您确定要删除吗?

取消
首页 算法大全 应用模型 分析软件 算法学院数据中心 在线体验 关于本站
在线咨询
400-820-6981
意见反馈
返回顶部

一般相关分析

操作系统:
0
  • Windows
  • Linux
版本:
  • 单机版
  • 网络版
  • 分布式云平台
系统位数:
  • 32位
  • 64位
购买年限:
  • 1年
  • 2年
  • 3年
  • 5年
  • 10年
  • 永久

价格¥0.00元

马克威变量相关分析

马克威操作说明

(1)以数据文件“马克威通用数据1.mkw”为例,演示变量相关分析算法的操作。首先,在工作区内,打开建模分析工作流:“基础分析→相关分析→变量相关分析”,接着选择数据源,然后设置算法的参数,最后点击运行按钮。

其中各类参数的含义为:

缺省值排除:选择缺失数据的处理方式,包括成对排除和整行排除两种方式:

成对排除:即参与计算的变量若有缺失,则剔除与之对应的另一个变量,即一次排除一对变量。

整行排除:即一行中若有缺失值,则剔除一行数据,而不考虑有缺失值的变量是否参与计算。

显著检验:包括单尾检验和双尾检验两种。

分析方法:选择所使用的相关分析方法。

选择变量“sodium1”和“sodium2”进行变量相关分析。具体的参数设置如下所示:

图 0-1 变量相关分析-属性设置

(2)输出结果

双击“运行”节点,输出结果:

图 0-2 变量相关分析-树形结果列表 图 0-3 变量相关分析-描述性统计量 图 0-4 变量相关分析-皮尔森相关系数矩阵

(3)结果说明

从皮尔森相关系数矩阵可以看出变量sodium1和变量sodium2有很高的相关性。这是因为它们的相关系数为0.9751,同时P值远小于0.05。所以表明这两个变量之间的相关系数具有统计学的意义。

数据要求

输入变量类型:整型、浮点型

输入数据尺度:标量型、名义型、有序型

算法用途

反映两变量间的简单相关关系。

算法原理

相关系数用于计算反映两变量间的简单相关,包括两个连续变量间的相关和两个等级变量间的秩相关。计算相关系数的方法有三种:分别是皮尔森相关(Pearson)、斯皮尔曼相关(Spearman)、肯德尔相关(Kendall);

皮尔森相关(Pearson):也称为积矩相关系数或动差乘积相关系数,计算Pearson相关系数,适合于变量是连续型变量(又称等间隔测度变量)。

斯皮尔曼相关(Spearman):计算Spearman相关系数,适合于有序变量或不满足正态分布假设的等间隔数据。

肯德尔相关(Kendall):计算Kendall相关系数,适合于有序变量或不满足正态分布假设的等间隔数据。

结果与解释

输出结果

皮尔森相关系数矩阵:相关系数为r,当r=0时,表示不存在线性相关;当0<r≤0.3时,为微弱相关;当0.3<r≤0.5时,为低度相关;当0.5<r≤0.8时,为显著相关;当0.8<r<1时,为高度相关;当r=1时,为完全线性相关。

订购用户 订购时间 年限 运行环境 版本
1302****267 2018-01-09 09:38:57 1年 Windows 单机版
1398****856 2018-01-05 22:35:31 1年 Windows 单机版
1398****741 2017-12-29 09:10:30 1年 Windows 单机版
1398****741 2017-12-29 08:55:32 1年 Windows 单机版
1381****213 2017-12-22 11:21:09 1年 Windows 单机版
1381****213 2017-12-22 11:19:30 1年 Windows 单机版
1556****001 2017-08-10 23:45:25 1年 Windows 单机版
1803****455 2017-05-19 16:13:40 1年 Windows 单机版
1353****909 2017-05-09 09:30:18 1年 Windows 单机版
1381****657 2017-04-07 00:10:41 1年 Windows 单机版
<123>跳至

加入购物车成功!

继续购物 去购物车