相關(guān)分析精品課件

1、關(guān)于相關(guān)分析第一張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月事物之間的聯(lián)系總是錯(cuò)綜復(fù)雜的，任何事物的變化與其它事物是相互聯(lián)系和相互影響的。事物之間的關(guān)系可分為兩類，一類是函數(shù)關(guān)系，一類是統(tǒng)計(jì)關(guān)系。所謂函數(shù)關(guān)系指的是兩事物之間的一種一一對(duì)應(yīng)的關(guān)系，即當(dāng)一個(gè)變量 取一定值時(shí)，另一變量 可以依確定的函數(shù)取唯一確定的值。另一類普遍存在的關(guān)系是統(tǒng)計(jì)關(guān)系。統(tǒng)計(jì)關(guān)系指的是兩事物之間的一種非一一對(duì)應(yīng)關(guān)系，即當(dāng)一個(gè)變量 取一定值時(shí)，另一變量 無(wú)法依確定的函數(shù)取唯一確定的值，例如，家庭收入和支出、子女身高和父母身高之間的關(guān)系等。第二張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月事物之間的函數(shù)關(guān)系比較容易分析和測(cè)度，而事

2、物之間的統(tǒng)計(jì)關(guān)系卻不像函數(shù)關(guān)系那樣直接，但確實(shí)普遍存在，并且有的關(guān)系強(qiáng)，有的關(guān)系弱，程度各有差異。如何測(cè)度事物間統(tǒng)計(jì)關(guān)系的強(qiáng)弱是人們關(guān)注的問(wèn)題。相關(guān)分析和回歸分析是以不同的方式測(cè)度事物間統(tǒng)計(jì)關(guān)系的非常有效的工具。相關(guān)分析通過(guò)圖形和數(shù)值兩種方式，能夠有效地揭示事物之間統(tǒng)計(jì)關(guān)系的強(qiáng)弱程度。在進(jìn)行相關(guān)分析的時(shí)候，散點(diǎn)圖是非常重要的工具，分析前最好用繪制散點(diǎn)圖，已初步判斷變量之前是否存在相關(guān)趨勢(shì)，該趨勢(shì)是否為直線趨勢(shì)，忽視散點(diǎn)圖的作用直接進(jìn)行相關(guān)分析很可能得出錯(cuò)誤結(jié)論。雖然散點(diǎn)圖比較形象直觀，但不是很精確。相關(guān)分析更精確的方法是通過(guò)統(tǒng)計(jì)指標(biāo)描述變量之間的關(guān)系。比較常見(jiàn)的是相關(guān)系數(shù)。第三張，PPT共五十

3、三頁(yè)，創(chuàng)作于2022年6月8.2.1散點(diǎn)圖含義繪制散點(diǎn)圖是相關(guān)分析過(guò)程中極為常用且非常直觀的分析方式。它將數(shù)據(jù)以點(diǎn)的形式在直角平面上。通過(guò)觀察散點(diǎn)圖能夠直觀地發(fā)現(xiàn)變量間的統(tǒng)計(jì)關(guān)系以及它們的強(qiáng)弱程度和數(shù)據(jù)對(duì)的可能走向，在實(shí)際分析中，散點(diǎn)圖經(jīng)常表現(xiàn)出某些特定的形式。如極大多數(shù)的是數(shù)據(jù)點(diǎn)組成類似于橄欖球的形狀，或集中形成一根棒狀，而剩余的少數(shù)數(shù)據(jù)點(diǎn)則零散地分布在四周，通常橄欖球和棒狀代表了數(shù)據(jù)對(duì)的主要結(jié)構(gòu)和特征，可以利用曲線將這種主要結(jié)構(gòu)的輪廓描述出來(lái)，使數(shù)據(jù)的主要特征更突顯。第四張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月繪制散點(diǎn)圖的基本操作步驟如下：1選擇菜單圖形 舊對(duì)話框 散點(diǎn)圖，出現(xiàn)如下圖的對(duì)

4、話框。第五張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月2 選擇散點(diǎn)圖的類型。SPSS提供了5種類型的散點(diǎn)圖。3 根據(jù)所選擇的散點(diǎn)圖類型，比如選擇【簡(jiǎn)單散點(diǎn)圖】，單擊【定義】出現(xiàn)如圖8-2的對(duì)話框第六張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月簡(jiǎn)單散點(diǎn)圖是表示一對(duì)變量間統(tǒng)計(jì)關(guān)系的散點(diǎn)圖。應(yīng)定義的選項(xiàng)主要有：指定某個(gè)變量為散點(diǎn)圖的縱軸變量，選【Y軸（Y）】框中。指定某個(gè)變量為散點(diǎn)圖的橫軸變量，選【Y軸（Y）】框中。可指定作為分組的變量到【設(shè)置標(biāo)記】 框中，表示按該變量的不同取值將樣本數(shù)據(jù)分成若干組，并在一張圖上分別以不同顏色繪制個(gè)散點(diǎn)圖。該項(xiàng)可以省略?？芍付?biāo)記變量到【標(biāo)注個(gè)案】框中，表示將標(biāo)記變量的

