什麼是皮爾遜相關係數？
皮爾遜相關係數（Pearson Correlation Coefficient），通常用字母 r 表示，是統計學中最常用的相關性度量指標。它用來評估兩個連續變數之間的線性關係強度和方向。無論您是進行市場調查、金融分析還是科學研究，相關係數都能幫助您快速了解兩個變數是否存在相關性，以及這種相關性的強弱程度。
相關係數的取值範圍在 -1 到 1 之間。當係數為 1 時，表示完全正相關；當係數為 -1 時，表示完全負相關；當係數為 0 時，表示兩個變數之間沒有線性相關性。
皮爾遜相關係數公式的工作原理
皮爾遜相關係數的計算公式為：
r = Σ[(Xi - X̄)(Yi - Ȳ)] / √[Σ(Xi - X̄)² × Σ(Yi - Ȳ)²]
其中：
- Xi 和 Yi 分別是第 i 個 X 和 Y 的觀測值
- X̄ 是 X 數據組的平均值
- Ȳ 是 Y 數據組的平均值
- Σ 表示求和符號
計算過程分為以下步驟：首先計算每個變數的平均值；其次計算每個觀測值與其平均值的偏差；然後計算偏差的乘積之和（分子）和各自的平方和（分母）；最後將分子除以分母的平方根得到相關係數。
實際計算示例
讓我們用一個台灣房地產市場的實例來說明如何計算皮爾遜相關係數。假設我們想研究房屋面積與房價之間的關係：
房屋面積（平方米）：30, 40, 50, 60, 70
房價（萬元）：150, 200, 250, 300, 350
第一步：計算平均值
X 平均值 = (30 + 40 + 50 + 60 + 70) / 5 = 50
Y 平均值 = (150 + 200 + 250 + 300 + 350) / 5 = 250
第二步：計算偏差
X 的偏差：-20, -10, 0, 10, 20
Y 的偏差：-100, -50, 0, 50, 100
第三步：計算分子和分母
分子 = (-20)×(-100) + (-10)×(-50) + 0×0 + 10×50 + 20×100 = 2000 + 500 + 0 + 500 + 2000 = 5000
X 的平方和 = 400 + 100 + 0 + 100 + 400 = 1000
Y 的平方和 = 10000 + 2500 + 0 + 2500 + 10000 = 25000
第四步：計算相關係數
r = 5000 / √(1000 × 25000) = 5000 / √25000000 = 5000 / 5000 = 1
結果為 1，表示房屋面積與房價之間存在完全正相關關係。這符合現實情況，因為通常房屋面積越大，房價就越高。
相關係數強度的解釋
在實務應用中，我們通常根據相關係數的絕對值來判斷相關性的強弱：
- 0.9 到 1.0：非常強的相關性，兩個變數的線性關係非常密切
- 0.7 到 0.9：強的相關性，大多數情況下可以用一個變數預測另一個變數
- 0.5 到 0.7：中等相關性，變數之間有一定的關聯，但預測力有限
- 0.3 到 0.5：弱的相關性，變數之間的關聯性較弱
- 0 到 0.3：非常弱或無相關性，變數之間幾乎沒有線性關係
同時，相關係數的正負號表示變數之間的關係方向。正相關表示一個變數增加時，另一個變數也傾向於增加；負相關表示一個變數增加時，另一個變數傾向於減少。
常見的計算錯誤
在使用相關係數時，許多人容易犯以下錯誤：
第一個常見錯誤是混淆相關性和因果性。相關係數只能告訴我們兩個變數之間是否存在線性關係，不能說明一個變數是否真的導致了另一個變數的變化。例如，冰淇淋銷售量與溺水事故數量可能高度相關，但這不是因為冰淇淋導致溺水，而是都與夏季溫度相關。
第二個錯誤是忽略異常值的影響。皮爾遜相關係數對異常值非常敏感。如果數據中有極端值，計算出的相關係數可能不代表大多數數據的真實關係。在這種情況下，應考慮使用斯皮爾曼等級相關係數（Spearman's Rank Correlation）。
第三個錯誤是用相關係數來分析非線性關係。皮爾遜相關係數只測量線性關係。如果兩個變數之間存在曲線或其他非線性關係，相關係數可能接近 0，但實際上存在強烈的非線性關聯。
第四個錯誤是數據樣本量過小。當樣本量只有兩三個觀測值時，相關係數的可靠性大大降低。通常建議至少有 30 個觀測值才能得到可靠的相關係數估計。
實用計算技巧
為了得到更準確和有意義的相關係數結果，請遵循以下建議：
首先，在計算前進行數據清理。檢查數據是否有缺失值、異常值或錄入錯誤。對於缺失值，可以選擇刪除該觀測值或使用適當的插值方法。
其次，繪製散點圖來視覺化數據。在計算相關係數前查看數據的分布情況，可以幫助您判斷是否適合使用皮爾遜相關係數。如果散點圖顯示數據有明顯的曲線趨勢或存在多個明顯的離群點，您應該考慮其他分析方法。
第三，進行統計檢驗。計算相關係數後，應進行假設檢驗來判斷這個相關係數是否統計上顯著。即使相關係數很高，如果樣本量很小，這個結果可能是由於隨機波動而不是真實存在的關係。
第四，在報告結果時，同時提供相關係數值和決定係數（R²）。決定係數表示一個變數可以解釋另一個變數多少比例的變異。例如，如果 r = 0.8，則 R² = 0.64，意味著一個變數的變異有 64% 可以被另一個變數解釋。
最後，考慮數據的背景和理論基礎。有時高度相關的變數可能在理論上毫無意義，而低度相關的變數可能在實務應用中非常重要。統計結果應該與領域知識和業務目標相結合。