【Python】第十五天:变量之间有没有关系?全场景相关性分析,一行代码搞定

哈喽各位小伙伴！我是你们的统计学+Python零露老师～

上一期咱们补全了假设检验的核心技能，从今天开始，咱们进入统计学的另一个核心板块：相关性分析。

日常论文、工作里，我们经常会问这类问题：

(1)身高越高的人，体重是不是也越重？

(2)广告投入越多，产品销量是不是也越高？

(3)血糖越高的患者，血压是不是也越高？

这些问题的本质，都是在问「两个变量之间有没有关系」，今天咱们就一次性搞定全场景相关性分析，从原理到Python代码，小白看完就会用！

一、先搞懂核心：相关关系≠因果关系

这是相关性分析最重要的一条铁律，小白必须先记牢：两个变量有相关关系，不代表一个变量的变化是另一个变量导致的。

举个最经典的例子：夏天冰淇淋卖得越多，溺水死亡的人数也越多，两者是强正相关。但这绝对不是「吃冰淇淋导致溺水」，而是因为第三个因素——「天气热」：天气热了，吃冰淇淋的人多了，同时去游泳的人也多了，溺水人数自然就多了。

所以相关性分析，只能告诉你「两个变量会不会一起变化」，不能告诉你「谁导致了谁」，想要证明因果关系，需要后续的实验设计或回归分析。

二、小白必懂的2种相关系数

不用记复杂公式，记住这2种最常用的，日常99%的场景都够用：

1.皮尔逊（Pearson）相关系数r

这是最经典、最常用的相关系数，专门用来衡量两个连续变量的线性相关关系。

小白版核心规则：

(1)r的范围：永远在-1到1之间

①　绝对值越大，相关性越强：

②　r=1：完美正相关（一个涨，另一个严格按比例涨）

③　r=0.7~0.99：强正相关

④　r=0.3~0.69：中等/弱正相关

⑤　r=0：无线性相关

⑥　r=-0.3~-0.69：中等/弱负相关

⑦　r=-0.7~-0.99：强负相关

⑧　r=-1：完美负相关（一个涨，另一个严格按比例跌）

(3)正负号代表方向：正号是正相关（你涨我也涨），负号是负相关（你涨我跌）

适用条件：

(1)两个变量都是连续型数据（比如身高、体重、收入、销量）；

(2)两个变量基本符合正态分布；

(3)两个变量是线性关系（不是U型、S型这种非线性关系）。

2.斯皮尔曼（Spearman）秩相关系数

也叫等级相关系数，适用范围比皮尔逊广得多，是小白的「万能相关系数」。

核心特点：

(1)不要求数据符合正态分布，任何分布都能用；

(2)不仅能处理连续数据，还能处理有序分类数据（比如满意度：1-不满意、2-一般、3-满意）；

(3)基于数据的「排名」计算，对异常值不敏感，更稳健。

适用场景：

(1)数据不符合正态分布；

(2)有异常值；

(3)变量是有序分类数据；

(4)不确定是不是线性关系，先拿它探路。

三、Python全流程实战！双场景手把手教学

代码超简单，一行就能算出相关系数，小白直接复制就能跑！

第一步：先导入工具库（必须先运行！）

场景1：医学实战-身高与体重的相关性（皮尔逊相关）

这是最经典的连续变量相关场景：我们测量了20名成年人的身高（cm）和体重（kg），检验身高和体重有没有线性相关关系。

场景2：业务实战-广告投入与销量的相关性（斯皮尔曼相关）

这是运营工作的高频场景，数据可能有异常值，用斯皮尔曼更稳健：我们统计了12个月的广告投入（万元）和产品销量（万件），检验广告投入和销量有没有相关关系。

四、小白必记的3个注意事项

(1)永远记住：相关≠因果，两个变量相关，可能是第三个因素导致的，不要随便下因果结论；

(2)先看散点图，再算相关系数：散点图能一眼看出是不是线性关系、有没有异常值，比如U型关系的两个变量，皮尔逊r可能接近0，但其实有很强的非线性相关；

(3)样本量太小不可靠：比如只有5个数据，算出的相关系数没意义，建议样本量至少30以上。

一张表总结：2种相关系数怎么选？

小白直接收藏，用的时候看一眼就不会错！

第十五天学习总结

恭喜你！今天彻底搞定了相关性分析的核心技能，核心就3点：

(1)相关性分析只能告诉你「两个变量会不会一起变化」，相关≠因果；

(2)皮尔逊相关系数适合连续、正态、线性数据，斯皮尔曼是万能通用款，小白优先用斯皮尔曼探路；

(3)先看散点图，再算相关系数，一行代码就能出结果，直接套用就行。

下期预告

明天Day16，咱们从「相关」进阶到「预测」——简单线性回归！教你用一个变量预测另一个变量，比如用身高预测体重，用广告投入预测销量，依旧是大白话+Python保姆级代码，咱们不见不散！

✨粉丝福利

1.关注公众号，Day16更新第一时间推送！

2.评论区扣【15】，免费领取今天的全套可直接运行的代码文件！