5、各變量標(biāo)記在散點(diǎn)圖的相應(yīng)點(diǎn)的旁邊。該項(xiàng)可以省略。 不同類型的散點(diǎn)圖具體的定義選項(xiàng)略有差別，相關(guān)分析主要用簡(jiǎn)單散點(diǎn)圖。其他四種類型的散點(diǎn)圖在第十章圖形制作中再做具體介紹。第七張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月例8.1某科學(xué)基金會(huì)的管理人員欲分析從事數(shù)學(xué)研究工作的中等或較高水平的數(shù)學(xué)家的年工資額y與他們的研究成果的質(zhì)量指標(biāo)x1，從事研究工作的時(shí)間x2以及能夠獲得資助x3的指標(biāo)之間的關(guān)系，調(diào)查了24位數(shù)學(xué)家，得到如表8-1數(shù)據(jù).試?yán)L制出簡(jiǎn)單散點(diǎn)圖。第八張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月yx1x2x333.23.59440.35.320638.75.1185.946.85.8336.4

6、41.44.231537.56136.7396.8257.540.75.530630.13.153.552.97.247838.24.525531.84.9115.843.38238.344.16.535742.86.6397.433.63.7214.334.26.277487407.6384354.935.94.523540.45.9336.436.85.6276.145.24.8345.535.13.9154.4表8-1 24位數(shù)學(xué)家相關(guān)數(shù)據(jù)第九張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月具體操作步驟：1選擇菜單圖形 舊對(duì)話框 散點(diǎn)圖，出現(xiàn)如圖8-1的對(duì)話框。2選擇散點(diǎn)圖的類型【簡(jiǎn)單散點(diǎn)圖】

7、。3單擊【定義】，出現(xiàn)如圖8-2的對(duì)話框，把左側(cè)“數(shù)學(xué)家的年工資”指定到右側(cè)【Y軸】中，把“研究工作時(shí)間”指定到【X軸】中。得到如圖8-3的散點(diǎn)圖，從散點(diǎn)圖中可以看出，研究工作時(shí)間與年工資具有較強(qiáng)的相關(guān)關(guān)系。第十張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第十一張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月雖然散點(diǎn)圖能夠直觀展現(xiàn)變量之間的統(tǒng)計(jì)關(guān)系，但并不精確。相關(guān)系數(shù)則以數(shù)值的方式精確地反映了兩個(gè)變量間線性相關(guān)的強(qiáng)弱程度。利用相關(guān)關(guān)系進(jìn)行變量間線性關(guān)系的分析通常需要完成以下兩大步驟：第一，計(jì)算樣本相關(guān)系數(shù) 。利用樣本數(shù)據(jù)計(jì)算樣本相關(guān)系數(shù)。樣本相關(guān)系數(shù)反映了兩變量間線性相關(guān)程度的強(qiáng)弱。對(duì)不同類型的變量

8、應(yīng)采用不同的相關(guān)關(guān)系指標(biāo)，但它們的取值范圍和含義都是相同的第十二張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月 相關(guān)系數(shù) 的取值在-1至+1之間。 表示兩變量存在正的線性相關(guān)關(guān)系； 表示兩變量存在負(fù)的線性相關(guān)關(guān)系。 表示兩變量存在完全正相關(guān)關(guān)系； 表示兩變量存在完全負(fù)相關(guān)關(guān)系； 表示兩變量不存在線性相關(guān)關(guān)系。 表示兩變量之間具有較強(qiáng)的線性關(guān)系； 表示兩變量之間具有較弱的線性關(guān)系。第十三張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第二，對(duì)樣本來(lái)自的兩總體是否存在顯著的線性關(guān)系進(jìn)行推斷。由于存在抽樣的隨機(jī)性和樣本量可能較小等原因，通常樣本相關(guān)關(guān)系數(shù)不能直接用來(lái)說(shuō)明樣本來(lái)自的兩總體是否具有顯著的線性相關(guān)性

