统计 > 基本统计量 > 相关 > 选项
方法
选择 Pearson 相关或 Spearman 相关。
Pearson 相关系数
使用 Pearson 相关系数可以检查两个连续变量之间线性关系的强度和方向。Pearson 相关是最常见的相关方法。

例如,工程师可以使用 Pearson 相关系数确定设施温度的升高是否与巧克力涂层的厚度减少有关。

Spearman 相关

如果变量之间的关系不是线性的,则使用 Spearman 相关系数(又称为 Spearman 的 rho)。Spearman 相关度量两个连续或顺序变量之间的单调关系。在单调关系中,变量倾向于沿着相同的相对方向移动,但不一定以恒定的速率移动。在线性关系中,变量沿着相同的方向以恒定的速率移动。有关更多信息,请转到线性、非线性和单调关系

Spearman 相关系数通常用于评估顺序变量之间的关系。如果您的数据是连续的,Minitab 会在执行关联之前对原始数据进行排秩。

例如,管理人员按照员工完成检验练习的顺序对员工进行排秩。管理人员可以使用 Spearman 相关系数来评估员工的排秩是否与他们受雇的月份数相关。

有关更多信息,请转到Pearson 相关方法和 Spearman 相关方法的比较

置信水平
置信水平中,输入置信区间的置信水平。
通常,置信水平为 95% 即可。95% 置信水平表明,如果从总体中随机抽取 100 个样本,则大约 95 个样本的置信区间中将包含相关系数。
对于给定的数据集,置信水平越低,生成的置信区间越窄;置信水平越高,生成的置信区间越宽。样本数量越大,区间的宽度也往往会降低。因此,根据您的样本数量,您可能希望使用 95% 以外的置信水平。
  • 如果样本数量小,95% 置信区间可能太宽而无用。通过使用较低的置信水平(如 90%),将生成较窄的区间。但是,区间中包含相关系数的可能性减小。
  • 如果样本数量很大,可以考虑使用更高的置信水平(如 99%)。对于较大的样本,99% 置信水平仍可生成合理的窄区间,并同时增加区间包含相关系数的可能性。
存储相关矩阵
将相关矩阵存储在工作表中。Minitab 以 CORR1、CORR2 等名称存储每个矩阵。如果您希望在存储矩阵之后显示它,请选择数据 > 显示数据
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策