实施GJB5000B四级需要建立过程绩效模型(PPM),建立PPM需要计算皮尔逊相关系数,而计算皮尔逊相关系数则需注意到它要满足的前提条件或者特别之处。
两个相关变量未必有因果关系,不相关的两个变量肯定没有因果关系。
可以利用逻辑判断排除一些错觉相关,而不是都要依靠计算。
两个相关变量必须属于同一个对象。换言之,它们应是从一个样本的同一个元素中提取的。
计算相关性所需的最少样本量一般为30个。
样本数据的测量误差将减小相关性。
皮尔逊相关系数适用于在两个变量之间存在线性关联的情况,不适用两个随机变量之间的关联是非线性的情况。
如果有异方差性,也不适合用作描述线性关联的平均值。在这种情况下,可以针对各个分组分别测定相关系数。
样本数据应具有连续性。如果有间断,应通过继续取样填补样本,使间断得到闭合。
应删除样本数据中的离群值。
相关系数的大小也取决于两个变量的变异性。
显著性同时也受基础样本量的影响。
显著性并不总是意味着关联性。
两个变量的相关性可能受其他变量的影响。
总之,计算皮尔逊相关系数需要考虑以上的前提条件,从而可以帮助我们避免出现错觉相关,更好地完成变量间的相关性的计算。
这正是:
相关计算有前提,数据需要先梳理
磨刀不误砍柴功,个中道理讲分明
参考书目:SPSS 回归分析,作者:克里斯蒂安·FG·申德拉博士,出版社:电子工业出版社
联系客服