记录同一批学生的每周学习时间与测验成绩,会得到一组成对数据。散点图可能总体向右上方延伸,说明学习时间较长者往往成绩较高;但点不会全部落在一条直线上,因为基础、方法和睡眠等因素也在作用。
统计相关描述变量共同变化的趋势,不保证确定函数关系,更不能单凭相关就宣布因果。
- 理解每一对数据必须来自同一个观察对象。
- 会绘制、阅读散点图,判断正相关、负相关和非线性形态。
- 掌握样本相关系数的公式、范围与含义。
- 知道相关系数只度量线性相关程度。
- 能识别异常值、范围限制和混杂变量对结论的影响。
一、成对数据与散点图
对同一观察对象同时测量两个变量,得到 ,,称为成对数据。配对关系不能打乱:若把一列数据重新排序,两个变量各自的均值和标准差不变,但相关结构可能完全改变。
以 为横坐标、 为纵坐标描点得到散点图。点云大致从左下向右上延伸,称为正相关;从左上向右下延伸,称为负相关;若没有明显方向,则线性相关较弱。应先画图再计算,因为图形能揭示弯曲趋势、分组结构和异常点。
相关关系不同于函数关系。同一个 附近可以有多个不同的 ,统计目标是描述总体趋势和不确定性,而不是为每个输入给出唯一输出。
二、样本相关系数
设样本均值为 ,样本相关系数定义为
公式要求两个变量都有非零离散程度;若所有 完全相同或所有 完全相同,分母为零,相关系数无定义。总有 。
表示正线性相关, 表示负线性相关。 越接近 ,点越贴近某条非水平直线;越接近 ,线性相关越弱。 只表示没有线性相关,仍可能存在明显的曲线关系,例如关于纵轴对称的抛物线型点云。
散点图判断形态,相关系数量化线性方向和强弱。两者必须结合:只看 可能漏掉非线性、分组和异常值,只看图又难以精确比较线性强弱。
三、相关系数的性质与解释
对变量进行正比例缩放和平移,不改变相关强弱。若 、,其中 非零,则相关系数绝对值不变;当 时符号不变,当 时符号改变。因此把厘米换成米不会改变相关程度,把温度方向反向编码则会改变符号。
相关系数没有单位,因为分子与分母中的量纲相互抵消。它也不表示斜率: 不等于“ 增加一, 增加 ”。斜率受变量单位影响,而相关系数不受正尺度单位转换影响。
评价“强”或“弱”应结合学科背景、样本量和数据质量,不能机械套统一阈值。样本很小时,较大的 也可能由偶然波动产生;测量范围很窄时,真实趋势可能被压缩得不明显。
四、异常值、分组与因果边界
相关系数对异常值敏感。一个远离点云的观测可能显著改变 的大小甚至符号。发现异常点应回查录入、单位和测量过程;若它是真实个体,不应仅因不符合预期而删除,可报告包含与不包含该点的分析。
混合不同群体也可能产生误导。若把不同年级数据合并,总体相关方向可能与每个年级内部不同,因此要结合分层散点图。另有时间趋势时,两个都随年份增长的变量可能高度相关,却没有直接因果关系。
从相关推断因果至少还要考虑时间先后、混杂因素、反向作用和研究设计。随机对照实验通常比观察性数据更有利于因果判断;仅凭一个相关系数无法排除替代解释。
四组数据的 为 , 为 。求样本相关系数并解释。
✏️ 查看分步解析
分子为
两个平方和分别为
所以
这组数据呈很强的正线性相关,但 接近 不等于四点严格共线,也不能单独证明因果。
成对数据为 。不直接代入完整公式,说明相关系数为何为零,并解释散点图关系。
✏️ 查看分步解析
横坐标均值为 ,纵坐标均值为 。分子为
分母非零,因此 。但这些点全部位于 上,存在完全确定的非线性关系。结论应是“线性相关系数为零”,而不是“两变量没有任何关系”。
- 成对数据必须保持对象对应,不能分别排序后再配对。
- 只刻画线性相关, 不代表完全无关。
- 相关系数不是回归斜率,也没有测量单位。
- 异常值可能强烈影响 ,应核查并透明报告处理方式。
- 相关不等于因果,观察到共同变化不能自动确定作用方向。
研究运动时长与心率恢复时间时,应对同一受试者记录一对数据,并先看散点图。年龄、训练水平和运动强度都可能同时影响两个变量,构成混杂因素。若点云显示弯曲或不同人群形成两团,单一相关系数不足以概括规律,应分层或考虑非线性模型,再谨慎解释结果。
五、自测与解析
1. 方向判断
散点图整体从左上向右下延伸,相关系数通常取什么符号?
✏️ 查看答案
通常为负,表示一个变量增大时另一个变量有减小的线性趋势。
2. 完全线性相关
所有点都落在直线 上且横坐标不全相同, 等于多少?
✏️ 查看答案
斜率为负且完全共线,所以 。
3. 单位转换
把身高从厘米换成米,身高与体重的相关系数是否改变?
✏️ 查看答案
不改变。乘以正数 只改变尺度,不改变相关系数。