数学建模笔记（四）相关系数
文章目录
前言
此系列文章主要记录在学习数学建模过程中的知识点和自己的理解，如果出错请多多指正。
学习的教材和资源主要来源与清风的讲解视频，想全面了解可移步清风：清风：数学建模算法、编程和写作培训的视频课程以及Matlab等软件教学 ·
一、相关系数？
相关系数，顾名思义，即用来衡量两个变量之间的相关性的大小
在这我们主要讨论两种相关系数：皮尔逊pearson相关系数和斯皮尔曼spearman等级相关系数
在介绍以下相关系数之前，先介绍两个基础概念
样本和总体
总体——所要考察对象的全部个体叫做总体.我们总是希望得到总体数据的一些特征（例如均值方差等）
样本———从总体中所抽取的一部分个体叫做总体的一个样本.
计算这些抽取的样本的统计量来估计总体的统计量：
例如使用样本均值、样本标准差来估计总体的均值（平均水平）和总体的标准差（偏离程度）。
二、皮尔逊Pearson相关系数
皮尔逊相关系数其实就为我们在概率论中学习的定义的相关系数，不过我们在这划分了两类，一类为总体皮尔逊相关系数，一类为样本皮尔逊相关系数。
注意事项
我们这里所说的皮尔逊相关系数，是用来衡量两个变量之间的线性相关程度的指标；
也就是说，只有确认两个变量是线性相关，才可以使用这个相关系数，去判断两个变量线性相关的程度。
如上例，很明显温度应该和冰淇淋的销量是有一定的关系的，但通过相关系数公式计算处理，其相关系数为0
不过在事实上，比起相关系数的大小，我们更关注的是显著性——引出假设检验
三、对皮尔逊相关系数进行假设检验
第一步：提出原假设H0和备择假设H1，假设我们计算出一个皮尔逊相关系数r，我们想检验它是否显著异于0（相关系数显著异于0说明越相关）。则我们的原假设为H0：r = 0，H1：r ≠ 0
第二步：在原假设成立的条件下，利用我们要检验的量构造一个符合某一分布的统计量，
第三步：将我们要检验的量带入这个统计量，可以得到一个特定的值（检验值）
第四步：由于我们知道统计量的分布情况，我们可以画出概率密度函数，并给定一个置信水平，根据这个置信水平，查表得到统计量的接受域和拒绝域。
常见的置信水平有三个：90%，95%和99%
第五步：看我们计算出来的统计量是落在了接受域还是拒绝域，最后来下结论。
这里为什么要假设检验：依照我的理解，仅仅计算相关系数没法代表两个数据间的相关性，而我们应该通过假设检验去从说明数据的显著性水平，从而去说明数据之间的相关性。
皮尔逊相关系数假设检验的条件
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。
那么我们要用皮尔逊相关系数，就意味着我们先要验证我们的数据是正态分布的，下面给出常用的两种方法检验数据是否满足正态分布。
正态分布JB检验（大样本 n>30）
那么我们就可以用上面的假设检验来验证
1）H0：该随机变量服从正态分布，H1:该随机变量不服从正态分布
2）计算检验变量的峰度和偏度，得到检验值JB，并计算其检验值，最后看是否落拒绝域内。
这里简单说一下偏度和峰度
偏度：正态分布的对称轴对于的x坐标
峰度：正态分布的最高点
小样本3≤n≤50：Shapiro-wilk检验
我们仿照JB检验的步骤，只是把统计量换成了威尔克统计量
一般上述的两种检验方法我们都可以通过SPSS软件帮我们对数据进行检验（会在后续的文章中介绍软件的使用
四、斯皮尔曼spearman相关系数
我们除了用皮尔逊相关系数以外，我们还可以使用斯皮尔曼相关系数，与皮尔逊相关系数不同的是
1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以， 就是效率没有pearson相关系数高。
2.上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。
3.两个定序数据之间也用spearman相关系数，不能用pearson相关系数。
定序数据是指仅仅反映观测对象等级、顺序关系的数据，是由定序尺度计量
形成的，表现为类别，可以进行排序，属于品质数据。
例如优良差等
斯皮尔曼相关系数的定义如下
我们使用斯皮尔曼相关系数时，同样也是通过假设检验的方法来确定数据的显著性水平的，下面就不再举例。
总结
相关系数主要分为两种，皮尔逊相关系数和斯皮尔曼相关系数，在使用时，我们要注意二者之间的区别和使用条件。
我们应该利用假设检验的方法来验证数据的相关性，单纯的相关系数无法反应数据之间的关系。
后续会写一些具体计算相关系数的文章。