皮爾森相關係數計算器

衡量兩組成對數值資料之間線性關係的強度與方向。

計算皮爾森相關係數
輸入一一對應的 X 與 Y 觀測值,以逗號、空格或分號分隔。

關於皮爾森相關係數

皮爾森相關係數通常記為 r,用來概括兩個數值變數之間線性關係的方向與強度。其值介於負一與正一之間。正值表示較大的 X 觀測值通常伴隨較大的 Y 觀測值;負值表示較大的 X 觀測值通常伴隨較小的 Y 觀測值。接近零代表線性關聯不強,但仍可能有很強的非線性關係。 計算時先求出每組資料的平均數。各觀測值減去所屬組的平均數以進行中心化,再將成對中心化值的乘積加總。這個交叉乘積總和,除以兩組中心化平方和乘積的平方根,就是相關係數。由於單位相消,r 沒有單位,因此能比較不同測量尺度下的關係。 決定係數 R² 是皮爾森 r 的平方。在含截距的簡單線性迴歸中,它代表反應變數的變異中,可由其與預測變數的線性關係解釋的比例。平方會消除正負號,因此若方向很重要,務必查看 r 本身。例如 r 為 0.8 與負 0.8 時,決定係數都為 0.64,但描述的是相反趨勢。 顯示的 t 統計量,在一般假設成立時,用於檢定母體相關係數為零的虛無假設。自由度為 n 減 2,相關係數絕對值或樣本數增加時,統計量的絕對值也會增大。數學上完全正相關或負相關時,分母為零,因此統計量顯示為無窮大。統計顯著不代表實務重要性、因果關係,也不保證沒有混淆因素。 當觀測彼此獨立、變數為量化資料、模式大致線性,且沒有影響顯著的離群值時,皮爾森相關最具參考性。任何數值結果都應搭配散佈圖,因為曲線、群聚或單一極端點都可能使 r 產生誤導。不要對未配對或重新排序的觀測值計算相關:每個 X 值都必須與同一人、物件、地點或時段測得的 Y 值維持配對。 本計算器可用於探索性資料分析、品質管制、研究、預測核對及課堂練習。貼上成對數值,確認兩份清單長度相同,並依測量情境解讀係數,不要只依賴通用的強弱標籤。

皮爾森相關係數範例

同一種相關係數指標可描述正向、負向或較弱的線性模式。

成對資料結果解讀
X: 1,2,3,4,5; Y: 2,4,6,8,10r = 1.000000每個 Y 值恰好是 X 的兩倍,因此呈現完全正相關。
X: 1,2,3,4,5; Y: 10,8,6,4,2r = -1.000000X 增加時,Y 以固定速率下降,因此呈現完全負相關。
X: 1,2,3,4,5; Y: 2,1,4,3,5r = 0.800000資料呈現明顯但不完全的正向線性趨勢。

如何計算相關係數

  1. 依原始順序輸入第一個變數的觀測值。
  2. 以相同順序及相同數量,輸入第二個變數的對應觀測值。
  3. 選擇「計算相關係數」,計算皮爾森 r、決定係數及 t 統計量。
  4. 搭配散佈圖與專業背景,解讀正負號及數值大小。

皮爾森相關常見問題

相關係數為零代表什麼?

代表資料整體沒有線性關聯,但仍可能存在很強的曲線或其他非線性模式,因此請查看圖形。

相關能證明因果嗎?

不能,相關只描述觀測配對之間的關聯。混淆因素、反向因果、選擇效應或巧合,都可能解釋這個模式。

怎樣算是強相關?

強度取決於研究領域、測量信度及所做決策。避免套用通用門檻,應與相關領域的基準比較。

可以使用長度不同的清單嗎?

不行,每個 X 觀測值都必須恰好對應一個 Y 觀測值。長度不等無法形成有效配對,計算器會拒絕計算。

離群值如何影響皮爾森 r?

單一高影響點就可能大幅提高、降低,甚至反轉係數。報告 r 前,請檢視散佈圖並調查異常觀測值。