【相关系数r怎么求】在统计学中，相关系数（Correlation Coefficient）是衡量两个变量之间线性关系密切程度的指标。最常见的是皮尔逊相关系数（Pearson Correlation Coefficient），简称r值。它反映了两个变量之间的线性相关方向和强度，取值范围在-1到+1之间。
以下是对“相关系数r怎么求”的总结与说明，以文字加表格的形式呈现，便于理解和应用。
一、相关系数r的定义
相关系数r是一个数值，表示两个变量之间的线性相关程度。其计算公式如下：
$$
r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}}
$$
其中：
- $ x_i $ 和 $ y_i $ 分别为第i个样本点的两个变量值；
- $ \bar{x} $ 和 $ \bar{y} $ 分别为x和y的平均值。
二、相关系数r的计算步骤
| 步骤 | 内容 |
| 1 | 收集两组数据（x, y） |
| 2 | 计算x和y的平均值（$\bar{x}$、$\bar{y}$） |
| 3 | 对每个数据点，计算$(x_i - \bar{x})$和$(y_i - \bar{y})$ |
| 4 | 计算分子部分：$\sum (x_i - \bar{x})(y_i - \bar{y})$ |
| 5 | 计算分母部分：$\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}$ |
| 6 | 将分子除以分母，得到r值 |
三、相关系数r的解释
| r值 | 相关性描述 |
| +1 | 完全正相关 |
| 0.7~1 | 强正相关 |
| 0.3~0.7 | 中等正相关 |
| 0 | 无相关 |
| -0.3~-0.7 | 中等负相关 |
| -0.7~-1 | 强负相关 |
| -1 | 完全负相关 |
注意：r值只能反映线性关系，不能说明因果关系。
四、实际应用示例
假设我们有以下两组数据：
| x | y |
| 1 | 2 |
| 2 | 4 |
| 3 | 6 |
| 4 | 8 |
计算过程如下：
1. $\bar{x} = \frac{1+2+3+4}{4} = 2.5$
$\bar{y} = \frac{2+4+6+8}{4} = 5$
2. 计算各点差值及乘积：
| x | y | x - x̄ | y - ȳ | (x - x̄)(y - ȳ) | (x - x̄)^2 | (y - ȳ)^2 |
| 1 | 2 | -1.5 | -3 | 4.5 | 2.25 | 9 |
| 2 | 4 | -0.5 | -1 | 0.5 | 0.25 | 1 |
| 3 | 6 | +0.5 | +1 | 0.5 | 0.25 | 1 |
| 4 | 8 | +1.5 | +3 | 4.5 | 2.25 | 9 |
3. 求和：
- $\sum (x - x̄)(y - ȳ) = 4.5 + 0.5 + 0.5 + 4.5 = 10$
- $\sum (x - x̄)^2 = 2.25 + 0.25 + 0.25 + 2.25 = 5$
- $\sum (y - ȳ)^2 = 9 + 1 + 1 + 9 = 20$
4. 代入公式：
$$
r = \frac{10}{\sqrt{5 \times 20}} = \frac{10}{\sqrt{100}} = \frac{10}{10} = 1
$$
结果为 r = 1，表示两组数据完全正相关。
五、注意事项
- 数据应为连续型变量；
- 需要线性关系才能使用皮尔逊相关系数；
- 可用散点图辅助判断相关性；
- 若数据不符合正态分布或存在异常值，建议使用斯皮尔曼相关系数（Spearman）。
通过以上内容，可以清晰地了解“相关系数r怎么求”以及如何正确应用它进行数据分析。