简介：欢迎来到双变量数据的世界！

在先前的学习中，你可能接触过单变量数据 (univariate data)，即单一测量值，例如班上学生的身高。在本章中，我们将进一步探讨双变量数据 (bivariate data)。“Bi”意指两个，因此我们将研究成对的测量值，看看它们之间是否存在关联。

你花在玩游戏上的时间会影响你的反应速度吗？汽车的重量会改变其燃油效率吗？阅读完这些笔记后，你将能够运用专业的统计工具来证明这些关系是真实存在的，还是仅仅是巧合。如果一开始觉得内容有点多也不用担心，我们会一步一步为你拆解！

1. 两个特殊案例：案例 A 与 案例 B

在开始计算之前，我们需要了解数据是如何收集的。OCR 课程大纲非常重视这个区别，因为它决定了我们可以使用哪些统计检验。

案例 A：随机对非随机 (Random on Non-Random)

这种情况发生在实验者控制一个变量（自变量，通常放在 \(x\)-轴上），并测量另一个变量时。
例子： 一位科学家决定用 1kg、2kg、3kg 和 4kg 的砝码来测试弹簧。这些重量是“非随机”的，因为是科学家刻意选择的。而弹簧的伸长量则是“随机”的，因为这是测量出的结果。
常见错误： 学生经常尝试对此类数据进行相关性假设检验。你不能在此处使用皮尔逊 (Pearson) 检验，因为其中一个变量并非随机！

案例 B：随机对随机 (Random on Random)

这是指两个变量皆为随机变量。我们只是观察自然界中出现的数据。
例子： 测量 50 个随机选定的人的身高和体重。你没有“设定”任何人的身高，只是测量了现有的数据。这会在散点图上形成一团“数据云”。

重点复习：
• 案例 A： 其中一个变量是固定的或受控的。不能进行相关性检验！
• 案例 B： 两个变量都是随机的。可以使用相关性检验！

2. 散点图：洞察模式

统计学家做的第一件事就是绘制散点图 (scatter diagram)。这是一种直观的方法，可以找出离群值 (outliers) 并检查关系看起来是线性的（直线）还是非线性的（曲线）。

你知道吗？ 在散点图上，“案例 B”的数据如果存在关联，通常看起来像椭圆形的云。如果看起来像“案例 A”的图，数据点则会受限于实验者所选择特定值对应的垂直线上。

核心观点： 务必先查看散点图。如果点看起来像是遵循曲线而不是直线，那么标准的线性检验可能就不是最佳选择！

3. 皮尔逊积动差相关系数 (PMCC)

PMCC（由字母 \(r\) 表示）是一个介于 \(-1\) 和 \(+1\) 之间的数字，告诉我们数据点距离完美直线有多近。

数字的含义：

• \(r = +1\)：完美的正线性关系（点在向上的直线上）。
• \(r = 0\)：完全没有线性关系。
• \(r = -1\)：完美的负线性关系（点在向下的直线上）。

关键假设：

只有在符合以下条件时，才能针对 \(r\)（PMCC）执行假设检验：
1. 数据必须是随机对随机 (案例 B)。
2. 数据遵循双变量正态分布 (Bivariate Normal Distribution)。别让这个术语吓倒你！这只是意味着散点图看起来应该像一个椭圆形（蛋形）的云。如果数据呈现偏态或双峰（有两个隆起），则该检验无效。

针对 \(r\) 的假设检验：

我们根据样本 (\(r\)) 来检验整体母体 (\(\rho\)) 中是否存在相关性的证据。
• 虚无假设 (\(H_0\))： \(\rho = 0\)（无相关性）。
• 对立假设 (\(H_1\))： \(\rho > 0\)、\(\rho < 0\) 或 \(\rho \neq 0\)。

记忆小撇步： \(H_0\) 是“无聊”的假设——它总是说“这里没有发生任何有趣的事情”。

效应量 (Effect Size)：

有时结果具有“统计显著性”，但两者之间的关系依然非常微弱。我们使用效应量来描述关联的强弱。一个通用的经验法则为：
• \(0.1\)：小效应
• \(0.3\)：中效应
• \(0.5\)：大效应

4. 斯皮尔曼等级相关系数 (\(r_s\))

如果数据不是直线怎么办？或者数据非常混乱怎么办？这时候就轮到斯皮尔曼等级相关系数 (Spearman’s Rank) 出场了。

为什么要使用斯皮尔曼？

• 它不需要“双变量正态性”（蛋形云）。
• 它作用于等级 (ranks)（第一名、第二名等），而不是原始数值。
• 它测量的是关联性（一个增加时，另一个是否也增加？），而不仅仅是直线关系。

斯皮尔曼计算步骤：
1. 将第一个变量 (\(x\)) 从 1 到 \(n\) 进行排序 (Rank)。
2. 将第二个变量 (\(y\)) 从 1 到 \(n\) 进行排序。
3. 在计算机上使用这些等级来求出相关系数。

核心观点： 如果散点图呈现曲线（只要是持续上升或持续下降），或者数据中有会干扰 PMCC 的严重离群值，请使用斯皮尔曼相关系数。

5. 回归线：预测未来

回归线 (regression line) 是利用最小二乘法 (least-squares method) 数学计算出来的“最佳拟合线”。它能最小化残差 (residuals)（点与直线之间的垂直距离）的平方和。

残差 = 观测值 – 回归线上的预测值

如果残差为正，代表实际数据点在直线上方。如果残差为负，则数据点在直线下方。

我应该使用哪条线？

在“案例 B”（随机对随机）中，你其实有两条可能的回归线！
• 如果你想估计 \(y\) 的值，请使用 \(y\) 对 \(x\) 的回归线。
• 如果你想估计 \(x\) 的值，请使用 \(x\) 对 \(y\) 的回归线。
鼓励小语： 大多数考试题目都会要求求出 \(y\) 对 \(x\) 的线，所以要留意哪个变量是哪个！

内插法与外插法 (Interpolation vs. Extrapolation)

• 内插法 (Interpolation)： 估计数据范围之内的值。这通常是安全且可靠的。
• 外插法 (Extrapolation)： 估计数据范围之外的值。这非常危险！仅仅因为目前的趋势是直线，并不代表它会永远保持下去。

总结观点： 回归线对于预测非常强大，但务必对外插法保持谨慎。踩下油门时汽车可能会加速，但它不可能达到光速！