什麼是皮爾遜相關係數?
皮爾遜相關係數 (Pearson Correlation Coefficient) 是統計學中測量兩個連續變數之間線性關係強度和方向的指標。係數值介於 -1 到 1 之間,其中 1 表示完全正相關,-1 表示完全負相關,0 表示無相關。
相關係數的解讀
相關係數 r 的絕對值越接近 1,表示兩個變數間的線性關係越強。一般來說,|r| > 0.7 為強相關,0.3 至 0.7 為中等相關,|r| < 0.3 為弱相關。正值表示正相關(一個變數增加時另一個也增加),負值表示負相關。
R平方值的意義
R平方 (R²) 是相關係數的平方,表示因變數變異中能被自變數解釋的比例。例如,R² = 0.64 表示 64% 的變異可被解釋,剩餘 36% 由其他因素決定。R² 值越高,說明回歸模型的擬合度越好。
P 值與統計顯著性
P 值用於檢驗相關係數是否具有統計顯著性。當 P 值小於 0.05 時,通常認為相關性在 95% 的信心水準下具有統計顯著性。較小的 P 值表示相關性不太可能由隨機因素造成。
實際應用場景
相關性分析廣泛應用於金融投資(資產組合相關性)、醫學研究(變數間關係)、市場分析(銷售與廣告費用的關係)等領域。計算器可幫助快速識別兩個變數間的關係,為決策提供數據支持。
使用建議
進行相關性分析時,應確保數據質量良好且樣本數量充足。注意相關性不等同於因果性,相關係數高並不意味著一個變數會導致另一個變數的變化。對結果進行合理解釋,結合領域知識和業務背景做出決策。
常見問題
皮爾遜相關係數和斯皮爾曼相關係數有什麼區別?
皮爾遜相關係數衡量線性關係,適用於連續數據;斯皮爾曼相關係數衡量單調關係,基於排序數據,更適合非線性或有異常值的數據。
相關性係數為 0 是否意味著沒有關係?
不一定。係數為 0 表示沒有線性關係,但可能存在非線性關係。例如,二次函數關係的相關係數可能為 0,但變數間仍有明確的數學關係。
需要多少樣本量才能進行可靠的相關性分析?
一般建議樣本量至少 30,但具體要求取決於研究目的和效應大小。樣本量越大,相關係數的估計越穩定可靠。
相關係數的負值是否比正值更差?
不是。負相關和正相關一樣有效,只是表示變數間的關係方向相反。係數的絕對值決定相關強度,符號只表示方向。
如何判斷相關性是否具有統計意義?
查看 P 值,若 P 值 < 0.05,通常認為相關性在 95% 信心水準下具有統計顯著性。同時應考慮樣本量和實際應用意義。