9、，而需要通過(guò)假設(shè)檢驗(yàn)的方式對(duì)樣本來(lái)自的總體是否存在顯著的線性相關(guān)進(jìn)行統(tǒng)計(jì)推斷。第十四張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月基本步驟是：提出零假設(shè)，即兩總體無(wú)線性相關(guān)性。選擇檢驗(yàn)統(tǒng)計(jì)量。對(duì)不同類型的變量應(yīng)采用不同的相關(guān)系數(shù)，對(duì)應(yīng)也應(yīng)采用不同的檢驗(yàn)統(tǒng)計(jì)量。計(jì)算檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值和對(duì)應(yīng)的概率 值。決策。如果檢驗(yàn)統(tǒng)計(jì)量的概率 值小于給定的顯著性水平 ，應(yīng)拒絕零假設(shè)，認(rèn)為兩總體間存在顯著的線性相關(guān)性；反之，如果檢驗(yàn)統(tǒng)計(jì)量的概率 值大于給定的顯著性水平 ，則不能拒絕零假設(shè)，可以認(rèn)為兩總體不存在顯著的線性相關(guān)性。 對(duì)不同類型的變量應(yīng)采用不同的相關(guān)系數(shù)來(lái)度量，常用相關(guān)系數(shù)Pearson 簡(jiǎn)單相關(guān)系數(shù)、Sp

10、earman相關(guān)系數(shù)和Kendall 相關(guān)等。第十五張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月Pearson 簡(jiǎn)單相關(guān)系數(shù)用來(lái)度量?jī)啥ň嘈妥兞块g的線性相關(guān)性。如測(cè)度收入和儲(chǔ)蓄、身高和體重、工齡和收入等變量間的線性相關(guān)關(guān)系時(shí)可用Pearson 簡(jiǎn)單相關(guān)系數(shù)，它的數(shù)學(xué)定義為 (8.1)第十六張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月 為樣本數(shù)， 和 分別為兩變量的變量值 進(jìn)一步得知簡(jiǎn)單相關(guān)系數(shù)也即 (8.2)第十七張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月Pearson 簡(jiǎn)單相關(guān)系數(shù)的檢驗(yàn)統(tǒng)計(jì)量為 統(tǒng)計(jì)量，其數(shù)學(xué)定義為SPSS將自動(dòng)計(jì)算Pearson 簡(jiǎn)單相關(guān)系數(shù)、 檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值和對(duì)應(yīng)的概率

11、 值。第十八張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月 Spearman等級(jí)相關(guān)系數(shù)用來(lái)度量定序變量間的線性相關(guān)關(guān)系。該系數(shù)的設(shè)計(jì)思想與Pearson 簡(jiǎn)單相關(guān)系數(shù)完全相同，仍然可依照式（8.1）計(jì)算，相應(yīng)的指標(biāo)特征也相似。然而在計(jì)算Spearman等級(jí)相關(guān)系數(shù)時(shí)，由于數(shù)據(jù)為非定距的，因此計(jì)算時(shí)并不直接采用原始數(shù)據(jù) ,而是利用數(shù)據(jù)的秩，即將兩變量的秩 代替 代入式（8.1）中，于是其中的 和 的取值范圍被限制在1至 n 之間， 第十九張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月且式（8.1）可被簡(jiǎn)化為其中第二十張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月小樣本下，在零假設(shè)成立時(shí)Spearman等級(jí)

12、相關(guān)系數(shù)服從Spearman分布；在大樣本，Spearman等級(jí)相關(guān)系數(shù)的檢驗(yàn)統(tǒng)計(jì)量為 統(tǒng)計(jì)量，其數(shù)學(xué)定義為第二十一張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月 Kendall 相關(guān)采用非參數(shù)檢驗(yàn)方法用來(lái)度量定序變量間的線性相關(guān)關(guān)系。它利用變量秩數(shù)據(jù)計(jì)算一致對(duì)數(shù)目 （U） 和非一致對(duì)數(shù)目（V）第二十二張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月在小樣本下Kendall 服從Kendall 分布在大樣本下采用的檢驗(yàn)統(tǒng)計(jì)量為 統(tǒng)計(jì)量近似服從標(biāo)準(zhǔn)正態(tài)分布SPSS將自動(dòng)計(jì)算Kendall 相關(guān)、 檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值和對(duì)應(yīng)的概率 P值。第二十三張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月在利用SPSS計(jì)算兩變

