定序数据相关性的系数有哪些

Ⅰ 统计学三大相关性系数 举例

相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。简单相关系数：又叫相关系数或线性相关系数，一般用字母P表示，是用来度量变量间的线性关系的量。复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性关系的综合指标，再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。

Ⅱ pearson相关系数和spearman相关系数的区别

两者区别在于：spearman相关只能计算等级数据，但pearson相关却既可以用来算等级相关，也可以算连续数据的相关，只不过一般默认用pearson相关计算连续数据的相关。

1、pearson相关通常是用来计算等距及等比数据或者说连续数据之间的相关的，这类数据的取值不限于整数，如前后两次考试成绩的相关就适合用pearson相关。

2、spearman相关专门用于计算等级数据之间的关系，这类数据的特点是数据有先后等级之分但连续两个等级之间的具体分数差异却未必都是相等的，比如第一名和第二名的分数差就未必等于第二名和第三名的分数差。

(2)定序数据相关性的系数有哪些扩展阅读：

相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。

相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。

相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。

参考资料：

网络-相关系数

Ⅲ 常用于测度列联表中相关性的相关系数是什么三大系数

常用于测度列联表中相关性的三个相关系数是皮尔森相关性系数、斯皮尔曼相关性系数、肯德尔相关性系数。

1. person correlation coefficient（皮尔森相关性系数）

统计学之三大相关性系数（pearson、spearman、kendall）重点关注第一个等号后面的公式，最后面的是推导计算，暂时不用管它们。看到没有，两个变量（X, Y)的皮尔森相关性系数（ρX,Y)等于它们之间的协方差cov(X,Y)除以它们各自标准差的乘积（σX,σY)。

公式的分母是变量的标准差，这就意味着计算皮尔森相关性系数时，变量的标准差不能为0（分母不能为0），也就是说你的两个变量中任何一个的值不能都是相同的。如果没有变化，用皮尔森相关系数是没办法算出这个变量与另一个变量之间是不是有相关性的。

就好比我们想研究人跑步的速度与心脏跳动的相关性，如果你无论跑多快，心跳都不变（即心跳这个变量的标准差为0），或者你心跳忽快忽慢的，却一直保持一个速度在跑（即跑步速度这个变量的标准差为0），那我们都无法通过皮尔森相关性系数的计算来判断心跳与跑步速度到底相不相关。

2. spearman correlation coefficient（斯皮尔曼相关性系数）

斯皮尔曼相关性系数，通常也叫斯皮尔曼秩相关系数。“秩”，可以理解成就是一种顺序或者排序，那么它就是根据原始数据的排序位置进行求解，这种表征形式就没有了求皮尔森相关性系数时那些限制。统计学之三大相关性系数（pearson、spearman、kendall）计算过程就是：首先对两个变量（X, Y）的数据进行排序，然后记下排序以后的位置（X’，Y’），（X’，Y’）的值就称为秩次，秩次的差值就是上面公式中的di，n就是变量中数据的个数，最后带入公式就可求解结果。

3. kendall correlation coefficient（肯德尔相关性系数）

肯德尔相关性系数，又称肯德尔秩相关系数，它也是一种秩相关系数，不过它所计算的对象是分类变量。分类变量可以理解成有类别的变量，可以分为无序的，比如性别（男、女）、血型（A、B、O、AB）；有序的，比如肥胖等级（重度肥胖，中度肥胖、轻度肥胖、不肥胖）。通常需要求相关性系数的都是有序分类变量。

Ⅳ pearson相关系数和spearman相关系数的区别

通常情况下默认用pearson相关系数，数据分布呈现出不正态时用Spearman相关系数。

如使用spssau系统进行分析，可在相关分析下选择pearson系数或Spearman系数，同时结合智能文字分析可快速对数据进行解读。

Ⅳ SPSS中定类、定序、定距变量间各用什么相关系数来算

一列为连续正态数据，另一列为多分类的数据，用一种叫多系列相关的方法，见王孝玲《教育统计学》手算。印象中SPSS不可以做这种分析，用Lisrel可以。用Excel编写公式。

一列为等级数据，一列为连续数据。如果要求相关系数，请用斯皮尔曼等级相关。如果把等级数据当类别（如果种类不多的话），可以对连续数据进行单因素方差分析。

(5)定序数据相关性的系数有哪些扩展阅读：

其中，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差

复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。

典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性关系的综合指标，再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。

