什么是r相关系数？
r相关系数，通常指皮尔逊积矩相关系数（Pearson product-moment correlation coefficient），是衡量两个连续变量之间线性相关程度的最常用统计指标。它由卡尔·皮尔逊（Karl Pearson）在19世纪90年代提出，是统计学中最重要的概念之一。
在数据分析、科学研究、金融投资以及社会科学领域，了解变量之间是否存在关系以及关系的强弱，是做出准确预测和决策的基础。例如，广告投入与销售额之间是否存在正相关？身高与体重之间是否呈现线性关系？r相关系数正是回答这些问题的关键工具。
该系数的取值范围严格限定在 -1 到 1 之间。其绝对值越接近1，表示相关性越强；越接近0，表示相关性越弱。正号表示正相关（同向变化），负号表示负相关（反向变化）。
r相关系数公式推导
计算 r相关系数 的核心在于协方差与标准差的比值。以下是两种常见的表达形式：
1. 原始公式（基于离差）
其中：
Xi, Yi 是单个数据点；
X̄, Ȳ 分别是变量 X 和 Y 的样本均值；
Σ 表示求和符号。
2. 简化公式（基于原始数据）
此公式在手算或使用基础计算器时更为便捷，其中 n 为样本数量。
3. 基于协方差与标准差的公式
其中 Cov(X, Y) 是 X 和 Y 的协方差，σX 和 σY 分别是 X 和 Y 的标准差。这种形式在理论推导中最为常见，因为它清晰地揭示了相关系数是协方差经过标准化后的结果。
r值含义深度解析
正确解读 r相关系数 的结果至关重要，错误的解读可能导致严重的统计谬误。下表详细列出了不同r值区间所代表的含义：
| r 值范围 | 相关程度 | 方向 | 示例说明 |
|---|---|---|---|
| 0.8 - 1.0 | 极强正相关 | ↑↑ | 身高与腿长通常呈极强正相关。 |
| 0.5 - 0.8 | 强正相关 | ↑ | 教育年限与收入水平通常呈强正相关。 |
| 0.3 - 0.5 | 中等相关 | ↑ | 每日饮水量与体重可能呈中等相关。 |
| 0 - 0.3 | 弱相关 | → | 鞋码与智商通常无显著线性相关。 |
| -0.3 - 0 | 弱负相关 | ↓ | 开车速度与到达时间呈弱负相关（受路况影响大）。 |
| -0.5 - -0.3 | 中等相关 | ↓ | 产品价格与销量通常呈负相关。 |
| -0.8 - -0.5 | 强负相关 | ↓↓ | 气温与取暖费用呈强负相关。 |
| -1.0 - -0.8 | 极强负相关 | ↓↓ | 理想中的物理定律如胡克定律（在弹性限度内）。 |
| 0 | 无线性相关 | — | 注意：无线性相关不代表无关系，可能是曲线关系。 |
需要注意的是，r相关系数 仅能捕捉线性关系。如果变量间存在非线性关系（如U型关系），r值可能接近0，但这并不意味着它们无关。因此，在计算r之前，务必绘制散点图进行视觉检查。
手动计算r相关系数示例
为了演示 r相关系数公式 的应用，我们假设有一组关于“学习时长（小时）”与“考试成绩（分）”的数据：
| 学生编号 | 学习时长 (X) | 考试成绩 (Y) | X - X̄ | Y - Ȳ | (X-X̄)(Y-Ȳ) | (X-X̄)² | (Y-Ȳ)² |
|---|---|---|---|---|---|---|---|
| 1 | 2 | 50 | -2 | -20 | 40 | 4 | 400 |
| 2 | 4 | 60 | 0 | -10 | 0 | 0 | 100 |
| 3 | 6 | 70 | 2 | 0 | 0 | 4 | 0 |
| 4 | 8 | 80 | 4 | 10 | 40 | 16 | 100 |
| 5 | 10 | 90 | 6 | 20 | 120 | 36 | 400 |
| Sum | 30 | 350 | 0 | 0 | 200 | 60 | 1000 |
计算过程：
1. X̄ = 30/5 = 6, Ȳ = 350/5 = 70
2. 分子 Σ(X-X̄)(Y-Ȳ) = 200
3. 分母 √[Σ(X-X̄)² Σ(Y-Ȳ)²] = √[60 1000] = √60000 ≈ 244.95
4. r = 200 / 244.95 ≈ 0.816
结论：学习时长与考试成绩之间存在强正相关关系。
r相关系数的显著性检验
计算出r值只是第一步，我们还需要判断这个相关性是否在统计学上显著，即是否可能由随机误差引起。通常使用 t检验。
自由度 df = n - 2。根据计算出的t值和自由度，查t分布表得到p值。若 p < 0.05，则拒绝原假设（H0: ρ=0），认为总体相关系数显著不为0。
常见误区警示
- 相关性不等于因果性： r值高只能说明两个变量一起变化，不能证明A导致B。例如，冰淇淋销量与溺水事故呈正相关，但真正的原因是气温（第三变量）。
- 对异常值敏感： 极端的异常值会极大地扭曲r值。在计算前务必检查数据分布。
- 仅适用于线性关系： 如前所述，曲线关系会被r值忽略。