【线性相关系数r公式】线性相关系数（Pearson相关系数）是衡量两个变量之间线性关系密切程度的统计指标，其值范围在-1到1之间。数值越接近1或-1，表示两变量之间的线性相关性越强；数值接近0则表示线性相关性较弱或无明显线性关系。
该公式广泛应用于数据分析、统计学和科学研究中，用于判断两个连续变量之间的相关性。以下是线性相关系数r的计算公式及其相关说明。
一、线性相关系数r公式
线性相关系数（Pearson相关系数）的数学表达式如下：
$$
r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}}
$$
其中：
- $ x_i $ 和 $ y_i $ 分别为第i个样本的两个变量值；
- $ \bar{x} $ 和 $ \bar{y} $ 分别为变量x和y的平均值；
- $ \sum $ 表示求和符号。
二、公式解析与使用场景
| 项目 | 内容 |
| 公式名称 | 线性相关系数（Pearson相关系数） |
| 用途 | 衡量两个变量之间的线性相关程度 |
| 取值范围 | -1 ≤ r ≤ 1 |
| r = 1 | 完全正相关 |
| r = -1 | 完全负相关 |
| r = 0 | 无线性相关 |
| 适用条件 | 数据应为连续变量，且呈线性关系，数据分布近似正态 |
| 计算方式 | 基于协方差与标准差的比值 |
三、计算步骤总结
1. 计算变量x和y的均值 $ \bar{x} $、$ \bar{y} $；
2. 计算每个样本点与均值的偏差：$ x_i - \bar{x} $、$ y_i - \bar{y} $；
3. 计算分子部分：$ \sum (x_i - \bar{x})(y_i - \bar{y}) $；
4. 计算分母部分：$ \sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2} $；
5. 将分子除以分母，得到r值。
四、实际应用示例
假设我们有以下数据集：
| x | y |
| 1 | 2 |
| 2 | 4 |
| 3 | 6 |
| 4 | 8 |
通过计算可得：
- $ \bar{x} = 2.5 $，$ \bar{y} = 5 $
- $ r = 1 $
这表明x和y之间存在完全正相关关系。
五、注意事项
| 注意事项 | 说明 |
| 数据需为连续变量 | 不适用于分类变量 |
| 需要线性关系 | 若非线性关系，r可能不准确 |
| 受异常值影响大 | 异常值可能导致结果失真 |
| 不能说明因果关系 | 相关≠因果 |
通过以上内容可以看出，线性相关系数r是分析变量间关系的重要工具，但使用时需结合具体数据特征和背景进行合理判断。