偏相关系数计算器

计算两个变量之间的相关性,同时控制第三个变量的影响。

一阶偏相关
输入三个皮尔逊相关系数。每个系数必须介于 -1 和 1 之间。

关于偏相关

偏相关衡量的是从两个变量中分别去除另一个变量的线性影响后,两者之间的线性关系。X 与 Y 的普通皮尔逊相关系数可能很大,仅仅因为两者都与 Z 有关。一阶偏相关所考察的是:固定它们与 Z 的共同关联后,X 与 Y 之间还剩下怎样的关系。因此,它适用于初步混杂分析、探索性研究、教学,以及核对统计软件输出。 本计算器需要三个两两皮尔逊相关系数:X 与 Y、X 与控制变量 Z,以及 Y 与 Z 的相关系数。它先减去由 X、Y 各自与 Z 的关系所隐含的 X-Y 关联部分,再对剩余部分进行标准化。当三个输入构成有效的相关结构时,输出介于负一和正一之间。正值表示 X 的残差较大时,Y 的残差通常也较大;负值则表示残差之间存在反向关系。 系数的绝对大小描述关系强度,并不代表重要性或因果关系。系数接近零,说明控制 Z 后几乎没有剩余的线性关联;越接近两个端点之一,说明剩余的线性关系越强。具体背景、样本量、测量质量和不确定性仍然重要。本计算器仅报告系数,不计算置信区间或进行显著性检验,因为这些步骤还需要样本量及有关观测值的假设。 当 X 或 Y 与 Z 完全相关时,公式无定义,因为去除 Z 后,该变量不再有残差变异。输入的相关系数还应来自同一组观测,并采用相同的缺失值处理方式。将无关样本的两两相关系数组合起来,可能在数学上不一致。请将结果视为简明的描述性调整;若决策涉及非线性效应、交互作用、更多控制变量或因果解释,还应查看数据图表并采用适当的回归模型。

偏相关计算示例

比较原始 X-Y 关系与控制 Z 后剩余的关联。

两两相关系数偏相关系数解释
rXY 0.70; rXZ 0.40; rYZ 0.500.6299仍存在较明显的正向关系。
rXY 0.48; rXZ 0.60; rYZ 0.800.0000Z 可以解释观测到的关联。
rXY -0.30; rXZ 0.20; rYZ 0.40-0.4237控制 Z 后,负向关系增强。

如何计算偏相关系数

  1. 输入所关注的两个变量 X 与 Y 之间的皮尔逊相关系数。
  2. 输入 X 与控制变量 Z 之间的相关系数。
  3. 输入 Y 与控制变量 Z 之间的相关系数。
  4. 点击“计算偏相关系数”,并结合正负号和绝对大小解读结果。

常见问题

控制一个变量是什么意思?

指从两个关注变量中分别去除与该变量相关的线性变异。所得系数描述两者残差如何共同变化。

偏相关能证明因果关系吗?

不能。它只调整一个测得的线性关联,无法排除遗漏变量、反向因果、测量误差或选择效应。

偏相关系数能比原始相关系数更大吗?

可以。控制变量可能掩盖相反方向的关系,因此调整后的关系在绝对大小上可能强于普通相关。

为什么结果无定义?

控制变量与 X 或 Y 完全相关会使分母为零。控制 Z 后,该变量已没有独立变异可用于计算相关。

怎样才算较强的偏相关?

强度阈值因领域和用途而异。本计算器采用宽泛的描述性区间,但实际解释应结合专业知识和不确定性估计。