相关系数等于零为何仍可能存在明确依赖:用三个等可能数值计算正负抵消并检查条件分布
先定义完整的三种结果
令X等概率取负一、零、一,Y始终等于X的平方。因此三个等可能数对为负一与一、零与零、一与一。这是一份为解释概念设定的离散模型,不是网站用户样本,也没有关于人格或能力的实际统计结论。
相关分子为什么恰好抵消
X的平均为零,Y的平均为三分之二。逐对计算两个数各自减去平均后再相乘,得到负三分之一、零、正三分之一;平均后仍为零。两个变量都不是常量,方差都大于零,因此用协方差除以两个标准差乘积得到的线性相关系数为零,不存在分母为零的问题。
这里的零来自两侧贡献抵消。它不是说Y没有随X改变,而是这组对称变化没有形成非零的线性相关。画出三个点,也能看出两端都高、中间低,不能用只观察单一向上或向下趋势的直觉概括。
再单独检查是否独立
不附加条件时,Y等于零的机会为三分之一;一旦知道X等于零,Y就必定等于零,机会变为一。已知X改变了关于Y的分布,所以二者不独立。这个条件概率检查与前面的相关计算给出不同性质的结论,两者并不矛盾。
卡内基梅隆大学统计讲义的双变量依赖章节也说明,相关为零不能一般推出独立,并讨论平方关系的对称例子。本文把同类概念化成三点模型,便于逐项算出,而不是把教学例子包装成新的研究发现。
阅读指标时应写清是何种相关系数、计算是否有定义,以及问题究竟是在问线性趋势还是统计独立。本文没有进行因果推断,也不建议用三点练习评判真实量表质量。实际资料若缺少原始分布或方法说明,应保留解释范围,不把一个零值扩展成“完全无关”。