相关性

AP 统计学· 12 分钟阅读

1. 定义皮尔逊相关系数★★☆☆☆⏱ 3 min

皮尔逊r值是一种标准化指标，它消除了两个变量的单位，因此改变x或y的尺度（例如将英寸转换为厘米）永远不会改变r的取值。

📘 定义

皮尔逊相关系数

r

取值严格介于-1和1之间的无量纲值，用于衡量两个定量变量之间线性关系的强度和方向

例:

r=0.9表示强正线性关联，r=-0.7表示中等强度的负线性关联

r = \frac{1}{n-1} \sum_{i=1}^{n} \left( \frac{x_i - \bar{x}}{s_x} \right) \left( \frac{y_i - \bar{y}}{s_y} \right)

📐 例题

为以下3个数据点计算r值：(1, 2), (2, 4), (3, 5)

1
首先计算x和y的均值与标准差： $\overset{x}{ˉ} = 2$ , $s_{x} = 1$ , $\overset{y}{ˉ} = 11/3 \approx 3.67$ , $s_{y} \approx 1.53$
2
将每个x和y值转换为z分数：x的z分数 = [-1, 0, 1]，y的z分数 = [-1.09, 0.22, 0.87]
3
将配对的z分数相乘、求和后除以n-1： $r = \frac{( - 1 *- 1.09 ) + ( 0 * 0.22 ) + ( 1 * 0.87 )}{2} = 0.98$

✓ 快速检测

测试你对r的性质的理解

r的最大可能取值是多少？
- 1
- 100
- 无穷大
- 0
显示答案
1 —
r永远不能超过1，也不能小于-1

2. 从散点图解读r值★★☆☆☆⏱ 3 min

r取值范围	关联强度	典型散点图模式
0.7 到 1.0	强正相关	点紧密聚集在向上倾斜的直线周围
0.3 到 0.7	中等正相关	点松散聚集在向上倾斜的直线周围
-0.3 到 0.3	极弱或无关联	点随机散布，没有明显趋势
-0.7 到 -0.3	中等负相关	点松散聚集在向下倾斜的直线周围
-1.0 到 -0.7	强负相关	点紧密聚集在向下倾斜的直线周围

📐 例题

将4张散点图与r值匹配：-0.9、0.2、0.7、-0.4

1
散点图1（紧密向下直线）= -0.9
2
散点图2（随机无趋势）= 0.2
3
散点图3（松散向上直线）= 0.7
4
散点图4（非常松散向下直线）= -0.4

Exam tip:

AP阅卷者会扣分，如果你在描述r的度量对象时忘记加上“线性”一词

3. 会扭曲相关系数取值的因素★★★☆☆⏱ 3 min

📐 例题

展示添加单个异常点(10, 10)如何改变我们之前计算的3点数据集的r值（原r=0.98）

1
原始3个点：(1,2), (2,4), (3,5)，r=0.98
2
添加异常点(10, 10)，新的n=4
3
重新计算r：新r ≈ 0.97，如果异常点符合现有趋势，变化可以忽略不计
4
如果我们改为添加异常点(10, 0)，新r会下降到≈-0.3，完全反转观测到的相关方向

✓ 快速检测

识别扭曲相关系数的因素

一名研究人员仅测试了数学考试得分80%以上的学生，发现学习时长与考试分数之间几乎没有相关性。最可能的原因是什么？
- 取值范围受限
- 因果关系
- 完全相关
- 非线性趋势
显示答案
Restricted range —
将样本限制在全数据范围的狭窄子集内会降低观测到的相关强度

4. 相关性与因果关系★★★☆☆⏱ 3 min

即使r值为0.99，也不能证明x的变化会导致y的变化。这种关联可能由第三个混淆变量驱动，也可能完全是巧合。

📐 例题

美国年度冰淇淋销量与年度溺水死亡人数的相关系数为r=0.9，是非常强的正相关。解释为什么这不是因果关系。

1
冰淇淋销量不会导致溺水，溺水死亡人数也不会导致冰淇淋销量上升
2
隐藏的混淆变量是室外平均温度：天气温暖时更多人购买冰淇淋、同时更多人游泳，导致两个指标同时上升

5. 常见陷阱

错误做法:

声称强r值证明一个变量导致另一个变量变化

原因:

相关性仅度量线性关联，不提供任何因果方向的证据

正确做法:

明确说明“仅从观测数据中无法得出因果结论”

错误做法:

使用r描述非线性关系

原因:

r仅量化线性趋势，因此会严重低估曲线关联的强度

正确做法:

在计算或解读r之前务必先检查散点图

错误做法:

将r报告为百分比（例如声称r=0.8意味着80%相关）

原因:

r是标准化的无量纲值，不是比例或百分比

正确做法:

将r描述为线性关联的强度和方向的度量，不要转换为百分比

错误做法:

忽略会将r大幅推向1或-1的异常值

原因:

单个极端点可以在原本不相关的数据中制造出虚假的强相关性

正确做法:

标记异常值，同时报告包含和不包含异常值的r值，保证完全透明

错误做法:

假设r=0意味着变量之间不存在任何关系

原因:

r=0仅意味着不存在线性关系，完美的曲线关系的r值也可以恰好为0

正确做法:

用散点图验证r=0的结果，排除非线性模式

6. 速查表

属性	AP考试规则	需要避免的错误
r的取值范围	始终介于-1和1之间（包含端点）	声称r > 1 或 r < -1
解读表述要求	明确说明方向、强度和线性特征	在描述中忘记提及“线性”
因果关系规则	观测数据不允许得出因果结论	在自由问答题作答中声称“X导致Y”
异常值的影响	异常值可以大幅改变r的取值	将r视为不受单个点影响的固定值

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2023 · Paper 1
r解读相关的选择题
2022 · Paper 2 FRQ
线性数据的r计算
2021 · Paper 1
相关性与因果关系辨析

下一步

掌握相关性是学习简单线性回归的关键基础，简单线性回归是本单元的下一个核心主题。你将学习如何使用相关系数计算最小二乘回归直线的斜率和截距，解读决定系数R²作为模型可解释变异占比的含义，以及评估残差以检查线性模型是否适用于你的数据。几乎所有聚焦双变量数据的AP统计学自由问答题都会考察这些技能，因此现在巩固你对r的理解，能避免之后处理更复杂的回归计算时犯下代价高昂的错误。