解释相关的所有统计量和图形

相关矩阵显示相关值，可度量每对变量之间线性关系的程度。相关值可以介于 -1 和 +1 之间。如果两个变量倾向于同时上升和下降，则相关值为正数。如果一个变量上升而另一个变量下降，则相关值为负数。

使用 Spearman 相关系数可以检查两个连续或顺序变量之间单调关系强度与方向。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。要计算 Spearman 相关，Minitab 将对原始数据进行排秩。然后，Minitab 针对已排秩数据计算相关系数。

强度

相关系数可以是介于 −1 到 +1 之间的值。系数的绝对值越大，变量之间的关系越强。

对于 Spearman 相关，绝对值 1 表明按秩排序的数据呈现完美的线性关系。例如，Spearman 相关系数 −1 表示变量 A 的最高值与变量 B 的最低值相关联，变量 A 的第二最高值与变量 B 的第二最低值相关联，以此类推。

方向

系数的符号指示关系的方向。如果两个变量都倾向于同时上升或下降，则系数为正，代表相关的直线向上倾斜。如果一个变量倾向于在另一个变量下降时上升，则系数为负，代表相关的直线向下倾斜。

下面的几幅图显示具有特定 Spearman 相关系数值的数据，以说明变量之间的关系在强度和方向上的不同模式。

仅根据相关即得出一个变量会导致另一个变量更改的结论绝对不合适。只有进行过适当控制的试验才能确定是否存在因果关系。

使用的行数显示在“方法”表中。它是数据（包括缺失值）行的数量。

当您有缺失值时，使用的行数不等于置信区间计算中使用的实际样本数量。

置信区间提供相关系数的可能值范围。由于样本的随机性，来自总体的两个样本不可能生成相同的置信区间。但是如果将样本重复许多次，则所获得的特定百分比的置信区间或限值会包含未知的相关系数。这些包含相关系数的置信区间或限值的百分比是区间的置信水平。

例如，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 个样本将产生包含相关系数的区间。

上限定义可能大于总体差值的值。下限定义可能小于总体差值的值。

Pearson 相关的置信区间对基础二变量分布的正态性敏感。如果数据偏离正态性，那么，无论样本数量的量值是多少，置信区间都可能不准确。

Spearman 相关的置信区间基于秩，而且对基础二变量分布假设不太敏感。

P 值是一个概率，用来测量否定原假设的证据。p 值越小，否定原假设的证据越充分。

矩阵图是散点图的阵列。矩阵图中的每个散点图会在 x 和 y 轴上绘制一对项目的分值。

解释

使用该矩阵图可直观地评估每个项目或变量组合之间的关系。关系可以是线性或单调关系，也可以都不是。还可以使用矩阵图查找可能会严重影响结果的异常值。有关各种关系类型的更多信息，请转到线性、非线性和单调关系。