【相关系数r的计算公式怎么算】在统计学中，相关系数（Pearson相关系数）是衡量两个变量之间线性关系密切程度的重要指标。它可以帮助我们判断两个变量是否具有正相关、负相关或无相关性。本文将总结相关系数r的计算公式，并通过表格形式清晰展示其计算过程。
一、相关系数r的定义
相关系数r（Pearson相关系数）的取值范围在-1到1之间：
- r = 1：完全正相关
- r = -1：完全负相关
- r = 0：无线性相关
r值越接近1或-1，表示两个变量之间的线性关系越强；r值越接近0，表示线性关系越弱。
二、相关系数r的计算公式
相关系数r的计算公式如下：
$$
r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}}
$$
其中：
- $ n $ 是数据对的数量
- $ x $ 和 $ y $ 是两个变量的观测值
- $ \sum xy $ 是所有x和y对应乘积的和
- $ \sum x $ 和 $ \sum y $ 是x和y的总和
- $ \sum x^2 $ 和 $ \sum y^2 $ 是x和y的平方和
三、计算步骤总结
以下是计算相关系数r的详细步骤：
| 步骤 | 操作说明 |
| 1 | 收集两组数据（x, y），并确定数据对数量n |
| 2 | 计算每一对数据的乘积xy，并求和得到Σxy |
| 3 | 计算x的总和Σx和y的总和Σy |
| 4 | 计算x的平方和Σx²和y的平方和Σy² |
| 5 | 代入公式计算分子部分：$ n\sum xy - (\sum x)(\sum y) $ |
| 6 | 计算分母部分：$ \sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]} $ |
| 7 | 最终计算r = 分子 ÷ 分母 |
四、示例计算
假设我们有以下数据对：
| x | y |
| 1 | 2 |
| 2 | 4 |
| 3 | 6 |
| 4 | 8 |
计算过程如下：
- n = 4
- Σx = 1 + 2 + 3 + 4 = 10
- Σy = 2 + 4 + 6 + 8 = 20
- Σxy = (1×2) + (2×4) + (3×6) + (4×8) = 2 + 8 + 18 + 32 = 60
- Σx² = 1² + 2² + 3² + 4² = 1 + 4 + 9 + 16 = 30
- Σy² = 2² + 4² + 6² + 8² = 4 + 16 + 36 + 64 = 120
代入公式：
$$
r = \frac{4×60 - 10×20}{\sqrt{[4×30 - 10^2][4×120 - 20^2]}} = \frac{240 - 200}{\sqrt{[120 - 100][480 - 400]}} = \frac{40}{\sqrt{20×80}} = \frac{40}{\sqrt{1600}} = \frac{40}{40} = 1
$$
因此，r = 1，表示x与y之间存在完全正相关。
五、注意事项
- 相关系数只能反映线性关系，不能说明因果关系
- 数据应为连续变量，且呈正态分布或近似正态分布时效果更佳
- 异常值可能对r值产生较大影响，需进行数据清洗
六、总结
| 项目 | 内容说明 |
| 相关系数r | 衡量两个变量间线性关系的强度和方向 |
| 取值范围 | -1 到 1 |
| 公式 | $ r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}} $ |
| 计算步骤 | 1. 收集数据；2. 计算各总和；3. 代入公式 |
| 示例结果 | 在本例中，r=1，表示完全正相关 |
通过以上内容，可以系统地理解相关系数r的计算方法及应用方式，为后续数据分析提供基础支持。