用Excel做相关性分析

一、概念理解

相关关系：变量之间存在着的非严格的不确定的关系，对它们进行深层次的分析，观察它们的密切程度。

相关性分析：对变量之间相关关系的分析，即相关性分析。其中比较常用的是线性相关分析，用来衡量它的指标是线性相关系数，又叫皮尔逊相关系数，通常用r表示，取值范围是[-1,1]，

r取值范围	相关程度
|r|<0.3	低度线性相关
0.3≤|r|<0.5	中低度线性相关
0.5≤|r|<0.8	中度线性相关
0.8<|r|≤1	高度线性相关

 

二、实际应用

1、CORREL函数

在Excel中，可以用CORREL函数来计算相关系数，如我们对B列和C列进行分析，可以得到它的相关系数是0.95157，呈强相关。

 

2、数据分析

Excel里还可以用数据——数据分析——相关系数，这个功能来进行相关分析。数据分析这个功能怎么激活可以百度一下。

 

这里，我们可以对B C D三列一起进行分析，要注意的是，输入区域不能有非数值型数据，就是表头就不要包含了。

 

可以得到分析后的结果，列1、列2、列三分别对应B C D列，BC两列的相关系数是0.95157，和我们用CORREL函数计算出来的是一样的；BD两列的相关系数是0.832857，也是强相关；CD两列的相关系数是0.942791.

 

三、相关分析的呈现方式

还是刚才的数据，我们用折线图来呈现，很直观的可以看出来X1随着Y的增大而增大。呈正相关。

 

还可以用散点图来表示，横坐标是Y列值，纵坐标是X1列值，通过斜率的关系，可以看出它们呈正相关。

 

四、为什么要做相关分析

1、简单的相关性分析——如QC

做相关性分析，首先，很明显的一点是，了解两个或几个变量之间的关系，在做QC（质量管理）的时候，在要因确认这一项中会用到相关性分析，我们想要知道我们分析出来的末端因素和目标值之间有无相关关系，从而判断该末端因素对症结的影响程度。如随着工作人员培训次数的减少，产品合格率也降低，则说明工作人员培训不足呈强相关，是引起合格率降低的主要原因。

 

2、搭建模型时筛选有效的输入变量

原始数据有很多字段，但我们不一定全都将它们输入到模型中，这时要进行对输入变量的筛选，也可以提高分类模型的预测能力。输入的变量过多，可能会导致共线性问题，即输入的自变量之间存在较强的相关关系，多个自变量强相关，这显然是没有必要的，也浪费了资源和效率，只选择其中一个即可，因此用相关性分析可以避免共线性问题。当然解决共线性问题还有其他的方法，如主成分分析、聚类等，以后再细讲吧。

 

@文章属原创，转载请联系作者，侵权必究

@作者：虾壳，在数据分析的道路上努力奔跑

@微信公众号：可乐的数据分析之路