【相关系数的计算公式】在统计学中，相关系数是用来衡量两个变量之间线性关系密切程度的指标。它可以帮助我们了解一个变量的变化是否与另一个变量的变化相关联。常见的相关系数有皮尔逊相关系数（Pearson Correlation Coefficient）和斯皮尔曼等级相关系数（Spearman Rank Correlation Coefficient）。下面将对这些常用的相关系数进行简要总结，并提供它们的计算公式。
一、皮尔逊相关系数（Pearson Correlation Coefficient）
定义：
皮尔逊相关系数用于衡量两个连续型变量之间的线性相关程度，其取值范围为 [-1, 1]，其中：
- 1 表示完全正相关；
- -1 表示完全负相关；
- 0 表示无线性相关。
计算公式：
$$
r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}}
$$
其中：
- $ x_i $ 和 $ y_i $ 是第 i 个样本的观测值；
- $ \bar{x} $ 和 $ \bar{y} $ 分别是 $ x $ 和 $ y $ 的平均值。
二、斯皮尔曼等级相关系数（Spearman Rank Correlation Coefficient）
定义：
斯皮尔曼相关系数适用于非正态分布或等级数据，通过将原始数据转换为等级后计算相关系数，以衡量两个变量之间的单调关系。
计算公式：
$$
\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}
$$
其中：
- $ d_i $ 是第 i 个样本的两个变量的等级差；
- $ n $ 是样本数量。
三、相关系数的比较表
| 相关系数类型 | 适用数据类型 | 计算方式 | 取值范围 | 特点 |
| 皮尔逊相关系数 | 连续型数据 | 基于协方差和标准差 | [-1, 1] | 衡量线性关系 |
| 斯皮尔曼相关系数 | 等级数据或非正态数据 | 基于等级差 | [-1, 1] | 衡量单调关系 |
四、应用场景建议
- 皮尔逊相关系数：适用于数据呈正态分布且具有线性关系的情况。
- 斯皮尔曼相关系数：适用于数据不满足正态分布、存在异常值或数据为有序类别时。