主题：年会里提到的相关系数问题和联想

 六周年的声学楼年会，规模和档次都是空前的，版主们辛苦了！

从年会的贵宾发言里，对我启发良多，下面是一个感想：

   

                                           相关系数和由此的联想

 

声学楼的年会的发言里，出现了“相关系数”这个较有理论性的概念，并且也就具体的问题给出了较有说服力的结论。

什么是相关系数呢？

下面是一些标准的解释：

相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。

相关系数又称皮（尔生）氏积矩相关系数，说明两个现象之间相关关系密切程度的统计分析指标。　

　相关系数用希腊字母γ表示，γ值的范围在-1和+1之间。

γ>0为正相关，γ<0为负相关。γ=0表示不相关；

γ的绝对值越大，相关程度越高。 两个现象之间的相关程度，一般划分为四级：

如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0，相关越不密切。当r=0时，说明X和Y两个变量之间无直线关系。通常|r|大于0.8时，认为两个变量有很强的线性相关性。

 

至于怎样去做出这个结论，就是对数据进行相关分析或回归分析，一般是统称为回归分析的，是属于“统计学”方面的问题。这样的知识在大学的相关课程里有，《数据分析与试验优化设计》等就是这样的教材。

当然，我们现在有很多方便的数学工具可以“调用”，在使用的程序里按照规定的格式输入相应的数据，计算机就可以得出具体的结果了。就是说，如果有了必要的数据，计算机就可以代替你去做好这样的相关分析了，而且是很快的。

那么，为什么我们在一些问题上总是在似是而非、笼统的去给出问题的结论，并没有很好的使用这个工具来提高我们对问题的说服力呢？

因为虽然调用计算机程序是简单的，而为计算机提供合适的数据却是不容易的。这需要你对影响的因素和结果之间寻求也可能相关的联系，并通过具体的实验来提供大量的数据！

可能的影响本来就是一个难题，否则不会要你去寻找，做起来不容易；就是推断出可能的关系，也还是要大量的实验来获得数据的。而实验的设计当然也不是简单的事情了。

所以，做好这样的相关分析，是需要一定的理论支持的，更需要大量的时间和人力、物力的。

也就是这样的原因，造成我们在讨论一些问题的时候，就会含含糊糊的说“xx和yy有关”，而到底有关到什么程度就是连说的人也可能不知道的了。

这样不准确的状态，当然会对我们对问题的了解造成很大的阻碍，甚至会误入歧途。

这也在一个方面说明了王以真先生在声学楼里的发言所谈到的一个问题：“我们的电声理论准备不足。我们的实验精神准备不足”。

在工程领域里，很多问题的结论是要通过大量的数据并通过合适的回归分析来支持的。没有大量的实验或试验，就没有大量的数据。而只有数据，却不会从众多的数据里寻找出相应的规律，可就是功亏一篑的了。

这也说明了一个问题：试验是要做的，更重要的是会从要从试验的数据里得到合理的结论。

而要做好这些，必要的基础理论（包括数学工具等）是很重要的。这也可能就是软实力的一个表现吧。

顺便说一下，现在毕业的大学生，大多数对此是有很好的掌握的，这是他们的优势，也是可以发挥的一个方面了。

 

顶