相关性用什么检验方法 我想用检验两组数据的相关性，应该怎么做？相关与“显著性差异”...
.1.\u81ea\u76f8\u5173\u7684\u68c0\u9a8c\u65b9\u6cd5\u6709\u54ea\u4e9b?\u5404\u79cd\u7684\u68c0\u9a8c\u601d\u60f3\u4e0e\u5224\u65ad\u89c4\u5219\u662f\u5982\u4f55\u7684?\u76f8\u5173\u6027\u68c0\u9a8c\u65b9\u6cd5\u5171\u540c\u601d\u8def\u662f\uff1a\u91c7\u7528\u666e\u901a\u6700\u5c0f\u4e8c\u4e58\u6cd5\u4f30\u8ba1\u6a21\u578b\uff0c\u4ee5\u6c42\u7684\u968f\u673a\u5e72\u6270\u9879\u7684\u201c\u8fd1\u4f3c\u4f30\u8ba1\u91cf\u201d\uff0c\u7136\u540e\u901a\u8fc7\u8fd9\u4e9b\u201c\u8fd1\u4f3c\u4f30\u8ba1\u91cf\u201d\u4e4b\u95f4\u7684\u76f8\u5173\u6027\u4ee5\u8868\u8fbe\u5224\u65ad\u968f\u673a\u5e72\u6270\u9879\u662f\u5426\u5177\u6709\u5e8f\u5217\u76f8\u5173\u7684\u76ee\u7684\uff0c\u4e3b\u8981\u76f8\u5173\u6027\u68c0\u9a8c\u6709\u56db\u79cd\uff1a\u56fe\u793a\u6cd5\u3001\u56de\u5f52\u68c0\u9a8c\u6cd5\u3001\u675c\u5bbe-\u74e6\u68ee\u68c0\u9a8c\u6cd5\uff08D.W.\uff09\u3001\u62c9\u683c\u6717\u65e5\u68c0\u9a8c\uff08GB\uff09\u3002\u6700\u597d\u7684\u68c0\u9a8c\u65b9\u6cd5\u5e94\u8be5\u662fGB\u68c0\u9a8c\uff0c\u9002\u7528\u4e8e\u9ad8\u9636\u5e8f\u5217\u76f8\u5173\u53ca\u6a21\u578b\u4e2d\u5b58\u5728\u6ede\u540e\u53d8\u91cf\u7684\u60c5\u5f62\u3002D.W.\u68c0\u9a8c\u4e2d\uff0c\u5b58\u5728\u4e00\u4e2a\u4e0d\u80fd\u786e\u5b9a\u7684D.W.\u503c\u533a\u57df\uff0c\u4e14\u4ec5\u80fd\u68c0\u6d4b\u4e00\u9636\u81ea\u76f8\u5173\uff0c\u5bf9\u5b58\u5728\u7f6e\u540e\u88ab\u89e3\u91ca\u53d8\u91cf\u7684\u6a21\u578b\u65e0\u6cd5\u68c0\u9a8c\u3002\u540e\u4e24\u4e2a\u95ee\u9898\uff0c\u56e0\u4e0d\u61c2\u4ec0\u4e48\u662f\u81ea\u76f8\u5173\u5f62\u5f0f\u3001\u81ea\u76f8\u5173\u7c7b\u578b\uff0c\u6545\u6682\u65f6\u65e0\u6cd5\u56de\u7b54\uff01
\u663e\u8457\u60270.229\uff0c\u9ad8\u4e8e0.05\uff0c\u6240\u4ee5\u8fd9\u6837\u5206\u6790\u76f8\u5173\u6027\u4e0d\u6210\u7acb\uff0c\u800c\u4e14\u6837\u672c\u91cf\u592a\u4f4e\u4e86\uff0c\u6700\u5c1130\u4e2a\u6837\u672c\u3002
\u6839\u636e\u8868\u73b0\u5f62\u5f0f\uff0c\u53ef\u5206\u4e3a:\u6a21\u62df\u6570\u636e\uff0c\u7531\u8fde\u7eed\u51fd\u6570\u7ec4\u6210\uff0c\u662f\u6307\u5728\u4e00\u5b9a\u95f4\u9694\u5185\u8fde\u7eed\u53d8\u5316\u7684\u7269\u7406\u91cf\uff0c\u4e5f\u53ef\u5206\u4e3a\u56fe\u5f62\u6570\u636e(\u5982\u70b9\u3001\u7ebf\u3001\u9762)\u3001\u7b26\u53f7\u6570\u636e\u3001\u6587\u672c\u6570\u636e\u3001\u56fe\u50cf\u6570\u636e\u7b49\uff0c\u5982\u58f0\u97f3\u5927\u5c0f\u548c\u6e29\u5ea6\u53d8\u5316\u7b49\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u6280\u672f\u6807\u51c6\uff1a
