相关性与因果关系

一种相关性是两个变量之间的衡量标准或关系。一组数据可以是正相关的，呈呈呈呈呈相关或根本不相关。由于一组值增加，其他组趋于增加，则它被称为正相关。

由于一组值增加，其他组趋于减小，则它被称为负相关。

如果一个组的值的变化不会影响另一个的值，则据说变量为“无相关”或“零相关”。

一种因果关系如果第一次导致另一个事件存在两个事件之间存在。第一个事件称为原因，第二个事件称为效果。两个变量之间的相关性并不意味着因果关系。另一方面，如果两个变量之间存在因果关系，则必须相关。

例子：

一项研究表明，在考试前的学生焦虑与学生在测试中的得分之间存在负相关性。但我们不能说焦虑原因在测试中得分较低;例如，可能还有其他原因 - 例如，学生可能没有很好地研究。因此，这里的相关性并不意味着因果关系。

但是，考虑您花费的小时数与您正在进行测试的成绩之间的阳性相关性。在这里，还有因果关系;如果您花费更多的时间学习，它会导致更高的成绩。

最常用的相关措施之一是Pearson产品矩相关或Pearson的相关系数。它使用该公式测量，

${R.}_{X y} = \frac{N σ. X y - σ. X σ. y}{\sqrt{（ N σ. X^{2} - {（ σ. X ）}^{2} ）（ N σ. y^{2} - {（ σ. y ）}^{2} ）}}$

Pearson相关系数的价值因 $- 1$ 到 $+ 1$ 其中-1表示强的负相关性和 $+ 1$ 表示强烈的正相关。