使用方法
- 每行粘贴一组 x,y。支持逗号、分号、制表符或空格分隔的双列数据。
- 看线性关系请选择 Pearson；更关注秩次上的单调关系时请选择 Spearman。
- 把系数、散点图和 p 值一起看，再决定是否需要回归或其他后续分析。
Wave 2 统计扩展
从粘贴的 XY 数据查看相关性
Pearson 适合判断线性关系的强弱，并可与直线拟合一起阅读。
运行计算后可查看结果摘要。
Pearson r
—
双侧 p 值
—
R²
—
样本数
—
散点图
在窄屏上会自动减少刻度数量以保持可读性。聚焦图表后可用 ← / → 在点之间切换。
运行计算后可查看数据点。
相关性不是回归，二者也都不证明因果
相关性回答的是“两个变量一起变化的程度有多强”。回归回答的是“用什么线来近似和预测 y”。它们相关，但用途不同。
如何在 Pearson 和 Spearman 之间选择
Pearson 直接使用原始数值，关注线性关系。Spearman 使用秩次，更适合单调但弯曲的关系，也更能减弱少量异常值的影响。
不要只看系数，也要看散点图
单个系数可能掩盖分群、弯曲、异常值或天花板效应。先看图形，再解释数值会更稳妥。
常见问题
Pearson 和 Spearman 有什么区别？
Pearson 在原始数值上衡量线性关系。Spearman 先转成秩次，因此更适合单调但不完全线性的关系，也更不容易被少量异常值主导。
相关性高就代表因果关系吗？
不是。相关性只描述两个变量在观测数据中一起变化的强度，并不能证明一个变量导致另一个变量。
什么时候该用这个页面，而不是线性回归？
当你的主要问题是关系的方向和强度时，先用这个页面。如果你还需要斜率、截距、拟合值或残差，再转到线性回归页面。
分享 URL 会包含我粘贴的数据吗？
不会。分享 URL 只保存 Pearson / Spearman 模式等轻量设置，原始数据仍保留在你的浏览器中。
相关内容
评论（可选）
为减轻加载，评论只在需要时获取。