如何执行相关 t 检验

皮尔逊相关系数用于量化两个变量之间的线性关联。

它始终采用 -1 和 1 之间的值，其中：

• -1 表示完全负线性相关。
• 0 表示没有线性相关。
• 1 表示完全正线性相关。

要确定相关系数是否具有统计显着性，您可以执行 t 检验，其中涉及计算 t 分数和相应的 p 值。

t-score的计算公式如下：

t = r√ (n-2) / (1-r ² )

金子：

• r：相关系数
• n：样本量

p 值计算为具有 n-2 自由度的 t 分布的相应双尾 p 值。

以下示例显示如何对相关系数执行 t 检验。

示例：运行相关性 t 检验

假设我们有以下包含两个变量的数据集：

使用一些统计软件（Excel、R、Python等），我们可以计算出两个变量之间的相关系数为0.707 。

这是一个非常正相关的关系，但要确定它是否具有统计显着性，我们需要计算相应的 t 分数和 p 值。

我们可以如下计算 t 分数：

• t = r√ (n-2) / (1-r ² )
• t = 0.707√ (10-2) / (1-0.707 ² )
• t = 2.828

使用P 值 T 分数计算器，我们发现相应的 p 值为0.022 。

由于该 p 值小于 0.05，我们可以得出结论，这两个变量之间的相关性具有统计显着性。

其他资源

如何在Excel中进行相关性测试
如何在 R 中执行相关性测试
什么被认为是“弱”相关性？
什么被认为是“强”相关性？