什么是皮尔逊相关系数?
皮尔逊相关系数(记作 \(r\))用来衡量两个数值变量之间呈直线(线性)变化的紧密程度,取值始终在 -1 到 +1 之间。当 \(r\) 接近 +1 时,说明两个变量同涨同跌;接近 -1 时,说明一个变量上升、另一个随之下降;接近 0 则表示几乎没有线性关系。这个指标是通用的——任何成对的数值数据、任何领域都可以使用。
如何使用本计算器
分别输入你的 X 值和 Y 值,数值之间用逗号或空格隔开。每一个 X 都要和同一位置的 Y 配对,因此两组数据的个数必须相同。点击「计算」即可得到 \(r\),以及决定系数(\(r^2\))、最小二乘回归的斜率和截距,还有协方差。
公式解析
对每一个数据点,先算出 x 与其均值的偏差(\(x - \bar{x}\))以及 y 与其均值的偏差(\(y - \bar{y}\))。分子是这些偏差乘积之和;分母则是两个变量各自偏差平方和乘积的平方根。这样相除后结果被「标准化」,既不带单位,又被限定在 -1 到 +1 之间。
$$r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}}$$
实例演算
设 X = 1, 2, 3, 4, 5,Y = 2, 4, 5, 4, 5。两组均值分别为 \(\bar{x} = 3\)、\(\bar{y} = 4\)。交叉乘积之和 \(\sum (x - \bar{x})(y - \bar{y}) = 6\),\(\sum (x - \bar{x})^2 = 10\),\(\sum (y - \bar{y})^2 = 6\)。于是
$$r = \frac{6}{\sqrt{10 \times 6}} = \frac{6}{\sqrt{60}} \approx 0.7746$$表明两者存在较强的正向线性关系。
解读你的相关系数
皮尔逊相关系数 \(r\) 总是介于 \(-1\) 和 \(+1\) 之间。符号表示方向:正值表示 Y 随 X 增大而趋于增大,负值表示 Y 随 X 增大而趋于减小。大小 \(|r|\) 表示these数据点与一条直线的贴合程度。当值为 0 时表示不存在线性关系,但这并不等同于完全不存在任何关系。
| |r| | 常用描述 |
|---|---|
| 0.00 – 0.19 | 极弱 |
| 0.20 – 0.39 | 弱 |
| 0.40 – 0.59 | 中等 |
| 0.60 – 0.79 | 强 |
| 0.80 – 1.00 | 极强 |
这些临界值只是经验法则,不同领域的惯例有所不同。科恩(Cohen)在行为科学中广为引用的基准将 0.1 视为小效应,0.3 为中等效应,0.5 为大效应。物理学和工程学通常要求 |r| 高于 0.95,而社会科学和医学可能认为低得多的数值也有意义。请根据你所在学科的常规标准来判断一个数值。
已解释的方差:\(r^2\),即决定系数,是 Y 的方差中可由与 X 的线性关系解释的比例。例如,\(r = 0.775\) 时 \(r^2 \approx 0.60\),因此 Y 的变化中约有 60% 与 X 存在线性关联。注意 \(r^2\) 没有符号。
注意事项
- 异常值:一个极端数据点可能使 r 大幅升高或降低。务必检查散点图。
- 非线性关系:完美的 U 形或其他曲线关系可能使 r 接近 0。
- 范围受限:如果你只抽取了 X 值的一个狭窄区间,r 通常会比在完整范围内更小。
- 小样本:当数据对较少时,r 可能纯粹因偶然而很大。例如当 n = 3 时,几乎任何数值都有可能出现。显著性检验或置信区间在此有帮助。
- 安斯库姆四重奏(Anscombe's quartet):四组不同的数据集具有几乎相同的汇总统计量(r ≈ 0.816、相同的均值和方差、相同的拟合直线),但绘图后看起来完全不同。这说明仅凭 r 远远不够。
- 相关不等于因果:较强的 r 可能源于混杂变量、反向因果或巧合。
关键术语与定义
- 相关系数 (r)
- 一个无量纲数值,取值范围为 −1 到 +1,用于衡量两个变量之间线性关系的强度和方向。
- 决定系数 (r²)
- r 的平方。它是 Y 的方差中可由 X 线性解释的比例,取值范围为 0 到 1。
- 协方差
- 衡量两个变量共同变化程度的指标,单位为 X 的单位乘以 Y 的单位。样本协方差用 \(S_{xy}\) 除以 \(n-1\)。总体协方差除以 \(n\)。
- 回归斜率
- X 每增加一个单位时,预测 Y 的变化量:\(b = S_{xy}/S_{xx}\)。
- 截距
- 当 X = 0 时 Y 的预测值:\(a = \bar{y} - b\bar{x}\)。
- 最小二乘线
- 使观测点与直线之间垂直距离平方和最小的直线 \(\hat{y} = a + bx\)。
- 配对数据
- 每个 X 值都与来自同一受试者或同一案例的 Y 值相匹配的观测数据。两个数列的长度必须相同。
- 异常值
- 远离总体规律的数据点。它会严重扭曲 r、斜率和截距。
- 线性关系与单调关系
- 线性关系沿一条直线变化。单调关系始终上升或始终下降,但变化速率不一定恒定,因此可能是曲线。
- 斯皮尔曼等级相关
- 皮尔逊 r 的替代方法,适用于单调但非线性的数据,或存在异常值、有序数值的数据。它基于数值的秩次而非原始数值进行计算。
常见问题
\(r^2\) 能告诉我什么?\(r^2\) 就是 \(r\) 的平方,表示 Y 的变异中可由它与 X 的线性关系解释的比例。当 \(r = 0.7746\) 时,\(r^2 \approx 0.6\),即大约 60% 的变异可被解释。
相关是否就等于因果?不是。较高的 \(r\) 只说明两个变量同步变动,并不能证明其中一个导致了另一个。
如果 \(r\) 恰好等于 0 呢?说明两者没有线性关联,但它们之间仍可能存在非线性关系,而这是皮尔逊 \(r\) 无法捕捉的。