使用方法
- 每行貼上一組 x,y。支援逗號、分号、定位字元或空格分隔的雙欄資料。
- 看線性關係請選擇 Pearson；更關注秩次上的單調關係時請選擇 Spearman。
- 把係數、散佈圖和 p 值一起看，再决定是否需要回歸或其他後續分析。
統計工具
從貼上的 XY 資料查看相關性
Pearson 適合判断線性關係的强弱，並可與直線擬合一起閱讀。
執行計算後可查看結果摘要。
Pearson r
—
雙尾 p 值
—
R²
—
樣本數
—
散佈圖
在窄屏上會自动减少刻度數量以保持易讀性。聚焦圖表後可用 ← / → 在點之間切換。
執行計算後可查看資料點。
相關性不是回歸，兩者也都不能證明因果
相關性回答的是“兩個變數一起變化的程度有多強”。回歸回答的是“用什麼線來近似並預測 y”。兩者相關，但用途不同。
如何在 Pearson 和 Spearman 之間選擇
Pearson 直接使用原始數值，關注線性關係。Spearman 使用秩次，更適合單調但彎曲的關係，也更能減弱少量離群值的影響。
不要只看係數，也要看散佈圖
單個係數可能掩蓋分群、彎曲、離群值或天花板效應。先看圖形，再解釋數值會更穩妥。
常見問題
Pearson 和 Spearman 有什麼差異？
Pearson 在原始數值上衡量線性關係。Spearman 先轉成秩次，因此更適合單調但不完全線性的關係，也更不容易被少量離群值主導。
相關性高就代表因果關係嗎？
不是。相關性只描述兩個變數在觀測資料中一起變化的強度，並不能證明一個變數導致另一個變數。
什麼時候該用這個頁面，而不是線性回歸？
當你的主要問題是關係的方向和強度時，先用這個頁面。如果你還需要斜率、截距、擬合值或殘差，再轉到線性回歸頁面。
分享 URL 會包含我貼上的資料嗎？
不會。分享 URL 只儲存 Pearson / Spearman 模式等輕量設定，原始資料仍保留在你的瀏覽器中。
相關內容
評論（可选）
為减轻加载，評論只在需要時获取。