【相关系数r的计算公式怎么算】在统计学中,相关系数(Pearson相关系数)是衡量两个变量之间线性关系强度和方向的一个重要指标。它通常用符号 r 表示,其取值范围在 -1 到 1 之间。当 r 接近 1 或 -1 时,表示两个变量之间的线性关系越强;当 r 接近 0 时,表示两者之间的线性关系较弱或没有。
一、相关系数r的定义与意义
相关系数 r 的计算公式如下:
$$
r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}}
$$
其中:
- $ n $ 是数据对的数量;
- $ x $ 和 $ y $ 是两组数据;
- $ \sum xy $ 是每对数据乘积之和;
- $ \sum x $ 和 $ \sum y $ 是各自数据的总和;
- $ \sum x^2 $ 和 $ \sum y^2 $ 是各自数据平方后的总和。
该公式可以用于计算两个变量之间的线性相关程度,适用于连续型数据。
二、计算步骤详解
以下是计算相关系数 r 的具体步骤:
| 步骤 | 操作说明 |
| 1 | 收集两组数据,分别记为 $ x_1, x_2, ..., x_n $ 和 $ y_1, y_2, ..., y_n $ |
| 2 | 计算每对数据的乘积 $ x_i \times y_i $,并求和得到 $ \sum xy $ |
| 3 | 分别计算 $ \sum x $、$ \sum y $、$ \sum x^2 $、$ \sum y^2 $ |
| 4 | 将上述数值代入公式,计算分子和分母 |
| 5 | 最后将分子除以分母,得到相关系数 r |
三、举例说明
假设我们有以下两组数据:
| x | y |
| 1 | 2 |
| 2 | 4 |
| 3 | 6 |
| 4 | 8 |
根据公式进行计算:
- $ n = 4 $
- $ \sum x = 1 + 2 + 3 + 4 = 10 $
- $ \sum y = 2 + 4 + 6 + 8 = 20 $
- $ \sum xy = (1×2) + (2×4) + (3×6) + (4×8) = 2 + 8 + 18 + 32 = 60 $
- $ \sum x^2 = 1² + 2² + 3² + 4² = 1 + 4 + 9 + 16 = 30 $
- $ \sum y^2 = 2² + 4² + 6² + 8² = 4 + 16 + 36 + 64 = 120 $
代入公式:
$$
r = \frac{4×60 - (10×20)}{\sqrt{[4×30 - (10)^2][4×120 - (20)^2]}} = \frac{240 - 200}{\sqrt{(120 - 100)(480 - 400)}} = \frac{40}{\sqrt{20×80}} = \frac{40}{\sqrt{1600}} = \frac{40}{40} = 1
$$
结果表明,这两组数据具有完全正相关的关系。
四、相关系数r的意义
| r 值 | 意义 |
| 1 | 完全正相关 |
| 0.7~1 | 强正相关 |
| 0.3~0.7 | 中等正相关 |
| 0 | 无线性相关 |
| -0.3~-0.7 | 中等负相关 |
| -0.7~-1 | 强负相关 |
| -1 | 完全负相关 |
五、注意事项
1. 相关系数只反映线性关系,不适用于非线性关系。
2. 相关不等于因果,不能据此推断因果关系。
3. 数据应为连续变量,且分布接近正态。
六、总结
相关系数 r 是分析两个变量之间线性关系的重要工具,其计算过程虽繁琐,但通过系统化的步骤可以准确得出。掌握相关系数的计算方法有助于更好地理解数据之间的关系,并为后续的数据分析提供基础支持。
| 项目 | 内容 |
| 公式 | $ r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}} $ |
| 取值范围 | -1 到 1 |
| 意义 | 表示两变量线性相关程度 |
| 应用场景 | 数据分析、回归分析、预测模型等 |
如需进一步了解其他类型的相关系数(如斯皮尔曼相关系数),可继续查阅相关资料。
