提起相关分析,很多人的第一意识就是简单,因为它是统计的基础操作,许多分析方法都涉及到相关。其实不然,我们经常提到的仅是连续变量之间的相关,那么,类别变量的相关分析要如何去做呢?
案例数据说明
有一份电信用户数据,其中包含 2 个分类变量:套餐类型和是否流失。套餐类型变量有 4 个分类值,分别为基础服务、电子服务、附加服务、全服务;是否
流失变量包括流失 Yes 及未流失 No。现在我们需要分析分类变量“套餐类型”和“是否流失”之间的关系。
实现方法如下:
结果如下:线条越粗,相关性越紧密
当然还可以通过交叉表即卡方检验来实现。
1、相关分析属于数据分析流程前端的探索性分析,探究变量间关系及性质,其结果在于指导下一步采取何种方法,是数据挖掘之前的基础工作;
2、两两之间有相关关系,但不一定是因果关系,也可能仅是伴随关系,反过来,两两之间存在因果关系,那么两者之间必然相关;
3、相关分析之前,有必要搞清楚变量的类型,根据具体类型选择合适的相关系数。Pearson 相关系数适用于两变量的度量水平都是尺度数据,并且两变量的总体是正态分 布或者近似正态分布的情况,还有说法认为其样本量应大于 30,可供参考,在这些条件之外的,考虑选择 spearman 系数或者 kendall 系数。
4、分组对比分析是发现问题的好方法;(不同地区、不同学历、不同年龄层、不同性别)
5、散点图是相关分析的最直接有效的可视化方法。