在我们的免费在线课程中了解更多信息：
解决工业问题的统计思维
相关性是两个变量之间线性关联的度量。 在本视频中，我们展示了如何使用三个平台评估清洁数据的相关性：Graph Builder、Fit Y by X 和 Multivariate。
我们从 Graph Builder 开始，它是 Graph 菜单下的第一个选项。
我们将显示密度椭圆并计算 Removal 和 OD 的相关性。
我们将 Removal 拖到 Y 区域，然后将 OD 拖到 X 区域。 要将图形元素更改为密度椭圆，我们将单击椭圆图标。 默认情况下，JMP 绘制一个带阴影的 90% 密度椭圆。 这是我们预计大约 90% 的数据值会下降的区域。 我们可以看到这种关系是积极的，而且比较牢固。
为了计算相关性，我们检查相关性框。 Removal 和 OD 之间的相关性是 0.917。
Removal和ID有什么关系？ 我们将在 X 轴上将 ID 拖到 OD 旁边以显示两个变量的密度椭圆和相关性。
Removal 和 ID 之间的相关性为 0.797，也是正相关，但没有那么强。
为了更正式地分析 Removal 和 OD 以及 Removal 和 ID 之间的关系，我们使用 Analyze 菜单下的 Fit Y by X。
我们将选择移除作为 Y，响应，选择 OD 和 ID 作为 X，因子，然后单击确定。
JMP 为两对变量创建双变量散点图。
密度椭圆是“双变量拟合”红色小三角下的一个选项。 要同时为两对变量请求此选项，我们可以广播此命令。 为此，我们单击并按住 Ctrl 键，然后从任一“双变量拟合”红色小三角中选择密度椭圆，0.90。
JMP 在二元正态椭圆轮廓下显示相关性以及其他统计量。
最后，为了显示多对变量之间的相关性，我们使用多元平台。 在 Analyze 菜单下，我们将选择 Multivariate Methods，然后选择 Multivariate。
让我们使用通过宽度移除作为 Y、列，然后单击确定。 JMP 显示相关矩阵和散点图矩阵。 我们将从散点图矩阵红色中选择密度椭圆
在散点图矩阵中，我们可以很容易地看到变量 OD 和 ID 都与 Removal 正相关，并且 OD 和 ID 彼此正相关。
我们还可以看到宽度与任何其他变量都没有很强的相关性。
这些相关性在颜色编码的相关性矩阵中报告。 较强的正相关性为蓝色，较弱的相关性为灰色，较强的负相关性为红色。
