📈相關
相關
🔒 本機處理教育與統計工具
計算兩組成對資料之間的皮爾森相關係數。
相關係數計算器接收成對的 X／Y 值，計算皮爾森 r（線性相關的標準衡量指標）、R²，以及檢定相關是否顯著不為零的顯著性檢定（t 統計量與 p 值）。
使用指引
- 逐列輸入成對的 X 與 Y 值——依你的資料筆數新增列數。
- 點擊「計算」取得皮爾森 r、R²，以及對「r = 0」的顯著性檢定（t 統計量與 p 值）。
常見使用情境
- 檢查兩個測量變數是否呈線性同向變化。
- 用自己的原始資料核對他處報告的相關係數。
- 在建立迴歸模型前評估線性關係的強度。
- 檢定觀察到的相關是否具統計顯著性，還是只是巧合。
✓內容與驗證流程複查: 2026-08-25
相關係數計算器 的驗證方法與判讀界線
如何確認相關係數結果符合你的預期。
r 介於 -1 到 1 之間，0 代表沒有線性關係
接近 1 代表強烈正向線性關係，接近 -1 代表強烈負向關係，接近 0 則代表幾乎沒有線性關係——但 r 偏低不代表兩變數之間沒有強烈的非線性關係。
p 值是針對「r = 0
p 值偏低代表：如果真實相關為零，觀察到的這個相關值出現的機率很低——這是線性關係確實存在的證據，但不代表關係有多強，也不代表因果關係。
R² 就是 r 的
R² 代表其中一個變數的變異中，有多少比例可以用另一個變數線性解釋，數值介於 0 到 1，不論相關是正向還是負向都一樣。
使用結果前的檢查清單
- 已輸入至少數組成對的 X／Y 值，而不只是 2、3 個點。
- 了解 r 只衡量線性關係——非線性的關係模式仍可能顯示較低的 r。
- 已同時檢視 p 值，而不是只憑 r 的大小判斷關係強弱。
- 不會僅因為相關係數高且顯著就直接推論因果關係。
適合誰使用
- 檢查兩個變數間線性關係的學生與研究人員。
- 想用自己的原始資料核對已報告相關係數的人。
- 在建立迴歸模型前評估關係強度的人。
- 檢定觀察到的相關是否具統計顯著性的分析人員。
實際案例
檢查
研究人員輸入兩個變數的成對測量值，查看它們同向變化的強度與方向。
核對
有人在報告中看到相關係數的說法，重新輸入原始資料，親自確認 r 值是否正確。
迴
分析人員先檢查相關係數及其顯著性，再決定是否值得為同樣的變數建立線性迴歸模型。
使用限制
- 此顯著性檢定假設變數之間的關係是線性的，且資料大致呈常態分布——p 值偏低只代表線性相關不太可能為零，並不代表存在因果關係。
常見問題
r 值為負代表什麼？
代表兩個變數傾向往相反方向變化——一個增加時另一個傾向減少。強度仍要看 r 接近 -1 的程度。
資料
皮爾森 r 只衡量線性關係——即使變數之間有明顯的曲線或非線性關係，r 仍可能偏低。
要
沒有嚴格的最低要求，但樣本數極少（只有幾個點）時，r 與 p 值都會很不穩定，容易被單一離群值大幅影響。
p 值
不代表——顯著的相關只表示線性關係不太可能為零，並不能說明因果關係。
🔒 在瀏覽器內處理，不會上傳。結果僅供參考，詳見 免責聲明。 最後更新: 2026-08-25
訂閱更新
新工具上線與實用技巧，第一時間寄到你的信箱。不塞廣告，隨時可退訂。