相关 (概率论) - 维基百科，自由的百科全书

  关于与「相关 (概率论)」標題相近或相同的条目页，請見「因果關係」。

相关

數學概念、​关系类型

上级分类	關係
所属实体	統計學、​概率论
话题方面	統計學
研究学科	統計學
Stack Exchange標籤	https://stats.stackexchange.com/tags/correlation

相关（Correlation），又称为相关性、关联，在概率论和统计学中，相关显示了两个或几个随机变量之间线性关系的强度和方向。在统计学中，相关的意义是：用来衡量两个变量相对于其相互独立的距离。在这个广义的定义下，有许多根据数据特点用来衡量数据相关性而定义的系数，称作 相关系数。通常使用相关系数来计量这些随机变量协同变化的程度，当随机变量间呈现同一方向的变化趋势时称为正相关，反之则称为负相关。

英国生物学家和统计学家弗朗西斯·高尔顿首先提出“相关”这一概念，英国数学家卡尔·皮尔逊在此基础上做出了进一步发展。

对于不同測量尺度的變數，有不同的相關系数可用：

• 皮尔逊相关系数（Pearson's r）：衡量兩個等距尺度或等比尺度變數之相關性。是最常見的，也是學習統計學時第一個接觸的相關係數。
• 淨相關（英語：partial correlation）：在模型中有多個自變數（或解釋變數）時，去除掉其他自變數的影響，只衡量特定一個自變數與因變數之間的相關性。自變數和因變數皆為連續變數。
• 相關比（英語：correlation ratio）：衡量兩個連續變數之相關性。

• Gamma相關係數：衡量兩個次序尺度變數之相關性。
• 斯皮尔曼等级相关系数：衡量兩個次序尺度變數之相關性。
• 肯德尔等級相關係數（英语：Kendall rank correlation coefficient）：衡量兩個人為次序尺度變數（原始資料為等距尺度）之相關性。
• 肯德尔和諧係數：衡量兩個次序尺度變數之相關性。

• Phi相關係數（英語：Phi coefficient）：衡量兩個真正名目尺度的二分變數之相關性。
• 列聯相關係數（英語：contingency coefficient）：衡量兩個真正名目尺度變數之相關性。
• 四分相關（英語：tetrachoric correlation）：衡量兩個人為名目尺度（原始資料為等距尺度）的二分變數之相關性。
• Kappa一致性係數（英語：K coefficient of agreement）：衡量兩個名目尺度變數之相關性。

• 點二系列相關係數（英語：point-biserial correlation）：X變數是真正名目尺度二分變數。Y變數是連續變數。
• 二系列相關係數（英語：biserial correlation）：X變數是人為名目尺度二分變數。Y變數是連續變數。

${\displaystyle \rho _{X,Y}={\mathrm {cov} (X,Y) \over \sigma _{X}\sigma _{Y}}={E((X-\mu _{X})(Y-\mu _{Y})) \over \sigma _{X}\sigma _{Y}}}$，

其中，E是数学期望，cov表示协方差，${\displaystyle \sigma _{X}}$和${\displaystyle \sigma _{Y}}$是標準差。

因为${\displaystyle \mu _{X}=E(X)}$，${\displaystyle \sigma _{X}^{2}=E(X^{2})-E^{2}(X)}$，同样地，对于${\displaystyle Y}$，可以写成

${\displaystyle \rho _{X,Y}={\frac {E(XY)-E(X)E(Y)}{{\sqrt {E(X^{2})-E^{2}(X)}}~{\sqrt {E(Y^{2})-E^{2}(Y)}}}}}$。

当两个变量的標準差都不为零，相关系数才有定义。从柯西-施瓦茨不等式可知，相关系数的絕對值不超过1。当两个变量的线性关系增强时，相关系数趋于1或-1。当一个变量增加而另一变量也增加时，相关系数大于0。当一个变量的增加而另一变量减少时，相关系数小于0。当两个变量独立时，相关系数为0，但反之并不成立。这是因为相关系数仅仅反映了两个变量之间是否线性相关。比如说，X是区间［－1，1］上的一个均匀分布的随机变量。Y = X².那么Y是完全由X确定。因此Y和X不独立，但相关系数为0。或者说他们是不相关的。当Y和X服从联合正态分布时，其相互独立和不相关是等价的。

