粘贴两列配对测量值,获得 Pearson 相关系数 r——两个变量以直线模式共同变动的强度——加上 r² 和可用于回归的总和。
不是——这是计算器最重要的警告。相关性可能来自任一方向的因果关系、第三个变量同时驱动两者,或小样本中的巧合。r 衡量的是共同变动,仅此而已。
一种常见的经验法则:|r| 低于 0.3 为弱,0.3–0.7 为中等,超过 0.7 为强。背景很重要——0.4 在医学中可能重要,在物理学中则毫无意义。
Pearson r 只看到直线模式。完美的 U 形可以得到 r ≈ 0。在单独信任 r 之前,请始终绘制数据图(Linear Regression Calculator 会绘制散点图)。
y 的方差中由 x 线性解释的份额。r = 0.775 得到 r² = 0.60——y 的变化中约 60% 在线性模型中与 x 对齐。
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²)。分子(协方差,未归一化)按两个变量的离散程度进行缩放,这正是将 r 限定在 [−1, 1] 范围内的原因。
输入项: x = [1,2,3,4,5], y = [2,4,5,4,5].
步骤: 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.
结果: r = 0.775, r² = 0.600.
将本计算器添加到您自己的网站或博客——完全免费,无需注册,并且始终显示最新版本。复制下面的代码,粘贴到您希望计算器出现的页面位置。在嵌入下方保留小小的 “Powered by Loona Automation” 署名行有助于保持本工具免费——但您可以自由设置样式或将其移除;无论哪种方式工具都能工作。