完整定義
相關係數是一種統計量,用於衡量兩個隨機變數之間線性關係的強度和方向。它是一個標準化的指標,範圍從 -1 到 1。正相關表示兩個變數傾向於一起增加或減少,負相關表示一個變數增加時,另一個變數傾向於減少。相關係數為零表示兩個變數之間沒有線性關係。
白話說明
你有沒有看過兩個數字常常一起升一起降,卻不知道它們到底有多像?
你可以把相關係數想成「看兩個變數是不是一起動」:它會告訴你方向和強弱,但不告訴你誰造成誰。
它很重要,因為很多資料分析都先從相關開始,先知道變數有沒有關聯,再決定要不要深入找原因。
記住這句
會一起變,不代表有因果。
比喻:相關係數就像在看兩個朋友的「默契指數」-- 如果他們總是同時開心或同時難過(一起變動),那默契指數就高(接近 1 或 -1);如果一個開心另一個難過(反向變動),就是負默契;如果兩個人情緒各過各的,那默契指數就接近 0。
容易混淆
相關係數 vs 因果關係 vs 共變異數
相關係數:看關聯的方向和強度,標準化後通常介於 -1 到 1
因果關係:看一個變數是不是造成另一個變數
共變異數:看共同變動方向,但沒有標準化,尺度受單位影響
最關鍵的區別:相關只說一起變,不等於互相造成。
實際案例
銷售分析
前:只看到冰淇淋銷量和氣溫一起上升,卻急著下結論
後:先用相關係數看關聯,再進一步檢查是否有其他因素
學習成效
前:以為上課時數和考分一定成正比
後:先看相關,再搭配其他變數判斷是不是還有背景因素影響
演算法與應用
相關係數常見形式有皮爾森相關和斯皮爾曼相關,前者看線性關係,後者看單調關係
它常用於探索性資料分析、特徵篩選和假設建立
但它只是起點,不能單靠一個數字就下商業或科學結論
中英對照與三種常見的相關係數
一般講「相關係數」而沒特別說明時,指的是皮爾森。公式是:
r = Cov(X, Y) / (σ_X × σ_Y)
也就是共變異數除以兩者標準差的乘積,結果一定落在 −1 到 1 之間。
- 中文
- 相關係數
- 英文
- correlation coefficient
- 適用情況
- 統稱
- 中文
- 皮爾森相關係數
- 英文
- Pearson correlation
- 適用情況
- 衡量線性關係,資料需接近常態且為連續變數
- 中文
- 斯皮爾曼等級相關
- 英文
- Spearman rank correlation
- 適用情況
- 衡量單調關係,先轉成名次再算,對離群值穩健
- 中文
- 肯德爾等級相關
- 英文
- Kendall's tau
- 適用情況
- 也走名次,樣本小時比 Spearman 穩定
數值怎麼讀,以及最容易犯的三個錯
r 等於 1 是完全正線性相關,−1 是完全負線性相關,0 是沒有線性關係。強弱沒有絕對標準,但社會科學常用的參考是:0.1 到 0.3 弱、0.3 到 0.5 中等、0.5 以上強。物理量測的標準會嚴格得多。
錯誤一:把相關當成因果。 這是最有名的一條,但實務上還是常犯。兩個變數同時被第三個因素影響(混淆變數),或純粹是巧合,都會產生高相關。冰淇淋銷量與溺水人數高度相關,共同原因是氣溫。
錯誤二:r 接近 0 就認為沒有關係。 皮爾森只量線性關係。一個完美的拋物線關係,r 可能剛好等於 0。所以算相關之前一定要先畫散布圖。經典的 Anscombe 四組資料就是專門用來說明這件事的:四組資料的平均、變異數與相關係數幾乎相同,畫出來卻完全不一樣。
錯誤三:忽略離群值。 一筆極端值就能把 r 從 0.1 拉到 0.8,或反過來。懷疑有離群值時改用 Spearman,它只看名次,單一極端值的影響有限。
情境判斷
Q1(直覺題): 相關係數接近 1,通常代表兩個變數一起升降得很明顯嗎?
是,代表正相關很強。
Q2(判斷題): 只要相關係數高,就能直接說一個變數造成另一個變數嗎?
不能,這還不夠證明因果。
常見問題
不一定,只是代表沒有線性關係,仍可能有非線性關係。
可以,代表一個變大時另一個傾向變小。
要看領域背景,沒有放諸四海皆準的絕對門檻。
r 等於 X 與 Y 的共變異數除以兩者標準差的乘積,寫成 r = Cov(X, Y) / (σX σY)。實際計算時先算每筆資料離平均的差,把對應的差相乘後加總,再除以兩組差平方和開根號的乘積。Excel 可以直接用 CORREL 函數。
相關矩陣把多個變數兩兩之間的相關係數排成方陣,對角線都是 1,因為每個變數和自己完全相關,而且矩陣左右對稱。機器學習常用它找出彼此高度相關的特徵,相關太高的特徵可能造成多重共線性。
出現在這些考古題
官方公告試題的逐題解析裡,有 6 題把相關係數列為延伸術語,這裡列出 5 題。
相關術語
來源
參考來源:en.wikipedia.org
其他格式:Markdown 版本