皮尔逊、斯皮尔曼和肯德尔相关系数，手工计算

Pearson, Spearman, and Kendall correlation coefficients, calculated manually

学习手工计算Pearson、Spearman和Kendall相关系数，以评估两个变量之间的关系

介绍

在统计学中，相关性用于评估两个变量之间的关系。

在之前的一篇文章中，我们展示了如何在R中计算相关性并进行相关性检验。在本文中，我们将演示如何手工计算Pearson、Spearman和Kendall相关系数，并在两种不同情况下进行计算（即有和无绑定情况）。

数据

为了说明有和无绑定情况下的方法，我们考虑两个不同的数据集，一个带有绑定，另一个没有绑定。

有绑定情况

对于有绑定情况的示例，假设我们有以下大小为5的样本：

• Pandas 2.1有什么新功能
• 如何在没有Langchain的情况下构建PDF聊天机器人？
• 促使工程师在大型语言模型中利用上下文学习

正如我们所看到的，由于变量x中存在两个相同的观测值，因此存在一些绑定。

无绑定情况

对于不需要绑定的情况，我们将考虑以下大小为3的样本：

手工计算相关系数

三种最常见的相关性方法是：

1. Pearson，用于具有线性关系的两个定量连续变量
2. Spearman，用于两个定量变量，如果关系部分线性，或者用于一个定性有序变量和一个定量变量
3. Kendall，通常用于两个定性有序变量