Pearson 相关系数.docx

文档介绍：Pearson相关系数(r)
评估两个连续变量是否线性相关。例如，现有一个塑料样本，您想知道冷却速度是否与塑料强度相关。
该系数将介于-1和+1之间。绝对相关系数越接近于1，数据点越紧密地落于一条直线上。如果相关系数接近于0，则表明不存Pearson相关系数(r)
评估两个连续变量是否线性相关。例如，现有一个塑料样本，您想知道冷却速度是否与塑料强度相关。
该系数将介于-1和+1之间。绝对相关系数越接近于1，数据点越紧密地落于一条直线上。如果相关系数接近于0，则表明不存在线性关系。
4-
反之」如果两个变量倾商于同时増加』则相关系数対正-此处的相关丢数为
相关茶数为+』数据点随机分布在直线周围-此模型并不能说明大量方差量口
』也会存在有意义的非线性关系-可通过直看散点图来确定这一点■
重要注意事项：
相关并不意味着一定存在因果关系。只有受控试验才能确定因果关系。例如，尽管冰激淋消费和流感病例数可能负相关，但增加冰激淋消费不一定会使流感比率下降。可能有其他复合变量(如温度)在起作用。
单个极值能对系数产生极大影响。找出异常值并分析其影响。
要确定模型与数据的拟合程度，可通过将相关系数平方并乘以100计算出
(R2)的方差百分比。例如：相关系数(r)%的方差，r=%，r=%。