01 / 統計關係
協方差先看共同偏離方向
把每筆 X 與其平均的差、Y 與其平均的差相乘，再取平均，可得到協方差。兩者常同時高於或低於各自平均時，乘積多為正，協方差傾向正值。
一高一低的偏離較多時，乘積多為負，協方差傾向負值；正負偏離互相抵消時，數值可能接近零。
接近零只表示線性共同變動不明顯，不保證完全沒有關係。U 形或其他非線性結構也可能有近零協方差。
02 / 統計關係
協方差大小會隨單位改變
若 X 原以港元記錄，改成以千港元記錄，所有偏離縮小一千倍，協方差也跟着縮小。數值大小因此不能脫離單位解讀。
協方差的單位是 X 單位乘 Y 單位，例如港元乘分鐘。不同資料集使用不同尺度時，直接比較十與一百可能沒有意義。
它最可靠的初步信息常是方向，而非絕對大小。要比較強弱，通常需要進一步標準化。
03 / 統計關係
相關係數除以兩邊標準差
皮爾森相關係數把協方差除以 X 標準差與 Y 標準差的乘積。單位被約去，結果通常介乎負一與正一。
正一代表完全正向線性關係，負一代表完全反向線性關係，零代表沒有線性相關。實際資料多落在中間，且會受樣本量與極端值影響。
若其中一個變數完全沒有變化，標準差為零，相關係數便無法定義。不能為了得到一個數字而忽略分母條件。
比較兩組相關前，還應看散點圖、時間範圍與資料清理方式。同一係數可以來自不同形狀，單一摘要不能取代原始分布。
若資料按時間排列，整體趨勢也可能製造表面相關。可先檢查分期散點圖或變化量，但任何轉換都要說明，不能只挑有利視圖。
04 / 統計關係
相關不等於一方造成另一方
兩變數一起變動可能由第三因素、共同時間趨勢或選樣方式造成。相關係數再高，也不自動證明 X 導致 Y。
886 的發發諧音屬文化聯想，不能因某段紀錄與正面結果同時出現便宣稱因果。先查基準率、完整樣本與替代解釋。
娛樂風險更不能靠短期相關圖放寬預算。即使兩欄資料看似同步，下一次結果仍可能偏離，個人應按可承受港元與時間設定上限。樣本較多也不會自動證明因果。
報告時最好同列樣本數、相關值、資料期間與散點圖。缺少這些背景，只說『高度相關』容易把量度結果誤包裝成確定規律。
本文僅供知識分享，請理性看待；娛樂為主，量力而為。本站不接受投注、不提供註冊或博彩平台連結，統計指標不構成預測。