分类变量与数值变量相关性分析

一、分类&分类·相关性分析

分类变量分析方法的选取与数据状态有较大相关性，计数据样本量为n，两变量交叉单元格数据为T。

1. 卡方检验
   卡方检验科用于对二维列联表的行变量和列变量的相关性检验
   · 当所有T≥5并且总样本量n≥40,用Pearson卡方进行检验
   · 当T＜5但T≥1,并且n≥40,用连续性校正的卡方进行检验
   「R语言」>chisq.test(x1,x2)
2. Fisher精确检验
   Fisher精确检验
   · T＜1或n＜40,则用Fisher’s检验
   「R语言」> fisher.test(x1,x2)
   · R中fisher.test()可以在任意行列数大于等于2的二维列联表中使用，但不能用于2×2的列联表
3. Cochran-Mantel-Haenszel检验
   Cochran-Mantel-Haenszel检验的原假设为：两个名义变量(x1,x2)在第三个变量(x3)的每一层中都是条件独立的
   「R语言」> mantelaen.test(x1,x2,x3)

二、数值&数值·相关性分析

1. Pearson相关系数
   Pearson相关系数度量了两个连续变量之间的线性相关程度
   「R语言」> cor( x1,x2,method=‘pearson’)

2. Spearman相关系数
   Spearman等级相关系数可以衡量非线性关系变量间的相关系数，是一种非参数的统计方法，可以用于定序变量或不满足正态分布假设的等间隔数据；
   「R语言」> cor( x1,x2,method=‘spearman’)

3. KKendall秩相关系数
   Kendall秩相关系数也是一种非参数的等级相关度量，类似于Spearman等级相关系数。
   「R语言」> cor( x1,x2,method=‘kendall’)

• 「R」stata包：chisq.test() fisher.test() mantelhaen.test() cor()
  -cor() 函数最重要的参数为 X，use，method。
  ---- X即指定分析的变量;
  ---- use指定缺失值处理的方法：all.obs则假设不存在缺失数据，遇到缺失数据时将会报错；everything遇到缺失数据时，结果将返回missing；complete.obs进行行删除；pairwise.complete.obs则成对删除
  ---- method指明计算相关系数的方法：pearson、spearman、kendall

三、数值*分类·相关性分析