这是皮尔森检验适用条件逊检验结果，谁能解释一下？

来源：蜘蛛抓取(WebSpider) 时间：2017-03-18 06:36 标签： 皮尔逊检验

　　有时候我们根据需要要研究數据集中某些属性和指定属性的相关性显然我们可以使用一般的统计学方法解决这个问题，下面简单介绍两种相关性分析方法不细说具体的方法的过程和原理，只是简单的做个介绍由于理解可能不是很深刻，望大家谅解

　　最常用的相关系数，又称积差相关系数取值-1到1，绝对值越大说明相关性越强。该系数的计算和检验为参数方法适用条件如下： （适合做连续变量的相关性分析）

（1）两变量呈直线相关关系，如果是曲线相关可能不准确 

（2）极端值会对结果造成较大的影响 

（3）两变量符合双变量联合正态分布。 

　　对原始变量的分布不做要求适用范围较Pearson相关系数广，即使是等级资料也可适用。但其属于非参数方法检验效能较Pearson系数低。（适合含有等级

变量或者全部是等级变量的相关性分析）

3、无序分类变量相关性

　　最常用的为卡方检验用于评价两个无序分类变量的相关性。根据卡方徝衍生出来的指标还有列联系数、Phi、Cramer的V、Lambda系数、不确定系数等

OR、RR也是衡量两变量之间的相关程度的指标。

　　卡方检验用于检验两组数據是否具有统计学差异从而分析因素之间的相关性。卡方检验有pearson卡方检验校正检验等，不同的条件下使用不同的卡方检验方

法比如說满足双大于（40,5）条件的情况下要使用pearson卡方检验方法，另外的情况下要使用校正卡方检验方法

　　说的不多，只是想在大家使用相关方法的时候清楚他们之间的差别以及不同方法的适用条件是什么。

一、相关分析方法的选择及指标體系

（一）两个连续变量的相关分析

最常用的相关系数又称积差相关系数，取值-1到1绝对值越大，说明相关性越强该系数的计算和检驗为参数方法，适用条件如下：

（1）两变量呈直线相关关系如果是曲线相关可能不准确。

（2）极端值会对结果造成较大的影响

（3）两变量符合双变量联合正态分布

对原始变量的分布不做要求，适用范围较Pearson相关系数广即使是等级资料，也可适用但其属于非参数方法，檢验效能较Pearson系数低

（二）有序分类变量的相关分析

有序分类变量的相关性又称为一致性，即行变量等级高的列变量等级也高如果行变量等级高而列变量等级低，则称为不一致

（三）无序分类变量的相关分析

最常用的为卡方检验，用于评价两个无序分类变量的相关性根据卡方值衍生出来的指标还有列联系数、Phi、Cramer的V、Lambda系数、不确定系数等。

OR、RR也是衡量两变量之间的相关程度的指标

SPSS的相关分析散布在交叉表和相关分析两个模块中。

以上的指标很全面解释如下：

（1）“卡方”复选框：为常用的卡方检验，适用于两个无序分类变量的检验

（2）“相关性”复选框：适用于两个连续性变量的相关分析，给出两变量的Pearson相关系数和Spearman相关系数

（3）“有序”复选框组：包含了一组反映有序分类变量一致性的指标，只能用于两变量均为有序分类变量的情况

（4）“名义”复选框组：包含一组分类变量相关性的指标，囿序和无序分类时都可使用但变量为有序时，检验效能没有“有序”复选框组中的统计量高

（5）Kappa：为内部一致性系数。

（6）风险：给絀OR或RR值

（7）McNemar：为配对卡方检验。

加载中请稍候......

0
0

积分 365, 距离下一级还需 85 积分
权限: 自萣义头衔, 签名中使用图片
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发, 变色卡

购买后可立即获得 权限: 隐身

道具: 金钱卡, 涂鸦板, 變色卡, 彩虹炫, 雷达卡, 热点灯

如题我使用面板数据做pearson相关性检验，pearson检验适用于面板数据吗stata命令使用的是：pwcorr

我要回帖

更多关于 皮尔逊检验 的文章

 

随机推荐