Matlab多变量间相关性分析和选取相关性强的变量
1、首先，将样本数据表格读入到MATLAB中矩阵中保存，便于后续处理，注意表格样本数据的第一列建议放因变量。接着为自变量。
读取表格MATLAB程序如下:
ys_data=xlsread('样本数据.xlsx');
读入的样本数据可以在工作区查看，如下图所示。
2、然后计算读入的样本数据表格矩阵的大小。
计算表格矩阵大小（维数即n行×p列）的程序如下:
[n,p]=size(ys_data); % n行，p列
计算结果如下图所示。
3、接下来将因变量赋值给Y，逐个将自变量赋值给X，将相关性系数数组的第一行添加变量所在列位置标记1：p。逐个计算自变量与因变量间的Pearson相关性，保存至xs数组第二行。
具体用MATLAB编写的程序如下：
for i=2:p
Y=ys_data(:,1); % 将因变量赋值给Y
X=ys_data(:,i); % 逐个将自变量赋值给X
xs(1,i-1)=i; % 将相关性系数数组的第一行添加变量所在列位置标记1：p
xs(2,i-1)=corr(X,Y,'type','Pearson'); %逐个计算自变量与因变量间的Pearson相关性，保存至xs数组第二行
end
计算结果如下图所示。
4、再将变量间相关性系数按大到小降序排列，存储在n_xs矩阵中。是后续重要变量挑选的依据。
程序如下：
[n_xs,id]=sort(xs(2,:),'descend');
运算结果如下图所示。
5、然后将相关性系数降序排列的id存储于nid_xs中，即保存变量所在位置随着相关性系数降序排列保存。
程序如下：
nid_xs=xs(1,id);
运算结果如下图所示。
6、接下来保存相关性系数位于前10的变量,并和因变量组成新的样本数据表。
程序如下：
for i=1:10
xyb(:,i+1)=ys_data(:,nid_xs(i));
end
xyb(:,1)=Y;
运算结果如下图所示。
7、然后将新样本数据（共11个变量，第一列为因变量，接下来10个变量为与因变量相关性最强的10个自变量）xyb写到新样本数据表格。
程序如下：
xlswrite('新样本数据.xlsx',xyb);
运算结果如下图所示。
这样Matlab多变量间相关性分析和选取相关性强的变量程序就编写完成了。
8、下面是完整程序及截图：
ys_data=xlsread('原始数据.xlsx'); %读入原始数据，第一列放因变量
[n,p]=size(ys_data); % n行，p列
for i=2:p
Y=ys_data(:,1); % 将因变量赋值给Y
X=ys_data(:,i); % 逐个将自变量赋值给X
xs(1,i-1)=i; % 将相关性系数数组的第一行添加变量所在列位置标记1：p
xs(2,i-1)=corr(X,Y,'type','Pearson'); %逐个计算自变量与因变量间的Pearson相关性，保存至xs数组第二行
end
[n_xs,id]=sort(xs(2,:),'descend'); %将变量间相关性系数按大到小降序排列，存储在n_xs矩阵中
nid_xs=xs(1,id); %将相关性系数降序排列的id存储于nid_xs中，即保存变量所在位置随着相关性系数降序排列保存。
for i=1:10
xyb(:,i+1)=ys_data(:,nid_xs(i)); %保存相关性系数位于前10的变量,并和因变量组成新的样本数据表
end
xyb(:,1)=Y;
xlswrite('新样本数据.xlsx',xyb); %将新样本数据（共11个变量，第一列为因变量，接下来10个变量为与因变量相关性最强的10个自变量）xyb写到新样本数据表格。
