正相关

在本文中，您将了解正相关在统计学中的含义、正相关变量的示例以及其他类型相关性之间的差异。

什么是正相关？

在统计学中，正相关是两个不同变量之间的一种相关性。更具体地说，两个变量之间的正相关意味着如果一个变量的值增加，另一个变量也会增加。

为了使两个变量之间的相关性被视为正相关，相关系数的值必须介于 0（不包括在内）和 1（包括在内）之间。

请注意，正相关也可以称为直接相关。

正相关示例

考虑到正相关的定义，下面是表现出这种相关性的两个变量的示例。

• 在下面的频数表中，收集了 20 名学生的数学和统计成绩作为数据。分析两个变量之间的关系。

在计算相关系数之前，建议首先将统计数据集以散点图表示，以进行初步探索。

如图所示，这两个变量似乎具有正线性相关性，因为随着数学成绩的提高，统计成绩也会提高。但为了确定相关性的类型，有必要计算相关系数：

皮尔逊相关系数的值大于 0 并且非常接近 1，因此研究的两个变量之间的相关性确实是正相关。

正相关的解释

为了理解统计中正相关的含义，我们将在本节中了解如何解释两个变量之间的正相关值。

相关系数的值越高，两个变量的正相关程度就越大。因此，当相关系数的值接近1时，意味着两个变量之间的相关性是正的并且非常强。

另一方面，当相关系数的值较低且接近于零时，这意味着两个变量之间的相关性为正但较弱。即使相关系数变为零或负，这也分别意味着相关性为零或负。下面我们将看到这三种相关性之间的差异。

最后，应该注意的是，正相关并不意味着变量之间存在因果关系。也就是说，如果两个变量存在正相关，则意味着它们是线性相关的，但一个变量不一定是另一个变量的原因。

与上一节类似，数学和统计学的成绩是正相关的，但是数学成绩好并不能自动保证统计学成绩好，而是必须学习这两门科目。总之，数学成绩并不是统计学成绩的原因，这两个变量是简单相关的。

正相关、负相关和零相关

除了正相关之外，在统计中，两个变量还可以具有负相关或零相关。因此，在本节中我们将了解如何区分这三种类型的相关性。

• 正相关：当一个变量增加时，另一个变量也增加。相关系数的值在0（不含）和1（含）之间。
• 负相关：当一个变量增加时，另一个变量减少，反之亦然，如果一个变量减少，另一个变量增加。相关系数的值在-1（含）和0（不含）之间。
• 零相关：两个变量之间没有关系。相关系数等于 0。

在下面的图表中，您可以看到所代表的每种类型的相关性：