相关系数与决定系数

---

相关系数（Correlation coefficient）

皮尔逊相关系数 也称为简单相关系数，用于研究变量之间 线性相关的程度。相关系数可以用简写 $cc$ 表示，不过通常还是会用 $r$ 来表示。

NOTE：皮尔逊相关系数并不是唯一的相关系数，但是最常见的相关系数。

定义：
$${\rho }_{xy}=r(X,Y)=\frac{Cov(X,Y)}{\sqrt{Var[X]Var[Y]}}$$
其中，$Cov(X,Y)$ 是 $X$ 和 $Y$ 的协方差，$Var[X]$ 和 $Var[Y]$ 分别为 $X$，$Y$ 的方差。

值域：[-1,1]

意义：定量刻画了 $X$ 和 $Y$ 的相关程度，$|{\rho }_{xy}|$ 越大则相关程度越大；$|{\rho }_{xy}|=0$ 对应相关程度最低。

${\rho }_{xy}$ 为 正数 时表示两个变量呈 正相关，即一个变量增大时另一个变量也增大（比如气温越高，冰淇淋的销量就越多）；${\rho }_{xy}$ 结果为 负数 时两个变量呈 负相关，即一个变量增大时另一个变量减小（比如海拔越高时，空气中的氧气含量就越少）；${\rho }_{xy}$ 为 0，则表示两个变量不为线性关系，有可能两者不相关，但也有可能两者有更加复杂的关系。

相关性的强弱大致可以按照如下分布来进行判定：

• $|{\rho }_{xy}|$ 0.8 ~ 1.0，极强相关
• $|{\rho }_{xy}|$ 0.6 ~ 0.8，强相关
• $|{\rho }_{xy}|$ 0.4 ~ 0.6，中等程度相关
• $|{\rho }_{xy}|$ 0.2 ~ 0.4，弱相关
• $|{\rho }_{xy}|$ 0.0 ~ 0.2，极弱相关或无相关

计算方法：

方法一：Excel 自带公式

公式 -> 插入函数 -> 统计 -> CORREL

或者直接在 Excel 表格任意空白位置输入：=CORREL()

方法二：专业数据分析工具 SPSS

参考文章：
皮尔逊积矩相关系数
【从零开始的AI学习】如何判断两个数据之间的相关性？

---

决定系数（coefficient of determination）

决定系数也称为拟合优度，是 相关系数的平方。用于 评价拟合的好坏，这里的拟合可以是线性或非线性的。通常记作 $r^2$。

意义：决定系数 $r^2$ 约接近于 1，则拟合回归的效果越好。

表示可根据自变量的变异来解释因变量的变异部分。如某学生在某智力量表上所得的 IQ 分与其学业成绩的相关系数 r=0.66，则决定系数 R^2=0.4356，即该生学业成绩约有 44%可由该智力量表所测的智力部分来说明或决定。

参考文章：
决定系数
统计-R(相关系数)与R^2(决定系数)傻傻分不清