AITerms 登入
統計方法資料處理機器學習

相關係數(Correlation)是什麼?

相關係數衡量兩個變數之間線性關係的強度和方向,範圍從 -1 到 1。1 表示完全正相關,-1 表示完全負相關,0 表示沒有線性關係。

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

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

本頁內容有提到,或屬於同一組主題的術語

來源

參考來源:en.wikipedia.org

其他格式:Markdown 版本