13、量間的相關(guān)系數(shù)之前應(yīng)按一定格式組織好數(shù)據(jù)，應(yīng)定義兩個(gè)SPSS變量分別存放相應(yīng)兩變量的變量值。 計(jì)算相關(guān)系數(shù)的基本操作步驟是：1 選擇菜單中分析相關(guān)雙變量。如圖8-42 選擇參加計(jì)算相關(guān)系數(shù)的變量到【變量】框。3 在 【相關(guān)系數(shù)】 框中選擇計(jì)算哪種相關(guān)系數(shù)。第二十四張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月4 在【顯著性檢驗(yàn)】 框中選擇輸出相關(guān)系數(shù)檢驗(yàn)的雙側(cè)檢驗(yàn)的概率值還是單側(cè)檢驗(yàn)的概率 值。5 選中【標(biāo)記顯著性相關(guān)】 選項(xiàng)表示分析結(jié)果中除顯示統(tǒng)計(jì)檢驗(yàn)的概率 值以外，還輸出星號(hào)標(biāo)記，以標(biāo)明變量間的相關(guān)性是否顯著；不選中則不輸出星號(hào)標(biāo)記。6 在 【選項(xiàng)】 按鈕中的【統(tǒng)計(jì)量】 選項(xiàng)中，若選中叉積偏差

14、和協(xié)方差，表示輸出各變量的離差平方和、樣本方差、兩變量的叉積離差和協(xié)方差。如圖8-5所示第二十五張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第二十六張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第二十七張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月例8.2 以下是29名中學(xué)生的編號(hào)、身高、體重和肺活量數(shù)據(jù)，求身高、體重和肺活量之間的Pearson相關(guān)系數(shù)以及Spearman相關(guān)系數(shù)第二十八張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第二十九張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月具體操作步驟：1、按照順序分析分析相關(guān)雙變量。如圖8-42、在【雙變量相關(guān)分析】框中，選擇“身高”“體重”“肺活量”到【變量框

15、】。在【相關(guān)系數(shù)】中選擇Pearson以及Spearman，在【顯著性檢驗(yàn)】中選擇 雙側(cè)檢驗(yàn) 。3、選中 【標(biāo)記顯著性相關(guān)】4、在 【選項(xiàng)】 按鈕中的 【統(tǒng)計(jì)量】 選項(xiàng)中將兩個(gè)選項(xiàng)選中如圖8-5分析結(jié)果如表8-3,8-4,8-5所示第三十張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月表8-3給出了身高、體重、肺活量的描述性統(tǒng)計(jì)分析第三十一張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月表8-4給出了Pearman相關(guān)系數(shù)，從表中可以看出，在0.01的顯著性水平下，身高、體重、肺活量顯著相關(guān)。第三十二張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月表8-5，給出了Spearman相關(guān)系數(shù)，從表中可以看出，在0.

16、01的顯著性水平下，身高、體重、肺活量顯著相關(guān)。第三十三張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月8.4.1 偏相關(guān)分析和偏相關(guān)系數(shù) 相關(guān)分析中研究?jī)墒挛镏g的線性相關(guān)性是通過(guò)計(jì)算相關(guān)系數(shù)等方式實(shí)現(xiàn)，并通過(guò)對(duì)相關(guān)系數(shù)值得大小來(lái)判定事物之間的線性相關(guān)強(qiáng)弱。然而，就相關(guān)系數(shù)本身來(lái)講，它未必是兩事物間線性相關(guān)強(qiáng)弱的真實(shí)體現(xiàn)，往往有夸大的趨勢(shì)。第三十四張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月單純利用相關(guān)系數(shù)來(lái)評(píng)價(jià)變量間的相關(guān)顯然是不準(zhǔn)確的，而需要在剔除其他因素影響的條件下計(jì)算變量間的相關(guān)。偏相關(guān)分析的意義就在于此。偏相關(guān)分析也凈相關(guān)分析，它在控制其他變量的線性影響的條件下分析兩變量間的線性相關(guān)，所采

17、用的工具是偏相關(guān)系數(shù)（凈相關(guān)關(guān)系）。控制變量個(gè)數(shù)為一時(shí)，偏相關(guān)系數(shù)稱為一階偏相關(guān)；當(dāng)控制變量個(gè)數(shù)為兩個(gè)時(shí)，偏相關(guān)系數(shù)稱為二階偏相關(guān)；當(dāng)控制變量個(gè)數(shù)為零個(gè)時(shí)，偏相關(guān)系數(shù)稱為零階偏相關(guān)，也就是相關(guān)系數(shù)。第三十五張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月利用偏相關(guān)系數(shù)進(jìn)行變量間凈關(guān)系分析通常需要完成以下兩大步驟：第一 計(jì)算樣本的偏相關(guān)系數(shù)利用樣本數(shù)據(jù)計(jì)算樣本的偏相關(guān)系數(shù)，它反映了兩變量間凈相關(guān)的程度強(qiáng)弱。在分析變量 和 之間的凈相關(guān)時(shí)，當(dāng)控制了 的線性作用后， 和 之間的一階偏自相關(guān)系數(shù)定義為第三十六張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第二,對(duì)樣本來(lái)自的兩總體是否存在顯著的凈相關(guān)進(jìn)行推斷凈相關(guān)

