統計學中相關性是什麼?
統計學中自相關性是什麼意思
序列相關性指對於不同的樣本值,隨機擾動項之間不再是完全相互獨立,而是存在某種相關性. 2. 一階自相關只的是誤差項的當前值只與其自身前一期值之間的相關性. 3. D.W.檢驗:全稱杜賓—瓦森檢驗,適用於一階自相關的檢驗..
DW判斷的是一階自相關，一般用差分法（一階）就可以解決。
自相關的解決方法，基本方法是通過差分變換,對原始數據進行變換的方法,使自相關消除.
一,差分法，一階。
設Y對x的迴歸模型為
Yt=β1+β1xt+μt(1)
μt=ρμt-1+vt
式中, vt滿足最小平方法關於誤差項的全部假設條件。
將式(1)滯後一個時期,則有
Yt-1=β0+β1xt-1+μt-1(2)μt-1=ρμt-2+vt-1
於是, (1)-ρ×(2),得Yt-ρYt-1=β0(1-ρ)+β1(xt-ρxt-1)+νt(3)
Yt-ρYt-1=β1(xt-xt-1)+μt-μt-1=β1(xt-xt-盯)+vt(4)
ρ為自相關係數
也就是說,一階差分法是廣義差分法的特殊形式。
高階自相關是用BG檢驗法，LM=T*R^2服從X^2(p)（kafang）分佈，T為樣本容量，p為你想檢驗的自相關階數，查kafang分佈表，置信度為95%也就是阿爾法=0.5，如果T*R^2>查出來的結果即存在你想驗證的自相關階數。
修正用廣義差分法（AR(p))
廣義差分方法
對模型: Yt= 0+ 1X t+ut ------(1) ,如果ut具有一階自迴歸形式的自相關,既 ut= u t-1 +vt 式中 vt滿足通常假定.
假定, 已知,則: Y t-1= 0+ 1X t-1+u t-1 兩端同乘 得:
Y t-1= 0 + 1 X t-1+ u t-1-------(2)
(1)式減去(2)式得:
Yt- Y t-1= 0 (1- )+ 1X (Xt- X t-1)+vt
令:Yt*= Yt- Y t-1 ,Xt*= (Xt- X t-1), 0 *= 0(1- )
則: Yt*= 0 * + 1 Xt*+vt 稱為廣義差分模型,隨機項滿足通常假定,對上式可以用OLS估計,求出 .
為了不損失樣本點,令Y1*= X1*=
以上解決自相關的變換稱為廣義差分變換, =1,或 =0 , =-1是特殊情況.
廣義差分變換要求 已知,如果 未知,則需要對 加以估計,下面的方法都是按照先求出 的估計值,然後在進行差分變換的思路展開的。
如果差分修正還是效果不好，那就是你迴歸變量的問題了，有一些統計數據本身就是有很強的自相關，比如GDP等，這是無法避免的，有些數據要先 去勢，協整以後才可以做迴歸的，詳細在這裡解釋不清，你應該仔細看計量經濟學教科書有關章節。 不明白的還可以問我
統計學中相關性和因果性到底是什麼關係？有什麼區別？
先舉個例子吧，假設我們拿到一組數據，冰淇淋的銷量和啤酒的銷量正相關，這就是相關性。但是很快發現二者都是隨氣溫變化的，二者沒有因果關係。過了幾天，世界盃開幕了，導致啤酒銷量上升，這個時候如果把相關性當成因果性，判斷冰淇淋銷量也會上升，那就可能會造成損失了。
這是一個很簡單的問題，所以看上去做出正確判斷很理所當然，但是實際問題——比如產品的失效分析的時候，大量因子都有或強或弱的相關性，在滿眼錯綜複雜的數據中，判斷因果關係就是一個相當高科技的問題了
《大數據時代》這本書裡也介紹了這個。另外，百度上有很多關於這個的討論，也可以學習借鑑。統計的知識，具體的操作還是要看使用環境的，不能盲目套用。
希望能幫到你
統計學中，相關分析的主要內容有哪些
（1）確定現象之間有無關係。這是相關與迴歸分析的起點。只有存在相互依存關係，才有必要進行進一步的分析。
（2）確定相關關係的表現形式。只有確定了現象之間相互關係的具體表現形式，才能運用相應的相關分析方法去解決。如果把曲線相關誤認為是直線相關，按直線相關來分析，便會出現認識上的偏差，導致錯誤的結論。
（3）測定相關關係的密切程度和方向。現象之間的相關關係是一種不確定的數量關係，因此常常給人的感覺是不明確的。相關分析就是要從這種不確定、不明確的數量關係中，判斷相關變量之間數量上的依存程度和方向。
怎麼簡單理解統計學R值中表達的相關性
1、簡單的理解就是R值越大，相關性越強。但是一般會以R的平方和修正後的R平方為參考值，值越大，相關性越強。
2、在線性迴歸中，相關性就是自變量與因變量的相關性程度，相關性越高，說明你選擇的自變量越合理。
統計學中相關係數多少判斷相關性
相關係數是用以反映變量之間相關關係密切程度的統計指標。相關係數是按積差方法計算，同樣以兩變量與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變量之間相關程度；著重研究線性的單相關係數。相關關係是一種非確定性的關係，相關係數是研究變量之間線性相關程度的量。由於研究對象的不同，相關係數有如下幾種定義方式。 簡單相關係數：又叫相關係數或線性相關係數，一般用字母P表示，是用來度量變量間的線性關係的量。 複相關係數：又叫多重相關係數。複相關是指因變量與多個自變量之間的相關關係。例如，某種商品的季節性需求量與其價格水平、職工收入水平等現象之間呈現複相關關係。 典型相關係數：是先對原來各組變量進行主成分分析，得到新的線性關係的綜合指標，再通過綜合指標之間的線性相關係數來研究原各組變量間相關關係。依據相關現象之間的不同特徵，其統計指標的名稱有所不同。如將反映兩變量間線性相關關係的統計指標稱為相關係數（相關係數的平方稱為判定係數）；將反映兩變量間曲線相關關係的統計指標稱為非線性相關係數、非線性判定係數；將反映多元線性相關關係的統計指標稱為複相關係數、復判定係數等。
統計學中，相關係數r=0的時候是什麼情況?
相關係數是一個介於-1到+1之間(包括+-1)的數,r=1表明兩變量完全正相關,r=-1表明完全負相關,0表示兩個變量之間沒有任何相關性,在x-y散點圖上表示為類似白噪聲的分佈,均勻的佈滿整個座標平面。