相關係數計算器

典型使用場景

我們一起來看看哪些人常用這個工具：

• 學生做資料分析作業：比如測量“每天學習時長”和“期末成績”之間有沒有線性關係。直接輸入資料點，看到R=0.85就知道高度正相關，作業裡的分析就寫‘複習時間越長，分數越高’。
• 市場分析師評估廣告效果：把“每月廣告投入（萬元）”和“當月銷售額（萬元）”兩列資料填進來，如果R接近0.8說明廣告投入和銷售之間存在較強的正相關；如果R靠近0，就得考慮別的影響因素了。
• 產品經理驗證使用者行為：想知道“App啟動次數”和“在App內停留時長”是否一起增長，把兩個變數輸入，R值馬上告訴你線性關係有多強。

原理與公式

Pearson相關係數（用R表示）衡量兩個連續變數之間線性關係的方向和強度。它的公式是：

R = [ Σ(xᵢ - x̄)(yᵢ - ȳ) ] / [ √(Σ(xᵢ - x̄)²) · √(Σ(yᵢ - ȳ)²) ]

其中 x̄ 是 X 變數的均值，ȳ 是 Y 變數的均值。分子是協方差，分母是各自標準差的乘積。簡單理解：如果 X 和 Y 各自偏離均值的方向“同步”得越多，分子就越大，R 就越接近 1 或 -1；如果方向完全隨機，分子接近 0，R 就接近 0。

使用步驟 / 怎麼用這個工具

1. 開啟我們的相關係數計算器，你會看到兩個輸入區域：左邊是“X變數資料”，右邊是“Y變數資料”。
2. 在“X變數資料”框裡，把第一組數字按行輸入，每行一個數（比如：5、7、9…）。在“Y變數資料”框裡輸入對應的第二組數字，順序必須一一對應。
3. 如果有缺失值或無效字元（比如文字），先清理掉。工具會自動忽略空行。
4. 點選“計算相關係數R”按鈕，下方會立即顯示結果：R值（保留四位小數）、樣本數n。
5. 如果你想重新輸入，點選“清空”按鈕即可。

完整算例 / 實操步驟

假設我們有5個學生，他們每週的“複習時間（小時）”和“模擬考試分數（百分制）”如下：

複習時間 (X)：2、4、6、8、10
考試分數 (Y)：55、60、70、80、85

在計算器的X框裡依次輸入：
2
4
6
8
10

在Y框裡依次輸入：
55
60
70
80
85

點選計算後，工具會給出 R = 0.9923。我們來手動驗證一下：

• X均值 = 6，Y均值 = 70
• 分子 Σ(xᵢ-6)(yᵢ-70) = (-4)×(-15) + (-2)×(-10) + 0×0 + 2×10 + 4×15 = 60 + 20 + 0 + 20 + 60 = 160
• 分母 = √[(-4)²+(-2)²+0²+2²+4²] × √[(-15)²+(-10)²+0²+10²+15²] = √(16+4+0+4+16) × √(225+100+0+100+225) = √40 × √650 ≈ 6.3249 × 25.4951 ≈ 161.24
• R = 160 / 161.24 ≈ 0.9923

結果解讀：R=0.99非常接近1，說明覆習時間和考試成績之間近乎完美的線性正相關——複習越久，分數越高。

更多算例 / 多場景對比

對照例：零相關
X：1、2、3、4、5
Y：10、15、8、12、20

輸入後得到 R ≈ 0.10。雖然看起來Y有波動，但和X的變化沒有線性關係，R接近0，說明這兩個變數不相關（或非線性）。

極端的完全負相關
X：10、20、30、40
Y：90、70、50、30

輸入得 R = -1.00，嚴格負線性相關：X增大時Y等比例減小。

結果怎麼解讀 / 數值含義

注意：R的正負表示方向，絕對值大小決定強度。如果R為負且絕對值很大，說明反方向相關。

常見誤用 / 易踩的坑

• 把R當作因果關係：即使R=0.99，也不意味著X導致Y，可能只是巧合或存在第三個變數Z同時影響X和Y。
• 忽略異常值：一對極端值可以把R拉得很高或很低。比如資料集中有一個離群點，可能讓R從0.2變成0.8。建議先用散點圖觀察。
• 誤以為非線性關係也可以用R衡量：如果變數間是拋物線或指數關係，R可能接近0，但實際有強關聯。這時R不適用，應改用其他相關係數（如Spearman）或非線性擬合。
• 樣本量太小：低於3對資料無法計算有效R（分母可能為零），且樣本量少於10時R的可靠性較差。

注意事項

本工具僅計算Pearson線性相關係數，不適用於：

• 分類變數（如性別、顏色），應採用點二列相關係數或Cramér's V。
• 有序等級資料（如滿意度排名），此時用Spearman秩相關係數更合適。
• 明顯異方差或非線性關係的資料。

精度：結果保留四位小數，內部使用雙精度浮點數計算，誤差可忽略。如果你的資料量很大（超過1000行），計算可能會稍慢，但1萬行以內通常秒出結果。

免責宣告：本工具僅供學習和快速參考，不替代專業統計軟體（如SPSS、R、Python）。關鍵決策請用經過驗證的統計方法。

常見問題FAQ

Q1: R值多少算顯著？
A: 顯著性取決於樣本量n和置信水平。一般我們同時看p值，但本工具只輸出R。粗略判斷：n=10時R絕對值>0.63可認為在0.05水平顯著；n=30時R>0.36即可。更精確的參考相關係數臨界值表。

Q2: 為什麼我輸入了資料但R顯示為NaN？
A: 最常見原因是X或Y的方差為零（比如所有X值都相同），或者資料不足2對。請檢查輸入是否有重複值和空行。

Q3: R=0.5算強相關嗎？
A: 在社會科學領域通常算中等偏弱；在物理測量中可能算很強。請結合你的領域標準。本工具結果解讀表給出了通用參考。

Q4: 可以輸入負數和小數嗎？
A: 完全可以。Pearson相關係數對負數和小數同樣有效，只要資料是連續數值。

Q5: 這個工具和Excel裡的CORREL函式結果一樣嗎？
A: 完全一樣，Excel的CORREL用的也是Pearson公式。你可以用我們的計算器快速驗證Excel的計算是否正確。

現在你可以在上方計算器裡試試自己的資料了。