Pearson 与 Spearman 两种相关系数，输出 r、n、t 值与 p 值。自动提示强中弱程度，并说明该选哪一种。
r = Σ(x−x̄)(y−ȳ)/√[Σ(x−x̄)²Σ(y−ȳ)²]t = r√(n−2)/√(1−r²)Spearman：对秩次求 Pearsondf = n−2每行一对数据，如「1 2.3」；至少 3 对，建议 10 对以上。
| |r| | 强度 |
|---|---|
| 0.8 ~ 1.0 | 强相关 |
| 0.5 ~ 0.8 | 中等相关 |
| 0.3 ~ 0.5 | 弱相关 |
| < 0.3 | 几乎不相关 |
Pearson 要求两变量近似正态、关系接近直线，对异常值敏感；Spearman 只看秩次，适合等级数据或明显非线性的单调关系。
相关系数只描述「同向/反向变化的程度」，不能推出因果。身高与体重相关，但让体重增加不会直接让人长高。
只表示没有线性关系，可能存在明显的曲线关系（如抛物线）。
能算，但 p 值不可靠。n<10 时结论要谨慎。
Pearson 对异常值非常敏感，一个极端点就能把 r 从 0.8 拉到 0.2，建议画散点图检查。
不能直接预测个体。相关是群体层面的趋势，个体预测需要回归模型与误差估计。