❖数据探索

数据探索包含相关分析。

•相关分析

相关分析（Correlation Analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。

拖拽一个数据集和一个相关分析节点到编辑区，连接数据集和相关分析节点。选中相关分析节点设置及展示区包含两个页面：配置项目、结果展示。

o配置项目

【相关系数】相关系数有三种：Pearson，Kendall，Spearman。

•Pearson相关系数（Pearson Correlation Coefficient）是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。

•Kendall系数是n个同类的统计对象按特定属性排序，其他属性通常是乱序的。同序对（concordant pairs）和异序对（discordant pairs）之差与总对数（n*(n-1)/2)的比值。

•Spearman相关系数是衡量分级定序变量之间的相关程度的统计量。

【选择相关列】点击选择按钮打开选择列对话框，从左边拖拽列到右边（或者选中列，点击添加按钮），添加相关列。

o结果展示

两个变量之间的相关程度通过相关系数r来表示。相关系数r的值在-1和1之间，可以是此范围内的任何值。正相关时，r值在0和1之间；负相关时，r值在-1和0之间。r的绝对值越接近1，两变量的关联程度越强，r的绝对值越接近0，两变量的关联程度越弱。

相关分析的结果以矩阵形式展示出来。如下图，蓝色表示正相关，粉色表示负相关，颜色越深相关性越强。

注：相关系数的大小说明：|r|>0.95 存在显著性相关；|r|≥0.8 高度相关；0.5≤|r|<0.8 中度相关；0.3≤|r|<0.5 低度相关；|r|<0.3 关系极弱，认为不相关。