\u5f53\u505a\u51fa\u7ed3\u8bba\u65f6\uff0c\u5e94\u8be5\u771f\u6b63\u63cf\u8ff0\u65b9\u5411\u6027(\u4f8b\u5982\uff0c\u660e\u663e\u5927\u4e8e\u6216\u660e\u663e\u5c0f\u4e8e)\uff0csig\u503c\u901a\u5e38\u8868\u793a\u4e3aP>0.05 \uff0c\u8868\u660e\u6ca1\u6709\u663e\u8457\u5dee\u5f02\uff0c0.01<P<0.05 \u8868\u793a\u663e\u8457\u5dee\u5f02\uff0cP<0.01\u8868\u793a\u663e\u8457\u5dee\u5f02\u3002
\u5982\u679c\u5728\u6d4b\u8bd5\u4e00\u4e2a\u5b9e\u9a8c\u4e2d\u6d4b\u91cf\u7684\u6570\u636e\uff0c\u90a3\u4e48\u5f53\u6570\u636e\u4e4b\u95f4\u5b58\u5728\u663e\u8457\u5dee\u5f02\u65f6\uff0c\u5b9e\u9a8c\u7684\u96f6\u5047\u8bbe\u53ef\u4ee5\u88ab\u63a8\u7ffb\uff0c\u5e76\u4e14\u66ff\u4ee3\u5047\u8bbe\u6d4b\u8bd5\u5f97\u5230\u652f\u6301\uff0c\u76f8\u53cd\uff0c\u5982\u679c\u6570\u636e\u4e4b\u95f4\u6ca1\u6709\u663e\u8457\u5dee\u5f02\uff0c\u5b9e\u9a8c\u7684\u53e6\u4e00\u4e2a\u5047\u8bbe\u53ef\u4ee5\u88ab\u63a8\u7ffb\uff0c\u865a\u65e0\u4e3b\u4e49\u7684\u5047\u8bbe\u5f97\u5230\u652f\u6301\u3002
\u539f\u7406\uff1a
\u5f53\u6570\u636e\u4e4b\u95f4\u5177\u6709\u4e86\u663e\u8457\u6027\u5dee\u5f02\uff0c\u5c31\u8bf4\u660e\u53c2\u4e0e\u6bd4\u5bf9\u7684\u6570\u636e\u4e0d\u662f\u6765\u81ea\u4e8e\u540c\u4e00\u603b\u4f53\uff08Population\uff09\uff0c\u800c\u662f\u6765\u81ea\u4e8e\u5177\u6709\u5dee\u5f02\u7684\u4e24\u4e2a\u4e0d\u540c\u603b\u4f53\uff0c\u8fd9\u79cd\u5dee\u5f02\u53ef\u80fd\u56e0\u53c2\u4e0e\u6bd4\u5bf9\u7684\u6570\u636e\u662f\u6765\u81ea\u4e0d\u540c\u5b9e\u9a8c\u5bf9\u8c61\u7684\uff0c\u6bd4\u5982\u4e00\u4e9b\u4e00\u822c\u80fd\u529b\u6d4b\u9a8c\u4e2d\uff0c\u5927\u5b66\u5b66\u5386\u88ab\u8bd5\u7ec4\u7684\u6210\u7ee9\u4e0e\u5c0f\u5b66\u5b66\u5386\u88ab\u8bd5\u7ec4\u4f1a\u6709\u663e\u8457\u6027\u5dee\u5f02\u3002
\u6848\u4f8b\uff1a
\u4f8b\u5982\uff0c\u8bb0\u5fc6\u672f\u7814\u7a76\u53d1\u73b0\uff0c\u88ab\u8bd5\u5b66\u4e60\u67d0\u8bb0\u5fc6\u6cd5\u524d\u7684\u6210\u7ee9\u548c\u5b66\u4e60\u8bb0\u5fc6\u6cd5\u540e\u7684\u8bb0\u5fc6\u6210\u7ee9\u4f1a\u6709\u663e\u8457\u6027\u5dee\u5f02\uff0c\u8fd9\u4e00\u5dee\u5f02\u5f88\u53ef\u80fd\u6765\u81ea\u4e8e\u5b66\u00d7\u00d7\u8bb0\u5fc6\u6cd5\u5bf9\u88ab\u8bd5\u8bb0\u5fc6\u80fd\u529b\u7684\u6539\u53d8\u3002
