应用 numbers
- 选中目标单元格，输入
=符号。
- 输入
CORREL（相关系数）。
- 由于「解释力度」就是「相关系数的平方」，你直接用这个公式，兼容性最强：
=POWER(CORREL(B2:B20, A2:A20), 2)
「相关系数」衡量的是关联的紧密程度（方向和强度），而「相关系数的平方」（R2）衡量的是方差的占比（即能量的分配）。
在统计学中，我们衡量「波动」的大小不是看数值之差，而是看方差（Variance）。
- 波动（误差）是以平方形式累加的（为了消除正负号，并放大偏离较大的点）。
- 当我们做一个线性回归模型时，总波动可以拆解为两部分：
- 数学上可以证明，在简单线性回归中：
- 如果相关系数 r=0.7，那么 R2=0.7×0.7=0.49。
- 这意味着尽管两个指标看起来「挺相关」的，但实际上 TIPS 指数的变动只解释了因变量波动的 49%，剩下的 51% 能量来自其他噪音或因素。
- 平方效应意味着：只有当相关性非常高（比如 0.9 以上）时，解释力度才会显著跳升（0.92=0.81）。