1702658173
4.完全相关、不相关和不完全相关
1702658174
1702658175
从相关变量的密切程度来看，变量之间的相关关系可以分为完全相关、不相关和不完全相关三种类型。
1702658176
1702658177
当一个变量的变化完全由另一个变量的变化所决定时，称这两个变量间的关系为完全相关；当两个变量彼此互相不影响，其发生的变化各自独立时，就称为不相关；而当两个变量之间的关系介于完全相关和不相关之间时，就称为不完全相关。
1702658178
1702658179
完全相关可以以方程的形式呈现，因此，完全相关可以转化为一般意义上的函数关系。通常变量都是不完全相关的，这是相关分析的主要研究对象。
1702658180
1702658181
1702658182
1702658183
1702658184
Excel统计分析与应用大全 [:1702652491]
1702658185
Excel统计分析与应用大全 11.2 几种简单相关分析方法
1702658186
1702658187
简单相关分析是指对两个变量之间的相关关系进行分析，即通过计算两个变量之间的相关系数，对两个变量之间是否显著相关做出判断。
1702658188
1702658189
简单相关分析用来描述两个随机变量（X和Y）之间线性相关的程度，两个变量之间没有主次之分。进行简单相关分析的方法主要有以下几种。
1702658190
1702658191
Excel统计分析与应用大全 [:1702652492]
1702658192
11.2.1 通过散点图进行简单相关分析
1702658193
1702658194
散点图的特点一般就是将变量序列显示为一组点，变量值通过由点在图表中的位置表示出来，X轴和Y轴分别表示不同的变量，而通过散点图的形状可以直观地判断出两个变量之间存在何种相关关系。图11.1～图11.6，分别给出了几种常见散点图的相关形式。
1702658195
1702658196
1702658197
1702658198
1702658199
图11.1 完全正线性相关
1702658200
1702658201
1702658202
1702658203
1702658204
图11.2 完全负线性相关
1702658205
1702658206
1702658207
1702658208
1702658209
图11.3 正线性相关
1702658210
1702658211
1702658212
1702658213
1702658214
图11.4 负线性相关
1702658215
1702658216
1702658217
1702658218
1702658219
图11.5 非线性相关
1702658220
1702658221
1702658222