协方差计算器
协方差衡量两列成对数据一起偏离各自平均值的方向与量级；填入 x、y 两列即可同屏得到样本协方差（÷ n−1，Excel COVARIANCE.S 口径）与总体协方差（÷ n，COVARIANCE.P 口径）、偏差乘积和、两组标准差、皮尔逊相关系数与逐对偏差明细，也可与相关系数互相换算。
手上有两列成对数据选「原始数据」；已经有了协方差或相关系数、想在两者之间 换算，选后两种。切换模式不会清空已填的内容，x、y 的标准差两栏由后两种模式共用； 「原始数据」算出的结果不会自动填进换算模式——那会把内部的高精度值降级成 6 位小数展示值再参与二次计算。
支持逗号、空格、换行、顿号、分号分隔，可填小数与负数。共识别 3 个数。
个数必须与 x 列相同、顺序一一对应：第 1 个 y 配第 1 个 x。至少 2 对。共识别 3 个数。
正协方差：x 增大时 y 也倾向增大。 3 对数据的偏差乘积和 SP = 19.333333， 除以 n−1 = 2 得样本协方差 9.666667， 除以 n = 3 得总体协方差 6.444444。 协方差有量纲，它的绝对大小不能跨数据集比大小；要比强弱看相关系数 r = 0.835766。
明细里的每个数都是各自独立舍入到 6 位小数的展示值，逐行相加可能与上面的「偏差乘积和」差最后一位（例如 2, 4, 8 与 5, 11, 12 那组：三行乘积相加是 19.333334，而 SP 显示 19.333333）。 这是展示层舍入的必然结果，不是算错——内部全程用高精度十进制运算，中途不做任何舍入。
读结果前先看这六条口径：① 协方差有量纲，单位是「x 的单位 × y 的单位」——x 是身高（cm）、y 是体重（kg）时， 协方差的单位就是 cm·kg；把 y 从「万元」换成「元」，协方差会乘 10000， 而相关系数一动不动。所以协方差的绝对大小不能跨数据集比较相关强弱， 要比强弱只能看无量纲的 r； ② 样本协方差除以 n−1，总体协方差除以 n：前者是对总体协方差的无偏估计 （贝塞尔校正），手上是抽样数据时用它，对应 Excel 的 COVARIANCE.S； 后者把手上的数据当作全部个体，对应 COVARIANCE.P； ③ 换算模式的三个数必须同口径：样本协方差配样本标准差、总体协方差配总体标准差。 三个孤立数字里没有任何信息能让工具判断你混没混口径，所以本页不猜也不自动换算； ④ 协方差为 0 只说明没有线性关系，不等于两个变量独立——y = x² 的数据（x = −2, −1, 0, 1, 2；y = 4, 1, 0, 1, 4）协方差精确为 0， 但 y 完全由 x 决定； ⑤ 逐对明细里的每个数都是各自独立舍入到 6 位小数的展示值， 逐行相加可能与「偏差乘积和」差最后一位，这是展示层的必然结果，不是算错； ⑥ 相关不等于因果，一个协方差数值也反映不出分组结构与离群点—— 分组数据可能出现整体与分组结论相反的情况，请先看散点图再下结论。
怎么用
- 选计算方式：手上有两列成对数据（每个个体既有 x 又有 y），选「原始数据」，工具直接算协方差。已经有了协方差和两个标准差、想知道相关系数是多少，选「协方差 → 相关系数」。已经有了相关系数和两个标准差、要把协方差反算出来填进组合方差公式，选「相关系数 → 协方差」。三种方式的输入各自保留，切换不会清空。
- 填两列成对数据：把 x 列和 y 列分别粘进两个输入框，支持逗号、空格、换行、顿号、分号分隔，可填小数和负数。两列个数必须相同、顺序一一对应：第 1 个 y 配第 1 个 x。至少要 2 对；个数对不上会直接报错，工具不会截断到较短的一列，也不会补 0——这和 Excel 里 COVARIANCE.S 返回 #N/A 是同一个口径。
- 读两个协方差：除数不同，是两个量：顶部大字是样本协方差（除以 n−1），下面一行是总体协方差（除以 n）。手上的数据是从更大总体里抽出来的样本，用样本协方差（对应 Excel 的 COVARIANCE.S）；手上的数据就是研究的全部个体，用总体协方差（对应 COVARIANCE.P）。两个数之比恒为 n/(n−1)，不是谁算错了。
