相关系数计算器 — 皮尔逊 r 与斯皮尔曼 ρ
粘贴成对数据即可得到皮尔逊 r、r²、斯皮尔曼 ρ 和协方差,并附散点图与通俗解读。
🔒 全部在你的浏览器中运行。输入和输出都不会发送到服务器或被保存,十分安全。
散点图
皮尔逊 r 衡量线性关系;斯皮尔曼 ρ 基于秩次(同分取平均秩),可捕捉任意单调趋势。|r| 小于 0.3 通常视为弱相关,0.3–0.7 为中等,大于 0.7 为强相关。点击结果即可复制。
这个工具有用吗?点一下表达心情
关于此工具
这款相关性计算器可衡量两个变量共同变化的强弱。粘贴成对数据(两列,每行一对),它会算出皮尔逊相关系数 r、r²、斯皮尔曼秩相关、协方差,并绘制散点图以便观察模式。皮尔逊捕捉直线关系;斯皮尔曼捕捉任何“持续上升或下降”的关系,即使呈曲线。适合在科研、营销或课堂项目中快速探索数据。所有计算都在浏览器中完成,数据绝不会离开你的设备。
常见问题
有相关性就能证明因果吗?
不能——这是最重要的告诫。r 很大只说明两者一起变化,并不说明谁导致谁。冰淇淋销量与溺水人数相关,但彼此并无因果——是炎热同时推高了两者(混杂因素)。相关可能源于巧合、反向因果或隐藏的第三变量。用它来发现值得深究的关系,再设计合适的实验来检验因果。
皮尔逊和斯皮尔曼有什么区别?
皮尔逊 r 衡量直线关系,对离群点敏感——一个极端点就能让它大幅波动。斯皮尔曼先把数值转成秩再相关,因此能捕捉任何单调关系(持续上升或下降,即使呈曲线),且不太受离群点影响。如果散点看起来是“弯曲但上升的云团”,斯皮尔曼可能偏高而皮尔逊偏低。比较两者是快速检查关系形态的好办法。
我的数据集会被上传吗?
不会。解析、各系数和散点图都由浏览器内的 JavaScript 完成,你粘贴的数字不会被上传或保存,加载后可离线使用。这对未发表的研究或商业数据很重要。请记住:相关只概括线性/单调趋势,请务必同时查看散点图,因为差异很大的数据也可能有相同的 r。