【皮尔逊相关系数】皮尔逊相关系数（Pearson Correlation Coefficient）是统计学中用于衡量两个变量之间线性相关程度的指标。它广泛应用于数据分析、经济学、社会学和自然科学等领域，帮助研究者了解变量之间的关系是否紧密，以及这种关系的方向（正相关或负相关）。
该系数的取值范围在 -1 到 1 之间：
- 1 表示完全正相关；
- 0 表示无线性相关；
- -1 表示完全负相关。
皮尔逊相关系数不仅能够判断变量之间的相关性强度，还能帮助识别是否存在潜在的因果关系，但需注意：相关并不等于因果。
皮尔逊相关系数总结表
| 指标名称 | 说明 |
| 英文名称 | Pearson Correlation Coefficient |
| 定义 | 衡量两个连续变量之间线性相关程度的统计量 |
| 取值范围 | -1 到 1 |
| 公式 | $ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}} $ |
| 适用条件 | 数据为连续变量，且呈线性关系，数据近似服从正态分布 |
| 相关性强弱 | 接近 1 或 -1 表示强相关；接近 0 表示弱相关或无相关 |
| 应用领域 | 经济分析、金融投资、社会科学、医学研究等 |
| 注意事项 | 不适用于非线性关系；不能推断因果关系；对异常值敏感 |
在实际应用中，计算皮尔逊相关系数通常借助统计软件如 Excel、SPSS、Python 的 `pandas` 或 `scipy` 库等。通过可视化工具（如散点图）可以更直观地观察变量之间的关系趋势。
总之，皮尔逊相关系数是一个简单但强大的工具，能够为数据分析提供重要的参考依据。然而，使用时应结合具体情境和数据特征，避免误读或过度依赖单一指标。
