欢迎来到相关系数与回归分析！
在本章中，我们将探讨两组不同的数据之间可能存在怎样的关联。例如，花更多时间温习是否会带来更高的考试成绩？或者室外温度是否会影响雪糕的销量？相关系数 (Correlation) 帮助我们衡量这些关系的强弱，而回归分析 (Regression) 则让我们在已知一个数值的情况下预测另一个数值。别担心这些术语听起来很深奥——读完这些笔记后，你就能像专家一样运用自如了！
1. 散点图与变量
在进行任何数学运算之前，我们通常会先把数据画成图表，这称为散点图 (Scatter Diagram)。它能帮助我们观察数据之间是否有规律。
解释变量与响应变量
要绘制散点图，我们需要决定哪个变量放在哪个轴上：
- 解释变量 (Explanatory Variable)（自变量 Independent）： 这是“解释”变化的变量。我们将其绘制在 \(x\) 轴上。你可以把它想象成“输入 (input)”。
- 响应变量 (Response Variable)（因变量 Dependent）： 这是“回应”变化的变量。我们将其绘制在 \(y\) 轴上。你可以把它想象成“输出 (output)”或结果。
例子：如果你正在调查“日照时数”如何影响“雪糕销量”，那么日照时数就是解释变量 (\(x\))，而销量就是响应变量 (\(y\))。
快速复习：记住这句口诀：“\(x\) 解释 \(y\)”，这样就能轻松记住变量该放在哪里了！
2. 相关系数：衡量关系
相关系数告诉我们两个变量之间线性关系的这两件事：方向 (direction) 和 强度 (strength)。
积动差相关系数 (PMCC)
PMCC 是一个数值，用字母 \(r\) 表示，它能精确告诉我们相关性有多强。考试中不需要你推导公式，但你需要知道如何解读结果。
- \(r = +1\)： 完全正相关（所有点都在一条向上的直线上）。
- \(r = -1\)： 完全负相关（所有点都在一条向下的直线上）。
- \(r = 0\)： 完全没有线性相关（点看起来像一团随机的云）。
你知道吗？ PMCC 只衡量线性（直线）关系。如果你的数据呈现“U”型曲线，即便数据之间有明显的规律，PMCC 也可能接近 0！
解读强度
在考试中，你经常需要描述相关性。请使用这些“强度”词汇：
- 0.7 到 1.0： 强正相关。
- 0.3 到 0.7： 中等/弱正相关。
- -0.3 到 -0.7： 中等/弱负相关。
- -0.7 到 -1.0： 强负相关。
避免常见错误： 相关性不等于因果关系 (Correlation is NOT Causation)！ 仅仅因为两件事相关，并不代表其中一件事导致了另一件事。例如，雪糕销量与鲨鱼袭击事件是相关的（因为两者在夏天都会增加），但吃雪糕并不会导致鲨鱼袭击！
3. 线性回归：最佳拟合线
如果存在线性相关，我们可以画出一条回归线 (Regression Line)。在统计学 1 (Statistics 1) 中，我们使用最小二乘回归线 (Least Squares Regression Line)。这条线能使所有数据点与线之间的总距离达到最小。
回归方程
方程写作：\(y = a + bx\)
- \(b\)： 斜率 (gradient)（表示 \(x\) 每增加 1 个单位时，\(y\) 的变化量）。
- \(a\)： 截距 (intercept)（线与 \(y\) 轴的交点）。
如何计算 \(a\) 和 \(b\)
你会用到公式手册中提供的总结统计量，如 \(S_{xx}\) 和 \(S_{xy}\)。计算步骤通常如下：
- 计算斜率：\(b = \frac{S_{xy}}{S_{xx}}\)
- 计算截距：\(a = \bar{y} - b\bar{x}\)（其中 \(\bar{x}\) 和 \(\bar{y}\) 分别是数据的平均值）。
关键点：回归线一定会通过平均点 \((\bar{x}, \bar{y})\)。这是一个检查你在散点图上画的线是否正确的好方法！
4. 使用回归线进行预测
得出方程 \(y = a + bx\) 的主要目的，是为了让我们在已知 \(x\) 的情况下预测 \(y\) 的值。
内插法与外推法
这是非常热门的考试题目！你需要知道你的预测是否可靠。
- 内插法 (Interpolation)： 在已有数据的范围之内进行预测。这通常是可靠的。
- 外推法 (Extrapolation)： 在原始数据范围之外进行预测（例如，如果你的数据温度介于 10°C 到 20°C 之间，预测 40°C 的情况就是外推）。这通常是不可靠的，因为我们不知道趋势是否会持续。
比喻：想象你正在观察一株幼苗，它一周内每天长高 1 厘米。内插法是猜它在第 4 天有多高（安全）。外推法是猜它在 10 年后有多高（危险——它最终会停止生长！）。
5. 编码（变量转换）
有时候，数据会经过“编码”处理（例如减去一个常数或除以一个数）以方便运算。你需要知道这对结果有什么影响。
- PMCC (\(r\))： 编码不会改变 PMCC。如果关系很强，无论单位如何，它依然很强！
- 回归线： 编码确实会改变方程。如果你使用编码后的数据计算回归线，你必须将编码公式带回，才能得到原变量的最终关系。
总结摘要
1. 解释变量 (\(x\)) 是输入；响应变量 (\(y\)) 是输出。
2. PMCC (\(r\)) 衡量从 -1 到 +1 的线性关系强度。
3. 相关性不能证明一件事导致另一件事。
4. 回归线 \(y = a + bx\) 始终通过平均点 \((\bar{x}, \bar{y})\)。
5. 避免外推法 (Extrapolation)——在数据范围之外进行预测是危险且不可靠的！
如果 \(S_{xx}\) 和 \(S_{xy}\) 的计算看起来很吓人，别担心。大多数情况下，考试会提供这些数值，你只需要把它们代入 \(a\) 和 \(b\) 的公式即可！