\u663e\u8457\u6027\u5dee\u5f02\u662f\u4e00\u79cd\u6709\u91cf\u5ea6\u7684\u6216\u7136\u6027\u8bc4\u4ef7\uff0c\u6bd4\u5982\uff0c\u6211\u4eec\u8bf4A\u3001B\u4e24\u6570\u636e\u57280.05\u6c34\u5e73\u4e0a\u5177\u5907\u663e\u8457\u6027\u5dee\u5f02\uff0c\u8fd9\u662f\u8bf4\u4e24\u7ec4\u6570\u636e\u5177\u5907\u663e\u8457\u6027\u5dee\u5f02\u7684\u53ef\u80fd\u6027\u4e3a95%\u3002
\u4e24\u4e2a\u6570\u636e\u6240\u4ee3\u8868\u7684\u6837\u672c\u8fd8\u67095%\u7684\u53ef\u80fd\u6027\u662f\u6ca1\u6709\u5dee\u5f02\u7684\u3002\u8fd95%\u7684\u5dee\u5f02\u662f\u7531\u4e8e\u968f\u673a\u8bef\u5dee\u9020\u6210\u7684\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a
\u767e\u5ea6\u767e\u79d1-\u663e\u8457\u6027\u5dee\u5f02
用相关系数r来描述，关于r的解读：
（1）正相关：如果x,y变化的方向一致，如身高与体重的关系，r>0；一般地，
·|r|>0.95 存在显著性相关；
·|r|≥0.8 高度相关；
·0.5≤|r|<0.8 中度相关；
·0.3≤|r|<0.5 低度相关；
·|r|<0.3 关系极弱，认为不相关
（2）负相关：如果x,y变化的方向相反，如吸烟与肺功能的关系，r<0；
（3）无线性相关：r=0。
如果变量Y与X间是函数关系，则r=1或r=-1；如果变量Y与X间是统计关系，则-1<r<1。
（4）r的计算有三种：
①Pearson相关系数：对定距连续变量的数据进行计算。
②Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据进行排序或对定距变量值排（求）秩。
实际上，对任何类型的变量，都可以使用相应的指标进行相关分析。也就是，有各种参数，对适合它们的变量进行分析。
相关性检验correlation test对变量之间是否相关以及相关的程度如何所进行的统计检验。变量之间的相关的程度用相关系数r表征。当r大于给定显著性水平a和一定自由度f下的相关系数临界值T"a、时，表示变量之间在统计上存在相关关系。否则，则不存在相关关系。
1.采用cv读图-->画框-->存图
import cv2
img1=cv2.imread('./555_F0ed5ee7e728f4b94a22fe30e93b1009a.JPG')
img2=cv2.rectangle(img1,(52,52),(200,200),(0,255,0),3)
cv2.imwrite("./1.jpg", img2)
2.采用cv读图-->画框-->Image存图
from PIL import Image, ImageDraw
import cv2
img1=cv2.imread('./555_F0ed5ee7e728f4b94a22fe30e93b1009a.JPG')
img1 = Image.fromarray(cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)) #cv2.COLOR_BGR2GRAY
draw = ImageDraw.Draw(img1)
draw.rectangle([52, 52, 100, 100])
img1.save('./1.jpg')
3.采用Image读图-->画框-->Image存图
from PIL import Image, ImageDraw
img1=Image.open('./555_F0ed5ee7e728f4b94a22fe30e93b1009a.JPG')
draw = ImageDraw.Draw(img1)
draw.rectangle([52, 52, 100, 100])
img1.save('./3.jpg')
校验方法其实就是把两个有联系的东西 然后做一个实验 那么肯定就知道这两个东西的相关性能了
相关性的检验方法，这个是比较简单，可以通过学习基本的公式去进行检测的。
绛旓細spss濡備綍杩涜鐩稿叧鎬鍒嗘瀽锛岀浉鍏虫у垎鏋愰鍏堣鐪嬩袱鍙橀噺鐨勬儏鍐碉紝绗﹀悎姝ｆ佸垎甯冿紝鏍锋湰閲忓ぇ浜30-50锛岀嚎鎬у叧绯伙紝鑰屼笖鏄繛缁彉閲忥紝鍙互鐢≒earson鍒嗗竷銆傚伐鍏凤紡鍘熸枡锛氭埓灏旂伒瓒5000銆亀in10銆丼PSS24 1銆佹牱鏈暟鎹兘鐢≒earson鐩稿叧灏辩敤杩欎釜锛岃繖涓渶鍑嗙‘锛屽紑濮嬫椂锛岄鍏堝垎甯冩牱鏈鎬佹э紝鐢╧-s妫楠銆2銆佹鎬佹т箣鍚庯紝鐐瑰嚮鍒嗘瀽...
