【www.shanpow.com--热门范文】
相关系数表篇一:相关系数显著性检验表
相关系数显著性检验表
自由度(n-2)
显著性水平
自由度(n-2)
显著性水平
自由度(n-2)
显著性水平
0.05
0.01
0.05
0.01
0.05
0.01
1
0.997
1
16
0.468
0.59
35
0.325
0.418
2
0.95
0.99
17
0.456
0.575
40
0.304
0.393
3
0.878
0.959
18
0.444
0.561
45
0.288
0.372
4
0.811
0.917
19
0.433
0.549
50
0.273
0.354
5
0.754
0.874
20
0.423
0.537
60
0.25
0.325
6
0.707
0.834
21
0.413
0.526
70
0.232
0.302
7
0.666
0.798
22
0.404
0.515
80
0.217
0.283
8
0.632
0.765
23
0.396
0.505
90
0.205
0.267
9
0.602
0.735
24
0.388
0.496
100
0.195
0.254
10
0.576
0.708
25
0.381
0.487
125
0.174
0.228
11
0.553
0.684
26
0.374
0.478
150
0.159
0.208
12
0.532
0.661
27
0.367
0.47
200
0.138
0.181
13
0.514
0.641
28
0.361
0.463
300
0.113
0.148
14
0.497
0.623
29
0.355
0.456
400
0.098
0.128
15
0.482
0.606
30
0.349
0.449
1000
0.062
0.081
相关系数表篇二:各种相关系数介绍与对比
各种相关系数介绍与对比
按照变量的不同测量层次对各种相关系数简单介绍：
1、 定类变量——定类变量 用于测量两个定类变量的相关系数，主要有Lambda 与Tau-y两种。
（1） Lambda（λ）系数分为：对称形式——用于测量两个变量间的关系是对等的，即无自变量与因变量之分。非对称形式——测量两个变量间的关系有自变量与因变量之分。
（2） Tau-y系数：用于测量变量间非对称关系的。
2、 定序变量——定序变量 如果测量两个定序尺度变量间的关系，可用Gamma系数、dyx系数和斯皮尔曼等级相关系数。
（1） Gamma（G）系数：分析两个变量间的对等关系，即无自变量与因变量之分。
（2） dyx系数：等级相关系数，两个变量间的关系是非对称的。
（3） 斯皮尔曼(Spearman)等级相关系数(ρ)：考虑单个个案在两个变量上的等级差异，测量两变量间对等相关关系。
3、 定距变量——定距变量 测量两个定距变量相关系数的最常用指标是皮尔森（Pearson）相关系数（γ）。（要求N≥50而且两个变量的分布应近似于正态分布。）
4、 定类变量——定距变量 两个变量中，自变量为定类变量，因变量为定距变量时，采用相关比率来测量两者间相关程度。（又称eta平方系数 E）
5、 定类变量——定序变量 对一个定类变量例如性别，与一个定序变量例如收入水平关系的分析：第一，用theta系数（θ），专门测量定类变量与定序变量间关系有无和强度，非对称关系。
第二，采用λ系数和Tau-y系数，即将定序变量作为定类变量处理。
6、 定序变量——定距变量 处理一个定序变量例如教育水平，与一个定距变量如年均收入之间的关系，采用二种办法：
第一， 将定序变量看作定类变量，采用相关比例测量法。
第二， 将定序变量看作定距变量，采用γ相关系数。
小结：在分析两个变量关系时，选择哪种相关系数，主要考虑两个方面：
1、 变量的测量层次；
2、 变量关系的类别，即是对等的还是非对称的。
相关系数表篇三:用Excel做数据分析——相关系数与协方差
化学合成实验中经常需要考察压力随温度的变化情况。某次实验在两个不同的反应器中进行同一条件下实验得到两组温度与压力相关数据，试分析它们与温度的关联关系，并对在不同反应器内进行同一条件下反应的可靠性给出依据。
相关系数是描述两个测量值变量之间的离散程度的指标。用于判断两个测量值变量的变化是否相关，即，一个变量的较大值是否与另一个变量的较大值相关联(正相关)；或者一个变量的较小值是否与另一个变量的较大值相关联(负相关)；还是两个变量中的值互不关联(相关系数近似于零)。设(X,Y)为二元随机变量，那么:
为随机变量X与Y的相关系数。p是度量随机变量X与Y之间线性相关密切程度的数字特征。
注:本功能需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，请依次选择“工具”-“加载宏”，在安装光盘中加载“分析数据库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项。
操作步骤
1. 打开原始数据表格，制作本实例的原始数据需要满足两组或两组以上的数据，结果将给出其中任意两项的相关系数。
2. 选择“工具”-“数据分析”-“描述统计”后，出现属性设置框，依次选择:
输入区域:选择数据区域，注意需要满足至少两组数据。如果有数据标志，注意同时勾选下方“标志位于第一行”；
分组方式:指示输入区域中的数据是按行还是按列考虑，请根据原数据格式选择；
输出区域可以选择本表、新工作表组或是新工作簿；
3.点击“确定”即可看到生成的报表。
可以看到，在相应区域生成了一个3×3的矩阵，数据项目的交叉处就是其相关系数。显然，数据与本身是完全相关的，相关系数在对角线上显示为1；两组数据间在矩阵上有两个位置，它们是相同的，故右上侧重复部分不显示数据。左下侧相应位置分别是温度与压力A、B和两组压力数据间的相关系数。
从数据统计结论可以看出，温度与压力A、B的相关性分别达到了0.95和0.94，这说明它们呈现良好的正相关性，而两组压力数据间的相关性达到了0.998，这说明在不同反应器内的相同条件下反应一致性很好，可以忽略因为更换反应器造成的系统误差。
协方差的统计与相关系数的活的方法相似，统计结果同样返回一个输出表和一个矩阵，分别表示每对测量值变量之间的相关系数和协方差。不同之处在于相关系数的取值在 -1 和 +1 之间，而协方差没有限定的取值范围。相关系数和协方差都是描述两个变量离散程度的指标。
