相关系数计算器
粘贴您的 X 和 Y 值——既可以作为两列分别粘贴,也可以每行粘贴一个“x, y”数据对——即可得到皮尔逊相关系数 r、决定系数 r²,以及对相关强度和方向的通俗解读。公式会用您的数字逐步演算。免费,无需注册。
数据输入方式
0 个值
0 个值
如何使用相关系数计算器
- 1. 选择数据输入方式。 分开的 X 和 Y 列表 接受两个顺序一致的数值框;成对 则每行输入一个“x, y”数据对,没有两个数字的行会被忽略。
- 2. 至少输入三组数据对。 两个列表的长度必须相同,且每个变量都必须有变化——恒定不变的列表没有相关性。
- 3. 阅读结果。 您会得到 r、r²、数据对数、强度和方向,随后是计算过程:r 背后的均值,以及平方和与交叉乘积和。
- 4. 下结论前先绘图。 结果下方的提醒并非套话;r 只描述直线型的模式。
皮尔逊 r 衡量什么
皮尔逊 r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²)。它的取值范围从 −1(完美的下降直线),经过 0(没有直线型模式),到 +1(完美的上升直线)。将其平方即得 r²,即一个变量中随另一个变量一同变化的方差所占的比例。
X = 1, 2, 3, 4, 5 和 Y = 2, 4, 5, 4, 6
均值:x̄ = 3,ȳ = 4.2
Σ(x − x̄)(y − ȳ) = 8,Σ(x − x̄)² = 10,Σ(y − ȳ)² = 8.8
r = 8 ÷ √(10 × 8.8) = 8 ÷ 9.3808 = 0.8528
r² = 0.7273,因此约 72.7% 的 Y 方差与 X 共有
解读:强正相关
计算器如何标注强度
| |r| | 显示的标签 |
|---|---|
| 0.7 或以上 | 强 |
| 0.4 至 0.7 以下 | 中等 |
| 0.1 至 0.4 以下 | 弱 |
| 0.1 以下 | 可忽略 |
这些分界值只是惯例,而非定律。Cohen 的常用基准是 0.1、0.3 和 0.5,而什么算“大”取决于学科——在物理学中 0.9 可能令人失望,在心理学中 0.3 却可能很有意义。
r 能说明什么,不能说明什么
- 小样本可能误导您。 上面的例子在五组数据上得到 r = 0.85,但对 r = 0 的检验给出 t(3) = 2.83,p ≈ .066,在 .05 水平上不显著。本计算器只报告 r,不报告 p 值,因此请另行判断显著性。
- 曲线看起来像零。 X = −2, −1, 0, 1, 2 且 Y = 4, 1, 0, 1, 4 是一条完美的 U 形曲线,但 r = 0,因为这种关系不是直线。
- 异常值拉动力很强。 一对极端数据就可能抬高或毁掉 r。请查看散点图,如果发现异常值,可以考虑秩相关。
- 相关不等于因果。 很强的 r 可能反映因果关系,也可能来自共同的第三因素,或者只是巧合。
您需要哪个相关性工具?
| 您的数据 | 使用 |
|---|---|
| 两个近似线性的数值变量 | 本相关系数计算器(皮尔逊) |
| 秩次、有序数据,或单调曲线、存在异常值的数据 | Spearman Rank Correlation Calculator |
| 小样本且有大量并列值,或仍是秩次数据 | Kendall's Tau Calculator |
| 同时处理三个或更多变量 | Correlation Matrix Calculator |
| 两个变量未标准化的共同变动 | Covariance Calculator |
| 判断两个相关系数是否存在差异 | Correlation Comparison Calculator |
常见问题
- 什么是皮尔逊相关系数?
- 皮尔逊 r 衡量两个变量之间线性关系的强度和方向。它的取值范围从 −1(完全负相关)经过 0(无线性关系)到 +1(完全正相关)。其计算方法是:每对数值与其各自均值的偏差之积求和,再除以偏差平方和之积的平方根。
- 如何解读相关性的强度?
- 本计算器将 |r| 达到 0.7 或以上称为强,0.4 至 0.7 为中等,0.1 至 0.4 为弱,更小的则为可忽略。这些区间只是经验法则,什么算有意义因学科而异。
- r² 能告诉我什么?
- r²(决定系数)是一个变量中与另一个变量呈线性关联的方差所占的比例。r 为 0.8 时,r² = 0.64,即 64% 的方差是共有的。
- 相关是否意味着一个变量导致了另一个?
- 不。变量之间相关,可能是因为一个导致了另一个,也可能是因为第三个因素同时驱动两者,或者只是偶然。仅凭一个系数无法说明因果。
- 为什么皮尔逊 r 可能会漏掉真实的关系?
- 它只衡量直线关联,因此 U 形或其他曲线关系可能得到接近零的 r。它也对异常值敏感。请绘制数据图,并考虑对于单调但弯曲的模式使用斯皮尔曼的 rho。
- 我需要多少个数据对?
- 计算器至少需要三个,且两列长度相同。从统计学角度看,您需要的远不止这些:只有少数几个数据对时,即使很大的 r 也可能是偶然产生的,正如上面的五组数据例子所示。