R語言二元正態(tài)分布及雙變量相關(guān)分析的示例分析

發(fā)布時間：2021-11-22 09:58:48 來源：億速云閱讀：497 作者：柒染欄目：大數(shù)據(jù)

R語言二元正態(tài)分布及雙變量相關(guān)分析的示例分析，相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

皮爾遜系數(shù)、斯皮爾曼系數(shù)、肯德爾系數(shù)，這是我們在雙變量相關(guān)分析中經(jīng)常使用的三大相關(guān)系數(shù)。皮爾遜系數(shù)使用時有一個基本條件，兩變量應(yīng)滿足二元正態(tài)分布，否則建議選用斯皮爾曼相關(guān)系數(shù)。

所以，兩個連續(xù)數(shù)據(jù)相關(guān)分析前，我們有必要首先進(jìn)行多元（二元）正態(tài)分布的檢驗。R語言中，我們可以使用mvnormtest包中的mshapiro.test函數(shù)完成。

案例數(shù)據(jù)：雇員數(shù)據(jù)

本號后臺回復(fù)【雇員】下載案例數(shù)據(jù)。

二元正態(tài)分布檢驗

現(xiàn)在我想考察一下初始薪金和當(dāng)前薪金間的相關(guān)性，首先來做二元正態(tài)分布檢驗。

     
   
   
   mydata <- t(employee[,6:7])

mshapiro.test函數(shù)的參數(shù)U要求是每行是變量，每列是個案，因此我們需要t函數(shù)做行列轉(zhuǎn)置。

     
   
   
   library(mvnormtest)  
    
    mshapiro.test(mydata)

來看結(jié)果：

Shapiro-Wilk normality test

data: Z

W = 0.70689, p-value < 2.2e-16

多元正態(tài)分布的原假設(shè)是服從正態(tài)分布，經(jīng)過檢驗發(fā)現(xiàn)，p-value ＜0.001，顯然有理由拒絕原假設(shè)，說明這兩個變量數(shù)據(jù)不服從二元正態(tài)分布。

此時皮爾遜相關(guān)系數(shù)是不合適的，那我們就用斯皮爾曼系數(shù)來反映初始薪金和當(dāng)前薪金的相關(guān)性。

R雙變量相關(guān)分析

     
   
   
   cor.test(x=employee$salbegin,y=employee$salary,method = "spearman")

來看結(jié)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

斯皮爾曼顯著性檢驗 p-value ＜0.001，通過檢驗，說明存在相關(guān)性，有統(tǒng)計學(xué)意義。二者的相關(guān)程度如何呢？

斯皮爾曼相關(guān)系數(shù)r=0.826，說明當(dāng)前薪金和起始薪金間存在較強(qiáng)的正向相關(guān)性。

看完上述內(nèi)容，你們掌握R語言二元正態(tài)分布及雙變量相關(guān)分析的示例分析的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！

向AI問一下細(xì)節(jié)

R語言二元正態(tài)分布及雙變量相關(guān)分析的示例分析

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