六西格玛管理分析工具——相关分析

在六西格玛管理的分析阶段，分析问题的原因非常重要。这时，相关分析和统计学中的回归分析都是非常强大的六西格玛工具。

如果同时获得两个或多个连续变量的观测值，相关分析和回归分析都可以使用。例如，在一定范围内，反应罐内的温度与最终产量之间存在一定的关系。分析确认两者之间是否存在关系，这是相关分析)的任务；回归分析的任务是用方程的形式表达它们之间的关系。回归分析的任务可能更复杂。除了温度之外，可能还有很多因素影响最终产量，如反应时间、反应罐中的压力等。因此，回归分析分为单自变量回归(称为单变量回归)和多自变量回归(称为多元回归)。除了线性回归外，可能还有二次回归、三次回归等多项式回归，以及更多的自变量最多的逐步回归。下面天行健管理顾问将介绍简单线性回归分析方法。

1.相关系数的概念

相关系数(通常是皮尔逊相关系数)是描述两个变量之间线性相关程度的一种度量。从两个变量的群体观测值，我们可以画出各种形状的散点图。我们希望用相关系数来表示它们是正相关还是负相关，以及相关到什么程度。

2 、相关分析

如果您有X和Y的配对数据，您可以在散点图中直观地看到这种关系。x和y之间的关系可能密切，也可能不密切。

3.判断X和y的相关程度。

通常，你可以先从散点图中得到一个大致的印象。当然，如果只是得到一些初步印象，远远不够。我们应该定量分析相关性。

4.相关分析中的x与y

X和Y都是随机变量，但在回归分析中，Y是随机变量，X可以是随机的，也可以是非随机的。通常，在回归模型中，总是假设X是非随机的；

5.关于相关分析

相关分析主要研究两个变量之间的贴近度，回归分析不仅可以揭示X对Y的影响，还可以通过回归方程进行定量预测和控制。

相关分析在实际应用中与回归分析密切相关。然而，在回归分析中，我们关心的是一个随机变量Y对另一个(或一组随机变量X)的依赖关系的函数形式。然而，在相关分析，所讨论的变量的状态是相同的，并且分析集中于随机变量之间的各种相关性特征。比如用X和Y分别记录小学生的数学和语文成绩，我们感兴趣的是它们之间的关系，而不是用X来预测Y。