绛旓細寰峰-娌冩．妫楠,绠绉癉-W妫楠岋紝鏄洰鍓嶆楠岃嚜鐩稿叧鎬鏈甯哥敤鐨鏂规硶锛屼絾瀹冨彧浣跨敤浜庢楠屼竴闃惰嚜鐩稿叧鎬с傚洜涓鸿嚜鐩稿叧绯绘暟蟻鐨勫间粙浜-1鍜1涔嬮棿锛屾墍浠 0鈮W鈮4 骞朵笖DW锛漁锛濓紴蟻锛1鍗冲瓨鍦ㄦ鑷浉鍏虫 DW锛4锛滐紳锛炏侊紳锛1銆鍗冲瓨鍦ㄨ礋鑷浉鍏虫 DW锛2锛滐紳锛炏侊紳0鍗充笉瀛樺湪锛堜竴闃讹級娉細1. DW(1,1)琛ㄧず...
绛旓細Durbin-Watson鏄痉瀹惧痉瀹锯旂摝鐗归婃楠屻傛槸鑷鐩稿叧鎬鐨勪竴椤妫楠屾柟娉銆侱urbin-Watson Statistics(寰峰鈥旂摝鐗归婃楠)锛 鍋囪time series妯″瀷瀛樺湪鑷浉鍏虫э紝鎴戜滑鍋囪璇樊椤瑰彲浠ヨ〃杩颁负 Ut=蟻*Ut-1+蔚. 鍒╃敤缁熻妫娴嬭绔嬪亣璁撅紝濡傛灉蟻=o.鍒欒〃鏄庢病鏈夎嚜鐩稿叧鎬с侱urbin-Watson缁熻閲忥紙鍚庨潰绠绉癉W缁熻閲忥級鍙互鎴愪负鍒ゆ柇姝...
绛旓細1銆佺敤SPSS杈撳叆鐩稿叧鏁版嵁锛屾寜鐓у垎鏋愨啋姣旇緝鍧囧尖啋鍗曞洜绱犵殑椤哄簭杩涜鐐瑰嚮銆2銆佽繖涓椂鍊欏鏋滄病闂锛屽氨鐩存帴鍦ㄥ洜鍙橀噺鍒楄〃鍜屽洜瀛愪腑娣诲姞瀵硅薄銆3銆佷笅涓姝ユ墦寮閫夐」瀵硅瘽妗嗭紝閫氳繃鍕鹃夋柟宸川鎬ф楠鏉ョ‘瀹氥4銆佽繖鏍蜂竴鏉ョ瓑鐪嬪埌鍥剧ず鐨勭粨鏋滀互鍚庯紝鍗冲彲妫楠屼袱涓浉鍏崇郴鏁颁箣闂存槸鍚﹀叿鏈夋樉钁楁у樊寮備簡銆
绛旓細濡傛灉杩炵画鍙橀噺鍜岃繛缁彉閲忕殑鏍锋湰閲忔槸鐩稿悓鐨勶紝鍙互鑰冭檻浣跨敤鍙傛暟妫楠涓殑閰嶅t妫楠岋紝闈炲弬鏁版楠屽寘鎷厤瀵箇ilcoxon锛屽彲瑙嗗寲鍥惧舰鍙互鑰冭檻浣跨敤鏁ｇ偣鍥俱傜浉鍏冲垎鏋愯鏄 鐩稿叧鍒嗘瀽涓鑸槸鐮旂┒瀹氶噺鏁版嵁鍜屽畾閲忔暟鎹殑鐩稿叧鎬锛屼互鍙婂彉閲忎箣闂村瓨鍦ㄧ浉鍏虫э紝鐩稿叧绋嬪害鏄浣曠殑锛屾瘮濡傜爺绌惰韩楂樺拰浣撻噸涔嬮棿鏄惁鏈夊叧鑱旂瓑绛夈傜浉鍏冲垎鏋愭暟鎹牸寮 鍦...
