相关系数与线性回归：两组数据到底有没有关系
广告费和销量有关系吗？本文讲清皮尔逊相关系数怎么读、一元线性回归怎么拟合，以及最容易被误用的「相关不等于因果」。
核心要点
- 皮尔逊相关系数 r 在 −1 到 1 之间，越接近正负 1 线性关系越强、接近 0 说明几乎没有线性关系。
- 一元线性回归拟合 y = kx + b，用最小二乘法让各点到直线的竖直距离平方和最小，斜率表示 x 每增加 1 个单位 y 的平均变化。
- 相关不等于因果：r 高只说明共同变化；且 r 只捕捉线性关系，U 形关系的 r 可能接近 0，因此应先看散点图再算统计量。
「广告投放与销量有关系吗」「身高和体重能互相预测吗」——回答这类问题，靠的是相关系数与线性回归。前者衡量关系强弱，后者给出具体公式。
相关系数 r 怎么读
皮尔逊相关系数 r 取值在 −1 到 1 之间：越接近正负 1 线性关系越强，接近 0 说明几乎没有线性关系；正号表示同增同减，负号表示此消彼长。相关系数输入两组等长数据即可得到 r 与协方差，皮尔逊相关系数为同项工具。
线性回归：把关系写成公式
一元线性回归拟合直线 y = kx + b，其中斜率 k 表示「x 每增加 1 个单位，y 平均变化多少」。最小二乘法选择让各点到直线竖直距离平方和最小的那条线。一元线性回归会输出斜率、截距与相关系数，线性回归为同项工具。
最容易踩的坑：相关不等于因果
r 高只说明共同变化，不说明谁导致谁。经典例子是「冰淇淋销量与溺水人数高度相关」——真正的原因是夏天。判断因果需要对照实验或更严格的统计方法，而不是相关系数。
先看图，再算数
r 只能捕捉线性关系：完美的 U 形关系算出来 r 可能接近 0。因此正确顺序是先用散点图看形态，再用统计量定量。另外离群点对 r 与回归斜率影响极大，可先用Z 分数或四分位距识别异常值，再决定是否剔除。
提示：用回归做预测时不要外推到数据范围之外，那里没有依据；任何预测都应给出区间而不是单一数值。
常见问题
相关系数多大才算强相关？
没有绝对标准，一般按经验判断：绝对值在 0.8 以上算强相关，0.5 到 0.8 为中等，0.3 以下算弱相关。但这个划分与具体领域有关，行为科学中的 0.3 有时已属重要发现。
相关系数高就说明有因果关系吗？
不能。相关只说明两组数据共同变化，可能存在第三个共同原因，也可能是巧合。例如冰淇淋销量与溺水人数正相关，真正的原因是夏天气温，两者之间并无直接因果。
皮尔逊与斯皮尔曼相关系数有什么区别？
皮尔逊衡量线性关系的强弱，对离群值敏感；斯皮尔曼先把数据转成秩次再求相关，衡量的是单调关系，对非线性但单调的关系和离群值都更稳健。
回归直线可以用来预测范围外的值吗？
不建议。回归系数是在已有数据的取值范围内拟合出来的，超出该范围后关系可能完全改变。若确需外推，应明确说明假设条件，并给出预测区间而不是单一数值。
最后更新：2026-09-19