Question

样本相关系数是什么?

Answer 1

样本相关系数，是指样本中变量之间的线性相关程度。

在统计学中，皮尔逊积矩相关系数用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间。在自然科学领域中，该系数广泛用于度量两个变量之间的相关程度。样本相关系数是指样本中变量之间的线性相关程度。

样本是借助于特殊方法抽出而组成总体的一部分。样本的主要特点是： 它代表总体；它的容量小于总体容量。样本相关系数是指样本中变量之间的线性相关程度。样本相关系数准确性与很多因素都有关，如抽样方法，样本的容量。

存在性

总体皮尔逊相关系数被定义成矩，因此任意的双变量概率分布是非零的，也就是说总体协方差和边缘总体方差是由定义的。一些概率分布，诸如柯西分布有未定义的方差，因此X或Y如果服从这种分布，ρ便是未定义的。在实际应用中，如果有数据被怀疑服从重尾分布，这个条件就需要引起重视。然而，相关系数的存在性通常并需要太介意；例如，如果分布是有界的，ρ便总是有意义的。

Answer 2

样本相关系数是什么?
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（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举例如下：

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。