相关系数(Correlation coefficient)是统计学家卡尔·皮尔逊(karl pearson)设计的第一个统计指标，是研究变量之间线性相关性的量，一般用字母r表示，由于研究对象的不同，相关系数的定义也有很多种，皮尔逊相关系数是最常用的一种。那么如何理解正相关和负相关呢？

1。正相关意味着两个变量同向变化。当一个变量由大变小或由小变大时，另一个变量也由大变小或由小变大。

2.负相关在回归和相关分析中，变量值随着自变量值的增加(减少)而减少(增加)。在这种情况下，指示相关程度的相关系数是负的。

3.相关系数R在统计学中常用来表示两个变量之间的相关性。R的值在-1和1之间，当R为正时，为正相关，反映出当X增大(减小)时，Y相应增大(减小)；正相关的两个变量之间的相关系数一定是正的，正值越大，正相关程度越高。当这个正值为1时，就是完全正相关的情况，比如思路排成一条直线，就是完全正相关。虽然正相关的含义很明确，但实际上是一个模糊的概念，无法量化，只是一个定性的说法。如果有确定的关系，比如y=2x，叫做Y和X成正比，如果X和Y同向变化，比如X上升，Y上升或者X下降，Y下降，叫做正相关。反之，x上升y下降，或者x下降y上升，这叫负相关。

关于正相关和负相关的理解到此为止。