什么是两变量间相关系数r？

1. 什么是两变量间相关系数r？

相关系数r的计算公式是ρXY=Cov(X，Y)/√［D(X)]√［D(Y)]。
公式描述：公式中Cov(X，Y)为X，Y的协方差，D(X)、D(Y)分别为X、Y的方差。
若Y=a+bX，则有：
令E(X) =μ，D(X) =σ。
则E(Y) = bμ＋a，D(Y) = bσ。
E(XY) = E(aX + bX) = aμ＋b(σ＋μ）。
Cov(X，Y) = E(XY)−E(X)E(Y) = bσ。

变量间的这种相互关系，称为具有不确定性的相关关系。
⑴完全相关：两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，即函数关系。
⑵不完全相关：两个变量之间的关系介于不相关和完全相关之间。
⑶不相关：如果两个变量彼此的数量变化互相独立，没有关系。

2. 如何计算相关系数r的值？

相关系数r的计算公式是ρXY=Cov(X，Y)/√［D(X)]√［D(Y)]。
公式描述：公式中Cov(X，Y)为X，Y的协方差，D(X)、D(Y)分别为X、Y的方差。
若Y=a+bX，则有：
令E(X) =μ，D(X) =σ。
则E(Y) = bμ＋a，D(Y) = bσ。
E(XY) = E(aX + bX) = aμ＋b(σ＋μ）。
Cov(X，Y) = E(XY)−E(X)E(Y) = bσ。

变量间的这种相互关系，称为具有不确定性的相关关系。
⑴完全相关：两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，即函数关系。
⑵不完全相关：两个变量之间的关系介于不相关和完全相关之间。
⑶不相关：如果两个变量彼此的数量变化互相独立，没有关系。

3. 如何计算相关系数r值？

常见的相关系数为简单相关系数，简单相关系数又称皮尔逊相关系数或者线性相关系数。线性相关系数计算公式如图所示：


r值的绝对值介于0～1之间。通常来说，r越接近1，表示x与y两个量之间的相关程度就越强，反之，r越接近于0，x与y两个量之间的相关程度就越弱。

线性相关系数性质：
(1)定理: | ρXY | = 1的充要条件是，存在常数a，b，使得P{Y=a+bX}=1。
相关系数ρXY取值在-1到1之间，ρXY = 0时。
称X,Y不相关; | ρXY | = 1时，称X,Y完全相关，此时，X,Y之间具有线性函数关系; | ρXY |  0.8时称为高度相关，当 | ρXY | < 0.3时称为低度相关，其它时候为中度相关。
(2)推论:若Y=a+bX，则有。
证明: 令E(X) = μ，D(X) = σ。
则E(Y) = bμ + a，D(Y) = bσ。
E(XY) = E(aX + bX) = aμ + b(σ + μ)。
Cov(X,Y) = E(XY) − E(X)E(Y) = bσ。
若b≠0，则ρXY ≠ 0。
若b=0，则ρXY = 0。

4. 如何计算相关系数r?

相关系数r的计算公式如图：

其中Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。
扩展资料：
相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1。
当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。
参考资料来源：百度百科-相关系数

5. 如何计算相关系数r？

相关系数r的计算公式如图：

其中Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。
扩展资料：
相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1。
当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。
参考资料来源：百度百科-相关系数

6. 相关系数r的计算

常见的相关系数为简单相关系数，简单相关系数又称皮尔逊相关系数或者线性相关系数，其定义式为：

r值的绝对值介于0～1之间。通常来说，r越接近1，表示x与y两个量之间的相关程度就越强，反之，r越接近于0，x与y两个量之间的相关程度就越弱，一般认为：

扩展资料:
相关系数的缺点:
需要指出的是，相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。
因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。
因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。

