貼上兩列配對測量值,獲得 Pearson 相關係數 r——兩個變數以直線模式共同變動的強度——加上 r² 和可用於迴歸的總和。
不是——這是計算器最重要的警告。相關性可能來自任一方向的因果關係、第三個變數同時驅動兩者,或小樣本中的巧合。r 衡量的是共同變動,僅此而已。
一種常見的經驗法則:|r| 低於 0.3 為弱,0.3–0.7 為中等,超過 0.7 為強。背景很重要——0.4 在醫學中可能重要,在物理學中則毫無意義。
Pearson r 只看到直線模式。完美的 U 形可以得到 r ≈ 0。在單獨信任 r 之前,請始終繪製資料圖(Linear Regression Calculator 會繪製散點圖)。
y 的方差中由 x 線性解釋的份額。r = 0.775 得到 r² = 0.60——y 的變化中約 60% 線上性模型中與 x 對齊。
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²)。分子(協方差,未歸一化)按兩個變數的離散程度進行縮放,這正是將 r 限定在 [−1, 1] 範圍內的原因。
輸入項: x = [1,2,3,4,5], y = [2,4,5,4,5].
步驟: x̄ = 3, ȳ = 4. Σ(x−x̄)(y−ȳ) = (−2)(−2) + (−1)(0) + 0(1) + 1(0) + 2(1) = 4 + 0 + 0 + 0 + 2 = 6. Σ(x−x̄)² = 10. Σ(y−ȳ)² = 4 + 0 + 1 + 0 + 1 = 6. r = 6 ÷ √(10 × 6) = 6 ÷ 7.746 = 0.7746.
結果: r = 0.775, r² = 0.600.
將本計算器新增到你自己的網站或部落格——完全免費,無需註冊,並且始終顯示最新版本。複製下面的程式碼,貼上到你希望計算器出現的頁面位置。在嵌入下方保留小小的 “Powered by Loona Automation” 署名行有助於保持本工具免費——但你可以自由設定樣式或將其移除;無論哪種方式工具都能工作。