相关系数的作用是什么？
相关系数越大，说明两个变量之间的关系就越强。当相关系数为1时，两个变量其实就是一次函数关系。
相关系数介于0与1之间，用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。
相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。
扩展资料
（1）相关系数的应用
1、概率论
例：若将一枚硬币抛n次，X表示n次试验中出现正面的次数，Y表示n次试验中出现反面的次数。计算ρXY。
解：由于X+Y=n，则Y=-X+n，根据相关系数的性质推论，得ρXY = − 1。
2、企业物流
例：一种新产品上市，在上市之前，公司的物流部需把新产品合理分配到全国的10个仓库，新品上市一个月后，要评估实际分配方案与之前考虑的其他分配方案中，是实际分配方案好还是其中尚未使用的分配方案更好。
通过这样的评估，可以在下一次的新产品上市使用更准确的产品分配方案，以避免由于分配而产生的积压和断货。表1是根据实际数据所列的数表。
通过计算，很容易得出这3个分配方案中，B的相关系数是最大的，这样就评估到B的分配方案比实际分配方案A更好，在下一次的新产品上市分配计划中，就可以考虑用B这种分配方法来计算实际分配方案。
3、聚类分析
例：如果有若干个样品，每个样品有n个特征，则相关系数可以表示两个样品间的相似程度。借此，可以对样品的亲疏远近进行距离聚类。例如9个小麦品种(分别用A1,A2,...,A9表示)的6个性状资料见表2，作相关系数计算并检验。
由相关系数计算公式可计算出6个性状间的相关系数，分析及检验结果见表3。由表3可以看出，冬季分蘖与每穗粒数之间呈现负相关(ρ = − 0.8982)，即麦冬季分蘖越多，那么每穗的小麦粒数越少，其他性状之间的关系不显著。
（2）相关系数的缺点：
需要指出的是，相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。
因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。
参考资料来源
百度百科-相关系数
绛旓細鍒╃敤鐩稿叧绯绘暟鍙互鍒ゅ畾鐜拌薄闂寸殑鐩稿叧鍏崇郴銆鐩稿叧绯绘暟鏄敤鏉ヨ 閲忎袱涓彉閲忎箣闂寸嚎鎬у叧绯诲己搴︾殑缁熻閲锛屽叾鍙栧艰寖鍥村湪-1鍒1涔嬮棿銆傚綋鐩稿叧绯绘暟涓烘鍊兼椂锛岃〃绀轰袱涓彉閲忓憟姝ｇ浉鍏冲叧绯伙紝鍗冲綋涓涓彉閲忓鍔犳椂锛屽彟涓涓彉閲忎篃闅忎箣澧炲姞锛涘綋鐩稿叧绯绘暟涓鸿礋鍊兼椂锛岃〃绀轰袱涓彉閲忓憟璐熺浉鍏冲叧绯伙紝鍗冲綋涓涓彉閲忓鍔犳椂锛屽彟涓涓彉閲忎細鍑...
绛旓細绠鍗曠浉鍏崇郴鏁帮細鍙堝彨鐩稿叧绯绘暟鎴栫嚎鎬х浉鍏崇郴鏁帮紝涓鑸敤瀛楁瘝r琛ㄧず锛鐢ㄦ潵搴﹂噺涓や釜鍙橀噺闂寸殑绾挎у叧绯銆
绛旓細鐩稿叧绯绘暟浠嬩簬0涓1涔嬮棿锛鐢ㄤ互鍙嶆槧鍙橀噺涔嬮棿鐩稿叧鍏崇郴瀵嗗垏绋嬪害鐨勭粺璁℃寚鏍銆傜浉鍏崇郴鏁版槸鎸夌Н宸柟娉曡绠楋紝鍚屾牱浠ヤ袱鍙橀噺涓庡悇鑷钩鍧囧肩殑绂诲樊涓哄熀纭锛岄氳繃涓や釜绂诲樊鐩镐箻鏉ュ弽鏄犱袱鍙橀噺涔嬮棿鐩稿叧绋嬪害锛鐫閲嶇爺绌剁嚎鎬х殑鍗曠浉鍏崇郴鏁銆傜浉鍏崇郴鏁版槸鏈鏃╃敱缁熻瀛﹀鍗″皵路鐨皵閫婅璁＄殑缁熻鎸囨爣锛屾槸鐮旂┒鍙橀噺涔嬮棿绾挎х浉鍏崇▼搴︾殑閲忥紝涓鑸敤...
绛旓細鐩稿叧绯绘暟鏄寜绉樊鏂规硶璁＄畻锛屽悓鏍蜂互涓ゅ彉閲忎笌鍚勮嚜骞冲潎鍊肩殑绂诲樊涓哄熀纭锛閫氳繃涓や釜绂诲樊鐩镐箻鏉ュ弽鏄犱袱鍙橀噺涔嬮棿鐩稿叧绋嬪害锛涚潃閲嶇爺绌剁嚎鎬х殑鍗曠浉鍏崇郴鏁銆
绛旓細鐩稿叧琛ㄧず涓ゅ彉閲忛棿鐨勭浉浜掑叧绯伙紝鏄弻鏂瑰悜鐨勩傝屽洖褰掑垯琛ㄧずY闅廥鑰屽彉鍖栵紝杩欑鍏崇郴鏄崟鏂瑰悜鐨銆傚尰瀛﹁祫鏂欎腑鐨勬湁浜涜祫鏂欑敤鐩稿叧琛ㄧず杈冮傚疁锛屾瘮濡傚厔寮熶笌濮愬闂寸殑韬暱鍏崇郴銆佷汉鐨勮韩闀夸笌鍓嶈噦闀夸箣闂寸殑鍏崇郴绛夎祫鏂欍傚彟鏈変簺璧勬枡鐢ㄧ浉鍏冲拰鍥炲綊閮介傚疁锛屾鏃堕』瑙嗙爺绌堕渶瑕佽屽畾銆傚洖褰掔郴鏁颁笌鐩稿叧绯绘暟鐨勬璐熷彿閮芥湁涓ゅ彉閲忕鍧囧樊绉...
