相关系数在统计数据中用于描述两个变量之间的模式或关系。 负相关描述两个变量在相反方向上移动的程度。 例如，对于两个变量X和Y，X的增加与Y的减少相关。负相关系数也称为反相关。 相关关系在散点图中绘制。
负对正相关
负相关以与正相关系数相同的方式展示了两个变量之间的联系，并且相对强度相同。 换句话说，相关系数为0.85显示出与-0.85相关系数相同的强度。
相关系数始终是介于-1和1之间的值，其中-1表示理想的线性负相关，而1表示理想的线性正相关。 以下列表显示了不同的相关系数值指示什么：
恰好 – 1.完美的负（向下倾斜）线性关系
– 0.70。 强烈的负（向下倾斜）线性关系
– 0.50。 中等负（下坡）关系
– 0.30。 弱的负（下坡）线性关系
0.没有线性关系
+0.30。 弱的正向（向上倾斜）线性关系
+0.50。 适度的正（向上倾斜）线性关系
+0.70。 强烈的正向（向上倾斜）线性关系
恰好+1。 完美的正（向上倾斜）线性关系
考虑相关系数的数值的另一种方式是百分比。 变量X上升20％等于变量Y下降20％。
极相关系数
相关系数为零或接近零，表明变量之间没有有意义的关系。 实际上，这些数字很少见，因为完全线性关系很少见。
负相关性很强的示例是-.97，其中变量将以几乎相同的方向沿相反方向移动。 当数字接近1或-1时，这些值表明关系的强度。 例如，0.92或-0.97分别显示强正相关和负相关。
正负相关系数示例
例如，随着外界温度的升高，降雪量减少； 这显示出负相关，并因此具有负相关系数。
温度和冰淇淋销售量之间的关系为正相关系数； 随着温度升高，冰淇淋的销售也随之增加。 该关系将具有正相关系数。 相关系数为零或非常接近零的关系可能是温度和快餐销售（假设出于说明目的零相关），因为温度通常与人们是否食用快餐无关。
底线
负相关可以表示强关系或弱关系。 许多人认为–1的相关性表示没有关系。 但事实恰恰相反。 -1的相关性表示沿直线的接近完美的关系，这是可能的最强关系。 负号仅表示该线向下倾斜，并且是负关系。
