Pearson相關(guān)系數(shù)和Spearman相關(guān)系數(shù)的區(qū)別及說明
前言
相關(guān)系數(shù)是用以反映變量之間的相關(guān)關(guān)系程度的統(tǒng)計指標。
其取值范圍是[-1,1]，當取值為0時表示不相關(guān)，取值為[-1,0)表示負相關(guān)，取值為(0,-1]，表示負相關(guān)。
目前常用的兩種相關(guān)性系數(shù)為皮爾森相關(guān)系數(shù)（Pearson）和斯皮爾曼等級相關(guān)系數(shù)（Spearman）
簡介
1.皮爾森相關(guān)系數(shù)評估兩個連續(xù)變量之間的線性關(guān)系。
其中：
-1 ≤ p ≤ 1
p接近0代表無相關(guān)性
p接近1或-1代表強相關(guān)性
2.斯皮爾曼相關(guān)系數(shù)評估兩個連續(xù)變量之間的單調(diào)關(guān)系。在單調(diào)關(guān)系中，變量趨于一起變化，但不一定以恒定速率變化。
其中：
N是觀測值的總數(shù)量
斯皮爾曼另一種表達公式：
表示二列成對變量的等級差數(shù)。
區(qū)別
Pearson和Spearman相關(guān)系數(shù)的范圍可以從-1到+1。
當Pearson相關(guān)系數(shù)為+1時，意味著，當一個變量增加時，另一個變量增加一致量。
這形成了一種遞增的直線。
在這種情況下，Spearman相關(guān)系數(shù)也是+1。
如果關(guān)系是一個變量在另一個變量增加時增加，但數(shù)量不一致，則Pearson相關(guān)系數(shù)為正但小于+1。
在這種情況下，斯皮爾曼系數(shù)仍然等于+1。
當關(guān)系是隨機的或不存在時，則兩個相關(guān)系數(shù)幾乎為零。
如果關(guān)系遞減的直線，那么兩個相關(guān)系數(shù)都是-1。
如果關(guān)系是一個變量在另一個變量增加時減少，但數(shù)量不一致，則Pearson相關(guān)系數(shù)為負但大于-1。
在這種情況下，斯皮爾曼系數(shù)仍然等于-1
相關(guān)值-1或1意味著精確的線性關(guān)系，如圓的半徑和圓周之間的關(guān)系。
然而，相關(guān)值的實際價值在于量化不完美的關(guān)系。
發(fā)現(xiàn)兩個變量是相關(guān)的經(jīng)常通知回歸分析，該分析試圖更多地描述這種類型的關(guān)系。
其他非線性關(guān)系
Pearson相關(guān)系數(shù)僅評估線性關(guān)系。Spearman相關(guān)系數(shù)僅評估單調(diào)關(guān)系。
因此，即使相關(guān)系數(shù)為0，也可以存在有意義的關(guān)系。
檢查散點圖以確定關(guān)系的形式。
該圖顯示了非常強的關(guān)系。
Pearson系數(shù)和Spearman系數(shù)均約為0。
結(jié)論
皮爾森評估的是兩個變量的線性關(guān)系，而斯皮爾曼評估的兩變量的單調(diào)關(guān)系。
因此，斯皮爾曼相關(guān)系數(shù)對于數(shù)據(jù)錯誤和極端值的反應不敏感。
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了使用Flask和Django中解決跨域請求問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
當你用 Python 寫代碼時,有時候會看到一些“警告”信息,這些信息不會讓代碼出錯,但會讓輸出看起來很亂,所以本文為大家整理了一些忽略警告的方法,希望對大家有所幫助2024-12-12
python動畫manim中的顏色ManimColor的使用方法詳解
這篇文章主要介紹了python動畫manim中的顏色ManimColor的使用方法,本文通過實例圖文展示給大家介紹的非常詳細,感興趣的朋友跟隨小編一起看看吧2024-08-08
在Sublime Editor中配置Python環(huán)境的詳細教程
這篇文章主要介紹在sublime編輯器中安裝python軟件包，以 實現(xiàn)自動完成等功能，并在sublime編輯器本身中運行build，本文通過實例代碼給大家介紹的非常詳細，需要的朋友參考下吧2020-05-05
python中的reduce內(nèi)建函數(shù)使用方法指南
python中的reduce內(nèi)建函數(shù)是一個二元操作函數(shù)，他用來將一個數(shù)據(jù)集合（鏈表，元組等）中的所有數(shù)據(jù)進行下列操作：用傳給reduce中的函數(shù) func()（必須是一個二元操作函數(shù)）先對集合中的第1，2個數(shù)據(jù)進行操作，得到的結(jié)果再與第三個數(shù)據(jù)用func()函數(shù)運算，最后得到一個結(jié)果2014-08-08
這篇文章主要介紹了TensorFlow數(shù)據(jù)輸入的方法示例，主要介紹了4種方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-06-06
python+opencv邊緣提取與各函數(shù)參數(shù)解析
這篇文章主要介紹了python+opencv邊緣提取與各函數(shù)參數(shù)解析，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-03-03
本教程提供Milvus 2.4.x + Python的實戰(zhàn)案例,涵蓋向量數(shù)據(jù)庫全流程操作,通過Docker快速部署Milvus服務,適合新手快速上手,對Python Milvus使用感興趣的朋友跟隨小編一起看看吧2026-03-03
詳解Open Folder as PyCharm Project怎么添加的方法
這篇文章主要介紹了詳解Open Folder as PyCharm Project怎么添加的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-12-12
??python-nmap??是一個基于??Python??的??nmap??網(wǎng)絡掃描器接口,它允許用戶通過???Python???腳本輕松地調(diào)用???nmap???的功能,??nmap??是一款功能強大的網(wǎng)絡掃描和發(fā)現(xiàn)工具,本文給大家介紹python-nmap的安裝與常用方法,需要的朋友可以參考下2024-12-12