‘壹’ 相关性用什么检验方法
一．线性相关分析：研究两个变量间线性关系的程度
用相关系数r来描述，关于r的解读：
（1）正相关：如果x,y变化的方向一致，如身高与体重的关系，r>0；一般地，
·|r|>0.95 存在显着性相关；
·|r|≥0.8 高度相关；
·0.5≤|r|<0.8 中度相关；
·0.3≤|r|<0.5 低度相关；
·|r|<0.3 关系极弱，认为不相关
（2）负相关：如果x,y变化的方向相反，如吸烟与肺功能的关系，r<0；
（3）无线性相关：r=0。
如果变量Y与X间是函数关系，则r=1或r=-1；如果变量Y与X间是统计关系，则-1<r<1。
（4）r的计算有三种：
①Pearson相关系数：对定距连续变量的数据进行计算。
②Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据进行排序或对定距变量值排（求）秩。
实际上，对任何类型的变量，都可以使用相应的指标进行相关分析。也就是，有各种参数，对适合它们的变量进行分析。
‘贰’ 濡备綍阃夋嫨钖堥傜殑妫楠屾柟娉曟潵杩涜岀浉鍏崇郴鏁版楠岋纻
鍦ㄨ繘琛岀浉鍏崇郴鏁版楠屾椂锛岄夋嫨钖堥傜殑妫楠屾柟娉曟槸闱炲父閲嶈佺殑銆备互涓嬫槸涓浜涢夋嫨钖堥傛楠屾柟娉旷殑姝ラわ细
1.纭瀹氩彉閲忕被鍨嬶细棣栧厛锛岄渶瑕佺‘瀹氭墍镰旂┒镄勫彉閲忔槸杩炵画鍨嫔彉閲忚缮鏄绂绘暎鍨嫔彉閲忋傚逛簬杩炵画鍨嫔彉閲忥纴鍙浠ヤ娇鐢ㄧ毊灏旈婄浉鍏崇郴鏁版垨鏂镄灏旀浖绛夌骇鐩稿叧绯绘暟锛涘逛簬绂绘暎鍨嫔彉閲忥纴鍙浠ヤ娇鐢ㄧ偣浜屽垪鐩稿叧绯绘暟鎴栧崱鏂圭浉鍏崇郴鏁般
2.纭瀹氭牱链澶у皬锛氭牱链澶у皬涔熸槸阃夋嫨钖堥傛楠屾柟娉旷殑閲嶈佸洜绱犮傚傛灉镙锋湰杈冨皬锛屽彲浠ラ夋嫨浣跨敤t妫楠屾垨F妫楠屾潵姣旇缉涓や釜鍙橀噺涔嬮棿镄勫樊寮傦绂濡傛灉镙锋湰杈冨ぇ锛屽彲浠ヤ娇鐢ㄥ崱鏂规楠屾垨鏂瑰樊鍒嗘瀽𨱒ユ瘆杈冨氢釜鍙橀噺涔嬮棿镄勫樊寮伞
3.纭瀹氭暟鎹鍒嗗竷锛氭暟鎹鍒嗗竷涔熸槸阃夋嫨钖堥傛楠屾柟娉旷殑閲嶈佸洜绱犮傚傛灉鏁版嵁锻堟ｆ佸垎甯冿纴鍙浠ヤ娇鐢ㄥ弬鏁版楠屾柟娉曪纴濡伥妫楠屻丗妫楠屽拰鏂瑰樊鍒嗘瀽锛涘傛灉鏁版嵁涓嶅憟姝ｆ佸垎甯冿纴鍙浠ヤ娇鐢ㄩ潪鍙傛暟妫楠屾柟娉曪纴濡俉ilcoxon绗﹀彿绉╂楠屻丮ann-WhitneyU妫楠屽拰Kruskal-WallisH妫楠屻
4.纭瀹氱爷绌剁洰镄勶细链钖庯纴闇瑕佺‘瀹氱爷绌剁殑鐩镄勬槸浠涔堛傚傛灉镰旂┒镄勭洰镄勬槸姣旇缉涓や釜鍙橀噺涔嬮棿镄勭浉鍏虫э纴鍙浠ラ夋嫨浣跨敤镄灏旈婄浉鍏崇郴鏁版垨鏂镄灏旀浖绛夌骇鐩稿叧绯绘暟锛涘傛灉镰旂┒镄勭洰镄勬槸姣旇缉澶氢釜鍙橀噺涔嬮棿镄勭浉鍏虫э纴鍙浠ラ夋嫨浣跨敤涓绘垚鍒嗗垎鏋愭垨锲犲瓙鍒嗘瀽绛夊氩厓缁熻″垎鏋愭柟娉曘
镐讳箣锛岄夋嫨钖堥傜殑妫楠屾柟娉曢渶瑕佽冭槛澶氢釜锲犵礌锛屽寘𨰾鍙橀噺绫诲瀷銆佹牱链澶у皬銆佹暟鎹鍒嗗竷鍜岀爷绌剁洰镄勭瓑銆傚湪瀹为檯搴旂敤涓锛岄渶瑕佹牴鎹鍏蜂綋𨱍呭喌杩涜岀患钖堣冭槛锛屽苟缁揿悎涓扑笟鐭ヨ瘑鍜岀粡楠岃繘琛岄夋嫨銆
‘叁’ 相关性分析有哪几种方法
在做数据分析时，为了提炼观点，相关性分析是必不可少，而且尤为重要的一个环节。但是，对于不同类型的数据，相关性分析的方法都各不相同。本文，主要按照不同的数据类型，来对各种相关性分析方法进行梳理总结。
