相关性分析（协方差、相关系数（两个变量，多个变量）及检验（两个变量，多个变量））、独立性检验（卡方检验，Fisher检验）t检验(独立样本、非独立样本)等。并各步骤进行分析

好的，让我来回答你的问题。

相关性分析：

相关性分析是一种用于研究两个或多个变量之间关系的统计方法。其中，协方差和相关系数是最常用的两种指标。

1. 协方差：协方差衡量的是两个变量的变化趋势是否一致，具体计算方法为：cov(X,Y) = E[(X-E(X))(Y-E(Y))]，其中E表示期望。

2. 相关系数：相关系数是协方差的标准化形式，它反映的是两个变量之间的线性关系强度和方向。具体计算方法为：r = cov(X,Y) / (Sd(X) * Sd(Y))，其中Sd表示标准差。

对于多个变量之间的相关性分析，可以使用相关矩阵来表示各变量之间的相关系数。相关矩阵是一个对称矩阵，其中对角线上的元素都是1，表示每个变量和自身完全相关。

在进行相关性分析之前，需要先进行数据的清洗和变量的选择。对于连续变量，可以使用散点图和皮尔逊相关系数来描述其相关性；对于分类变量，可以使用列联表和卡方检验来描述其相关性。

独立性检验：

独立性检验是用于检验两个或多个变量之间是否独立的统计方法。其中，卡方检验和Fisher检验是最常用的两种方法。

1. 卡方检验：卡方检验用于检验两个或多个分类变量之间的独立性。具体计算方法为：χ²=∑(O-E)²/E，其中O表示观察值，E表示期望值。

2. Fisher检验：Fisher检验用于检验两个分类变量之间的独立性，但只适用于小样本情况。具体计算方法是根据双因素分布列出所有可能的分配方案，然后计算出每个方案的概率，最后选择概率最小的方案作为检验结果。

对于连续变量之间的独立性检验，可以使用t检验来进行。其中，独立样本t检验用于比较两个独立样本的均值是否相等，而非独立样本t检验用于比较同一组样本在两个不同条件下的均值是否相等。

总之，无论是相关性分析还是独立性检验，都需要先进行数据的清洗和变量的选择，然后再选择适当的方法进行分析。