0.271屬於低相關，這是分析相關係數的大小。相關係數：1、0.8-1.0：極強相關。2、0.6-0.8：強相關。3、0.4-0.6：中等程度相關。4、0.2-0.4：弱相關。5、0.0-0.2：極弱相關或無相關。相關關係是一種非確定性的關係，相關係數是研究變數之間線性相關程度的量。由於研究物件的不同，相關係數有如下幾種定義方式。簡單相關係數：又叫相關係數或線性相關係數，一般用字母r 表示，用來度量兩個變數間的線性關係。其中，Cov(X,Y)為X與Y的協方差，Var[X]為X的方差，Var[Y]為Y的方差。複相關係數：又叫多重相關係數。複相關是指因變數與多個自變數之間的相關關係。例如，某種商品的季節性需求量與其價格水平、職工收入水平等現象之間呈現複相關關係。典型相關係數：是先對原來各組變數進行主成分分析，得到新的線性關係的綜合指標，再透過綜合指標之間的線性相關係數來研究原各組變數間相關關係。生活示例：軟體公司在全國有許多代理商，為研究它的財務軟體產品的廣告投入與銷售額的關係，統計人員隨機選擇10家代理商進行觀察，蒐集到年廣告投入費和月平均銷售額的資料，並編製成相關表，見表1:表1：廣告費與月平均銷售額相關表 單位：萬元參照表1，可計算相關係數如表2：相關係數為0.9942，說明廣告投入費與月平均銷售額之間有高度的線性正相關關係。擴充套件資料：相關係數缺點：需要指出的是，相關係數有一個明顯的缺點，即它接近於1的程度與資料組數n相關，這容易給人一種假象。因為，當n較小時，相關係數的波動較大，對有些樣本相關係數的絕對值易接近於1；當n較大時，相關係數的絕對值容易偏小。特別是當n=2時，相關係數的絕對值總為1。因此在樣本容量n較小時，我們僅憑相關係數較大就判定變數x與y之間有密切的線性關係是不妥當的。相關係數性質：由性質衍生：
0.271屬於低相關，這是分析相關係數的大小。相關係數：1、0.8-1.0：極強相關。2、0.6-0.8：強相關。3、0.4-0.6：中等程度相關。4、0.2-0.4：弱相關。5、0.0-0.2：極弱相關或無相關。相關關係是一種非確定性的關係，相關係數是研究變數之間線性相關程度的量。由於研究物件的不同，相關係數有如下幾種定義方式。簡單相關係數：又叫相關係數或線性相關係數，一般用字母r 表示，用來度量兩個變數間的線性關係。其中，Cov(X,Y)為X與Y的協方差，Var[X]為X的方差，Var[Y]為Y的方差。複相關係數：又叫多重相關係數。複相關是指因變數與多個自變數之間的相關關係。例如，某種商品的季節性需求量與其價格水平、職工收入水平等現象之間呈現複相關關係。典型相關係數：是先對原來各組變數進行主成分分析，得到新的線性關係的綜合指標，再透過綜合指標之間的線性相關係數來研究原各組變數間相關關係。生活示例：軟體公司在全國有許多代理商，為研究它的財務軟體產品的廣告投入與銷售額的關係，統計人員隨機選擇10家代理商進行觀察，蒐集到年廣告投入費和月平均銷售額的資料，並編製成相關表，見表1:表1：廣告費與月平均銷售額相關表 單位：萬元參照表1，可計算相關係數如表2：相關係數為0.9942，說明廣告投入費與月平均銷售額之間有高度的線性正相關關係。擴充套件資料：相關係數缺點：需要指出的是，相關係數有一個明顯的缺點，即它接近於1的程度與資料組數n相關，這容易給人一種假象。因為，當n較小時，相關係數的波動較大，對有些樣本相關係數的絕對值易接近於1；當n較大時，相關係數的絕對值容易偏小。特別是當n=2時，相關係數的絕對值總為1。因此在樣本容量n較小時，我們僅憑相關係數較大就判定變數x與y之間有密切的線性關係是不妥當的。相關係數性質：由性質衍生：