CxHub客户体验社区-用户研究、体验爱好者学习交流社区，专注客户体验(CX)研究。
社交媒体
文/小只
许多事物之间的变化是相互影响的，这些联系通常可以通过一定的量化关系加以体现。
我们称之为依存关系。
依存关系一般可以分为两类：函数关系 and 相关关系。
函数关系：事物与其变量之间存在着明确、严格的依存性。
例如，利润等于收入-成本，这种情况下变量之间的关系是确定的，依赖于固定的计算规则。
相关关系：描述了一种相对不确定的数量联系。
在这种关系中，虽然某些变量的数值会影响到其他变量，但这种影响并非固定的，而是遵循一定的规律，在特定范围内波动。
例如，随着广告费用的投入增多，销售量会带来提升，但并不知道确切的提升数字。
而相关分析，翻译Correlation Analysis，是市场及用户研究中广泛应用的统计工具。
它为理解变量之间的关系提供了强大的支持，从简单到复杂的关系解析，相关分析无处不在。
相关分析起源于19世纪末期，由卡尔·皮尔逊（Karl Pearson）和弗朗西斯·高尔顿（Francis Galton）等统计学家发展起来。
相关分析基于统计学中的协方差（Covariance）概念，它测量变量间的关系强度和方向。
它如何测量？
通过相关系数。
相关系数（Correlation Coefficient）是用来量化变量之间线性关系强度和方向的数值，通常用符号r表示。相关系数的取值范围是-1到1，其中：
① r = 1：表示两个变量之间有完全正相关。
② r = -1：表示两个变量之间有完全负相关。
③ r = 0：表示两个变量之间没有线性关系。
计算相关系数的方法有很多种，后续在方法介绍中会详细展开。
相关与因果
相关分析衡量的是变量之间的关系强度，而非因果关系。
因果分析通常需要通过实验设计或使用更复杂的模型（如回归分析）来验证。
相关与回归
回归分析是一种扩展的相关分析，它不仅探讨变量之间的关系，还用于预测。
相关系数可以看作回归分析中的一个组成部分，帮助确定变量之间的线性关系强度。
相关与协方差
协方差是相关分析的基础，表示两个变量的联动趋势。然而，由于协方差的度量受变量的单位影响，相关系数通过标准化协方差，提供了单位无关的度量，便于不同变量之间的比较。
① 皮尔逊相关分析
（Pearson Correlation）
应用范围：适用于连续变量之间的线性关系分析。
前提条件：
① 数据是连续型且近似正态分布。
② 变量之间存在线性关系。
注意事项：皮尔逊相关系数对异常值敏感，分析前需对数据进行清理。
② 斯皮尔曼等级相关分析
（Spearman's Rank Correlation）
应用范围：适用于有序数据或非正态分布的变量之间的单调关系分析。
前提条件：
① 数据可以排序（有序数据）。
② 不要求数据是线性或正态分布。
注意事项：斯皮尔曼相关系数适用于处理非线性关系，且对异常值不敏感。
③ 肯德尔相关分析
（Kendall's Tau）
应用范围：适用于小样本等级数据的相关性分析。
前提条件：
① 适用于处理有序数据。
② 适合小样本且对异常值不敏感。
注意事项：计算过程较为复杂，尤其在样本较大时，计算成本增加。
④ 偏相关分析
（Partial Correlation Coefficient）
概念：用于测量两个变量在控制了其他变量影响后的相关性。
这种方法帮助识别两个变量之间的纯粹关系，排除干扰因素的影响。
应用范围：常用于分析存在潜在混淆变量的市场数据，例如，研究广告效果时控制季节性因素。
使用前提条件：
① 需要明确控制变量，并确保它们确实是干扰因素。
② 数据需满足线性关系假设。
注意事项：偏相关分析的结果可能因控制变量的选择不同而变化，需谨慎解释。
