1、相关系数公式 1、标准差公式：D(X)=E(X2)-E2(X)；协方差公式：COV(X,Y)=E([X-E(X)][Y-E(Y) ])；相关系数公式：协方差/[根D(X)*根D(Y)]。 2、相关系数是统计学家卡尔·皮尔逊设计的第一个统计指标。它是研究变量之间线性相关程度的量，通常用字母r表示。由于研究对象的不同，相关系数的定义方法有很多种，最常用的是Pearson相关系数。 3、相关表和相关图可以反映两个变量之间的相互关系及其相关方向，但不能准确表示两个变量之间的相关程度。相关系数是用来反映相关性的统计指标变量之间相关性的紧密程度。相关系数是使用乘积差法计算的，该方法也是基于两个变量与其各自平均值的偏差。两个变量之间的相关程度通过两个差值相乘来体现；唯一的线性相关系数。 4、需要注意的是，皮尔逊相关系数并不是唯一的相关系数，而是最常见的相关系数。以下解释均与皮尔逊相关系数有关。 5、根据有关现象的不同特点，统计指标的名称有所不同。例如，反映两个变量之间线性相关的统计指标称为相关系数（相关系数的平方称为决定系数）反映两个变量之间曲线相关性的参数称为非线性相关系数和非线性决定系数；反映多元线性相关性的统计指标称为复相关系数、复决定系数等。 2.相关系数越高。 1.相关系数越高，两个变量之间的相关性越强。当相关系数等于1时，两个变量实际上形成线性函数关系。 2、相关系数在0到1之间，用于反映变量之间相关性的紧密程度的统计指标。相关系数是使用乘积差法计算的，该方法也是基于两个变量与其各自平均值的偏差。相关程度两个变量之间的差异通过乘以两个差来反映；唯一的线性相关系数。 3、相关系数是统计学家卡尔·皮尔逊设计的第一个统计指标。它是研究变量之间线性相关程度的量，通常用字母r表示。由于研究对象的不同，相关系数的定义方法有很多种，最常用的是Pearson相关系数。 3、线性相关系数r的公式 线性相关系数r的公式：-1 4、回归系数与相关系数的关系 如果回归系数大于零，则相关系数大于零。如果回归系数小于零，则相关系数也小于零。相关系数为研究变量之间线性相关程度的量。回归系数是表示回归方程中自变量x对因变量y影响程度的参数。相关系数的方向（即符号）与回归系数的方向相同。回归系数和相关系数的符号由两个变量与均值的偏差的乘积之和的符号确定，使得相同数据的b和r的符号相同。回归系数有一个单位，形式为（因变量单位/自变量数量单位） 相关系数没有单位。相关系数的范围是-1到+1，而回归系数则没有这样的限制。