質(zhì)量數(shù)據(jù)相關(guān)性分析的6種方法
發(fā)布時(shí)間：2025-07-29 點(diǎn)擊：14
從事質(zhì)量行業(yè)的朋友一定經(jīng)常需要對(duì)數(shù)據(jù)進(jìn)行分析，這也是一項(xiàng)最基礎(chǔ)的技能。那么你知道幾種數(shù)據(jù)相關(guān)性分析的方法呢?
做數(shù)據(jù)分析時(shí)，為了提煉觀點(diǎn)，相關(guān)性分析是必不可少，而且尤為重要的一個(gè)環(huán)節(jié)。但是，對(duì)于不同類型的數(shù)據(jù)，相關(guān)性分析的方法都各不相同。本文，主要按照不同的數(shù)據(jù)類型，來對(duì)各種相關(guān)性分析方法進(jìn)行梳理總結(jié)。
相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，相關(guān)性不等于因果性。
一、離散與離散變量之間的相關(guān)性
1、卡方檢驗(yàn)
卡方檢驗(yàn)是一種用途很廣的計(jì)數(shù)資料的假設(shè)檢驗(yàn)方法。它屬于非參數(shù)檢驗(yàn)的范疇，主要是比較兩個(gè)及兩個(gè)以上樣本率( 構(gòu)成比)以及兩個(gè)分類變量的關(guān)聯(lián)性分析。其根本思想就是在于比較理論頻數(shù)和實(shí)際頻數(shù)的吻合程度或擬合優(yōu)度問題。
它在分類資料統(tǒng)計(jì)推斷中的應(yīng)用，包括：兩個(gè)率或兩個(gè)構(gòu)成比比較的卡方檢驗(yàn);多個(gè)率或多個(gè)構(gòu)成比比較的卡方檢驗(yàn)以及分類資料的相關(guān)分析等。
(1)假設(shè)，多個(gè)變量之間不相關(guān)
(2)根據(jù)假設(shè)計(jì)算得出每種情況的理論值，根據(jù)理論值與實(shí)際值的差別，計(jì)算得到卡方值 及 自由度
df=(C-1)(R-1)
(3)查卡方表，求p值
卡方值越大，P值越小，變量相關(guān)的可能性越大，當(dāng)P<=0.05.否定原假設(shè)，認(rèn)為變量相關(guān)。
2、信息增益和信息增益率
在介紹信息增益之前，先來介紹兩個(gè)基礎(chǔ)概念，信息熵和條件熵。
信息熵，就是一個(gè)隨機(jī)變量的不確定性程度。
條件熵，就是在一個(gè)條件下，隨機(jī)變量的不確定性。
(1)信息增益：熵 - 條件熵
在一個(gè)條件下，信息不確定性減少的程度。
Gain(Y,X)=H(Y)-H(Y|X)
信息增益越大，表示引入條件X之后，不純度減少得越多。信息增益越大，則兩個(gè)變量之間的相關(guān)性越大。
(2)信息增益率
假設(shè)，某個(gè)變量存在大量的不同值，例如ID，引入ID后，每個(gè)子節(jié)點(diǎn)的不純度都為0.則信息增益減少程度達(dá)到最大。所以，當(dāng)不同變量的取值數(shù)量差別很大時(shí)，引入取值多的變量，信息增益更大。因此，使用信息增益率，考慮到分支個(gè)數(shù)的影響。
Gain_ratio=(H(Y)-H(Y|X))/H(Y|X)
二、連續(xù)與連續(xù)變量之間的相關(guān)性
1、協(xié)方差
協(xié)方差，表達(dá)了兩個(gè)隨機(jī)變量的協(xié)同變化關(guān)系。如果兩個(gè)變量不相關(guān)，則協(xié)方差為0.