⑤ 多元相关分析
（Multiple Correlation Analysis）
复相关是一种特殊的多元相关分析情况，集中在单个因变量上，而多元相关分析则可以包含复相关的情况，但也可以涉及更多因变量。
概念：研究多个自变量（独立变量）对一个或多个因变量（依赖变量）的综合影响。
使用前提：
① 各自变量之间无高度共线性。
② 适用于线性关系且数据分布正常。
③ 数据满足多元线性回归的假设。
注意事项：多元相关分析的解释难度较大，需谨慎解读各个变量的相对贡献。可以通过调整后的R²来评估模型的整体拟合度。
⑥ 典型相关分析
（Canonical Correlation Analysis）
概念：一种用来分析两个变量组之间（通常是一组自变量和一组因变量）的相互线性关系的统计方法。
其目的是寻找两组变量的线性组合，使得这些线性组合之间的相关性最大化。
是多元相关分析的一个子集，专门处理多个自变量与多个因变量之间的关系。
使用前提：
① 线性关系假设：基础假设是两组变量之间存在线性关系。
② 多变量正态分布：假设自变量和因变量都是来自多变量正态分布。
③ 变量的独立性：假设每组变量内的观测是相互独立的。
④ 样本量要求：要求较大的样本量。
⑤ 变量的数量匹配：过大的变量数量差异可能导致结果解释困难。
⑥ 变量的尺度和单位一致性：如果不同变量的量纲或取值范围差异较大，它们在CCA中的影响也会被放大或减弱。
⑦ 点二列相关分析
（Point-Biserial Correlation）
应用范围：适用于分析一个二元分类变量（如性别）与一个连续变量（如收入）之间的关系。
前提条件：
一个变量是二元分类，另一个是连续型且近似正态分布。
⑧ 二列相关分析
（Biserial Correlation Coefficient）
二列相关系数与点二列相关系数类似，不同的是，这种方法假定二分变量是人为分割的连续变量。它用于分析那些本质上是连续的，但由于某种原因被分类为两个类别的数据。
例如，测试成绩根据及格线被分为合格和不合格。
⑨ 菲系数分析
（Phi Coefficient）
应用范围：适用于两个二元分类变量（如是否购买产品与是否推荐产品）之间的相关性分析。
前提条件：
两个变量均为二元分类。
以上，但未穷尽，还有如非线性相关分析（Non-linear Correlation Analysis）等相关分析方法。
当两个变量之间的关系不是线性的，而是呈现曲线关系时，可以进行非线性相关分析。
① 相关性即因果性
很多人将相关性误认为因果关系。虽然两个变量可能显示出强相关性，但这并不意味着一个变量导致了另一个变量的变化。
例如，冰淇淋销量与溺水事件之间可能存在正相关，但真正的因果关系可能涉及天气因素，而非冰淇淋导致了溺水。
② 忽视数据质量
数据质量对相关分析的结果至关重要。异常值、数据噪声或缺失值可能会显著影响分析结果。
③ 忽略非线性关系
虽然皮尔逊相关系数测量的是线性关系，但许多变量之间可能存在非线性关系。
在这种情况下，使用斯皮尔曼或肯德尔相关系数等可能更合适。
④ 忽视模型的复杂性
在高级相关分析中，研究人员往往低估了模型的复杂性，尤其是在处理多个自变量和交互作用时。过度复杂的模型可能导致过拟合，从而降低模型的预测能力。
⑤ 仅关注相关系数的大小，忽略实际意义
在解释相关分析结果时，相关系数的大小虽然重要，但其实际意义更为关键。
例如，在商业应用中，即使相关系数不高，但只要有实际意义，仍应重视其结果。
SPSS：提供多种统计分析功能，如皮尔逊相关、斯皮尔曼相关等。
R语言：免费且强大，支持多种相关分析方法，并能轻松扩展功能。
Python：开源且灵活，可以通过Pandas、NumPy等库进行高效的数据处理和分析。
