步骤 1：使用矩阵图检查两个连续变量之间的关系。还要在关系中查找异常值。异常值可能会严重影响 Pearson 相关系数的结果。
确定关系是线性关系、单调关系还是二者都不是。下面是相关系数所描述之形式类型的示例。Pearson 相关系数适用于线性形式。Spearman 相关系数适用于单调形式。
无关系点随机落在图上，表明变量之间无线性关系。
中等正向关系一些点靠近直线，另一些点远离直线，仅表明变量之间存在中等线性关系。
大正向关系点靠近线，表明变量之间存在强大的线性关系。关系为正向，因为当一个变量上升时，另一个变量也会上升。
大负向关系点靠近线，表明变量之间存在强大的负向关系。关系为负向，因为当一个变量上升时，另一个变量会下降。
单调
在单调关系中，变量倾向于沿着相同的相对方向移动，但不一定以恒定的速率移动。在线性关系中，变量沿着相同的方向以恒定的速率移动。此图显示两个变量同时上升，但不以相同的速率上升。此关系是单调的，但不是线性的。这些数据的
Pearson 相关系数是 0.843，但 Spearman 相关系数较高，为 0.948。
二次曲线此示例显示曲线关系。即使变量之间的关系很强，相关系数也将接近于零。关系既不是线性的又不是单调的。
主要结果：矩阵图
在这些结果中，您可以查看正向线性关系、负向线性关系、可能的曲线关系和几个异常值。
聘用年限与居住年限之间存在强正向线性关系。
信用卡数与储蓄之间存在弱负向线性关系。
负债似乎具有异常值，需要进行调查。