统计学r值

统计学r值
你想知道什么是r值吗？我来告诉你， R就是英文的：correlation，即相关系数。

r值表示的是相关系数。

在统计学中，我们把通过两个变量之间的各个自变量值，所计算出来的这些个自变量值与各个因变量值之间的比率，称为相关系数，也叫相关矩阵，简称为r。

r值越大，表明两者的相关性越高，反之， r值越小，则表明它们之间的相关性越低。

当然，如果一组变量是连续型随机变量，那么其R值就是它的一组样本观测值。

r值小于0，即表示两个变量之间没有相关性； r值等于0.5，表示两个变量之间有极强的正相关； r值大于0.5，则表示两个变量之间有非常强的负相关。

r值最初是由美国统计学家瑞特
（ R．R．Wright）于1946年提出来的。

瑞特根据统计资料分析发现，随着时间的推移，两个随机变量的均值之间的差异呈现出逐渐下降的趋势。

他把这种现象称为“瑞特曲线”，并将这种下降的趋势规律称为“相关关系”。

他用“ r=0.618”来描述它。

这个数被称为R值或称R值，由此产生了R值的定义。

但是人们对R值的认识是不断深入的，于是对R值又有了新的定义。

如我们所熟悉的： r>0.3表示相关性很强； r<0.3表示相关性较弱； r=0.5，表示非常相关。

从这个角度说，只要是研究随机变量之间相互关系的统计方法都可以称为R统计法，因而R统计法有着广泛的应用，可以说无处不在。

其中最基本的方法有：相关图、散点图、条形图、表格等。

统计学上还有一种用R表示关联强弱的指标——变异系数。

其计算公式为： R=（ Z-X）/X。

用R表示关联强弱是因为当X增大时， Z 可能会减少，但X减小时， Z可能增加。

R值的增大和减小都有可能引起两组结果的不同。

当R值减小时，意味着X与Y的差距缩小，两者呈现出明显的正相关；当R值增大时，则意味着X与Y的差距拉大，两者呈现出明显的负相关。

两个随机变量如果具有相关关系，且相关程度越大， R值越接近于1。

在其他条件一定时，相关系数r的绝对值越大，表明两个随机变量之间的相关性越好。

当然，如果一组变量是连续型随机变量，那么其R值就是它的一组样本观测值。

因此，在考虑事物之间的相关性时， r值往往比p值更有价值。

r值作为相关系数已被广泛地应用于各个领域。