18、分析檢驗(yàn)的基本步驟是1 提出零假設(shè)2 選擇檢驗(yàn)統(tǒng)計(jì)量3 決策4 計(jì)算檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值和對(duì)應(yīng)的概率 P值。第三十七張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月在利用SPSS進(jìn)行偏相關(guān)分析前應(yīng)按一定格式組織好數(shù)據(jù)，應(yīng)定義若干個(gè)SPSS變量分別存放相應(yīng)變量的變量值。偏相關(guān)分析的基本操作步驟是：1 選擇菜單分析相關(guān)偏相關(guān)。如圖8-62 選擇參與分析的變量到【變量】框中。3 選擇一個(gè)或多個(gè)控制變量到 【控制】 框中。第三十八張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第三十九張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月4 在 【顯著性檢驗(yàn)】 框中選擇輸出相關(guān)系數(shù)檢驗(yàn)的雙側(cè)檢驗(yàn)概率 P值還是單側(cè)檢驗(yàn)概率P值。

19、5 在 【選項(xiàng)】 按鈕中的 【統(tǒng)計(jì)量】 選項(xiàng)中，選中 【零階相關(guān)相關(guān)系數(shù)】 表示輸出零階偏相關(guān)系數(shù)。如圖8-7至此，SPSS將自動(dòng)進(jìn)行偏相關(guān)分析和統(tǒng)計(jì)檢驗(yàn)，并將結(jié)果輸出到輸出窗口。第四十張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月第四十一張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月例8.4 以例8.2為例，求分別以體重和身高為控制變量的偏相關(guān)系數(shù)。具體操作如圖8-6,8-7，分析結(jié)果如表8-9,8-10第四十二張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月表8-9給出了以體重為控制變量的偏相關(guān)系數(shù)，控制體重后，身高與肺活量的相關(guān)系數(shù)變?yōu)?.102，P值為0.607，沒(méi)有顯著的統(tǒng)計(jì)意義，與無(wú)控制變量的零

20、階相關(guān)系數(shù)0.599相差很大。第四十三張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月表8-10給出了以身高為控制變量的偏相關(guān)系數(shù)，控制身高后，體重與肺活量的相關(guān)系數(shù)變?yōu)?.571，與零階相關(guān)系數(shù)0.751有下降，但仍有統(tǒng)計(jì)意義。第四十四張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月8.5.1距離相關(guān)分析的思想簡(jiǎn)單相關(guān)分析以及偏相關(guān)分析研究的都是變量之間的線性相關(guān)關(guān)系，但是在現(xiàn)實(shí)生活中，有很多情況下，變量之間的關(guān)系可能不是線性關(guān)系。且無(wú)論在簡(jiǎn)單相關(guān)分析還是偏相關(guān)分析中，我們關(guān)心的都是某兩個(gè)變量的相關(guān)性，但實(shí)際問(wèn)題往往比較復(fù)雜，涉及的變量很多，且每個(gè)變量所代表的信息有可能重疊，此時(shí)，可以通過(guò)距離相關(guān)分析，考察他們之間是否具有相似性進(jìn)而研究其相互關(guān)系。第四十五張，PPT共五十三頁(yè)，創(chuàng)作于2022年6月距離相關(guān)分析是對(duì)樣品或者變量之間相似或不相似程度的一種度量，計(jì)算的是一種廣義距離。距離相關(guān)分析可以用于度量樣品之間的相互接近的程度也可用于度量變量之間的相互接近程度。但距離相關(guān)分析一般不單獨(dú)使用，而是作為聚類分析，因子分析等統(tǒng)計(jì)方法的預(yù)分析過(guò)程，探測(cè)復(fù)雜數(shù)據(jù)的內(nèi)在結(jié)構(gòu)，以得到初步的分析線索，為進(jìn)一步分析做準(zhǔn)備。距離相關(guān)分析根據(jù)統(tǒng)計(jì)量的不同，分為不相似性測(cè)度，是通過(guò)計(jì)算距離來(lái)表示的，其數(shù)值越大，表示相似的程度就越弱，對(duì)于相似