相关
概述     操作步骤     示例     数据     另请参见 

统计 > 基本统计 > 相关

相关系数可测量哪两个变量倾向于同时变化的程度。Minitab 可提供两个不同的相关分析：

·    Pearson 积矩相关- Pearson 相关可评估两个连续变量之间的线性关系。在一个变量中的变化与其他变量中的比率变化相关时，则关系为线性关系。

例如，您可以使用 Pearson 相关评估生产工厂的温度提升是否与巧克力外膜的厚度减小相关。

·    Spearman 等级顺序相关（也称作 Spearman rho）- Spearman 相关可评估两个连续或顺序变量之间的单调关系。在单调关系关系中，这些变量趋向于一起变化，但不一定按恒定速率变化。Spearman 相关系数是基于每个变量的等级值，而不是原始数据。

Spearman 相关通常用于评估与顺序变量相关的关系。例如，您可以使用 Spearman 相关来评估员工完成检测锻炼的顺序是否与雇用他们的月数相关。

执行或解释相关分析时，需要记住以下几点：

·    它总是用于通过散点图检验变量之间的关系的良好做法。 相关系数仅测量线性 (Pearson) 或单调 (Spearman) 关系。也可能有其他关系。

·    仅凭一个相关，不能推断出一个变量中的变化导致另一个变量中的变化。只有正确控制的实验才能确定关系是否存在因果性。

·    Pearson 相关系数对极值非常敏感。数据集中与其他值截然不同的单个值会极大地改变该系数值。

对话框项

变量：选择包含要相关的变量的列。列出两列时，Minitab 将计算该对的相关系数。列出多列时，Minitab 将计算每个可能对的相关系数，并显示相关矩阵的下三角（如果没有足够空间来容纳整页，则分组块显示）。

方法

Pearson 相关：计算每对变量的线性相关系数。

Spearman rho：计算每对变量的等级顺序相关系数。

显示 p 值：选中此项可显示假设检验的 p 值。对于系数 r，假设为：H0：r = 0  与  H1：r ≠ 0.

存储矩阵（无显示）：选中此项将存储相关矩阵。当您选择此选项时，Minitab 不会显示相关矩阵。要显示该矩阵，请选择数据 > 显示数据。