在我們的免費在線課程中了解更多信息：
解決工業問題的統計思維
相關性是兩個變量之間線性關聯的度量。 在本視頻中，我們展示瞭如何使用三個平台評估清潔數據的相關性：Graph Builder、Fit Y by X 和 Multivariate。
我們從 Graph Builder 開始，它是 Graph 菜單下的第一個選項。
我們將顯示密度橢圓併計算 Removal 和 OD 的相關性。
我們將 Removal 拖到 Y 區域，然後將 OD 拖到 X 區域。 要將圖形元素更改為密度橢圓，我們將單擊橢圓圖標。 默認情況下，JMP 繪製一個帶陰影的 90% 密度橢圓。 這是我們預計大約 90% 的數據值會下降的區域。 我們可以看到這種關係是積極的，而且比較牢固。
為了計算相關性，我們檢查相關性框。 Removal 和 OD 之間的相關性是 0.917。
Removal和ID有什麼關係？ 我們將在 X 軸上將 ID 拖到 OD 旁邊以顯示兩個變量的密度橢圓和相關性。
Removal 和 ID 之間的相關性為 0.797，也是正相關，但沒有那麼強。
為了更正式地分析 Removal 和 OD 以及 Removal 和 ID 之間的關係，我們使用 Analyze 菜單下的 Fit Y by X。
我們將選擇移除作為 Y，響應，選擇 OD 和 ID 作為 X，因子，然後單擊確定。
JMP 為兩對變量創建雙變量散點圖。
密度橢圓是“雙變量擬合”紅色小三角下的一個選項。 要同時為兩對變量請求此選項，我們可以廣播此命令。 為此，我們單擊並按住 Ctrl 鍵，然後從任一“雙變量擬合”紅色小三角中選擇密度橢圓，0.90。
JMP 在二元正態橢圓輪廓下顯示相關性以及其他統計量。
最後，為了顯示多對變量之間的相關性，我們使用多元平台。 在 Analyze 菜單下，我們將選擇 Multivariate Methods，然後選擇 Multivariate。
讓我們使用通過寬度移除作為 Y、列，然後單擊確定。 JMP 顯示相關矩陣和散點圖矩陣。 我們將從散點圖矩陣紅色中選擇密度橢圓
在散點圖矩陣中，我們可以很容易地看到變量 OD 和 ID 都與 Removal 正相關，並且 OD 和 ID 彼此正相關。
我們還可以看到寬度與任何其他變量都沒有很強的相關性。
這些相關性在顏色編碼的相關性矩陣中報告。 較強的正相關性為藍色，較弱的相關性為灰色，較強的負相關性為紅色。
