iPAS 考題解析
某行銷團隊想了解「廣告預算」與「銷售金額」之間的關聯程度。經繪製散佈圖後發現兩者呈現明顯線性趨勢，且資料中無明顯離群值（Outliers）。若希望衡量兩者之間線性關係的強度與方向，下列哪一種方法最適合？
中級 大數據處理分析與應用
難度：中等 ★★☆ 114 年考題
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 大數據處理分析與應用
- 知識主題
- 大數據分析方法與工具
- 能力指標
- 數據可視化工具（L22303）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「大數據處理分析與應用」科目中的「大數據分析方法與工具」範疇， 對應的能力指標為「數據可視化工具」，涵蓋資訊呈現的原則、圖表類型的選擇以及視覺化效能等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
某行銷團隊想了解「廣告預算」與「銷售金額」之間的關聯程度。經繪製散佈圖後發現兩者呈現明顯線性趨勢，且資料中無明顯離群值（Outliers）。若希望衡量兩者之間線性關係的強度與方向，下列哪一種方法最適合？
- A. 均方根誤差（Root Mean Squared Error, RMSE）
- B. 共變異數（Covariance）
- C. 皮爾森相關係數（Pearson Correlation Coefficient） ✓ 正確答案
- D. 平均絕對對誤差（Mean Absolute Error, MAE）
詳細解析
正確答案：C. 皮爾森相關係數（Pearson Correlation Coefficient）
皮爾森相關係數衡量兩個連續變數間線性關係的強度（-1到1）與方向，值越接近±1表示線性關係越強。共變異數雖反映方向但受量級影響，RMSE和MAE是模型誤差指標，不適合衡量相關性。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 均方根誤差（Root Mean Squared Error, RMSE） （不正確）
RMSE是迴歸模型的預測誤差指標，不用於衡量變數間的關聯程度。
B. 共變異數（Covariance） （不正確）
共變異數反映兩變數的共變方向，但受單位量級影響，難以比較不同情境的關聯強度。
C. 皮爾森相關係數（Pearson Correlation Coefficient） （正確）
皮爾森相關係數標準化後的值域為[-1,1]，同時表示線性關係強度與方向，最適合此情境。
D. 平均絕對對誤差（Mean Absolute Error, MAE） （不正確）
MAE是模型誤差指標，與衡量變數間相關性無關。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。