Pearson相关系数的计算 o英国统计学家 Pearson提出的一种计算直 线相关的方法,又积差相关 o计算公式—两要素x与y的样本值分别为 x和y;(i=1,2,…,n),则相关系数: (x1-x)(y1-y) (y1-y)
Pearson相关系数的计算 英国统计学家Pearson提出的一种计算直 线相关的方法，又积差相关 计算公式——两要素x与y的样本值分别为 xi和yi（i=1，2，…，n)，则相关系数：
为什么要进行相关系数显著性检验? o相关系数是根据n个样本值计算出来的,它代表这n 样本的相关系数,与总体相关系数是有差别 o相关系数显著性检验:判断样本相关系数能否代表 总体相关系数 样本相关系数 样本A 样本B 随机抽样 显著性检验 随机抽样 总体A 总体B 总体相关系数
为什么要进行相关系数显著性检验？ 相关系数是根据n个样本值计算出来的，它代表这n 样本的相关系数，与总体相关系数是有差别 相关系数显著性检验：判断样本相关系数能否代表 总体相关系数 总体A 总体B 样本相关系数 样本A 样本B 随 机 抽 样 随 机 抽 样 显 著 性 检 验 总体相关系数
显著性检验涉及的参数 o显著性水平a:不相关期望概率,一般人为设定。表示 希望a×100%的概率不相关,或(1-a)×100%概率相关 统计量:R、T、F o自由度:统计量中包含独立变量的个数f=n-k o统计变量的伴随概率P:实际不相关的概率。表示实际 有P×100%的概率不相关,或(1-P)×100%概率相关 (查表获得) oa×100%的概率不相关的临界统计量:Ra、Ta、Fa(查 表获得) 检验方法一:伴随概率<显著水平 检验方法二:统计量>临界统计量
显著性检验涉及的参数 显著性水平a：不相关期望概率，一般人为设定。表示 希望a×100%的概率不相关，或（1-a）×100%概率相关 统计量：R、T、F 自由度：统计量中包含独立变量的个数 f=n-k-1 统计变量的伴随概率P：实际不相关的概率。表示实际 有P×100%的概率不相关，或（1-P）×100%概率相关 （查表获得） a×100%的概率不相关的临界统计量：Ra、Ta、Fa（查 表获得） 检验方法一：伴随概率<显著水平 检验方法二：统计量>临界统计量
方法一:伴随概率<显著水平 o指定显著性水平a o计算统计量 变量类型不同,相关系数计算方法不同,统计量选择也不同 确定自由度:统计量中包含独立变量的个数f=n-k-1 o根据统计量和自由度→伴随概率值P o决策 P<指定显著水平a,通过显著性检验,认为两总体相关 P>指定显著水平a,不通过显著性检验,认为两总体不相关
方法一：伴随概率<显著水平 指定显著性水平a 计算统计量 变量类型不同，相关系数计算方法不同，统计量选择也不同 确定自由度：统计量中包含独立变量的个数 f=n-k-1 根据统计量和自由度→伴随概率值P 决策 P < 指定显著水平a，通过显著性检验，认为两总体相关 P > 指定显著水平a，不通过显著性检验，认为两总体不相关
方法二:统计量>临界统计量 o指定显著性水平a o计算统计量 o确定自由度:统计量中包含独立变量的个数f=n-k-1 o根据显著性水平和自由度→相关统计变量的临界统计量 o决策 统计量>临界统计量,通过显著性检验,认为两总体相关 统计量<临界统计量,不通过显著性检验,认为两总体不相关
方法二：统计量>临界统计量 指定显著性水平a 计算统计量 确定自由度：统计量中包含独立变量的个数 f=n-k-1 根据显著性水平和自由度→相关统计变量的临界统计量 决策 统计量 > 临界统计量，通过显著性检验，认为两总体相关 统计量 < 临界统计量，不通过显著性检验，认为两总体不相关