Cov(X,Y)=E{[X-E(X)],[Y-E(Y)]}
當(dāng) cov(X, Y)>0時(shí)，表明 X與Y 正相關(guān);
當(dāng) cov(X, Y)<0時(shí)，表明X與Y負(fù)相關(guān);
當(dāng) cov(X, Y)=0時(shí)，表明X與Y不相關(guān)。
協(xié)方差只能對(duì)兩組數(shù)據(jù)進(jìn)行相關(guān)性分析，當(dāng)有兩組以上數(shù)據(jù)時(shí)就需要使用協(xié)方差矩陣。
協(xié)方差通過數(shù)字衡量變量間的相關(guān)性，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)。但無法對(duì)相關(guān)的密切程度進(jìn)行度量。當(dāng)我們面對(duì)多個(gè)變量時(shí)，無法通過協(xié)方差來說明那兩組數(shù)據(jù)的相關(guān)性最高。要衡量和對(duì)比相關(guān)性的密切程度，就需要使用下一個(gè)方法：相關(guān)系數(shù)。
2、線性相關(guān)系數(shù)
也叫Pearson相關(guān)系數(shù)， 主要衡量兩個(gè)變量線性相關(guān)的程度。
r=cov(X,Y)/(D(X)D(Y))
相關(guān)系數(shù)是用協(xié)方差除以兩個(gè)隨機(jī)變量的標(biāo)準(zhǔn)差。相關(guān)系數(shù)的大小在-1和1之間變化。再也不會(huì)出現(xiàn)因?yàn)橛?jì)量單位變化，而數(shù)值暴漲的情況了。
線性相關(guān)系數(shù)必須建立在因變量與自變量是線性的關(guān)系基礎(chǔ)上，否則線性相關(guān)系數(shù)是無意義的。
三、連續(xù)與離散變量之間的相關(guān)性
1、連續(xù)變量離散化
將連續(xù)變量離散化，然后，使用離散與離散變量相關(guān)性分析的方法來分析相關(guān)性。
2、箱形圖
使用畫箱形圖的方法，看離散變量取不同值，連續(xù)變量的均值與方差及取值分布情況。
如果，離散變量取不同值，對(duì)應(yīng)的連續(xù)變量的箱形圖差別不大，則說明，離散變量取不同值對(duì)連續(xù)變量的影響不大，相關(guān)性不高;反之，相關(guān)性高。
itss認(rèn)證需要什么資料,ITSS認(rèn)證申請(qǐng)所需材料清單
is09001質(zhì)量管理體系，IS09001:2015質(zhì)量管理體系
關(guān)于ISO27001信息安全管理體系認(rèn)證，看這一篇就夠了！
AEO認(rèn)證介紹,AEO認(rèn)證特點(diǎn)及AEO認(rèn)證審核方式和審核內(nèi)容
再談外觀設(shè)計(jì)專利之“組件產(chǎn)品”和“套件產(chǎn)品”
深圳市ISO9000：2015認(rèn)證內(nèi)部溝通的內(nèi)容有哪些？
企業(yè)版權(quán)糾紛類型有哪些？
AS9120B認(rèn)證有哪些好處?如何快速通過?
做數(shù)據(jù)分析時(shí)，為了提煉觀點(diǎn)，相關(guān)性分析是必不可少，而且尤為重要的一個(gè)環(huán)節(jié)。但是，對(duì)于不同類型的數(shù)據(jù)，相關(guān)性分析的方法都各不相同。本文，主要按照不同的數(shù)據(jù)類型，來對(duì)各種相關(guān)性分析方法進(jìn)行梳理總結(jié)。
相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，相關(guān)性不等于因果性。
一、離散與離散變量之間的相關(guān)性
1、卡方檢驗(yàn)
卡方檢驗(yàn)是一種用途很廣的計(jì)數(shù)資料的假設(shè)檢驗(yàn)方法。它屬于非參數(shù)檢驗(yàn)的范疇，主要是比較兩個(gè)及兩個(gè)以上樣本率( 構(gòu)成比)以及兩個(gè)分類變量的關(guān)聯(lián)性分析。其根本思想就是在于比較理論頻數(shù)和實(shí)際頻數(shù)的吻合程度或擬合優(yōu)度問題。
它在分類資料統(tǒng)計(jì)推斷中的應(yīng)用，包括：兩個(gè)率或兩個(gè)構(gòu)成比比較的卡方檢驗(yàn);多個(gè)率或多個(gè)構(gòu)成比比較的卡方檢驗(yàn)以及分類資料的相關(guān)分析等。
(1)假設(shè)，多個(gè)變量之間不相關(guān)
(2)根據(jù)假設(shè)計(jì)算得出每種情況的理論值，根據(jù)理論值與實(shí)際值的差別，計(jì)算得到卡方值 及 自由度
df=(C-1)(R-1)
(3)查卡方表，求p值
卡方值越大，P值越小，變量相關(guān)的可能性越大，當(dāng)P<=0.05.否定原假設(shè)，認(rèn)為變量相關(guān)。
2、信息增益和信息增益率
在介紹信息增益之前，先來介紹兩個(gè)基礎(chǔ)概念，信息熵和條件熵。
信息熵，就是一個(gè)隨機(jī)變量的不確定性程度。
條件熵，就是在一個(gè)條件下，隨機(jī)變量的不確定性。
(1)信息增益：熵 - 條件熵
在一個(gè)條件下，信息不確定性減少的程度。
Gain(Y,X)=H(Y)-H(Y|X)
信息增益越大，表示引入條件X之后，不純度減少得越多。信息增益越大，則兩個(gè)變量之間的相關(guān)性越大。
(2)信息增益率
假設(shè)，某個(gè)變量存在大量的不同值，例如ID，引入ID后，每個(gè)子節(jié)點(diǎn)的不純度都為0.則信息增益減少程度達(dá)到最大。所以，當(dāng)不同變量的取值數(shù)量差別很大時(shí)，引入取值多的變量，信息增益更大。因此，使用信息增益率，考慮到分支個(gè)數(shù)的影響。
Gain_ratio=(H(Y)-H(Y|X))/H(Y|X)
二、連續(xù)與連續(xù)變量之間的相關(guān)性
1、協(xié)方差
協(xié)方差，表達(dá)了兩個(gè)隨機(jī)變量的協(xié)同變化關(guān)系。如果兩個(gè)變量不相關(guān)，則協(xié)方差為0.
