相关系数r的计算公式是什么？
相关系数r的计算公式是什么？
pearson相关系数是根据样本数据计算的度量两个变量之间线性关系强度的统计量。有时pearson相关也称为积差相关或者积矩相关，基本原理是假设存在两个变量X和Y，则两个变量的皮尔逊相关系数可以通过以下公式进行计算：
式中，E为数学期望，N为样本容量。以上都可以计算皮尔逊相关系数。
皮尔逊相关系数的取值范围为[-1,1]，其绝对值越接近1相关性越强，绝对值越接近于0，相关性越弱，相关系数小0时说明两个变量之间呈现负相关，大于0，则为正相关，对于相关性强度可以参考下表：
应用皮尔逊相关的前提条件：
（1）两个变量为定量变量
（2）两个变量都呈正态分布
（3）两个变量的观测值相互独立
可以利用SPSSAU快速得到相关系数：
结果如下：
相关系数r的计算公式如图：
其中Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。
扩展资料：
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
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸锛歳 = / ²)*鈭²))銆傚叾涓紝危鏄眰鍜岀鍙凤紝x鍜寉鍒嗗埆鏄袱涓彉閲忕殑鍊硷紝n鏄牱鏈暟閲忋傝繖涓叕寮忕敤浜庨噺鍖栦袱涓彉閲忎箣闂寸殑绾挎у叧绯诲己搴﹀拰鏂瑰悜銆傝缁嗚В閲婂涓嬶細鐩稿叧绯绘暟r鏄竴涓粙浜-1鍜1涔嬮棿鐨勬暟鍊硷紝鐢ㄤ簬鎻忚堪涓や釜鍙橀噺涔嬮棿鐨勭嚎鎬у叧绯荤殑寮哄害鍜屾柟鍚戙傚叾璁＄畻渚濊禆浜庤繖涓や釜鍙橀噺...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸蟻XY=Cov(X锛孻)/鈭氾蓟D(X)]鈭氾蓟D(Y)]銆傚叕寮忔弿杩帮細鍏紡涓瑿ov(X锛孻)涓篨锛孻鐨勫崗鏂瑰樊锛孌(X)銆丏(Y)鍒嗗埆涓篨銆乊鐨勬柟宸傚叕寮忋傝嫢Y=a+bX锛屽垯鏈夛細浠(X) =渭锛孌(X) =蟽銆傚垯E(Y) = b渭锛媋锛孌(Y) = b蟽銆侲(XY) = E(aX + bX) = a渭锛媌(蟽锛嬑硷級...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸锛歳 = / ²)²))銆傝缁嗚В閲婂涓嬶細涓銆佺浉鍏崇郴鏁扮殑瀹氫箟鍜岄噸瑕佹 鐩稿叧绯绘暟鏄敤浜庨噺鍖栦袱涓彉閲忛棿绾挎у叧绯诲己搴﹀拰鏂瑰悜鐨勭粺璁￠噺銆傞氳繃r鐨勫硷紝鍙互浜嗚В鍙橀噺涔嬮棿鐨勭浉鍏虫ф槸姝ｅ悜杩樻槸璐熷悜锛屼互鍙婅繖绉嶅叧绯荤殑寮哄害濡備綍銆傜浉鍏崇郴鏁扮殑鍙栧艰寖鍥村湪-1鍒+1涔嬮棿銆傛帴杩懧1鐨勫艰〃绀哄己鐩稿叧锛...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸锛歳 = Σ[(xi - x̄)(yi - ȳ)] / √[Σ(xi - x̄)² * Σ(yi - ȳ)²]锛屽叾涓Σ琛ㄧず姹傚拰锛寈i鍜寉i鍒嗗埆浠ｈ〃涓や釜鍙橀噺鐨勮瀵熷硷紝x̄鍜ȳ鍒嗗埆浠ｈ〃涓や釜鍙橀噺鐨勫钩鍧囧笺傜浉鍏崇郴鏁皉鏄 閲忎袱涓彉閲...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸蟻XY=Cov(X锛孻)/鈭氾蓟D(X)]鈭氾蓟D(Y)]銆傚叕寮忔弿杩帮細鍏紡涓瑿ov(X锛孻)涓篨锛孻鐨勫崗鏂瑰樊锛孌(X)銆丏(Y)鍒嗗埆涓篨銆乊鐨勬柟宸傝嫢Y=a+bX锛屽垯鏈夛細浠(X) =渭锛孌(X) =蟽銆傚垯E(Y) = b渭锛媋锛孌(Y) = b蟽銆侲(XY) = E(aX + bX) = a渭锛媌(蟽锛嬑硷級銆侰ov...