绛旓細鍏朵腑fi涓烘潈鏁帮紝鍗宠嚜鍙橀噺姣忕粍鐨勬鏁般傚湪浣跨敤鍏锋湁缁熻鍔熻兘鐨勭數瀛愯绠楁満鏃讹紝鍙互鐢ㄤ竴绉嶇畝鎹风殑鏂规硶璁＄畻鐩稿叧绯绘暟锛屽叾鍏紡<瑙佸弬鑰冭祫鏂>.浣跨敤杩欑璁＄畻鏂规硶鏃讹紝褰撹绠楁満鍦ㄨ緭鍏銆亂鏁版嵁涔嬪悗锛屽彲浠ョ洿鎺ュ緱鍑簄銆佲枲銆佲垜xi銆佲垜yi銆佲垜鈻犮佲垜xiy1銆佄崇瓑鏁板硷紝涓嶅繀鍐嶅垪璁＄畻琛ㄣ傚弬鑰冭祫鏂欙細http://baike.baidu.com/view/...
绛旓細1. 瀹氫箟涓庢潵婧愶細鐩稿叧绯绘暟鏄缁熻瀛︿腑鐢ㄤ簬琛￠噺涓や釜鍙橀噺涔嬮棿绾挎у叧绯诲己搴︾殑涓涓寚鏍囷紝鍏舵暟鍊间粙浜-1涓1涔嬮棿銆-1琛ㄧず瀹屽叏璐熺浉鍏筹紝1琛ㄧず瀹屽叏姝ｇ浉鍏筹紝0琛ㄧず鏃犵嚎鎬х浉鍏炽2. 瀹為檯搴旂敤锛氬湪鏁欒偛棰嗗煙锛岀浉鍏虫х郴鏁板彲鐢ㄤ簬鍒嗘瀽涓嶅悓鏁欒偛鎸囨爣鎴栭棶鍗疯皟鏌ラ棶棰樹箣闂寸殑鍏宠仈銆傞氳繃璁＄畻鐩稿叧鎬х郴鏁帮紝鐮旂┒鑰呰兘澶熸礊瀵熷彉閲忛棿鐨勭浉浜掑叧绯...
绛旓細鐩稿叧绯绘暟甯哥敤浜庡害閲忎袱涓彉閲忎箣闂寸殑鐩稿叧绋嬪害锛岀浉鍏崇郴鏁版湁澶氱锛宲earson鐩稿叧绯绘暟銆乻pearman鐩稿叧绯绘暟绛夛紝浣嗘槸pearson鐩稿叧绯绘暟姣旇緝甯哥敤銆傞氬父鎯呭喌涓嬫湁鐩稿叧鍏崇郴锛岀浉鍏崇郴鏁拌秺澶э紝琛ㄧず涓ゅ彉閲忎箣闂寸殑鐩稿叧鎬ц秺寮猴紝鐩稿叧绯绘暟瓒婂皬锛屽垯琛ㄧず鐩稿叧鎬ц秺寮便俻earson鐩稿叧绯绘暟璁＄畻濡備笅锛歱earson鐩稿叧鍒嗘瀽濡備笅锛氫粠涓婅〃鍙煡锛屽埄鐢ㄧ浉鍏冲垎鏋愬幓...
绛旓細鐩稿叧绯绘暟鍜屽洖褰掔郴鏁版槸缁熻瀛︿腑甯哥敤鐨勪袱涓蹇碉紝鐢ㄤ簬鎻忚堪鍜屽垎鏋愬彉閲忎箣闂寸殑鍏崇郴銆傚畠浠湪鍒嗘瀽鏁版嵁鍜屽缓绔嬫ā鍨嬫椂璧峰埌浜嗛噸瑕鐨勪綔鐢銆備笅闈㈡槸瀵圭浉鍏崇郴鏁板拰鍥炲綊绯绘暟鐨鑱旂郴鍜屽尯鍒殑涓撲笟瑙ｉ噴銆1. 鐩稿叧绯绘暟锛圕orrelation Coefficient锛夛細鐩稿叧绯绘暟琛￠噺浜嗕袱涓彉閲忎箣闂寸殑绾挎х浉鍏崇▼搴︺傚畠鐨勫彇鍊艰寖鍥村湪-1鍒1涔嬮棿锛屽叾涓-1琛ㄧず...
绛旓細鐨勫钩鏂*鈭戯紙鏍峰瓙鍚屼笂锛夛紙Yi-Y骞冲潎鏁帮級鐨勫钩鏂 鍏朵腑fi涓烘潈鏁,鍗宠嚜鍙橀噺姣忕粍鐨勬鏁.鍦ㄤ娇鐢ㄥ叿鏈夌粺璁鍔熻兘鐨勭數瀛愯绠楁満鏃,鍙互鐢ㄤ竴绉嶇畝鎹风殑鏂规硶璁＄畻鐩稿叧绯绘暟,鍏跺叕寮忎负锛氫娇鐢ㄨ繖绉嶈绠楁柟娉曟椂,褰撹绠楁満鍦ㄨ緭鍏銆亂鏁版嵁涔嬪悗,鍙互鐩存帴寰楀嚭n銆佲枲銆佲垜xi銆佲垜yi銆佲垜鈻犮佲垜xiy1銆佄崇瓑鏁板,涓嶅繀鍐嶅垪璁＄畻琛.