相关性分析是指对两个或多个具备相关性的变量元素进行分析，相关性不等于因果性。
一、离散与离散变量之间的相关性
1、卡方检验
卡方检验是一种用途很广的计数资料的假设检验方法。它属于非参数检验的范畴，主要是比较两个及两个以上样本率( 构成比）以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。
它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
（1）假设，多个变量之间不相关
（2）根据假设计算得出每种情况的理论值，根据理论值与实际值的差别，计算得到卡方值 及 自由度
df=(C-1)(R-1)
（3）查卡方表，求p值
卡方值越大，P值越小，变量相关的可能性越大，当P<=0.05，否定原假设，认为变量相关。
2、信息增益 和 信息增益率
在介绍信息增益之前，先来介绍两个基础概念，信息熵和条件熵。
信息熵，就是一个随机变量的不确定性程度。
条件熵，就是在一个条件下，随机变量的不确定性。
（1）信息增益：熵 - 条件熵
在一个条件下，信息不确定性减少的程度。
Gain(Y,X)=H(Y)-H(Y|X)
信息增益越大，表示引入条件X之后，不纯度减少得越多。信息增益越大，则两个变量之间的相关性越大。
（2）信息增益率
假设，某个变量存在大量的不同值，例如ID，引入ID后，每个子节点的不纯度都为0，则信息增益减少程度达到最大。所以，当不同变量的取值数量差别很大时，引入取值多的变量，信息增益更大。因此，使用信息增益率，考虑到分支个数的影响。
Gain_ratio=(H(Y)-H(Y|X))/H(Y|X)
二、连续与连续变量之间的相关性
1、协方差
协方差，表达了两个随机变量的协同变化关系。如果两个变量不相关，则协方差为0。
Cov(X,Y)=E{[X-E(X)],[Y-E(Y)]}
当 cov(X, Y)>0时，表明 X与Y 正相关；
当 cov(X, Y)<0时，表明X与Y负相关；
当 cov(X, Y)=0时，表明X与Y不相关。
协方差只能对两组数据进行相关性分析，当有两组以上数据时就需要使用协方差矩阵。
协方差通过数字衡量变量间的相关性，正值表示正相关，负值表示负相关。但无法对相关的密切程度进行度量。当我们面对多个变量时，无法通过协方差来说明那两组数据的相关性最高。要衡量和对比相关性的密切程度，就需要使用下一个方法：相关系数。
2、线性相关系数
也叫Pearson相关系数， 主要衡量两个变量线性相关的程度。
r=cov(X,Y)/(D(X)D(Y))
相关系数是用协方差除以两个随机变量的标准差。相关系数的大小在-1和1之间变化。再也不会出现因为计量单位变化，而数值暴涨的情况了。
线性相关系数必须建立在因变量与自变量是线性的关系基础上，否则线性相关系数是无意义的。
三、连续与离散变量之间的相关性
1、连续变量离散化
将连续变量离散化，然后，使用离散与离散变量相关性分析的方法来分析相关性。
2、箱形图
使用画箱形图的方法，看离散变量取不同值，连续变量的均值与方差及取值分布情况。
如果，离散变量取不同值，对应的连续变量的箱形图差别不大，则说明，离散变量取不同值对连续变量的影响不大，相关性不高;反之，相关性高。