是一個用來衡量兩個變數之間「線性關係」強度與方向的指標，數值介於 -1 到 +1 之間

Pearson相關係數幫助我們了解兩個變數之間的線性關係。

+1代表完全正相關，-1代表完全負相關，0代表沒有線性關係。

這個指標通常用來分析變數之間的相互關係，比如在金融、市場研究、科學研究等領域。

Pearson相關係數（r）用來衡量兩個變數之間的線性關係強度和方向。其值介於-1和+1之間，+1表示完全正相關，-1表示完全負相關，0則表示沒有線性關聯。r越接近+1或-1，表示關聯越強；越接近0，則關聯越弱。常用來分析數據間的相關性，比如身高與體重的關係。

Pearson 相關係數是用來判斷兩個變數是否一起變動的指標，數值介於 −1 到 +1 之間，正值表示同方向變動，負值表示反方向變動，數值越接近 ±1 代表關係越強，接近 0 則表示關係不明顯。

Pearson 相關係數：

看方向：正數代表「一起變大」，負數代表「你大我小」，0 代表「沒關係」。

看強度：數字越接近 1 或 -1，代表兩者的關係越像一條「直線」，預測就越準。

限直線：它只能抓出「直線」關係，如果是曲線（如 U 形）它就測不出來。

+1.0：完美的向上斜線

0.0：像噴砂一樣亂跳，沒規律

-1.0：完美的向下斜線

Pearson 相關係數用來衡量兩個變數的關聯程度。它的值範圍是從 -1 到 1
數值越接近 1 或 -1，相關性越強。

皮爾森相關係數，簡稱 (r)，是統計學中用來衡量兩個變數之間線性關係的強度和方向的指標，其值介於 -1 到 +1 之間，1 表示完全正相關（同向變化），-1 表示完全負相關（反向變化），0 表示無線性相關；值越大（絕對值越大），相關性越強，常在社會科學與行為科學中用於等距或比率尺度資料。

Pearson 的相關係數（Pearson correlation coefficient）用來衡量兩個連續變數之間「線性關係」的強弱與方向。

重點說明（簡易版）

符號： 通常記為 r

範圍：

−
1
≤

當我們談到Pearson的相關係數（Pearson Correlation Coefficient），其實就是一個用來衡量兩個變數之間關聯程度的數字。簡單來說，它告訴我們「這兩個東西是如何一起變化的」。

它的數值範圍從 -1 到 1，這裡是一些常見的解釋：

1 表示完全正相關，意思是當一個變數增加時，另一個變數也會完全隨之增加，像是兩個完全同步的東西。
例如：你花的時間越多，越能學好數學。時間和數學成績之間可能是正相關。
-1 表示完全負相關，意思是當一個變數增加時，另一個變數會完全減少，像是兩個相反方向的東西。
例如：你花的時間越多看電視，學校成績可能會越低。這樣就可能是負相關。
0 表示無關聯，這代表這兩個變數的變化之間沒有明顯的關係，增加一個變數並不會影響另一個變數。
例如：某個人身高和他喜歡的音樂類型之間可能沒有任何關聯。
更具體的解釋：
如果Pearson的相關係數是 0.8，這表示兩個變數之間有很強的正相關，即它們大多是一起增加或減少的。
如果是 -0.5，表示有中等的負相關，即一個變數增加時，另一個大部分時間會減少。

小總結：
Pearson的相關係數幫助我們了解兩個變數之間的關聯強度和方向，數字越接近1或-1，表示相關性越強；接近0則表示相關性越弱。

Pearson 相關係數是一個介於 -1 到 +1 的數值，用來量化兩個變數間「線性關係」的強度與方向，絕對值越接近 1 代表彼此連動性越高

Pearson 相關係數用來衡量兩個變數之間是否有關聯，以及關聯的方向與強度。它的數值介於 -1 到 1 之間，數值為正代表正相關，為負代表負相關，接近 0 則表示兩個變數之間幾乎沒有關係。相關係數的絕對值越大，代表兩個變數之間的關聯性越強，常被用於資料分析與研究中來判斷變數之間的關係。

皮爾森相關係數的變化範圍為-1到1。 係數的值為1意味著X和Y可以很好的由直線方程式來描述，所有的數據點都很好的落在一條直線上，且Y 隨著X 的增加而增加。 係數的值為−1意味著所有的數據點都落在直線上，且Y 隨著X 的增加而減少

Pearson 相關係數就是用一個 -1 到 1 的數字，告訴你兩個變數「是不是一起線性變動、變動方向有沒有一致」

Pearson 相關係數是用來衡量兩個變數之間線性相關程度與方向的指標，數值介於 −1 到 1。