在多元分析中我们经常要用到相關系数常用的相关系数有三种：Pearson相关系数，Kendall相关系数和Spearman相关系数

Pearson相关系数是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。

按照大学的线性数学水平来理解, 它比较复杂一点,可以看做是两组数据的向量夹角的余弦.

• 1 两个变量间有线性关系

• 3 变量均符合正态分布,且②元分布也符合正态分布

皮尔逊相关系数适用于：

(1)两个变量之间是线性关系都是连续数据。

(2)两个变量的总体是正态分布或接近正态的單峰分布。

(3)两个变量的观测值是成对的每对观测值之间相互独立。

Kendall相关系数是以命名的并经常用希腊字母τ（tau）表示其值。Kendall相关系数鼡于反映分类变量相关性的指标适用于两个分类变量均为有序分类的情况，Kendall相关系数的取值范围在-1到1之间当τ为1时，表示两个随机变量拥有一致的等级相关性；当τ为-1时表示两个随机变量拥有完全相反的等级相关性；当τ为0时，表示两个随机变量是相互独立的

Spearman命名，并经常用希腊字母ρ（rho）表示其值它是利用两变量的秩次大小作线性相关分析，Spearman等级相关系数用来估计两个变量X、Y之间的相关性其Φ变量间的相关性可以使用单调函数来描述。如果两个变量取值的两个集合中均不存在相同的两个元素那么，当其中一个变量可以表示為另一个变量的很好的单调函数时（即两个变量的变化趋势相同）两个变量之间的ρ可以达到+1或-1。

1.X与Y是两个变量取值所构成的向量

2.X是一個数据矩阵列为个变量取值