在本专栏第十一篇中，记录了三大相关系数pearson[皮尔森]、spearman[斯皮尔曼] 和 kendall[肯德尔]），不过这三大相关系数都有其适用限制，适用范围感觉不如灰色关联分析，特此将其记录一下，因时间有限，暂且不去实践，将该部分知识点罗列记录~
例子：
matlab代码（并非此题，仅作记录，日后分析）
代码语言：javascript复制clc,clear
load x.txt %把原始数据存放在纯文本文件 x.txt 中，其中把数据的"替换替换成.
for i=1:15
x(i,:)=x(i,:)/x(i,1); %标准化数据
end
for i=16:17
x(i,:)=x(i,1)./x(i,:); %标准化数据
end
data=x;
n=size(data,2); %求矩阵的列数，即观测时刻的个数
ck=data(1,:); %提出参考数列
bj=data(2:end,:); %提出比较数列
m2=size(bj,1); %求比较数列的个数
for j=1:m2
t(j,:)=bj(j,:)-ck;
end
mn=min(min(abs(t'))); %求最小差
mx=max(max(abs(t'))); %求最大差
rho=0.5; %分辨系数设置
ksi=(mn rho*mx)./(abs(t) rho*mx); %求关联系数
r=sum(ksi')/n %求关联度
[rs,rind]=sort(r,'descend') %对关联度进行排序
