Question

相关系数是怎么求出来的？有哪些公式？

Answer 1

相关系数是指与某一关系式或是公式等的常系数，相关系数是变量之间相关程度的指标。样本相关系数用r表示，总体相关系数用ρ表示，相关系数的取值范围为[-1，1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。

样本相关系数的推导过程

相关系数用于判断样本参数的相关关系，很小，表明样本范围内，两个参数相关关系很弱；显著性水平用于判断总体和样本的一致性，显著性水平很高，表明总体与样本一致性程度较高，总体范围内，两个参数的相关关系也很弱。

相关系数是介于-1和1之间的一个数，描述了各个数据点与直线的偏离程度。通过它可以量度回归线与数据线的拟合度，通常用字幕r表示。

Answer 2

相关系数是怎么求出来的？有哪些公式？
相关分析用于研究定量数据之间的关系情况,包括是否有关系,以及关系紧密程度等.此分析方法通常用于回归分析之前;相关分析与回归分析的逻辑关系为:先有相关关系,才有可能有回归关系。
相关系数

相关系数（pearson相关系数）是根据样本数据计算的度量两个变量之间线性关系强度的统计量。有时pearson相关也称为积差相关或者积矩相关，基本原理是假设存在两个变量X和Y，则两个变量的皮尔逊相关系数可以通过以下公式进行计算：

式中E为数学期望，N为样本容量。以上都可以计算皮尔逊相关系数。
SPSSAU在相关分析中提供

正态性检验

相关分析要求数据服从正态分布，因此分析前需要检验数据的正态性。正态性有多种检验方法，常见方法如：正态图、正态性检验、P-P图/Q-Q图等。
线性趋势
当两个定量数据在散点图上的散点呈现直线趋势时，就可以认为两者存在直线相关趋势，这也是相关分析的一个基本前提。

从上表可知，利用相关分析去研究公司满意度和人际关系, 机会感知, 离职倾向, 工作条件共4项之间的相关关系，使用Pearson相关系数去表示相关关系的强弱情况。
其中上表展示了各个变量的均值标准差以及相关系数等，例如：公司满意度的平均值为3.291，标准差为0.541，人际关系的平均值是3.748，标准差为0.616，机会感知的平均值3.322以及标准差为0.602，以此类推。

Answer 3

相关系数是怎么求出来的？有哪些公式？
相关系数是一种评估两个变量之间的线性关系强度的量度。其中常用的公式有皮尔逊相关系数、斯皮尔曼相关系数和Kendall相关系数。皮尔逊相关系数可用以下公式表示：

r=N∑xy-(∑x)(∑y) / sqrt[N∑x^2-(∑x)^2] * sqrt[N∑y^2-(∑y)^2]

其中，N为两个变量的样本数，x和y分别表示变量X和Y的值；∑xy表示X、Y对应值的乘积之和，∑x表示变量X的值之和，∑y表示变量Y的值之和，∑x2表示变量X的平方和，∑y2表示变量Y的平方和。