对实验者效应大小的定量度量。度量效应常用 Cohen's d,用两组的均值差除以标准差。 Cohen's d 公式
Cohen's d 等级划分 效应大小 d 小 0.2 中 0.5 大 0.8Cohen 总结了效应大小与相关系数的关系,得到了相关性(Strength of Association)与相关系数的关系。 相关性 |r| 弱 0.1 - 0.3 中等 0.3 - 0.5 强 0.5 - 1 Kendall rank correlationKendall 法是非参数检验,不依赖于数据的分布。跟 Spearman 一样依赖于数据的秩,如果样本数少或者有许多同秩(tied ranks)可以用 kendall 法代替 Spearman。对于 n 个样本,两两组合共有 n(n - 1) / 2 种组合,Kendall rank correlation 公式
Spearman 也是无参的不对数据分布有要求/假设。但 Spearman 要求数据是有序的,像连续型变量比如金额、温度、高度这些都是有序的可以根据大小去排列;像小学-中学-高中-大学也是有序的;像风-马-牛这就是无序的。另外要求数据是单调(monotonic)关系的。下图解释了什么是单调关系。 Spearman 公式
[参考] Correlation (Pearson, Kendall, Spearman) - Statistics Solutions What does effect size tell you? | Simply Psychology Cohen’s Standards for Small, Medium, and Large Effect Sizes – Introductory Business Statistics Kendall Rank Correlation Explained. - Towards Data Science |
CopyRight 2018-2019 实验室设备网 版权所有 |