Origin如何进行Pearson等相关性分析及线性拟合

1、第一步：新建数据表格，导入数据

2、第二步：选择数据，进行相关性分析操作

1.选中两组数据，多组数据类似（本步可以跳过）

2.按照图中标注进行操作

3、第三步：选择相关性系数参数以及输出（保持默认）

1.如果没有执行第二步第一项，点击图中箭头两个按钮均可以进行数据选择

2. 按照目标分析类型，选择对应相关性计算方法。本文计算Pearson、Spearman两种。

Pearson相关性分析，通常要求数据正态分布。该分析也可以在线性拟合中计算。

Spearman相关性分析（秩相关），对于数据分布要求不如Pearson分析高

Kendall相关性分析（等级相关），要求其中数据为分类变量，不在本经验讨论范围之内。

4、第四步：查看相关性分析结果。

1.下方CorrCoef1表，总分析结果以及数据摘要

2.CorrCoef1表绿框、下方Pearson表，Pearson相关性分析结果。

3.CorrCoef1表蓝框、下方Spearman表，Spearman相关性分析结果。

1、通常进行相关性分析我们还会画散点图，并进行线性拟合。下面为使用Origin进行线性拟合的基本步骤。

第一步：导入数据，按照图示操作。

2、第二步：在第一步完成之后弹出来的对话框中进行拟合参数、输出设置。

1.需要确认Input中导入的数据X、Y准确，即图中红框内容必须准确。

2.对话框中重要的设置菜单可见图示。

3.Quantities按钮是对拟合量的设置，这里可以进行Pearson相关性系数的计算。其中R-Square（COD），即为拟合曲线的拟合优度。

通常在确认X、Y数据定义准确后直接Ok即可。

3、第三步：查看拟合结果。

1.FiltLinear1表，线性拟合结果摘要。可以查看线性拟合截距、斜率，Pearson相关系数、拟合优度R^2（R-Square）、拟合直线方差分析结果等。 

2.双击图片即可查看拟合结果。Origin初步的拟合结果欠佳，可直接双击图片进行更加深入的设置。

3.下方FitLinearCurve1，拟合曲线相关参数。

4.可将拟合直线的截距、斜率记录下来，使用Matlab/Python/R等软件进行更精准的拟合直线控制。