皮爾森相關係數計算機

依配對數值計算皮爾森 r、決定係數及關係強度。

皮爾森積差相關
輸入長度相同的資料集,以逗號、空格或分號分隔。

至少使用兩個數值。

至少使用兩個數值。

關於皮爾森相關

皮爾森相關係數衡量兩個量化變數間線性關係的方向與強度,通常以 r 表示,範圍從負一到正一。正係數代表較大的 X 值通常對應較大的 Y 值;負係數則代表較大的 X 值通常對應較小的 Y 值。接近零表示線性關聯不明顯,但仍可能存在強烈的非線性模式。 計算時,先將每筆觀測減去所屬變數的平均數以進行中心化,再加總配對離均差的乘積,並除以兩組離均差平方和乘積的平方根。這項標準化使係數不受測量單位影響。例如,將所有 X 值乘以正常數並不會改變 r。但配對觀測的順序仍然重要:第一個 X 必須對應第一個 Y,第二個對應第二個,依此類推。 計算機也會提供 r 平方,在簡單線性迴歸情境中通常稱為決定係數。它表示該情境下,擬合線性關係所解釋的變異比例。平方會移除方向,因此 r 為 0.8 與 -0.8 時,r 平方皆為 0.64。這個描述性百分比不應直接解讀為某變數由另一變數造成的比例。 當觀測彼此獨立、關係近似線性,且極端離群值已被充分了解時,皮爾森相關最適用。單一異常資料對就可能大幅改變係數。受限的取值範圍可能讓關係看似較弱,而合併不同群體可能形成或逆轉趨勢。若條件允許,應同時檢視散佈圖。相關不代表因果,本計算機也不提供 p 值或信賴區間。這些推論結果需要樣本數相關假設與明確的抽樣程序。本工具可用於透明的描述性計算、核對課業,或在採用更完整統計模型前快速比較配對資料。

皮爾森相關範例

每列顯示配對資料及其線性模式對應的相關性。

配對資料皮爾森 r解讀
X: 1,2,3,4,5; Y: 2,4,6,8,101.0000完全正線性關係。
X: 1,2,3,4; Y: 8,6,4,2-1.0000完全負線性關係。
X: 1,2,3,4,5; Y: 2,1,4,3,50.8000強正線性關係。

如何計算皮爾森 r

  1. 依原始順序輸入 X 觀測值。
  2. 以相同順序輸入對應的 Y 觀測值。
  3. 確認兩份清單包含相同數量的數值。
  4. 點選「計算皮爾森相關係數」,查看 r、r 平方與資料對數。

常見問題

皮爾森相關係數為零代表什麼?

代表資料沒有線性關聯。即使 r 等於零,仍可能存在曲線或其他非線性關係。

多大的相關係數算強相關?

門檻會因學科與情境而異。本計算機提供概略的描述標籤,實際重要性仍應依領域知識判斷。

皮爾森相關能證明因果嗎?

不能。相關可能來自混淆因素、選擇效應、巧合或反向關係,因此因果主張需要合適的研究設計。

為什麼清單長度必須相同?

皮爾森公式處理配對觀測。每個 X 值都需要一個來自同一個案或測量的對應 Y 值。

離群值如何影響皮爾森 r?

由於計算使用平方離均差,離群值可能大幅增加、降低或逆轉係數。散佈圖有助於發現是否由少數點主導結果。