关键信息
- 分类
- 数学、日期与金融
- 输入类型
- textarea, text, number, checkbox
- 输出类型
- json
- 样本覆盖
- 3
- 支持 API
- Yes
概览
皮尔逊相关系数计算器是一款专为线性相关分析设计的在线工具。通过输入成对数据或独立的 X/Y 变量值，即可快速计算 Pearson r 值、R 平方、协方差及置信区间。工具支持自定义小数位数，并可选择输出回归线方程，帮助您直观评估两组连续变量之间的线性相关强度与方向。
适用场景
- •需要评估两个连续变量之间是否存在显著的线性关系时。
- •在进行回归分析前，需要计算 R 平方（决定系数）以了解模型解释力时。
- •撰写学术论文或市场调研报告，需要提供精确的协方差和置信区间数据时。
工作原理
- •在“数据对”文本框中按行输入成对的数值（如“1, 52”），或分别在 X 值和 Y 值输入框中填入逗号分隔的数据序列。
- •根据需要调整结果保留的“小数位数”和统计检验的“置信水平”（默认 95%）。
- •勾选“包含回归线”选项以获取线性回归方程的相关参数。
- •提交后，工具将自动计算并以 JSON 格式输出 Pearson r、R 平方、协方差等核心统计指标。
使用场景
教育领域：分析学生的学习时长与最终考试成绩之间的相关性。
商业分析：评估广告投入预算与产品销售额之间的线性关系强度。
医疗研究：探究患者的特定生理指标与药物剂量之间的关联。
用户案例
1. 评估学习时间与成绩的关联
教育研究员- 背景原因
- 研究员收集了 5 名学生的每周额外学习时间（小时）和对应的期末考试成绩。
- 解决问题
- 需要量化学习时间与成绩之间的线性相关程度，并得出回归方程。
- 如何使用
- 在“数据对”中按行输入成对数据，保留默认的 4 位小数和 95% 置信水平，并勾选“包含回归线”。
- 示例配置
-
{ "pairedData": "1, 52\n2, 57\n3, 63\n4, 68\n5, 74", "decimalPlaces": 4, "confidenceLevel": 95, "includeRegressionLine": true } - 效果
- 成功计算出 Pearson r 为 0.9995，R 平方为 0.999，表明两者存在极强的正相关关系，并输出了回归线参数。
2. 广告支出与销售额相关性分析
市场数据分析师- 背景原因
- 市场部希望了解过去几个月的线上广告支出是否有效带动了销售额的增长。
- 解决问题
- 只有两组独立记录的数据序列，需要快速计算相关系数和协方差。
- 如何使用
- 将广告支出数据填入“X 值”框，将对应的销售额填入“Y 值”框，设置置信水平为 99%。
- 示例配置
-
{ "xValues": "1000, 1500, 2000, 2500", "yValues": "12000, 14500, 19000, 23000", "confidenceLevel": 99, "includeRegressionLine": false } - 效果
- 输出结果显示高相关性，并提供了精确的协方差和 99% 置信区间，为下个季度的预算追加提供了统计学依据。
用 Samples 测试
math-&-numbersELK Stack 日志分析示例
全面的 ELK Stack（Elasticsearch、Logstash、Kibana）示例，用于分布式系统中的日志聚合、处理和可视化
task process
Cypress E2E 测试框架
全面的Cypress端到端测试示例，包括测试设置、页面对象模型、API测试、视觉回归测试和现代Web应用的高级E2E模式
keywords regression
Playwright E2E 测试框架
全面的Playwright测试示例，包括跨浏览器自动化、API测试、移动端测试、视觉回归测试和现代Web应用的高级E2E模式
keywords regression
常见问题
皮尔逊相关系数（Pearson r）的取值范围是多少？
取值范围在 -1 到 1 之间。1 表示完全正相关，-1 表示完全负相关，0 表示没有线性相关。
我应该如何输入数据？
您可以每行输入一对数据（用逗号分隔），或者分别在 X 值和 Y 值输入框中输入以逗号分隔的数值序列。两种方式均可。
什么是 R 平方（R-squared）？
R 平方是决定系数，表示因变量的变异中有多少比例可以由自变量解释，取值范围为 0 到 1。
工具支持计算置信区间吗？
支持。您可以自定义置信水平（如 80% 到 99% 之间），工具会自动计算相关系数的置信区间。
如果数据不是线性关系可以使用吗？
皮尔逊相关系数专门用于衡量线性关系。如果数据呈现非线性关系，计算出的 r 值可能无法准确反映变量间的真实关联。