Python 数据统计实战：相关性分析指南

相关性分析用于量化两个变量间的关联强度与方向。核心指标是相关系数，取值范围为$[-1, 1]$：

• $1$：完全正相关
• $-1$：完全负相关
• $0$：无线性关联

常用方法

1. 皮尔逊相关系数
   适用于连续变量，测量线性关系。公式：
   $$\rho_{X,Y} = \frac{\text{cov}(X,Y)}{\sigma_X \sigma_Y}$$
   其中$\text{cov}$为协方差，$\sigma$为标准差。

2. 斯皮尔曼秩相关系数
   适用于有序数据或非线性关系，基于变量排名计算。

Python 实现步骤

1. 数据准备

import pandas as pd
import numpy as np
from scipy import stats

# 示例数据：广告投入 vs 销售额
data = {
    "广告费": [20, 35, 50, 65, 80],  
    "销售额": [120, 180, 250, 300, 370]
}
df = pd.DataFrame(data)

2. 计算皮尔逊相关系数

pearson_corr = df.corr(method='pearson')
print("皮尔逊相关系数矩阵：")
print(pearson_corr)

3. 计算斯皮尔曼相关系数

spearman_corr = df.corr(method='spearman')
print("\n斯皮尔曼相关系数矩阵：")
print(spearman_corr)

4. 可视化分析

import seaborn as sns
import matplotlib.pyplot as plt

sns.scatterplot(x='广告费', y='销售额', data=df)
plt.title("广告投入与销售额关系")
plt.show()

结果解读

• 若输出值接近$1$（如$0.98$），表明强正相关：广告费增加时销售额显著上升
• 若输出值接近$-1$（如$-0.85$），表明强负相关
• 值在$(-0.3, 0.3)$区间可认为无显著关联

注意事项

1. 皮尔逊系数要求数据满足正态分布
2. 异常值会扭曲结果，需预先清洗数据
3. 高相关≠因果关系，需结合业务逻辑判断

实战建议：对金融数据可尝试滚动相关性分析，动态观察指标随时间的变化趋势。