当一个或两个变量带有测量误差时，他们的相关性就受到削弱，这时，“反衰减”性（disattenuation）是一个更准确的系数。

对于居中的数据来说（何谓居中？也就是每个数据减去样本均值，居中后它们的平均值就为0），相关系数可以看作是两个随机变量中得到的样本集向量之间夹角的cosine函数。一些实际工作者更喜欢用非居中的相关系数（与皮尔逊系数不相兼容）。看下面的例子中有一个比较。例如，假设五个国家的国民生产总值分别是1、2、3、5、8（单位10亿美元），又假设这五个国家的贫困比例分别是11%、12%、13%、15%、18%。则我们现在有两个有序的包含5个元素的向量x、y：x =（1, 2, 3, 5, 8）、 y =（0.11, 0.12, 0.13, 0.15, 0.18） 使用一般的方法来计算向量间夹角（参考数量积），未居中的相关性系数如下：

${\displaystyle \cos \theta ={\frac {\mathbf {x} \cdot \mathbf {y} }{\left\|\mathbf {x} \right\|\left\|\mathbf {y} \right\|}}={\frac {2.93}{{\sqrt {103}}{\sqrt {0.0983}}}}=0.920814711}$。

上面的数据实际上是故意选择了一个完美的线性关系：y = 0.10 + 0.01 x。因此皮尔逊相关系数应该就是1。把数据居中（x中数据减去E (x) = 3.8，y中数据减去E (y) = 0.138）后得到：x =（−2.8, −1.8, −0.8, 1.2, 4.2）、y =（−0.028, −0.018, −0.008, 0.012, 0.042），由此得到了预期结果：

${\displaystyle \cos \theta ={\frac {\mathbf {x} \cdot \mathbf {y} }{\left\|\mathbf {x} \right\|\left\|\mathbf {y} \right\|}}={\frac {0.308}{{\sqrt {30.8}}{\sqrt {0.00308}}}}=1=\rho _{xy}}$，

对于样本对${\displaystyle (X_{i},Y_{i})}$，相关系数的计算过程可表示为：将每个变量都通过减去平均值、再除以校正标准差后转化为标准单位，乘积的平均值，再经过贝塞尔校正（英语：Bessel's correction）即为相关系数^[1]。

两个变量的关系可以直观地用散点图表示，当其紧密地群聚于一条直线的周围时，变量间存在强相关^[2]。

一个散点图可以用五个统计量来概括：所有${\displaystyle x}$值的平均数${\displaystyle {\bar {x}}}$，所有${\displaystyle x}$值的校正标准差（即样本标准差）${\displaystyle s_{x}}$，所有${\displaystyle y}$值的平均数${\displaystyle {\bar {y}}}$，所有${\displaystyle y}$值的校正标准差${\displaystyle s_{y}}$，相关系数${\displaystyle r_{xy}}$。

其中：

${\displaystyle s_{x}={\sqrt {{\frac {1}{N-1}}\sum _{i=1}^{N}(x_{i}-{\overline {x}})^{2}}},s_{y}={\sqrt {{\frac {1}{N-1}}\sum _{i=1}^{N}(y_{i}-{\overline {y}})^{2}}}}$

那么：

${\displaystyle r_{xy}\quad {\overset {\underset {\mathrm {def} }{}}{=}}\quad {\frac {\sum \limits _{i=1}^{n}(x_{i}-{\bar {x}})(y_{i}-{\bar {y}})}{(n-1)s_{x}s_{y}}}={\frac {\sum \limits _{i=1}^{n}(x_{i}-{\bar {x}})(y_{i}-{\bar {y}})}{\sqrt {\sum \limits _{i=1}^{n}(x_{i}-{\bar {x}})^{2}\sum \limits _{i=1}^{n}(y_{i}-{\bar {y}})^{2}}}},}$

或写成：

${\displaystyle r_{xy}\quad {\overset {\underset {\mathrm {def} }{}}{=}}\quad {\frac {n}{n-1}}{\frac {1}{n}}\sum \limits _{i=1}^{n}{\frac {(x_{i}-{\bar {x}})}{s_{x}}}{\frac {(y_{i}-{\bar {y}})}{s_{y}}}}$,

其中${\displaystyle {\frac {n}{n-1}}}$为贝塞尔校正（英语：Bessel's correction）。

• 相关不蕴涵因果
• 相关系数