维度相关性分析

Name: 宜居维度相关性分析
Creator: 宜居度

基于 38 个区县的标准化评分，计算 8 个宜居维度间的皮尔逊相关系数（r）。探索维度间的隐藏关联。

✅ 8×8 矩阵构建校验通过唯一维度对 28 组|r| ≥ 0.7 强相关 17 组

📊 相关性矩阵

颜色越绿 = 正相关越强，越红 = 负相关越强。数值为皮尔逊相关系数（-1 到 1）。

按绝对相关强度降序排列；星标与矩阵高亮一一对应。

17 组

选择两个维度，查看 38 个区县的分布散点。虚线为线性回归趋势线。

X轴：

Y轴：

城市：

两个维度同向变化——一个高另一个也高

人口活力 ↔ 生活便利r = 0.973

R² = 0.947 · 强关联

医疗水平 ↔ 生活便利r = 0.968

R² = 0.936 · 强关联

人口活力 ↔ 教育资源r = 0.959

R² = 0.920 · 强关联

人口活力 ↔ 交通便利r = 0.954

R² = 0.910 · 强关联

教育资源 ↔ 智慧城市r = 0.951

R² = 0.904 · 强关联

两个维度反向变化——一个高另一个低

医疗水平 ↔ 数字经济r = 0.581

R² = 0.338 · 中等关联

交通便利 ↔ 数字经济r = 0.590

R² = 0.348 · 中等关联

生活便利 ↔ 数字经济r = 0.621

R² = 0.386 · 中等关联

经济购买力 ↔ 数字经济r = 0.622

R² = 0.386 · 中等关联

经济购买力 ↔ 医疗水平r = 0.627

R² = 0.393 · 中等关联

📖 如何理解相关性分析？

皮尔逊相关系数（r） 衡量两个变量线性关联的程度，范围 -1 到 +1：

决定系数（R²） 表示一个维度的变异中有多少比例可被另一个维度解释。例如 R²=0.5 意味着 50% 的变化可关联。

⚠️ 相关 ≠ 因果。两个维度相关不代表一个导致另一个，可能受第三个因素共同影响。

数据基础：所有分数基于区县级标准化评分（z-score → 正态CDF → 0-100），每个城市内部独立评分。