皮尔逊相关(Pearson)和斯皮尔曼相关(Spearman)显著性检验


1. 皮尔逊相关(Pearson)显著性检验

检验方法:T检验(t-test)

  • 皮尔逊相关系数的显著性检验,通常用t检验。

  • 你用 scipy.stats.pearsonr 计算相关系数时,返回的p值就是t检验的结果。

  • 也可以手动用公式:

    t=rn−21−r2t = \frac{r \sqrt{n-2}}{\sqrt{1 - r^2}}t=1−r2 rn−2

    其中 ( r ) 为相关系数,( n ) 为样本量,自由度为 ( n-2 )。

结论:皮尔逊相关系数的显著性检验用t检验。


2. 斯皮尔曼相关(Spearman)显著性检验

检验方法:精确分布法或近似t检验

  • 斯皮尔曼相关系数的显著性检验,scipy.stats.spearmanr 直接返回p值,底层是用精确分布法或近似t检验(大样本时)。
  • 你只需看 spearmanr 返回的p值即可判断显著性。

结论 :斯皮尔曼相关系数的显著性检验直接用spearmanr的p值即可。


3. 总结表

相关系数类型 显著性检验方法 Python常用函数 p值含义
皮尔逊(Pearson) t检验 scipy.stats.pearsonr 相关性是否显著
斯皮尔曼(Spearman) 精确分布/近似t检验 scipy.stats.spearmanr 相关性是否显著

4. 代码举例

python 复制代码
from scipy.stats import pearsonr, spearmanr

# 皮尔逊
r, p_pearson = pearsonr(df['X'], df['Y'])
print('皮尔逊相关系数:', r, 'p值:', p_pearson)

# 斯皮尔曼
rho, p_spearman = spearmanr(df['X'], df['Y'])
print('斯皮尔曼相关系数:', rho, 'p值:', p_spearman)

结论

  • 皮尔逊相关系数用t检验(pearsonr的p值)。
  • 斯皮尔曼相关系数用精确分布法或近似t检验(spearmanr的p值)。

只需关注pearsonrspearmanr返回的p值即可判断显著性,无需手动实现检验。

相关推荐
MT_1253 小时前
大小端存储的理解与判断方法
数据结构·算法
玩镜的码农小师兄3 小时前
[从零开始面试算法] (11/100) LeetCode 226. 反转二叉树:递归的“镜像”魔法
c++·算法·leetcode·面试·递归·hot100
喜欢吃豆4 小时前
LangGraph 深度解析(三):构建可观测、交互式 AI 智能体的流式架构权威指南
人工智能·python·算法·架构·大模型
玉木子6 小时前
机器学习(六)朴素贝叶斯分类
开发语言·人工智能·python·算法·机器学习·分类
明月(Alioo)7 小时前
机器学习进阶,一文搞定模型选型!
人工智能·算法·机器学习
Yyyy4827 小时前
test命令与参数
算法
耳总是一颗苹果9 小时前
数据结构---选择排序
c语言·数据结构·学习·算法·排序算法
战术摸鱼大师9 小时前
电机控制(一)-电机分类
算法·运动控制·电机控制
肾透侧视攻城狮11 小时前
从淘宝推荐到微信搜索:查找算法如何支撑亿级用户——动画可视化
算法·微信