|
皮尔逊系数、斯皮尔曼系数、肯德尔系数，这是我们在双变量相关分析中经常使用的三大相关系数。皮尔逊系数使用时有一个基本条件，两变量应满足二元正态分布，否则建议选用斯皮尔曼相关系数。 所以，两个连续数据相关分析前，我们有必要首先进行多元（二元）正态分布的检验。R语言中，我们可以使用mvnormtest包中的mshapiro.test函数完成。 案例数据：雇员数据 本号后台回复【雇员】下载案例数据。  二元正态分布检验 现在我想考察一下初始薪金和当前薪金间的相关性，首先来做二元正态分布检验。 mydata <- t(employee[,6:7]) mshapiro.test函数的参数U要求是每行是变量，每列是个案，因此我们需要t函数做行列转置。 library(mvnormtest)mshapiro.test(mydata) 来看结果： Shapiro-Wilk normality testdata: ZW = 0.70689, p-value < 2.2e-16 多元正态分布的原假设是服从正态分布，经过检验发现，p-value ＜0.001，显然有理由拒绝原假设，说明这两个变量数据不服从二元正态分布。 此时皮尔逊相关系数是不合适的，那我们就用斯皮尔曼系数来反映初始薪金和当前薪金的相关性。 R双变量相关分析 cor.test(x=employee$salbegin,y=employee$salary,method = "spearman") 来看结果： Spearman's rank correlation rho data: employee[, 6] and employee[, 7] S = 3090197, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.8258977 斯皮尔曼显著性检验 p-value ＜0.001，通过检验，说明存在相关性，有统计学意义。二者的相关程度如何呢？ 斯皮尔曼相关系数r=0.826，说明当前薪金和起始薪金间存在较强的正向相关性。 本文完文/图=数据小兵 |
|
|
