相关系数在统计学中用来描述两个变量之间的模式或关系。负相关性描述了两个变量向相反方向移动的程度。例如，对于两个变量X和Y，X的增加与Y的减少相关。负相关系数也称为逆相关。相关关系用散点图表示。

负相关与正相关

负相关表明两个变量之间的联系与正相关系数相同，且相对强度相同。换句话说，0.85的相关系数显示出与-0.85的相关系数相同的强度。

相关系数总是介于-1和1之间，其中-1表示完全线性负相关，1表示完全线性正相关。下表显示了不同的相关系数值：

正是-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. 中度负（下坡）关系

–0.30. 弱负（下坡）线性关系

0.无线性关系

+0.30. 弱的正（向上倾斜的）线性关系

+0.50. 适度的正（向上倾斜）线性关系

+0.70. 强烈的正（向上倾斜）线性关系

正是+1。完美的正（向上倾斜）线性关系

考虑相关系数数值的另一种方法是百分比。变量X向上移动20%等于变量Y向下移动20%。

极端相关系数

相关系数为零或接近零时，变量之间没有任何有意义的关系。实际上，这些数字很少出现，因为完美的线性关系很少出现。

一个很强的负相关性的例子是-.97，即变量会以几乎相同的移动方向朝相反的方向移动。当数字接近1或-1时，这些值表示关系的强度；例如，0.92或-0.97将分别显示出很强的正相关性和负相关性。

正相关系数和负相关系数示例

例如，随着室外温度的升高，降雪量减少；这显示出负相关，并且通过扩展，将具有负相关系数。

温度与冰淇淋销量呈显著正相关；随着气温的升高，冰淇淋的销售也随之增加。这种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（假设为说明目的，相关系数为零），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。相关系数-1表示沿直线的关系近乎完美，这是可能的最强关系。减号只是表示直线向下倾斜，这是一种负关系。