Cov(X,Y)=E{[X-E(X)],[Y-E(Y)]}
當(dāng) cov(X, Y)>0時(shí)，表明 X與Y 正相關(guān);
當(dāng) cov(X, Y)<0時(shí)，表明X與Y負(fù)相關(guān);
當(dāng) cov(X, Y)=0時(shí)，表明X與Y不相關(guān)。
協(xié)方差只能對(duì)兩組數(shù)據(jù)進(jìn)行相關(guān)性分析，當(dāng)有兩組以上數(shù)據(jù)時(shí)就需要使用協(xié)方差矩陣。
協(xié)方差通過數(shù)字衡量變量間的相關(guān)性，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)。但無法對(duì)相關(guān)的密切程度進(jìn)行度量。當(dāng)我們面對(duì)多個(gè)變量時(shí)，無法通過協(xié)方差來說明那兩組數(shù)據(jù)的相關(guān)性最高。要衡量和對(duì)比相關(guān)性的密切程度，就需要使用下一個(gè)方法：相關(guān)系數(shù)。
2、線性相關(guān)系數(shù)
也叫Pearson相關(guān)系數(shù)， 主要衡量兩個(gè)變量線性相關(guān)的程度。
r=cov(X,Y)/(D(X)D(Y))
相關(guān)系數(shù)是用協(xié)方差除以兩個(gè)隨機(jī)變量的標(biāo)準(zhǔn)差。相關(guān)系數(shù)的大小在-1和1之間變化。再也不會(huì)出現(xiàn)因?yàn)橛?jì)量單位變化，而數(shù)值暴漲的情況了。
線性相關(guān)系數(shù)必須建立在因變量與自變量是線性的關(guān)系基礎(chǔ)上，否則線性相關(guān)系數(shù)是無意義的。
三、連續(xù)與離散變量之間的相關(guān)性
1、連續(xù)變量離散化
將連續(xù)變量離散化，然后，使用離散與離散變量相關(guān)性分析的方法來分析相關(guān)性。
2、箱形圖
使用畫箱形圖的方法，看離散變量取不同值，連續(xù)變量的均值與方差及取值分布情況。
如果，離散變量取不同值，對(duì)應(yīng)的連續(xù)變量的箱形圖差別不大，則說明，離散變量取不同值對(duì)連續(xù)變量的影響不大，相關(guān)性不高;反之，相關(guān)性高。
itss認(rèn)證需要什么資料,ITSS認(rèn)證申請(qǐng)所需材料清單
is09001質(zhì)量管理體系，IS09001:2015質(zhì)量管理體系
關(guān)于ISO27001信息安全管理體系認(rèn)證，看這一篇就夠了！
AEO認(rèn)證介紹,AEO認(rèn)證特點(diǎn)及AEO認(rèn)證審核方式和審核內(nèi)容
再談外觀設(shè)計(jì)專利之“組件產(chǎn)品”和“套件產(chǎn)品”
深圳市ISO9000：2015認(rèn)證內(nèi)部溝通的內(nèi)容有哪些？
企業(yè)版權(quán)糾紛類型有哪些？
AS9120B認(rèn)證有哪些好處?如何快速通過?