minitab中相关系数与P值概念.docx

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
相关系数与 P 值的一些基本概念 注:在期末论文写作过程中,关于相关系数与假设检验结果的表达方式,出现了一些概念 问题。这篇文档的内容是对一些相关资料进行整理后的结果,供感兴趣的同学参考。如果 需要更确切的定义,请进一步参阅统计分析类的教材。 1. 相关系数 常用 Pearson s correlation coefficien,t 计算公式与传统概念上的相同,即: 常用常用符号 r 表示。 -1≤ r≤ 1 常用 如果用于评估数据点与拟合曲线间的关联程度, 则一般用相关系数的平方值表示, 符号为 R2, 0 R2 1 典型示例如下图。 R2 相差不大,但显然数据规律完全不同。因此,一般需要结合拟合 曲线图表给出 R2 ,才有参考价值。 (1) r0, 正相关。 x 增大, y 倾向于增大; (2) r0, 负相关。 x 增大, y 倾向于减小; (3) r=0, 不相关。 x 增大, y 变化无倾向性; 相关系数另一方面的应用是用来评估两组数据之间相互关联的程度,简单来说, 就是判断一下两参量之间是否“相关”,有 3 种可能的情况,如下面的图所示。此时的相关系数一般用r 取值的例子。r 表示。下图给出了不同 相关系数另一方面的应用是用来评估两组数据之间相互关联的程度, 简单来说, 就是判 断一下两参量之间是否“相关” ,有 3 种可能的情况,如下面的图所示。 此时的相关系数一般用 r 取值的例子。 r 表示。下图给出了不同 显然,如果只是用来判断两参量之间的关联”性质,r=-0.70与r=0.70 应该是相同的。 显然,如果只是用来判断两参量之间的 所以也可用(常见) r 的绝对值表达。用文字表述“关联”程度时,可参考下面的取值范围 其中, 其中, n 为样本数, 建议: 需要注意的是,这种相关系数的计算方法给出的 r 值,实际上反映的是“线性相关”的 程度,如果两者虽然相关,但不是线性的,很可能给出不是很靠得住的结果,观察下面的例 子。 左下角图中, 两参量显然相关, 但“线性” 程度不够, 所以 Pearsoncso rrelation coefficient 只有 0.88 。 另外一种相关系数的计算方法, Spearman correlation coefficient ,用来评估两参量之间 的“单调相关性” 。如上面左下角图中的 Spearman 相关系数 =1。Spearman correlation coefficient 计算公式为: 面的图是一些例子: 2. P 值( p-values) 2. P 值( p-values) P 值是配对t检验 (paired t-test) 计算过程中得到的结果。用来评估前面所述相关程度计 算结果的“显著程度” 。在常用统计软件 SPSS中, P 值( p-value ,有时显示为 Sig-value ) 的计算是建立在如下两个假设基础上的: 无效假设( null hypothesis ) H0: r 0 ,两参量间不存在“线性”关联。 备择假设( alternative hypothesis ) H1: r 0 ,两参量间存在“线性”关联。 如果计算出的 P值很小, 比如为 0.001,则可说“有非常显著的证据拒绝 H0假设,相信 H1 假设,即两参量间存在显著的线性关联” 。 P 值的数值大小没有统计意义, 只是将其与某一个阈值进行比对, 以得到二选一的结论。 关于 P 值的判断阈值,可参照下面给出的建议: 典型的阈值取为 0.05( 5%)。因此判断规则如下: P≤ 0.05, 拒绝无效假设,接受备择假设,即“存在显著的线性关联” P0.05, 拒绝无效假设失败。 如果不是这样,,从而得出上面所给出的判断方式中, 确切的结论是以 “p≤阈值” 为标准的, 而是“ p 如果不是这样, ,从而得出 P值只用于二值化判断,因此不能说 P值=0.06 比 0.07 “更好”。 为更好地理解,下面给出例子。 两参量 Hb、PCV ,经 SPSS软件计算得到如下结果: 结论可表达为;“对于所采集到的 14个样本值, 计算了两参量 Hb、PCV之间的 Pearson 相关系数,两参量之间存在显著正相关( 相关系数,两参量之间存在显著正相关( r=0.88, N=14, p0.001 )”。 需要注意的是, 相关程度未必能够代表两参量之间存在因果关系。 比如上面的例子, 只 能说明 Hb、 PCV之间存在关联,而不是“ Hb导致 PCV变化”。 这种统计分析的结论, 与具体的实验设计方式关系很大, 需要特别关注是否存在一些隐 藏在数据背后的因素。下面是一个极端一些的例子,分析儿童足底长度( footlength )与阅 读能力 (reading ability) 之间的

文档评论(0)

capt + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档