大家好，欢迎来到IT知识分享网。
相关系数用于表示两个变量（两组数据）之间的相关关系，结果通常包括两个：相关系数以及显著性水平（p值）。对于相关系数，很多统计学者还为其划分了相关系数区间，例如：0~0.2表示弱相关；0.2~0.5表示中等相关等；但是这种划分经常被发现不同的统计学者（教材）有不同的表示，这是因为这种划分是主观的，仅作为参考之用通常不在严谨的论文中出现。对于显著性水平（p值），这是用于判断相关是否具有统计学意义（具有显著性，也就是可以认为存在相关）的严谨依据。
相关系数的类型非常多，但是众多数据分析书籍都只介绍三种：皮尔森相关系数（Pearson Correlation Coefficient），斯皮尔曼相关系数（Spearman’s Correlation Coefficient），肯达尔相关系数（Kendall‘s Tau）。其实相关系数会随着变量类型（数据类型）的不同而采用不同的相关系数类型，下图是依据数据类型以及变量数目不同对应的相关系数思维导图。
不同的相关系数，其分析原理，计算公式都会存在非常大的差异。接下来作者会逐步介绍各种相关系数的计算公式和运用场景，甚至会包括软件实现过程。
相关系数类型汇总（思维导图版）
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/97290.html
