相关系数在线计算：Pearson、Spearman 与 Kendall

Pearson、Spearman 与 Kendall 三种相关系数一次算出， 给出各自的 p 值、Pearson 的 95% 置信区间与 r²。

三个系数在测不同的东西

Pearson r 测的是线性关系的强度。它用的是原始数值， 所以对离群点很敏感，也只能捕捉直线关系。

Spearman ρ 先把数据换成秩，再算 Pearson。它测的是单调关系—— 只要「一个涨另一个也涨」就算，不要求成直线。

Kendall τ 直接数「同向的数对」与「反向的数对」， 比 Spearman 更稳健，小样本时分布性质更好，但计算量随 n 平方增长。

有并列值时本工具报的是 τb。 同向数减反向数（记作 S）除以什么有两种取法： 除以全部数对 n₀ = n(n−1)/2 得 τa，除以 √[(n₀−n₁)(n₀−n₂)] 得 τb， 其中 n₁、n₂ 分别是 x、y 里并列造成的数对数。 没有并列时两者完全相同；一旦有并列，τa 会系统性偏小—— 例如 x = 1,2,2,3,5,5,5 与 y = 2,3,4,5,5,6,8，τa 给 0.762 而 τb 给 0.868。 R、scipy、SPSS 报的 Kendall τ 都是 τb，所以本工具也用 τb，输出里会写成「τb」提醒你。 p 值同样做了并列校正（Kendall 1945 的方差公式），否则会偏保守。

两个例子说明为什么要一起看

例一，单调但非线性。 x = 1…8，y = 2ˣ： Pearson 给出 0.850，Spearman 与 Kendall 都给出 1.000。 关系是完美单调的，Pearson 却因为它不是直线而低估了。

例二，一个离群点足以让符号反过来。 x = 1,2,…,10 而 y = 10,9,8,7,6,5,4,3,2,50： 除最后一点外 y 随 x 严格递减，但那一个 50 让 Pearson 给出 +0.358，Spearman 给出 −0.455——两者符号相反。 只看 Pearson 会得出完全错误的结论。

所以：三个一起看，差别大就说明数据有故事。 Pearson 远小于 Spearman 通常意味着关系是单调但弯曲的；两者符号相反几乎总是离群点造成的。

r² 的正确读法

r² 是「线性关系能解释的方差比例」，不是「正确率」。 r = 0.7 看起来很高，但 r² = 0.49，意味着还有一半的变异没被解释。 r = 0.5 时 r² 只有 0.25。相关系数的平方关系让人容易高估关联强度。

相关不等于因果，而且这句话还不够

除了「相关不蕴含因果」之外，还有两件事同样重要：

相关系数为 0 不等于无关。 它只说明没有线性（或单调）关系。 U 形关系的 Pearson r 可能正好是 0，但两个变量显然有关。

样本量大时，毫无实际意义的相关也会显著。 n = 1000 时 r = 0.07 就能给出 p < 0.05， 而它解释的方差只有 0.5%。看 p 值之前先看 r 和 r²。

置信区间

Pearson 的区间用 Fisher z 变换算：先把 r 变换到近似正态的尺度， 在那里算对称区间，再变换回来。所以区间关于 r 不对称， r 越接近 ±1 越明显。n < 10 时区间会很宽，这是诚实的反映，不是缺陷。