皮尔逊相关系数法(Pearson Product-moment Correlation Coefficient,PMCC)是一种广泛应用于检验变量之间相关性的度量方法[100]。假设存在变量x 与y 总体服从或者近似服从正态分布时,变量与之间的相关系数的计算公式:
式中,、分别为x、 y 的均值; xi 、 y i分别为x、 y 的第i 个观测值。
由式(6-1)不难看出,皮尔逊相关系数值的取值范围在[-1,1],相关系数的绝对值越大表明变量间的相关程度越高。当| rx y|= 1时,表示变量x 与y之间为完全线性相关,此时的相关关系为函数关系。当rx y> 0时,表示变量x与y 之间为正相关,反之则为负相关。当rx y= 0时,表示两个变量之间相互独立,不呈线性关系,即通常所说的两个变量不相关。
另外,根据相关性系数数值的大小,可以将两变量之间的相关关系进一步划分为高度相关、中度相关、低度相关和极弱相关。
高度相关:相关系数绝对值大于0.70。
中度相关:相关系数绝对值在0.50~0.70。
低度相关:相关系数0.30~0.50。
极弱相关:相关系数0.05~0.30。
T 检验是一种常用的用于检验两变量之间相关性分析置信度的测试方法,其检验方法如下:
检验的原假设为H 0:ρ = 0(总体中两个变量间的相关系数为0)。(www.xing528.com)
用于检验的统计量为
当原假设为真时:
式中, rxy 为两变量间的相关系数;n为样本观测数量; n-2 为自由度。在原假设下,当观测的显著性水平小于0.05 时,拒绝原假设,我们认为两变量之间存在线性相关;否则接受原假设,即认为两变量之间不存在线性相关关系。
采用皮尔逊相关系数法对驾驶模式决策属性与驾驶模式之间的相关关系进行分析,得到其结果如表6-3 所示。
表6-3 相关性检验
注:**表示在置信度(双侧)为0.01 时,显著相关;*表示在置信度(双侧)为0.05 时,显著相关。
根据皮尔逊相关系数划分方法,一般认为相关系数取值绝对值在0.15 以上则认为变量之间存在相关性。从表6-3 的计算结果可以看出,所选取的6个决策属性与驾驶模式之间都存在显著的相关性(Sig<0.05)。其中,车速、加速度、车道中心距与驾驶模式为正相关,前轮转角标准差、车头时距、驾驶经验与驾驶模式为负相关。这些变量的关联性将应用于驾驶模式决策模型的结果分析中。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。