从事质量行业的朋友一定经常需要对数据进行分析，这也是一项最基础的技能。那么你知道几种数据相关性分析的方法呢?

做数据分析时，为了提炼观点，相关性分析是必不可少，而且尤为重要的一个环节。但是，对于不同类型的数据，相关性分析的方法都各不相同。本文，主要按照不同的数据类型，来对各种相关性分析方法进行梳理总结。

相关性分析是指对两个或多个具备相关性的变量元素进行分析，相关性不等于因果性。

一、离散与离散变量之间的相关性1、卡方检验

卡方检验是一种用途很广的计数资料的假设检验方法。它属于非参数检验的范畴，主要是比较两个及两个以上样本率( 构成比）以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。

它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。

（1）假设，多个变量之间不相关

（2）根据假设计算得出每种情况的理论值，根据理论值与实际值的差别，计算得到卡方值 及 自由度

df=(C-1)(R-1)

（3）查卡方表，求p值

卡方值越大，P值越小，变量相关的可能性越大，当P0时，表明 X与Y 正相关；

当 cov(X, Y)

当 cov(X, Y)=0时，表明X与Y不相关。

协方差只能对两组数据进行相关性分析，当有两组以上数据时就需要使用协方差矩阵。

协方差通过数字衡量变量间的相关性，正值表示正相关，负值表示负相关。但无法对相关的密切程度进行度量。当我们面对多个变量时，无法通过协方差来说明那两组数据的相关性最高。要衡量和对比相关性的密切程度，就需要使用下一个方法：相关系数。

2、线性相关系数

也叫Pearson相关系数， 主要衡量两个变量线性相关的程度。

r=cov(X,Y)/(D(X)D(Y))

相关系数是用协方差除以两个随机变量的标准差。相关系数的大小在-1和1之间变化。再也不会出现因为计量单位变化，而数值暴涨的情况了。

线性相关系数必须建立在因变量与自变量是线性的关系基础上，否则线性相关系数是无意义的。

三、连续与离散变量之间的相关性1、连续变量离散化

将连续变量离散化，然后，使用离散与离散变量相关性分析的方法来分析相关性。

2、箱形图

使用画箱形图的方法，看离散变量取不同值，连续变量的均值与方差及取值分布情况。

如果，离散变量取不同值，对应的连续变量的箱形图差别不大，则说明，离散变量取不同值对连续变量的影响不大，相关性不高;反之，相关性高。

php常见的后台内容管理系统，非常适合初级程序员的建站系统

序言：前段时间织梦因为版权的问题在网上闹得沸沸扬扬，也提醒了众多开发者选择cms上应该谨慎使用，今天给大家展示一款自己搭建的内容管理系统，不用担心版权的问题，而且非常容易维护以及扩展，让我们一块来学习一下吧。还不赶紧点赞收藏。

这篇文章是我对织梦的一些看法，感兴趣的可以去看看。

织梦dedecms一个网站授权费5800元，作为老程序员我有话要说

后台页面

登录页

后台主页面

系统配置、内容管理、用户管理、扩展管理等等，非常容易上手并且易于功能扩展，在开发过程中我都是根据客户的需求来定制来发后台的功能模板，将用不到的功能全部去掉，以图给客户一个最简单实用的后台。

新闻列表页

添加页面

轮播图管理

整套后台是用的layui的模板样式，整体看起来非常的干净舒适。

后台登录部分代码

	

		

			
			

				
后台管理系统
				
					

						
						
					
					

						
						
					
					

						登录
					
					
			
		
	

我是小程序软件开发，每天分享开发过程中遇到的知识点，如果对你有帮助的话，帮忙点个赞再走呗，非常感谢。