導讀我們時常能夠聽到正相關和負相關的說法，那么究竟怎么樣判別兩組數據是正相關還是負相關呢？是否還可以采用我們之前說到的卡方（X平方）呢？顯然不行，因為卡方的最小....

我們時常能夠聽到正相關和負相關的說法，那么究竟怎么樣判別兩組數據是正相關還是負相關呢？是否還可以采用我們之前說到的卡方（X平方）呢？顯然不行，因為卡方的最小值是0，而最大值是1，頂多只能決定是相關還是不相關，根本做不到正負這么細節的情況；其次，我們之前也說過，卡方是用在分類的數據類型上的，而對于連續型的數據是不適用的。

不用焦躁，解決方法馬上奉上。這里主要介紹三種方法，這三種方法分別是三位大神發明的，他們分別叫Pearson、Spearman以及Kendall，他們的相似點都是使用一個值表示他們是否相關，而且這個值取值都在-1到1之間，1表示正相關，-1表示負相關。但是他們的解決方法各不相同，下面一一介紹。

P：對于Pearson來說，他求解的是相關系數。整個計算過程和我們高中時候計算向量的夾角公式差不多，只不過在計算前需要把每組數據減去其均值（也成為數據居中）。

S：對于Spearman來說，他求解的是Spearman Rank，翻譯成中文叫“S老頭的秩”，秩的意思似乎有些文鄒鄒的，但是當你用其組詞，你會發現你可以組出秩序這個詞，因而這個詞也暴露了其解決的方法，即使用數據的排列順序來獲得最終的計算結果。S將數據重新按照由大到小的順序進行排列，然后計算兩組數據間排位的絕對差值，最終使用一個公式來進行計算，把結果限定在-1到1之間。

K：K與S很像，其最終的值稱為Kendall Rank，即“K老頭的秩”，因而也不言而喻的采用了數據的排列順序來獲得最終的計算結果。但是其和S的區別在于，S強調的是位置的絕對值變動，而K強調的則是相對的位置順序。

由于這三個計算對于非統計專業來說并不太重要，因而不要求產品經理們掌握。如果你愛知求真，為了成全你詳細的計算過程可以參考下面的鏈接。

http://blog.sciencenet.cn/home.php?mod=space&uid=801621&do=blog&id=688307

對于Kendall的計算，則看看百度百科就完全可以了。