7. 如何计算两个变量之间或两组变量之间的相关系数

　　两个变量之间的相关系数，可以在SPSS中的correlation中计算得到。两组变量之间的相关系数如何计算呢？专研了一天，还是从竹庄家的网页里获得了最多的知识。

　　以下为转贴：

　　计算两组变量之间相关系数的最好（即最容易也最准确）方法是用LISREL、AMOS等结构方程模型（SEM）。如果A1－A3是一个潜在因子、B1－B5是另一个潜在因子。SEM可以同时检验这两个潜在因子内部各观测变量是否相关以及两个因子之间是否相关。

　　如果你没学过SEM而只想在SPSS里做，有几种变通方法，但是都比较麻烦一点，其结果略有差别。

　　一、因子分析（EFA）：先分别对A1－A3和B1－B5做因子分析、并从中生成两个因子、最后在相关分析中计算因子之间的相关系数。如果这两组变量（尤其是B1－B5）每组各自存在2个或更多的因子，就有问题了。（当然，如果这种情况发生，用其它方法同样也会有问题。）

　　二、General Linear Model（GLM）：选"Multivariate", 将A1-A3放入"Dependent Variables"、B1－B5放入"Covariate(s)"，执行后在“Test of Between-Subjects Effects"的表底部，找到对应于A1-A3的三个"R Squared" ，求其平均，再求其平方根(squared root），就是两组变量的相关系数了。

　　三、在MANOVA里启用其Canonical Correlation，SPSS菜单中已找不到MANOVA了，要写如下的syntax：

　　MANOVA a1 a2 a3 WITH b1 b2 b3 b4 b5
　　/DISCRIM ALL ALPHA(1)
　　/PRINT=SIG(EIGEN DIM)

　　其产生很多个表格，最后的“Analysis of  Variance -- design 1：Estimates of effects for canonical variables”给出了类似GLM的R Squared，然后再求平方根 

　　四、如果使用SPSS15，它提供了一个"Canonical Correlations.sps"的syntax，可以调用，其结果的解读如上。

8. 如何计算两组变量之间的相关系数

　　两个变量之间的相关系数，可以在SPSS中的correlation中计算得到。两组变量之间的相关系数如何计算呢？专研了一天，还是从竹庄家的网页里获得了最多的知识。

　　以下为转贴：

　　计算两组变量之间相关系数的最好（即最容易也最准确）方法是用LISREL、AMOS等结构方程模型（SEM）。如果A1－A3是一个潜在因子、B1－B5是另一个潜在因子。SEM可以同时检验这两个潜在因子内部各观测变量是否相关以及两个因子之间是否相关。

　　如果你没学过SEM而只想在SPSS里做，有几种变通方法，但是都比较麻烦一点，其结果略有差别。

　　一、因子分析（EFA）：先分别对A1－A3和B1－B5做因子分析、并从中生成两个因子、最后在相关分析中计算因子之间的相关系数。如果这两组变量（尤其是B1－B5）每组各自存在2个或更多的因子，就有问题了。（当然，如果这种情况发生，用其它方法同样也会有问题。）

　　二、General Linear Model（GLM）：选"Multivariate", 将A1-A3放入"Dependent Variables"、B1－B5放入"Covariate(s)"，执行后在“Test of Between-Subjects Effects"的表底部，找到对应于A1-A3的三个"R Squared" ，求其平均，再求其平方根(squared root），就是两组变量的相关系数了。

　　三、在MANOVA里启用其Canonical Correlation，SPSS菜单中已找不到MANOVA了，要写如下的syntax：

　　MANOVA a1 a2 a3 WITH b1 b2 b3 b4 b5
　　/DISCRIM ALL ALPHA(1)
　　/PRINT=SIG(EIGEN DIM)

　　其产生很多个表格，最后的“Analysis of  Variance -- design 1：Estimates of effects for canonical variables”给出了类似GLM的R Squared，然后再求平方根 

　　四、如果使用SPSS15，它提供了一个"Canonical Correlations.sps"的syntax，可以调用，其结果的解读如上。