統計 / 關係
相關係數計算機（Pearson與Spearman）
測量兩個變數一起變動的強度：Pearson的相關係數r與Spearman的等級相關係數ρ，並分別提供p值、r²和配對資料的散佈圖。
相關係數計算機（Pearson與Spearman）: Pearson的r是X與Y的共變異數除以兩者標準差乘積，範圍從−1（完美下降直線）到+1（完美上升直線）。Spearman的ρ是對排名計算的Pearson的r，同排名會使用平均排名。每個p值都會使用t = r√((n − 2) ÷ (1 − r²))檢驗真實相關是否為零；結果與SciPy一致。 全程在瀏覽器中於本機執行，檔案不會上傳至伺服器。
- 分類
- 學校與讀書工具
- 使用次數
- 在瀏覽器中
- 費用
- 免費・免註冊
- 可用狀態
- 可立即使用
全程在瀏覽器中執行
Pearson's r衡量各點接近直線的程度，範圍從−1到+1；Spearman's ρ則對排名進行相同衡量，因此能捕捉持續上升或下降的關係，也較不受離群值影響。p值使用t分布檢定相關係數是否為0。不論相關性多強，都不能證明一件事會造成另一件事。
計算範例
身高為160、165、170、175、180和185 cm，體重為55、60、65、72、78和85 kg，得到r = 0.998，表示在這個小型樣本中幾乎是完美的直線關係。
若要配適直線本身，並用一個變數預測另一個變數，請使用線性迴歸計算機。
查看圖表
差異很大的資料可能有相同的r：曲線、包含一個離群值的群集，以及整齊的直線，都可能得到r = 0.8。請務必先查看散佈圖，再相信這個數字。
若要取得其他地方統計量的p值，p值計算機可轉換t、z、χ²或F。
使用方式
- 依相同順序貼上X值和Y值。
- 查看Pearson的r、Spearman的ρ、兩者的p值，以及r²。
- 檢查散佈圖，找出離群值或彎曲的模式。
隱私與限制
您的資料會留在瀏覽器中。
相關工具
常見問題
我應該使用Pearson還是Spearman？
測量值之間呈直線關係時使用Pearson；有排名資料、呈彎曲但持續上升或下降的關係，或資料含有離群值時使用Spearman。
相關係數0.5代表多強？
通常可視為中度到高度相關：r² = 0.25，表示其中一個變數的變異有四分之一與另一個變數共同變動。不同領域的標準不一。
相關是否代表因果關係？
不代表：兩者可能都受到第三個因素影響，也可能是反方向的關聯。相關只能顯示關聯性。
免費工具・使用在瀏覽器中次・免註冊