如果有若干个样品，每个样品有n个特征，则相关系数可以表示两个样品间的相似程度。借此，可以对样品的亲疏远近进行距离聚类。例如9个小麦品种(分别用A1,A2,...,A9表示)的6个性状资料见表2，作相关系数计算并检验。

由相关系数计算公式可计算出6个性状间的相关系数，分析及检验结果见表3。由表3可以看出，冬季分蘖与每穗粒数之间呈现负相关(ρ = − 0.8982)，即麦冬季分蘖越多，那么每穗的小麦粒数越少，其他性状之间的关系不显着。

Ⅵ 相关性系数由几种

相关性系数种类首先包括线性的和非线性的，而线性的包括类别型变量的相关系数，顺序型变量相关系数（等级相关系数），数据型相关系数（这个通常就是概率论中提到的相关系数）。非线性相关即曲线相关，通常采用的是Eta系数，你可以在有关社会学统计上看到这些相关系数。

Ⅶ 统计数据类型与对应的相关性分析方法

统计数据类型与对应的相关性分析方法
在统计学中，统计数据主要可分为四种类型，分别是定类数据，定序数据，定距数据，定比变量。
1.定类数据（Nominal）：名义级数据，数据的最低级，表示个体在属性上的特征或类别上的不同变量，仅仅是一种标志，没有序次关系。例如， ”性别“，”男“编码为1，”女“编码为2。定类变量之间的相关系数，只能以变量值的次数来计算，常用λ系数法；2.定序数据（Ordinal）:数据的中间级，用数字表示个体在某个有序状态中所处的位置，不能做四则运算。例如，“受教育程度”，文盲半文盲=1，小学=2，初中=3，高中=4，大学=5，硕士研究生=6，博士及其以上=7。定序变量的相关性测量常用Gamma系数法和Spearman系数法；3.定距数据（Interval）:具有间距特征的变量，有单位，没有绝对零点，可以做加减运算，不能做乘除运算。例如，温度。定距变量的相关性测量常用Pearson系数法；4.定比变量（Ratio）:数据的最高级，既有测量单位，也有绝对零点，例如职工人数，身高。一般来说，数据的等级越高，应用范围越广泛，等级越低，应用范围越受限。不同测度级别的数据，应用范围不同。等级高的数据，可以兼有等级低的数据的功能，而等级低的数据，不能兼有等级高的数据的功能。

Ⅷ 相关分析的定序变量

讨论两个定序变量间的相关的程度与方向。又称等级相关。例如，研究夫妇双方文化程度的相关等。等级相关系数有R系数和γ系数。
R系数 计算方法与简单直线相关系数相同。 式中
X,Y分别为x,y的测量值的等级。
英国统计学家 C.E.斯皮尔曼从R系数中推导出简捷式，称斯皮尔曼等级相关系数：
式中di=xi-yi,i=1,2,…,N（N为次数）。
等级相关系数 R具有与简单直线相关相同的性质：取值范围在〔-1,+1〕之间；R的绝对值愈大，变量间的等级相关程度愈大。
γ系数 适用于资料次数N 很大的情况。
式中Ns为同序对数目，Nd为异序对数目。
同序对表示两个个案(xi,yi)和(xj,yj)相比时,具有xi>xj,则yi>yj的性质;反之,若xi>xj,但yi<yj，则称作一个异序对。
γ系数的取值范围在〔-1,+1〕之间。γ的绝对值愈大，变量间的等级相关程度愈大。

Ⅸ spss中定类变量对定序变量怎么进行相关分

一般定类数据和定序数据间的相关用二列相关或者列联相关，二列相关用于二分数据，列联相关不限于二分数据。二列相关可以直接用积差相关的操作来完成，其实一般的各种相关作为积差相关的特列，其实公式和积差相关的是等价的，也就是无论是定序还是二分变量与连续变量的相关，都可以用积差相关的操作做，结果一样的。

列联相关的公式：

如果是定类数据之间，可以用phi系数、四格相关等

席皮尔曼相关系数为0.389**，代表这个相关系数是0.389，**代表该系数在0.01水平显着（*是0.05水平，***是0.001水平），sig是具体的显着性水平。

Ⅹ excel中还有类似于CORREL函数的其他关于“相关性”的函数么

在EXCEL中，CORREL函数和PERSON函数提供了计算两个变量之间的相关系数的方法，这两个函数是等价的。与相关系数有关的函数还有RSQ（相关系数的平方，即判定系数r2）和COVAR（协方差函数）。

另外，还有相关系数宏、回归分析宏可以分析相关关系。