相關係數在統計學中用於描述兩個變量之間的模式或關係。負相關描述了兩個變量朝相反方向移動的程度。例如，對於兩個變量 X 和 Y，X 的增加與 Y 的減少相關。負相關係數也稱爲逆相關。相關關係以散點圖形式繪製。
要點
- 相關係數衡量兩個變量之間關係的強度。
- 最常用的相關係數是皮爾遜係數，其範圍從-1.0到+1.0。
- 正相關表明兩個變量傾向於朝同一方向移動。
- 負相關表明兩個變量往往朝相反的方向移動。
- 相關係數爲 -0.8 或更低表明負相關性很強，而相關係數爲 -0.3 或更低表明負相關性非常弱。
負相關與正相關
負相關表明兩個變量之間的聯繫與正相關係數相同，並且相對強度相同。換句話說，相關係數0.85顯示出與相關係數-0.85相同的強度。
相關係數始終爲 -1 和 1 之間的值，其中 -1 表示完美的線性負相關，1 表示完美的線性正相關。下面的列表顯示了不同相關係數值的含義：
完全正確– 1.完美的負（向下傾斜）線性關係
– 0.70。強負（向下傾斜）線性關係
– 0.50。中度負（下坡）關係
– 0.30。弱負（下坡）線性關係
0.沒有線性關係
+0.30。弱正（向上傾斜）線性關係
+0.50。中等正（向上傾斜）線性關係
+0.70。強正（向上傾斜）線性關係
正好+1。完美的正（向上傾斜）線性關係
考慮相關係數數值的另一種方式是百分比。變量 X 上漲 20% 相當於變量 Y 下跌 20%。
強相關性並不表示存在因果關係。
極端相關係數
相關係數爲零或接近於零，表明變量之間沒有有意義的關係。係數 -1.0 或 +1.0 表示完美相關，其中一個變量的變化可以完美預測另一個變量的變化。事實上，這些數字很少見，因爲完美的線性關係很少見。
強負相關性的一個例子是 -0.97，其中變量將以幾乎相同的移動方式向相反的方向移動。當數字接近 1 或 -1 時，這些值表明關係的強度；例如，0.92 或 -0.97 分別表示強烈的正相關和負相關。
正相關係數和負相關係數的示例
例如，隨着室外溫度升高，降雪量減少；這顯示出負相關性，並且推而廣之，具有負相關係數。
溫度與冰淇淋銷量之間的關係爲正相關係數；隨着氣溫升高，冰淇淋銷量也會隨之增加。這種關係將具有正相關係數。
相關係數爲零或非常接近於零的關係可能是溫度和快餐銷售（出於說明目的，假設相關性爲零），因爲溫度通常與人們是否食用快餐無關。
相關係數爲零意味着什麼？
相關係數爲零表示所研究的兩個變量之間不存在關係。如果兩個變量的相關係數爲零，則無法預測一個變量是否或如何響應另一個變量的變化而變化。
相關係數爲 -0.8 是否表示負相關性強還是弱？
相關係數爲 -0.8 表示負相關性非常強，這意味着兩個變量往往朝相反的方向移動。係數越接近-1.0，負相關關係越強。
負相關和正相關有什麼區別？
負相關表示兩個變量往往朝相反方向移動：一個變量的正變化將伴隨另一個變量的負變化。正相關表明變量朝同一方向移動：一個變量的正變化往往會伴隨另一個變量的正變化。
綜述
負相關可以表示強關係或弱關係。許多人認爲相關性爲 –1 表示沒有關係。但事實恰恰相反。相關性爲 -1 表示沿直線的關係接近完美，這是可能的最強關係。負號只是表示該線向下傾斜，並且是負關係。