首页 > 相关性分析

相关性分析

发布时间：来源：文档文库

小中大

字号：

手机查看

pearsoncorrelation
在这个图表中，你说的R值就是皮尔逊相关系数~r>0代表两变量正相关，r<0代表两变量负相关。|r|大于等于0.8时，可以认为两变量间高度相关；|r|大于等于0.5小于0.8时，可以认为两变量中度相关；|r|大于等于0.3小于0.5时，可以认为两变量低度相关。小于0.3说明相关程度弱，基本不相关。
上面说了啊~表格里的pearsoncorrelation，就是R值表格里黄色加重的几个r值，是呈现显著相关的。简单来说，
正相关是一个变量变大，另一个变量也变大负相关就是一个变量变大，另一个变量变小logistic回归
又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发

疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌，值为“是”或“否”，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。然后通过logistic回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。用途
一是寻找危险因素
正如上面所说的寻找某一疾病的危险因素等。二是预测
如果已经建立了logistic回归模型，则可以根据模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大。

三是判别
实际上跟预测有些类似，也是根据logistic模型，判断某人属于某病或属于某种情况的概率有多大，也就是看一下这个人有多大的可能性是属于某病。
这是logistic回归最常用的三个用途，实际中的logistic回归用途是极为广泛的，logistic回归几乎已经成了流行病学和医学中最常用的分析方法，因为它与多重线性回归相比有很多的优势，以后会对该方法进行详细的阐述。实际上有很多其他分类方法，只不过Logistic回归是最成功也是应用最广的。
3、回归分析是一种应用很广的数量分析方法，用于分析事物间的统计关系，侧重数量关系变化。回归分析在数据分析中占有比较重要的位置。
一元线性回归模型：指只有一个解释变量的线性回归模型，用来揭示被解释变量与另一个解释变量的线性关系。

本文来源：https://www.2haoxitong.net/k/doc/2e93583bd5bbfd0a7856734b.html