大家好，小尧来为大家解答以上问题。相关系数分析，相关系数分析很多人还不知道，现在让我们一起来看看吧！

相关系数的范围在-1和1之间，即-11。

相关系数的标准是：

1.当=1时，X与Y完全相关；即两个变量是函数关系；

2.当=0时，X与yx和y无关.当& lt；0.3，是弱相关；当0.3 & lt& lt；0.5，相关性低；

3.当0.5 & lt& lt；0.8，显著相关；

4.当0.8 & lt& lt；0.1，高度相关。

扩展信息：

app应用

1.概率论

【例】如果掷硬币n次，X代表n次试验中正面出现的次数，Y代表n次试验中反面出现的次数。计算XY。

解法：因为X Y=n，那么Y=-X n，根据相关系数的性质，得到 xy=1。

2.企业物流

一种新产品上市了。上市前，公司的物流部门需要将新产品合理地配送到全国10个仓库。新品上市一个月后，需要评估实际的分销方案是否优于之前考虑的其他分销方案，或者未使用的是否更好。通过这样的评估，可以在下一次新品上市时使用更准确的产品配送方案，避免配送造成的积压和缺货。表1是基于实际数据的列表。

通过计算，很容易得出三种分配方案中B的相关系数最大，这样B的分配方案就优于a的实际分配方案，在接下来的新品分配方案中，可以考虑用B的分配方式来计算实际分配方案。

3.聚类分析

【例题】如果有几个样本，每个样本有n个特征，相关系数可以表示两个样本的相似性。这样，就可以对样本的距离进行距离聚类。例如，九个小麦品种的六个特征(由A1，A2，A9)示于表2中，并计算和测试相关系数。

从相关系数计算公式中可以计算出六个性状之间的相关系数，分析测试结果见表3。从表3可以看出，冬季分蘖与每穗粒数呈负相关(=0.8982)，即冬季分蘖越多，每穗粒数越少，其他性状间无显著关系。

劣势

需要指出的是，相关系数有一个明显的缺点，即其接近1的程度与数据集的个数N有关，这很容易给人一种错觉。因为，当n较小时，相关系数波动较大，某些样本的相关系数绝对值容易趋近于1；当n较大时，相关系数的绝对值容易较小。特别是当n=2时，相关系数的绝对值总是1。因此，当样本量N较小时，我们不能仅仅因为相关系数较大就判断变量X和Y之间存在密切的线性关系。

来源：百度百科-相关系数

本文到此结束，希望对大家有所帮助。