绛旓細璁＄畻鍏紡涓簉(X锛孻)=Cov(X锛孻)/[Var(X)Var(Y)]锛屽叾涓瑿ov(X锛孻)鏄彉閲廥鍜孻鐨勫崗鏂瑰樊锛孷ar(X)浠ｈ〃X鐨勬柟宸紝Var(Y)鍒欎唬琛╕鐨勬柟宸r鐨鍊艰寖鍥村湪-1鍒1涔嬮棿锛屾鍊艰〃绀烘鐩稿叧锛岃礋鍊艰〃绀鸿礋鐩稿叧锛0琛ㄧず鏃犵浉鍏虫с鐩稿叧绯绘暟涓嶄粎鍙氳繃鐩稿叧琛ㄥ拰鍥惧舰鐩磋灞曠幇涓や釜鍙橀噺涔嬮棿鐨勫叧绯诲拰鏂瑰悜锛屼絾瀹冨苟涓嶆彮绀洪潪...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸锛歳 = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \bar{x})^2} \sqrt{\sum_{i=1}^{n} (y_i - \bar{y})^2}} 鍏朵腑锛$n$ 鏄牱鏈閲忥紝$x_i$ 鍜 $y_i$ 鍒嗗埆鏄 $i$ 涓牱鏈殑 $...
绛旓細鐩稿叧绯绘暟 r 鐨鍏蜂綋璁＄畻鍏紡濡備笅锛歳 = (n危xy 鈥 危x危y) / sqrt((n危x^2 鈥 (危x)^2)(n危y^2 鈥 (危y)^2))鍏朵腑锛宯 鏄牱鏈暟閲忥紝x 鍜 y 鍒嗗埆浠ｈ〃涓や釜鍙橀噺鐨勫彇鍊硷紝危 琛ㄧず姹傚拰锛宻qrt 琛ㄧず骞虫柟鏍广傜浉鍏崇郴鏁 r 鐨勫彇鍊艰寖鍥存槸 -1 鍒 1銆傚綋 r 鐨勫兼帴杩戜簬 1 鏃讹紝琛ㄧず涓や釜鍙橀噺...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸r=锛坣脳xiyi鐨勫钩鍧囧-xi骞冲潎鍊济梱i骞冲潎鍊硷級/锛坣脳xiyiy骞冲潎鍊-xi骞冲潎鍊肩殑2鐨勪箻鏂姑梱i骞冲潎鍊肩殑2鐨勪箻鏂癸級涔樻柟锛1/2锛夈傚叾涓紝n琛ㄧず鏍锋湰瀹归噺锛寈鍜寉鍒嗗埆琛ㄧず涓や釜鍙橀噺鍦ㄦ牱鏈腑鐨勫彇鍊笺傝浣跨敤杩欎釜鍏紡鏉ヨ绠楃浉鍏崇郴鏁皉锛岄鍏堥渶瑕佸噯澶囧ソ涓涓寘鍚牱鏈暟鎹殑琛ㄦ牸銆傝繖涓〃鏍煎簲璇ヨ嚦灏戝寘鍚...
绛旓細鐩稿叧绯绘暟锛r锛夋槸鐢ㄤ簬琛￠噺涓や釜鍙橀噺涔嬮棿绾挎у叧绯诲己搴︾殑缁熻鎸囨爣銆傚父瑙佺殑鐩稿叧绯绘暟璁＄畻鍏紡鏈変互涓嬪嚑绉嶏細鐨皵閫婄浉鍏崇郴鏁帮紙Pearson correlation coefficient锛夛細鍏紡锛歳 = (危((X - X̄) * (Y - Ȳ))) / (鈭(危(X - X̄)²) * 鈭(危(Y - Ȳ)²))鍏朵腑锛孹鍜孻...
