简单相关分析简单相关分析统计推断的基本步骤如下：(1)提出零假设Ho：两总体之间不存在显著的线性相关，备择假设H1：两总体之间存在显著的线性相关；(2)根据不同的相关系数计算方法，计算相应的统计量；(3)根据统计量得到所对应的相伴概率；(4)用户给定一个显著性水平a。如果相伴概率小于或等于显著性水平a，则拒绝零假设Ho，接受H1认为两总体之间存在显著的线性相关。否则，如果相伴概率大于显著性水平α，则接受零假设Ho，认为两总体之间不存在显著的线性相关
简单相关分析 ◼ 简单相关分析统计推断的基本步骤如下： (1)提出零假设H0：两总体之间不存在显著的线性 相关，备择假设H1：两总体之间存在显著的线性相 关； (2)根据不同的相关系数计算方法，计算相应的统 计量； (3)根据统计量得到所对应的相伴概率； (4)用户给定一个显著性水平α。如果相伴概率小于 或等于显著性水平α，则拒绝零假设H0，接受H1， 认为两总体之间存在显著的线性相关。否则，如果 相伴概率大于显著性水平α，则接受零假设H0，认 为两总体之间不存在显著的线性相关
简单相关分析相关系数：根据不同的数据类型，需要采用不同的相关系数度量变量之间的线性相关关系。比较常用的相关系数有Pearson简单相关系数、Spearman等级相关系数和Kendalltua-b一致性相关系数。下面分别就这三种相关系数进行介绍
简单相关分析 ◼ 相关系数： 根据不同的数据类型，需要采用不同的相关系数 度量变量之间的线性相关关系。比较常用的相关系 数有Pearson简单相关系数、Spearman等级相关系 数和Kendall tua-b一致性相关系数。下面分别就这 三种相关系数进行介绍