绛旓細鐩稿叧鎬鍒嗘瀽涓昏鐢ㄤ簬:(1)鍒ゆ柇涓や釜鎴栧涓彉閲忎箣闂寸殑缁熻瀛﹀叧鑱;(2)濡傛灉瀛樺湪鍏宠仈,杩涗竴姝ュ垎鏋愬叧鑱斿己搴﹀拰鏂瑰悜銆 閭ｄ箞,浠涔鏍风殑鐮旂┒鍙互杩涜鐩稿叧鎬у垎鏋愬憿?鎴戜滑鍦ㄨ繖閲屽垪涓句簡鍑犱釜鐩稿叧鎬х爺绌剁殑渚嬪瓙渚涘ぇ瀹跺弬鑰: 纭畾瑕佽繘琛岀浉鍏虫у垎鏋愬悗,瀵逛袱涓彉閲忔垨澶氫釜鍙橀噺杩涜鐩稿叧鎬у垎鏋愭墍閲囧彇鐨勭粺璁鏂规硶鏄笉鍚岀殑銆傞偅涔,鎬庝箞鍒ゆ柇鐮旂┒鍙橀噺鐨...
绛旓細spss鐨皵妫浉鍏崇郴鏁板垎鏋愯〃绀哄湪鏍锋湰涓彉閲忛棿鐨勭浉鍏崇郴鏁帮紝琛ㄧず鐩稿叧鎬鐨勫ぇ灏忋備竴鑸潵璇寸浉鍏虫уぇ灏忚鐪嬫樉钁楁ц揪鍒浠涔绋嬪害銆傛樉钁楁ц秺灏忚鏄庣浉鍏崇▼搴﹁秺楂樸傛樉钁楁у皬浜0.05鍒欎负鏄捐憲鍏堝叧锛屽皬浜0.01鍒欎负鏋佹樉钁楃浉鍏炽傗滅毊灏旀．鍗℃柟妫楠鈥濈殑铏氭棤鍋囪锛圚0锛夋槸锛氫竴涓牱鏈腑宸插彂鐢熶簨浠剁殑娆℃暟鍒嗛厤浼氶伒瀹堟煇涓壒瀹氱殑鐞嗚...
绛旓細鐩稿叧鎬鍒嗘瀽鏈鍝簺鏂规硶锛熷父鐢ㄧ殑鐩稿叧鎬у垎鏋愭柟娉曟湁绉╃浉鍏炽佺浉鍏崇郴鏁般佸崱鏂妫楠銆乴ogistic鍥炲綊銆佸鍏冨洖褰掔瓑銆傜綉鍚嶏細DataExplorer锛屾嫇灞曪細DataExplorer锛岃嚧鍔涗簬甯姪浜轰滑鎺㈢储鍜屾繁鍏ョ悊瑙ｆ暟鎹殑娼滃姏锛屾彁鍗囨暟鎹垎鏋愮殑鏁堢巼銆
绛旓細闂涓:鐢ㄤ簬鍒嗘瀽鐩稿叧鎬鐨勬暟瀛鏂规硶鏈鍝簺 鍋氭暎鐐瑰浘,鎷熷悎绾垮浘,鍥炲綊鍒嗘瀽,鐒跺悗瀵规暎甯冪殑鐐瑰仛绾挎ф嫙鍚,濡傛灉鏄潪绾挎х浉鍏,鍙互鍋氫簩闃,涓夐樁鐢氳嚦澶氶樁鎷熷悎銆傜嚎鎬х浉鍏崇殑鎯呭喌涓,鍙互璁＄畻鐩稿叧绯绘暟,閫氳繃鐩稿叧绯绘暟鏉ュ垽瀹氥 闂浜:灞炴х浉鍏冲垎鏋愮殑鏂规硶鏈夊摢浜 鍦ㄦ満鍣ㄥ涔犮佺粺璁″銆佹ā绯婇昏緫鍜岀矖绯欓泦绛夐鍩熸彁鍑轰簡璁稿灞炴х浉鍏冲垎鏋愮殑鏂...
绛旓細鐩稿叧鍒嗘瀽鐨勯傜敤鑼冨洿寰堝箍锛岀悊璁轰笂璁诧紝鍑℃槸鑰冨療涓や釜鍙橀噺鐩稿叧鎬锛岄兘鍙互鍙仛鐩稿叧鍒嗘瀽銆傜浉鍏冲垎鏋愮爺绌舵槸瀹氶噺涓庡畾閲忕殑鏁版嵁锛屽鏋滄槸瀹氱被鍜屽畾閲忔暟鎹渶瑕浣跨敤鏂瑰樊鍒嗘瀽锛屽畾绫诲拰瀹氱被闇瑕佷娇鐢ㄤ氦鍙夛紙鍗℃柟锛夈傚湪鈥滈氱敤鏂规硶鈥濇ā鍧椾腑閫夋嫨鈥滅浉鍏斥濇柟娉曪紝灏嗗垎鏋愰」瀹氶噺鍙橀噺鏀句簬鍒嗘瀽妗嗗唴锛岀偣鍑烩滃紑濮嬪垎鏋愨濆嵆鍙傜粨鏋滃涓嬶細浠...
