简介：发掘数据间的关联
欢迎来到相关与线性回归 (Correlation and Linear Regression) 的世界！你有没有想过两件事之间是否存在实际联系？例如，花更多时间在社交媒体上，是否真的会导致考试成绩下降？又或者，室外气温会影响商店售卖雪糕的数量吗？
在本章中，我们将学习如何处理两组数据，并找出它们之间是否存在线性关系（看起来像是一条直线的关系）。这是一个强大的工具，科学家、企业和研究人员都利用它来对未来做出精明的预测。别担心你是否“数学脑”——我们会一步步为你拆解！
1. 散点图：观察规律
在进行任何复杂计算之前，我们总是先从“观察”数据开始。散点图 (Scatter diagram) 就是一个将数据对绘制成点的图表。通常，我们将横轴称为 \(x\)（自变量，independent variable），纵轴称为 \(y\)（因变量，dependent variable）。
观察重点：
- 正相关 (Positive Correlation)：当 \(x\) 增加时，\(y\) 也倾向增加。（点的“云团”呈向上趋势）。
- 负相关 (Negative Correlation)：当 \(x\) 增加时，\(y\) 倾向减少。（点的“云团”呈向下趋势）。
- 无相关 (No Correlation)：点散布在各处，像洒出的胡椒粉；没有明确的趋势。
- 线性与非线性：这些点看起来像是一条直线，还是曲线？注意：在本课程中，我们重点研究直线关系！
比喻：想象一下观察一群鸟。即使它们没有排成完美的直线，你通常也能看出整个群体是正朝“右上方”飞还是“右下方”飞。散点图就能向我们展示数据群体的“方向”。
重点总结：
务必先画出或观察散点图。它能告诉你直线模型是否适合应用于这些数据！
2. 相关系数 (\(r\))
虽然散点图让我们对数据有了“感觉”，但积差相关系数 (Product Moment Correlation Coefficient, PMCC)（由字母 \(r\) 表示）给了我们一个精确的数值，用来衡量这种关系的强弱。
\(r\) 的重要性质：
- \(r\) 的值始终在 \(-1\) 和 \(1\) 之间。
- \(r = 1\)：完全正线性相关（所有点完全位于一条向上的直线上）。
- \(r = -1\)：完全负线性相关（所有点完全位于一条向下的直线上）。
- \(r = 0\)：完全没有线性相关。
解读强弱：
- 值接近 1 或 -1（例如 \(0.9\) 或 \(-0.85\)）表示有强烈的线性关系。
- 值接近 0（例如 \(0.1\) 或 \(-0.2\)）表示有微弱的线性关系。
你知道吗？ 相关性不代表因果关系！仅仅因为两件事相关，并不代表其中一件事“导致”了另一件事。例如，雪糕销量和鲨鱼袭击次数都在夏季增加，这是因为天气炎热，但吃雪糕并不会导致鲨鱼袭击！
重点总结：
\(r\) 越接近 \(1\) 或 \(-1\)，直线对数据的拟合度就越好。符号（+ 或 -）告诉你相关的方向。
3. 线性回归：找出最佳直线
如果我们确定存在线性关系，我们就会想找出穿过数据中心的“完美”直线。这称为 \(y\) 对 \(x\) 的回归线 (Regression line of \(y\) on \(x\))。
我们使用最小二乘法 (Method of Least Squares) 来找出这条直线。你不需要推导公式，但你需要知道这种方法是为了找出使数据点与直线之间的总“间隙”（垂直距离）最小化的直线。
方程式：
直线写作：\(y = a + bx\)
其中：
- \(a\) 是 \(y\)-截距（直线与纵轴相交的位置）。
- \(b\) 是斜率/梯度（\(x\) 每增加 1 个单位，\(y\) 的变化量）。
常见错误： 在 H1 数学中，我们通常专注于 \(y\) 对 \(x\) 的回归线。当我们知道 \(x\) 时，就用这条线来预测 \(y\) 的值。请确保正确地将数据输入计算器 (GC)，以获得准确的 \(a\) 和 \(b\) 值！
重点总结：
回归线是穿过数据点的数学“平均”路径，表达为 \(y = a + bx\)。
4. 内插法与外推法
现在进入实用部分：利用我们的直线来做预测！
内插法 (Interpolation)（“安全”区域）
内插法是指预测一个落在原始数据范围内的 \(x\) 值所对应的 \(y\) 值。
例子： 如果你拥有学生学习 1 到 10 小时的数据，预测学习 5 小时学生的成绩属于内插法。如果你的 \(r\) 值够强，这通常非常可靠。
外推法 (Extrapolation)（“危险”区域）
外推法是指预测一个落在数据范围外的 \(x\) 值所对应的 \(y\) 值。
例子： 使用同样的数据来预测学习 50 小时学生的成绩。这通常是不可靠的，因为我们不知道线性趋势是否会无限期持续下去！（实际上，学生最终会精疲力竭，或者成绩会达到上限）。
快速回顾：
- 内插法：数据范围内 = 可靠。
- 外推法：数据范围外 = 不可靠。
重点总结：
预测原始数据范围之外的值时要非常小心。现有的趋势并不代表它会永远保持不变！
5. 评估模型
在考试中，你可能会被问到：“解释该情境在多大程度上符合线性回归模型。”
如何回答：
- 检查散点图：点看起来是否构成一条直线？
- 检查相关系数 (\(r\))：\(r\) 是否接近 \(1\) 或 \(-1\)？如果是，表示拟合度强。
- 检查背景资料：这合乎逻辑吗？（例如：如果模型预测一个人的体重为负数，那肯定哪里出了问题！）。
记忆小技巧： 把 \(r\) 想成是你那条线的“成绩单”。得分 \(0.95\) 是 A（拟合度极佳！），而得分 \(0.3\) 是 D（拟合度很差！）。
最终检查清单：
- 绘制散点图以观察趋势。
- 计算 \(r\) 以衡量线性联系的强度。
- 使用计算器找出回归线 \(y = a + bx\)。
- 利用直线预测 \(y\)（但要小心外推法！）。
- 根据 \(r\) 的强度和数据范围对可靠性进行评价。