統計技術 第Ⅲ部：第2章 多変量記述統計（５）
第2章-4 Multivariate Descriptive Statistics （多変量記述統計）
ここでは、複数変量（多変量）におけるケンドールのタウ順位相関、スピアマンの順位相関、ピアソン相関などを一括して求めることが出来る．
ただし、多変量回帰分析、すなわち、従属変数（目的変数）に対する複数の独立変数（説明変数）の関係をみるものではない．
それでは、
Wessa.net 事例集から下記について紹介する．
（１）Kendall tau Correlation Matrix
（２）Notched Boxplots
● Free Statistics Software (Calculator) - Web-enabled scientific services & applications
https://www.wessa.net
「Wessa.net」のTop ページから、
Descritive Statistisc を選択
↓
下方にスクロースして、
Multivariate Descriptive Statistics
↓
Kendall tau Correlation を選択
↓
図１ データ入力画面
図２ 出力結果：相関関係（Pearson r）
Excel では、CORREL()関数で求めることが出来る．
図３ 出力結果：相関関係（p-value）
ここでは、ピアソン相関、ケンドールのタウ順位相関、スピアマンの順位相関．
図３ 出力結果：相関関係（Scatter Plots）
表記の数値は相関係数ではな（p-value）．
データ解析環境「R」では、Excel に入力されたデータ（図４）をコピー・ペーストし下記の「R」コマンドを実行すれば良い．
図４ Excel に入力されたデータ形式の場合
図４の列名を含むデータをすべて選択しコピーして「R」に読み込む．
-------------------------------------------
# コピーしたデータの読み込み
dat<- read.delim("clipboard", header=T)
dat
x<-dat$Cons
y<- dat$Inc
z<- dat$Price
# ピアソン相関
cor(x, y, metho="pearson")
cor(x, z, metho="pearson")
cor(y, z, metho="pearson")
# スピアマンの順位相関
cor(x, y, metho="spearman")
cor(x, z, metho="spearman")
cor(y, z, metho="spearman")
# ケンドールのタウ順位相関
cor(x, y, metho="kendal")
cor(x, z, metho="kendal")
cor(y, z, metho="kendal")
------------------------------------------
同じ結果がえられる．
次回の（２）Notched Boxplots に続く・・．