线性相关系数总结

本文主要是介绍线性相关系数总结，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

1. 定量资料相关

1.1 . Pearson相关系数

正态分布，定量资料的线性关系

1.2. Spearman相关系数

非正态分布的定量资料或等级资料间的相关性。

1.3. 偏相关

是去掉其它因素的混杂，是两个变量间的“纯正”线性关系。

DATA example6_1;
INPUT bmi Le fbg;
datalines;
19.19 4.21 5.1O
21.10 4.25 5.10
20.56 4.34 5.10
22.15 4.51 5.70
22.19 4.72 5.30
19.56 4.79 5.60
26.64 4.80 5.10
25.80 1.97 5.60
21.88 5.01 5.70
21.08 5.11 5.10
25.25 5.23 5.90
25.59 5.25 5.00
23.23 5.28 5.80
21.17 5.83 5.90
27.44 5.89 5.08
27.18 6.05 5.70
27.46 6.07 5.90
28.93 6.17 6.20
24.49 6.68 5.90
;

ods html;
proc corr data = example6_1;
var bmi le fbg;
with le;
partial le;
run;

with le;是和le两两比较。

patial le；是去掉le这个混杂作用。

2. 分类资料的相关

Phi系数两个二元变量(dichotomous variable)的关联性度量。

coefficient of contingency列连相关系数：主要用于大于2×2列联表的情况。

上面两个直接 freq / chisq就可以得出来。

一致性系数：table  / agree主要是说两次测量间的相关性。与之一起打印出来的 Mc Nemar’s test（差异性检验），Bowker’s test of symmetry（symmetry检验）；

这篇关于线性相关系数总结的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！