在線即時計算器 · 純前端本地秒算 · 零數據上傳

🧮 Correlation Coefficient 計算機

專業免費的 Correlation Coefficient 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
0.7746 範圍為 −1 至 +1
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是相關係數?

皮爾森相關係數通常以 r 表示,用來衡量兩個變數之間「直線關係」的強弱程度。它的值一定落在 −1 到 +1 之間。當 r 接近 +1,代表兩者呈現強烈的正向線性關係(X 增加時 Y 也跟著增加);接近 −1 則代表強烈的負向關係;接近 0 則表示兩者幾乎沒有線性關係。

如何使用這個計算器

請輸入你的 X 數值,以及對應的 Y 數值,每組數值之間以逗號或空格分隔。兩組數列的資料筆數應該相同;若不一致,計算器只會採用前面能成對的部分。計算結果會包含 r、判定係數 r²、共變異數、各組數據的平均值,以及最適迴歸直線的斜率與截距。

公式說明

對每一組成對數據,先算出 x 與其平均值的離差(x − x̄),以及 y 與其平均值的離差(y − ȳ)。分子是把這些離差兩兩相乘後加總;分母則是各自離差平方和相乘後再開根號。透過這樣的標準化,結果會被限制在 −1 到 +1 之間,因此 r 的大小不會受到測量單位的影響。

r = ((\sum (x_i - \bar{x})(y_i - \bar{y})) ÷ (\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}))
where ≤ft{ \begin{aligned} x_i &= X values \\ y_i &= Y values \\ \bar{x} &= \tfrac{1}{n}style\sum x_i \\ \bar{y} &= \tfrac{1}{n}style\sum y_i \end{aligned} \right.

範例試算

假設 X = 1, 2, 3, 4, 5,Y = 2, 4, 5, 4, 5。兩組的平均值分別為 \bar{x} = 3、\bar{y} = 4。離差乘積的總和為 6,\sum (x-\bar{x})^2 = 10,\sum (y-\bar{y})^2 = 6。因此

r = ((6) ÷ (√(10 × 6))) = ((6) ÷ (√(60))) ≈ 0.7746
對應的 r^2 ≈ 0.6。這表示兩者具有相當明顯的正向線性關係。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

有相關就代表有因果關係嗎?
不是。r 很高只說明兩個變數會一起變動,並不能證明其中一個是造成另一個變化的原因。
怎樣才算「強」的相關?
一般可粗略參考:\(|r|\) 大於 0.7 屬於強相關,0.3 至 0.7 屬於中度相關,低於 0.3 則偏弱——但實際仍須視情境而定。
為什麼 r² 很重要?
r² 告訴你 Y 的變異中,有多少比例可以用它與 X 之間的線性關係來解釋;r² 為 0.6 就代表 Y 的變異有 60% 能由此關係說明。