描述性統計

一，計算各個變量的最大值，最小值，均值，方差，偏度，峰度等統計量

使用工具：SPSS

步驟一：將數據導入SPSS

步驟二：點擊分析-描述統計-描述-導入各個變量-點擊選項并勾選統計量

樣圖：

計算皮爾遜相關系數

重點！！！

1，皮爾遜相關系數的作用：衡量兩個變量之間的相關性的大小！！

2，皮爾遜相關系數的誤區如圖：

二，繪制各個變量之間的散點圖

使用工具：SPSS

步驟一：點擊圖形舊對話框 ‐ 散點圖/點圖 ‐ 矩陣散點圖

樣圖：

三，觀察具有線性相關性的變量，并計算皮爾遜系數

使用工具：Matlab

步驟一：修改數據文件的格式為mat或m文件。

步驟二：加載數據到Matlab

步驟三：使用corrcoef函數計算出相關系數矩陣R，R?=?corrcoef(Test);

樣圖：

四，將相關系數矩陣導出并美化

使用工具：Excel

步驟一：在開始‐格式中調整每個單元格的格式為正方形

步驟二：在對齊方式中設置兩個居中

步驟三：選中相關系數表，開始‐條件格式‐色階‐選中紅‐白‐藍

步驟四：選中相關系數表，選擇條件格式‐管理規則‐編輯規則

樣圖：

皮爾遜相關系數的顯著性假設檢驗

一，皮爾遜相關系數假設檢驗的條件

條件一：實驗數據成對來自于正態分布的總體

條件二：實驗數據不能差距過大

條件三：每組樣本之間是獨立抽樣

二，針對樣本數據進行正態檢驗

1，正態分布JB檢驗（大樣本，n>30）

使用軟件：Matlab

步驟一：計算隨機變量的偏度和峰度

步驟二：JB檢驗的語法：[h,p]?=?jbtest(x,alpha)

當輸出h等于1時，表示拒絕原假設；h等于0則代表不能拒絕原假設。

alpha就是顯著性水平，一般取0.05，此時置信水平為1‐0.05=0.95

x就是我們要檢驗的隨機變量，注意這里的x只能是向量。

步驟三：寫循環，依次檢驗各個隨機變量

2，正態分布Shapiro‐wilk夏皮洛‐威爾克檢驗（小樣本，0

使用軟件：SPSS

步驟如下圖：

3，通過繪制QQ圖，進行隨機變量的正態性檢驗

使用軟件：Matlab

步驟一：

圖形解釋：只需觀察Q‐Q圖上的點，是否近似地在一條直線附近！（大樣本）

三，當樣本數據滿足正態分布，則進行皮爾遜相關系數檢驗

使用軟件：Matlab

步驟一：提出原假設和備擇假設

步驟二：在原假設成立前提下，構建統計量及其分布

步驟三：根據統計量，計算檢驗值

步驟四：計算P值

步驟五：判斷P值和顯著性水平α

注意：0.5、0.5*?、0.5**、0.5***的含義為顯著性標記

注意：步驟四和步驟五可用下圖代碼代替

樣圖展示：

后續還有各種模型的操作和總結！建模軟件采用matlab，Stata，SPSS！大量截圖來自于清風老師的手稿和講義。后續不定期更新。

總結

以上是生活随笔為你收集整理的数学建模之相关性分析1的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。