正、无、负相关
场景：
有一个社会调查：结论得到其中两个数据，某国家海滨浴场冰激凌销售量急剧增加；与此同时，浴场游泳游客伤亡率也同时急剧上升。为此，我们需要从结果中了解，这两种情况之间的关系（是否相关、孰因孰果）。其实大家都知道，两者相关、但不为因果。两者都是天气酷热造成的结果。
概念：
相关分析（correlation analysis）：考察两个变项是否一起变，但不考虑时间时间顺序，也不考虑因果关系；
研究共变分析的，都关注：是否共变（一起变不变）、共变方式（你变大、我变大还是变小）、共变强度（你变一个单位，我变几个单位）。
再详细点：
相关分析
1、相关与相干
首先，correlation&correlated都是相关前者动词后者形容词，统计学相关分析注明了是前者的翻译。
其次，统计学的一个相关是“理论上的相关”（correlation），不同于通常聊天中提及的“实质上的相干（relevant）”，我们分辨清楚这两点，会减少疑惑。
再次，“蝴蝶效应”那种此时此地的龙卷风，是由于几周前遥远地方蝴蝶振翅造成的，不在目前考虑范围内。同样，辩证唯物主义中基本观点之一，万事万物普遍联系，对我们微观层面的分析也不起指导作用。
2、相关有正负
用家庭关系打个比方，当观察的夫妻两人（两个变项），一个增大伴随另一个增长为正相关，“比翼双飞、郎情妾意般的恩爱”；一个增长伴随的另一个减小为负相关，“河东狮吼、你强我弱般的和谐”；一个增大、减少另一个无动于衷为无关，“任你哭天抢地、我自巍然不动般的冷暴力”。前两种情况家庭可以延续，最后一种无关情况叫感情破裂。
3、相关有强弱之分、还有显著之分
相关系数r，取值的范围-1到1。判断强度是取绝对值判断-0.6与0.6的绝对值都是0.6，那么它们相关强度是一样的。在社会科学中，一般以绝对值0.7为分割点。完全相关绝对值为1，完全无关绝对值为0，绝对值大于0.7时为强相关，其余为弱相关。选择0.7是因为，他的平方值是0.49，其意义代表由一个变项推测另一个变项时总误差能减小49%。（具体计算要到回归分析才涉及）。
显著度（significant）是更受重视的指标，虽然理解时相接触到相关分析，但数字验证时却首先是区分相关分析的显著度。直接得到相关系数的显著度不容易找到直观例子，间接求法是检验回归系数的显著度，两者显著度实质是相同的。（只有回归分析一起了解了）。
事例得到：
投资避险&人际关系：
1、正相关
“正”不全等于“好”。
投资时就是加杠杆。股票高涨，赚钱赚的盆满钵满；暴跌时只好平仓跳楼。
有些朋友，当你前程似锦时萦绕左右，为你锦上添花；落魄失意时树倒猢狲散，还可能落井下石。
2、无关
投资时“鸡蛋不要放在一个篮子里”，日用消费品、高科技、房地产等等一样来些，风险急剧下降。老百姓搞不清楚听听《香帅的金融学》基金、房产保值第一。
我们总喜欢和自己相近的人谈天说地无可厚非，但也要预留些时间跨界交往，了解不同信息。避免思维遮蔽，开拓视野。
3、负相关
“负”也不全是“坏”
投资时有能力去研究对冲，消解风险。假如投资A晴天赚40%，雨天赔20%；投资B晴天赔20%，雨天赚40%。两者各投一半，稳赚10%。
总有些朋友在我们飞黄腾达时提醒我们危险重重或离我们而去；身处逆境时却及时出现，鼎力相助、雪中送炭。
网友评论