相关性分析助手
相关性分析助手
广告投入多了，销售额真的会涨吗？
你怀疑"广告投入"和"销售额"之间有关系 —— 投得越多卖得越好。但你不确定，想用数据说话。
相关性分析助手帮你算出两两数值列之间的相关系数 —— 一个 -1 到 1 之间的数字。越接近 1 说明正相关越强（一个涨另一个也涨），越接近 -1 说明负相关越强（一个涨另一个跌），接近 0 说明没什么关系。
你需要准备什么
- 一份 Excel 或 CSV 文件，至少包含 2 列数值数据
跟着走
第一步：导入数据
打开数据魔方，点击顶部「数据分析」标签页，找到「相关性分析助手」卡片，点进去。
导入你的数据文件。系统会自动识别哪些列是数值类型，只有数值列才能做相关性分析。
第二步：选择分析列和方法
在参数面板里：
- 选择数值列 —— 勾选你想分析的列。至少选 2 列，选得越多，矩阵越大
- 分析方法 —— 有三种可选：
| 方法 | 什么时候用 |
|---|---|
| Pearson | 最常用。看两个变量之间的线性关系。数据大致符合正态分布的时候用它 |
| Spearman | 看排名之间的关系。数据不符合正态分布、或者你关心的是"谁大谁也大"这种趋势，用它 |
| Kendall | 和 Spearman 类似但更稳健，数据量小的时候用它 |
不知道选哪个？选 Pearson，大多数情况够用了。 不用记住这些名词，你只需要知道：Pearson 看线性关系，Spearman 看排名关系。
- 强相关阈值 —— 默认 0.7。系统会自动筛选出相关系数绝对值超过这个阈值的变量对，方便你快速找到关系最强的几组。
⚠️ 这里很多人会犯一个错：选了一列"文本"类型的数据（比如"城市名"），然后发现它没出现在可选列表里。这不是 Bug —— 相关系数只能对数字算，文本列自然不会出现。如果你的数据看起来是数字但被识别成了文本，先用 海量表格数据处理助手 把列类型转成数值。
第三步：查看结果
点击「开始分析」按钮。结果分两部分：
- 相关系数矩阵 —— 一张方阵，行和列都是你选的数值列，每个格子里是两列之间的相关系数（保留 4 位小数）
- 强相关变量对列表 —— 自动筛选出超过阈值的变量对，按相关系数绝对值从高到低排列
到这里，你的屏幕应该是这样的：上方是一张 N×N 的矩阵表格，下方是筛选出的强相关对列表。
💡 说到这里要特别提醒你：相关系数高不等于因果关系。"广告投入"和"销售额"相关系数 0.85，不能直接说"广告带来了销售"—— 也可能是"销售好的地区本来就投了更多广告"。想确认因果关系，还需要回归分析。
第四步：导出结果
点击「导出」把相关矩阵和强相关对列表保存为 Excel。
做完了，检查一下
如果你看到了相关系数矩阵，对角线全是 1.0000（自己跟自己的相关系数当然是 1），强相关对列表也筛选出来了——说明相关性分析已经完成了。
接下来，你可以试试 回归分析助手 —— 如果你想知道"广告费每多花 1 万，销售额能多多少"，回归分析能给你一个具体的数字。