比如说分类变量为是否幸存、是因变量，连续变量为年龄、是自变量，这两者可以做相关分析吗？两者又是否可以做回归分析？
我们考虑泰坦尼克号数据集，
titanic = titanic[!is.na(titanic$Age),] attach(titanic)
考虑两个变量，年龄x（连续变量）和幸存者指标y（分类变量）
X = Age Y = Survived
年龄可能是逻辑回归中的有效解释变量，
summary(glm(Survived~Age,data=titanic,family=binomial)) Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -0.05672 0.17358 -0.327 0.7438 Age -0.01096 0.00533 -2.057 0.0397 * --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for binomial family taken to be 1) Null deviance: 964.52 on 713 degrees of freedom Residual deviance: 960.23 on 712 degrees of freedom AIC: 964.23 此处的显着性检验的p值略低于4％。实际上，可以将其与偏差值（零偏差和残差）相关联。
而
在x毫无价值的假设下，D_0趋于具有1个自由度的χ2分布。我们可以计算似然比检验的p值自由度，
1-pchisq( [1] 0.03833717
与高斯检验一致。但是如果我们考虑非线性变换
glm(Survived~bs(Age) Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.8648 0.3460 2.500 0.012433 * bs(Age)1 -3.6772 1.0458 -3.516 0.000438 *** bs(Age)2 1.7430 1.1068 1.575 0.115299 bs(Age)3 -3.9251 1.4544 -2.699 0.006961 ** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for binomial family taken to be 1) Null deviance: 964.52 on 713 degrees of freedom Residual deviance: 948.69 on 710 degrees of freedom
Age的p值更小，似乎“更重要”
[1] 0.001228712
为了可视化非零相关性，可以考虑给定y = 1时x的条件分布，并将其与给定y = 0时x的条件分布进行比较，
Two-sample Kolmogorov-Smirnov test data: X[Y == 0] and X[Y == 1] D = 0.088777, p-value = 0.1324 alternative hypothesis: two-sided
即p值大于10％时，两个分布没有显着差异。
v= seq(0,80 v1 = Vectorize(F1)(vx)
我们可以查看密度
另一种方法是离散化变量x并使用Pearson的独立性检验，
table(Xc,Y) Y Xc 0 1 (0,19] 85 79 (19,25] 92 45 (25,31.8] 77 50 (31.8,41] 81 63 (41,80] 89 53 Pearson's Chi-squared test data: table(Xc, Y) X-squared = 8.6155, df = 4, p-value = 0.07146
p值在此处为7％，分为年龄的五个类别。实际上，我们可以比较p值
pvalue = function(k=5){ LV = quantile(X,(0:k)/k) plot(k,p,type="l") abline(h=.05,col="red",lty=2)
只要我们有足够的类别，P值就会接近5％。实际上年龄在试图预测乘客是否幸存时是一个重要的变量。
