【相关系数的两个表达式】在统计学中，相关系数是用来衡量两个变量之间线性关系强度和方向的一个重要指标。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）。这两种相关系数在计算方式和适用场景上有所不同，下面将对它们的表达式进行总结。

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变量之间的线性相关程度，其取值范围在 -1 到 +1 之间。数值越接近 1 或 -1，表示相关性越强；数值接近 0 表示无明显线性关系。

表达式：

$$

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, y_i $ 是变量的观测值；

- $ \bar{x}, \bar{y} $ 是变量的均值。

特点：

- 假设数据呈正态分布；

- 要求数据为连续变量；

- 只能反映线性关系。

二、斯皮尔曼等级相关系数（Spearman Rank Correlation Coefficient）

定义：

斯皮尔曼相关系数是基于变量的等级（排序）来计算的相关系数，适用于非正态分布或非线性关系的数据。

表达式：

$$

\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}

$$

其中：

- $ d_i $ 是每个观测值对应的两个变量的等级差；

- $ n $ 是样本数量。

特点：

- 不依赖于数据的分布；

- 适用于有序变量或非线性关系；

- 计算简便，适合小样本。

总结对比表