很少有人會記得相關性分析是學校統計課上的一個主題，但大多數洞察專業人士都知道它是數據分析的主要內容。這篇文章為大家帶來芝加哥大學統計學相關分析課程學習技巧。

一、相關分析的定義

相關分析是一種統計方法，用于發現兩個變量/數據集之間是否存在關系，以及這種關系的強度如何。

就市場研究而言，這意味著相關分析用于分析從調查和民意測驗等研究方法中收集的定量數據，以確定兩者之間是否存在任何重要聯系、模式或趨勢。

從本質上講，相關性分析用于發現數據集中的模式。正相關結果意味著兩個變量的相關性都在增強，而負相關性則意味著一個變量減少，另一個變量就會增加。

二、相關系數

通常有三種不同的統計相關性排序方法，分別是斯皮爾曼(Spearman)、肯德爾(Kendall)和皮爾森(Pearson)。每種系數都會以 "r "表示最終結果。斯皮爾曼等級和皮爾遜系數是最廣泛使用的兩種分析公式，具體取決于研究人員所掌握的數據類型：

三、斯皮爾曼等級相關系數

該系數用于檢驗兩個數據集之間是否存在顯著關系，其假設條件是所使用的數據是序數，這意味著數字并不表示數量，而是表示受試者所處的位置(如第 1、第 2、第 3 等)。

該系數需要一個數據表，其中顯示原始數據、數據的等級以及兩個等級之間的差異。兩個等級之間的平方差將顯示在散點圖上，該圖將清楚地顯示兩個變量之間是正相關、負相關還是完全不相關。該系數的限制條件是-1≤r≤+1，如果結果為 0，則表示數據之間沒有任何關系。

四、皮爾遜積冪系數

這是最廣泛使用的相關分析公式，它衡量的是兩個變量的原始數據之間 "線性 "關系的強度，而不是它們的等級。這是一個無量綱系數，這意味著使用該公式進行分析時無需考慮與數據相關的界限，這也是該系數成為研究人員首先嘗試的公式的原因。

但是，如果數據之間的關系不是線性的，那么這個特定的系數就不能準確地表示兩個變 量之間的關系，這時就必須改用斯皮爾曼等級系數。皮爾遜系數要求必須將相關數據輸入一個與斯皮爾曼等級類似的表格，但不帶等級，得出的結果將是所有相關系數(包括斯皮爾曼等級和皮爾遜系數)都會得出的數字形式：-1 ≤ r ≤+1。

五、何時使用

上述兩種方法應根據所收集的數據是否有相關參數來使用。需要注意的兩個術語是

參數法：(皮爾遜系數)必須根據種群或概率分布的參數來處理數據。通常用于已設定參數的定量數據。

非參數：(斯皮爾曼等級)無法對概率分布做出假設。通常用于定性數據，但如果斯皮爾曼秩證明不夠充分，也可用于定量數據。

在兩者都適用的情況下，統計學家建議使用參數方法，如皮爾遜系數，因為它們往往更精確。但這并不意味著如果沒有足夠的數據或需要更精確的結果，就不使用非參數方法。

海馬課堂專業課程輔導，2100+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。