透過 MCP 連接 →

輸入計算

數學公式

廣告

結果

皮爾森相關係數(r)
0.7746
範圍 −1 至 +1
決定係數(r²) 0.6
配對筆數(n) 5
X 的平均數 3
Y 的平均數 4

什麼是皮爾森相關係數?

皮爾森相關係數以 r 表示,用來衡量兩個數值變數之間線性關係的強度與方向。它的數值永遠落在 −1 與 +1 之間:+1 代表完全正向的線性關係,−1 代表完全反向的關係,而 0 則表示兩者之間沒有任何線性相關。在學術研究、財務分析與資料科學領域,皮爾森 \(r\) 都是最常被使用的統計指標之一。

顯示正相關、負相關和無相關形態的散佈圖
不同的散佈形態:強正相關(\(r\) 接近 +1)、強負相關(\(r\) 接近 −1)和無相關(\(r\) 接近 0)。

如何使用這個計算器

請將你的 X 數值Y 數值以逗號或空格分隔後輸入。每一個 X 都會與相同位置的 Y 配成一組,因此兩組資料的個數必須相同。計算器會回傳 \(r\) 值、決定係數 \(r^2\)、配對觀測值的筆數,以及兩個變數各自的平均數。

公式解析

計算時先將每個數值減去自身的平均數,得到各自的離差;接著把成對的 X、Y 離差相乘並加總(即分子),再除以兩者離差平方和乘積的平方根(即分母):

$$r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \; \sum (y_i - \bar{y})^2}}$$

分子反映兩個變數一起變動的程度(即共變異數),分母則負責標準化,使結果始終維持在 −1 到 +1 的範圍內。

Advertisement

實例演算

假設 X = 1, 2, 3, 4, 5、Y = 2, 4, 5, 4, 5,則平均數為 \(\bar{x} = 3\)、\(\bar{y} = 4\)。離差乘積總和為 6,\(\sum (x_i - \bar{x})^2 = 10\),\(\sum (y_i - \bar{y})^2 = 6\)。因此 $$r = \frac{6}{\sqrt{10 \times 6}} = \frac{6}{\sqrt{60}} \approx 0.7746$$這代表兩者具有相當強的正向線性關係,而 \(r^2 \approx 0.60\),意味著約有 60% 的變異可由彼此共同解釋。

帶有擬合直線趨勢線的資料點散佈圖
穿過成對資料點的最佳擬合直線展示了由 \(r\) 衡量的線性關係。

常見問題

\(r^2\) 告訴我什麼?\(r^2\)(\(r\) 的平方)代表一個變數的變異中,能由另一個變數預測的比例,常用來判斷線性模型的配適程度。

\(r\) 值很高就代表有因果關係嗎?不是。相關只反映關聯,並不等於因果。再高的 \(r\) 也可能源自巧合,或是背後潛藏的第三個變數。

為什麼 X 與 Y 的個數必須相同?皮爾森 \(r\) 是針對成對的觀測值計算的。若兩組資料長度不一致,僅會取用前 \(n\) 組配對,其中 \(n\) 為較短那一組的筆數。

最後更新: