相关系数公式在统计学中，相关系数是用来衡量两个变量之间线性关系的强度和路线的一个数值。它可以帮助我们了解一个变量的变化是否与另一个变量的变化有关联。常见的相关系数有皮尔逊相关系数、斯皮尔曼等级相关系数和肯德尔等级相关系数等。
下面内容是对这些相关系数公式的划重点，并通过表格形式进行展示，以便于领会和参考。
一、皮尔逊相关系数（Pearson Correlation Coefficient）
定义：
皮尔逊相关系数用于衡量两个连续变量之间的线性相关程度，其取值范围在 -1 到 +1 之间。
– +1 表示完全正相关；
– 0 表示无相关；
– -1 表示完全负相关。
公式：
$$
r = fracsum (x_i – barx})(y_i – bary})}sqrtsum (x_i – barx})^2 sum (y_i – bary})^2}}
$$
其中：
– $ x_i, y_i $ 是样本数据对；
– $ barx}, bary} $ 是样本均值。
二、斯皮尔曼等级相关系数（Spearman Rank Correlation Coefficient）
定义：
斯皮尔曼相关系数是基于变量的排序（等级）计算的相关系数，适用于非正态分布或非线性关系的数据。
公式：
$$
rho = 1 – frac6 sum d_i^2}n(n^2 – 1)}
$$
其中：
– $ d_i $ 是两个变量对应排名的差值；
– $ n $ 是样本数量。
三、肯德尔等级相关系数（Kendall Rank Correlation Coefficient）
定义：
肯德尔相关系数用于评估两个变量在有序排列上的一致性，常用于小样本或有序分类数据。
公式：
$$
tau = fracC – D}frac1}2} n(n – 1)}
$$
其中：
– $ C $ 是一致对数（即两个变量顺序一致的对数）；
– $ D $ 是不一致对数（即两个变量顺序不一致的对数）；
– $ n $ 是样本数量。
四、相关系数对比表
| 相关系数类型 | 适用数据类型 | 公式表达 | 范围 | 特点 |
| 皮尔逊相关系数 | 连续变量 | $ r = fracsum (x_i – barx})(y_i – bary})}sqrtsum (x_i – barx})^2 sum (y_i – bary})^2}} $ | -1 ~ +1 | 最常用，要求线性关系 |
| 斯皮尔曼相关系数 | 有序/非正态数据 | $ rho = 1 – frac6 sum d_i^2}n(n^2 – 1)} $ | -1 ~ +1 | 基于排名，适合非线性或非正态数据 |
| 肯德尔等级相关系数 | 分类/有序数据 | $ tau = fracC – D}frac1}2} n(n – 1)} $ | -1 ~ +1 | 适合小样本，衡量一致性 |
五、拓展资料
不同相关系数适用于不同的数据类型和分析目的。选择合适的公式可以更准确地反映变量之间的关系。在实际应用中，建议根据数据特征和研究目标来决定使用哪种相关系数。同时，相关系数仅能反映线性关系，不能说明因果关系。
