相關係數（Correlation）

核心概念

相關係數 (Correlation Coefficient) 是一種統計量，用於衡量兩個變數之間線性關係的強度和方向。與共變異數不同，相關係數是一個標準化的指標，其值介於 -1 到 +1 之間，這使得它可以更容易地比較不同資料集之間的關係強度。

• +1 (完全正相關)： 表示兩個變數之間存在完美的正線性關係。當一個變數增加時，另一個變數也以相同的比例增加。
• -1 (完全負相關)： 表示兩個變數之間存在完美的負線性關係。當一個變數增加時，另一個變數以相同的比例減少。
• 0 (沒有線性相關)： 表示兩個變數之間不存在線性關係。這並不意味著兩個變數之間沒有任何關係，只是它們之間不存在線性相關性。
• 0 到 +1 之間的值： 表示正相關，數值越接近 +1，關係越強。
• -1 到 0 之間的值： 表示負相關，數值越接近 -1，關係越強。

最常見的相關係數是皮爾森相關係數 (Pearson correlation coefficient)，用於衡量兩個連續變數之間的線性關係。其公式如下：

r = Cov(X, Y) / (σX * σY)

其中：

• r 是皮爾森相關係數。
• Cov(X, Y) 是 X 和 Y 的共變異數。
• σX 和 σY 是 X 和 Y 的標準差。

除了皮爾森相關係數之外，還有其他類型的相關係數，例如斯皮爾曼等級相關係數 (Spearman's rank correlation coefficient)，用於衡量兩個變數之間的單調關係（不一定是線性關係）。

運作原理

相關係數的計算基於共變異數和標準差。首先，計算兩個變數的共變異數，然後將其除以兩個變數的標準差的乘積。標準差衡量了每個變數的離散程度。通過將共變異數除以標準差的乘積，我們將其標準化到 -1 到 1 的範圍內。

相關係數的值表示兩個變數之間線性關係的強度和方向。值越接近 +1 或 -1，關係越強；值越接近 0，關係越弱。

需要注意的是，相關係數只能衡量線性關係。如果兩個變數之間存在非線性關係，則相關係數可能無法準確地反映它們之間的關係。例如，如果兩個變數之間存在二次關係，則相關係數可能接近 0，即使它們之間存在很強的關係。

實際應用

相關係數在許多領域都有應用，包括：

• 金融： 用於衡量不同資產之間的相關性，以幫助投資組合多元化。例如，如果兩種資產的相關係數為負，則它們的價格傾向於朝相反的方向移動，這可以降低投資組合的整體風險。
• 機器學習： 用於特徵選擇和降維。例如，可以選擇與目標變數具有高相關係數的特徵，因為這些特徵可能包含有關目標變數的重要資訊。
• 醫學： 用於研究不同風險因素與疾病之間的關係。例如，可以研究吸煙與肺癌之間的相關性。
• 社會科學： 用於研究不同社會變數之間的關係，例如教育程度與收入之間的相關性。
• 行銷： 用於研究不同行銷活動與銷售額之間的關係。

常見誤區

• 相關性不等於因果關係： 相關係數只能衡量兩個變數之間的線性關係，而不能證明一個變數導致另一個變數。即使兩個變數具有很高的相關係數，也可能存在其他因素導致它們一起變化，或者它們之間的關係是偶然的。這是一個非常重要的概念，經常被誤解。例如，冰淇淋的銷售額與犯罪率之間可能存在正相關，但這並不意味著吃冰淇淋會導致犯罪，或者犯罪會導致人們購買更多冰淇淋。更可能的是，這兩個變數都受到夏季氣溫的影響。
• 相關係數只能衡量線性關係： 相關係數只能衡量兩個變數之間的線性關係。如果兩個變數之間存在非線性關係，則相關係數可能無法準確地反映它們之間的關係。在這種情況下，應該使用其他方法來分析它們之間的關係，例如散佈圖或非線性回歸。
• 相關係數對離群值敏感： 離群值會對相關係數產生很大的影響。因此，在計算相關係數之前，應該檢查資料中是否存在離群值，並採取適當的措施來處理它們。
• 相關係數的大小取決於資料的範圍： 相關係數的大小取決於資料的範圍。如果資料的範圍很小，則即使兩個變數之間存在很強的關係，相關係數也可能很小。相反，如果資料的範圍很大，則即使兩個變數之間存在很弱的關係，相關係數也可能很大。
• 相關係數只能衡量兩個變數之間的關係： 相關係數只能衡量兩個變數之間的關係。如果需要衡量多個變數之間的關係，則需要使用其他方法，例如多元回歸或主成分分析。