相关系数在统计学中用于描述两个变量之间的模式或关系。负相关描述了两个变量朝相反方向移动的程度。例如，对于两个变量 X 和 Y，X 的增加与 Y 的减少相关。负相关系数也称为逆相关。相关关系以散点图形式绘制。
要点
- 相关系数衡量两个变量之间关系的强度。
- 最常用的相关系数是皮尔逊系数，其范围从-1.0到+1.0。
- 正相关表明两个变量倾向于朝同一方向移动。
- 负相关表明两个变量往往朝相反的方向移动。
- 相关系数为 -0.8 或更低表明负相关性很强，而相关系数为 -0.3 或更低表明负相关性非常弱。
负相关与正相关
负相关表明两个变量之间的联系与正相关系数相同，并且相对强度相同。换句话说，相关系数0.85显示出与相关系数-0.85相同的强度。
相关系数始终为 -1 和 1 之间的值，其中 -1 表示完美的线性负相关，1 表示完美的线性正相关。下面的列表显示了不同相关系数值的含义：
完全正确– 1.完美的负（向下倾斜）线性关系
– 0.70。强负（向下倾斜）线性关系
– 0.50。中度负（下坡）关系
– 0.30。弱负（下坡）线性关系
0.没有线性关系
+0.30。弱正（向上倾斜）线性关系
+0.50。中等正（向上倾斜）线性关系
+0.70。强正（向上倾斜）线性关系
正好+1。完美的正（向上倾斜）线性关系
考虑相关系数数值的另一种方式是百分比。变量 X 上涨 20% 相当于变量 Y 下跌 20%。
强相关性并不表示存在因果关系。
极端相关系数
相关系数为零或接近于零，表明变量之间没有有意义的关系。系数 -1.0 或 +1.0 表示完美相关，其中一个变量的变化可以完美预测另一个变量的变化。事实上，这些数字很少见，因为完美的线性关系很少见。
强负相关性的一个例子是 -0.97，其中变量将以几乎相同的移动方式向相反的方向移动。当数字接近 1 或 -1 时，这些值表明关系的强度；例如，0.92 或 -0.97 分别表示强烈的正相关和负相关。
正相关系数和负相关系数的示例
例如，随着室外温度升高，降雪量减少；这显示出负相关性，并且推而广之，具有负相关系数。
温度与冰淇淋销量之间的关系为正相关系数；随着气温升高，冰淇淋销量也会随之增加。这种关系将具有正相关系数。
相关系数为零或非常接近于零的关系可能是温度和快餐销售（出于说明目的，假设相关性为零），因为温度通常与人们是否食用快餐无关。
相关系数为零意味着什么？
相关系数为零表示所研究的两个变量之间不存在关系。如果两个变量的相关系数为零，则无法预测一个变量是否或如何响应另一个变量的变化而变化。
相关系数为 -0.8 是否表示负相关性强还是弱？
相关系数为 -0.8 表示负相关性非常强，这意味着两个变量往往朝相反的方向移动。系数越接近-1.0，负相关关系越强。
负相关和正相关有什么区别？
负相关表示两个变量往往朝相反方向移动：一个变量的正变化将伴随另一个变量的负变化。正相关表明变量朝同一方向移动：一个变量的正变化往往会伴随另一个变量的正变化。
结论
负相关可以表示强关系或弱关系。许多人认为相关性为 –1 表示没有关系。但事实恰恰相反。相关性为 -1 表示沿直线的关系接近完美，这是可能的最强关系。负号只是表示该线向下倾斜，并且是负关系。