相关性分析（1）：相关系数到底在度量什么？——从散点图讲起

统计

在进入回归分析之前，我们必须先回答一个基础问题：相关性到底是什么？

很多人以为皮尔逊相关系数 r 就是衡量两个变量“关系强弱”的万能指标，但实际上，如果不先看散点图、不了解“线性关系”的含义，相关系数往往会被误读，甚至得出完全错误的结论。

这篇文章，我们就从最直观的散点图开始，讲清楚相关的真正含义。

【一】为什么研究相关性要从散点图开始？

在统计学中，散点图是判断两个变量关系最直观的图形。

它告诉我们的不是数字，而是：变量之间的形状关系。

例如，假设你研究“学习时长与考试成绩”之间是否存在关系。把几十名学生的学习时长与考试分数画成散点图，会出现三种典型情况：

此时，你甚至不需要计算相关系数，就已经能判断二者是否“线性相关”。

散点图反映的是数据的形状，而相关系数只是对这种形状的量化。

一个典型案例来自经济学：

研究人员分析我国“居民可支配收入与消费支出”的关系时，散点图几乎是一条向上的直线，说明二者具有非常典型的线性关系。这时即便不算 r，我们也能预期它会接近 0.9 以上。

因此，散点图是相关性分析中最重要、也最常被忽视的一步。

皮尔逊相关系数 r 本质上是在衡量：

两个变量沿着一条直线变化的“贴合程度”。

换句话说，它只关心“是否接近直线”。如果点都很紧地贴着一条向上直线，那 r 会非常高；如果点围绕直线分散得厉害，r 会变小；如果点完全不呈现线性，r 接近 0。

这意味着：

例如，在幸福经济学研究中，“收入”与“幸福感”之间的 r 往往只有 0.2～0.3，看起来不高。但如果你看散点图，会发现二者的关系呈现“递减式的抛物线”：收入提升带来的幸福感增长越来越慢。

这正说明：皮尔逊相关系数只能捕捉线性关系，不能描述非线性。若强行用 r 来分析非线性，结论就会完全错位。

在不同研究领域，对 r 的“强弱评价”并不相同。

在自然而然的物理系统中（如密度与压力），r=0.9 是正常的；但在人类行为和社会调查中（如收入与幸福感），r=0.3 反而算是非常“可解释、有意义”的关系。

例如：

研究中国 30 个省份的“数字经济发展水平与企业创新产出”（专利数）时，r 常在 0.4～0.6 之间。在社会科学中，这已经是“较强”的相关性，足以支撑进一步的回归研究。

因此，r 不能孤立看数字，更不能简单地用“>0.5 强相关，<0.3 弱相关”这样的刻板规则来理解。

真正重要的是：

这个关系是否符合理论预期？是否具有解释意义？是否值得进一步建模？

考虑下面两个真实案例：

虽然只有 0.25，但经济学家认为这是“很重要的相关性”，说明收入确实能提高幸福感，只不过作用有限、存在边际递减。

这对教育研究者来说已经是“显著且较强”的线性关系，足以采用回归进一步分析不同专业、年级的异质性。

两者说明：r 的大小要结合背景解读，而不是机械地套用阈值。

相关性分析是通往回归分析的“入口”。

如果不理解相关性，只靠公式进入回归，很容易陷入常见误区，例如：

所以，本篇讲的是“观察关系的直觉”。