- 看逐对偏差明细核对手算：明细表逐行列出第 i 对数据、x−x̄、y−ȳ 和两者的乘积，正好对应手算时列的那张表。注意每一格都是各自独立舍入到 6 位小数的展示值，逐行相加可能与「偏差乘积和」差最后一位——内部全程按高精度十进制计算，中途不做任何舍入。数据超过 200 对时明细会省略，统计量仍按全部数据算。
- 用相关系数判断强弱，别用协方差：协方差有量纲，单位是「x 的单位 × y 的单位」：把 y 从万元换成元，协方差会乘 10000，而相关系数一动不动。所以两个数据集的协方差大小没法直接比，要比强弱只能看结果里那个无量纲的 r。协方差只告诉你方向：正数表示 x 增大时 y 倾向增大，负数表示反向，0 表示没有线性关系。
- 换算模式：三个数必须同口径：填协方差（或相关系数）和 x、y 的两个标准差，工具按 r = cov ÷ (sx·sy) 或 cov = r·sx·sy 换算，并给出理论上界 sx·sy。关键前提是三个数同口径：样本协方差配样本标准差（都用 n−1），总体协方差配总体标准差（都用 n）。三个孤立数字里没有任何信息能让工具判断你混没混口径，所以本页不猜也不自动换算。协方差的绝对值超过 sx·sy 时会直接报错，不会把它压成 r = 1。
核心要点
协方差把两列成对数据各自对平均值的偏差相乘再平均：为正说明 x 增大时 y 倾向增大，为负则相反。 公式是 cov = Σ(x−x̄)(y−ȳ) ÷ 除数，除数取 n−1 得样本协方差、取 n 得总体协方差。把 x = 2, 4, 8 与 y = 5, 11, 12 代进去，样本协方差是 9.666667、总体协方差是 6.444444，两者相差正好 n/(n−1) = 1.5 倍。
- 协方差有量纲，不能跨数据集比大小：单位是「x 的单位 × y 的单位」，y 从万元换成元，协方差乘 10000，而相关系数一动不动。
- 两个除数是两个量，不是两套打架的口径：抽样数据用
n−1（ExcelCOVARIANCE.S），全部个体用n（COVARIANCE.P），本页两个都算、同屏展示。 - 负协方差只表示方向：x = 1, 2, 4, 7、y = 20, 18, 15, 7 的样本协方差是
-15，说明 x 增大时 y 倾向减小；强弱要看r = -0.99195。 - 协方差为 0 ≠ 独立：
y = x²的数据协方差精确为 0，可 y 完全由 x 决定。 - 一步换算：
r = cov ÷ (sx·sy)、cov = r·sx·sy，前提是三个数同口径；理论上界|cov| ≤ sx·sy。
原理与公式
协方差回答的是一个方向性的问题：x 比自己的平均值高的时候，y 是不是也 倾向于比自己的平均值高。把每一对数据的两个偏差乘起来——同方向偏离得 正积，反方向偏离得负积——再把这些乘积加总平均，就是协方差。
公式
记成对数据为 (x₁,y₁) … (xₙ,yₙ)，n ≥ 2：
① 两列均值：x̄ = Σxᵢ / n，ȳ = Σyᵢ / n
② 逐对偏差与乘积：dxᵢ = xᵢ − x̄，dyᵢ = yᵢ − ȳ，pᵢ = dxᵢ·dyᵢ
③ 偏差乘积和：SP = Σpᵢ = Σ(xᵢ−x̄)(yᵢ−ȳ)
④ 样本协方差：s_xy = SP / (n − 1)（贝塞尔校正，对总体协方差的无偏估计；Excel COVARIANCE.S）
⑤ 总体协方差：σ_xy = SP / n（Excel COVARIANCE.P）
⑥ 相关系数：r = SP / √(SSx·SSy)，其中 SSx = Σdxᵢ²、SSy = Σdyᵢ²
⑦ 两个换算方向：r = cov / (sx·sy)、cov = r·sx·sy
④ 与 ⑤ 的比值恒为 n/(n−1)，所以两个数字永远同号、只差一个固定 倍数。⑥ 与 ⑦ 是同一件事的两种写法：把 s_xy = SP/(n−1)、sx = √(SSx/(n−1))、sy = √(SSy/(n−1)) 代进 cov/(sx·sy)，n−1 正好约掉，回到 SP/√(SSx·SSy)——这也是为什么样本口径和总体口径算出同一个 r。
为什么偏差要显式作差
代数上 Σ(x−x̄)(y−ȳ) 等于 Σxy − ΣxΣy/n，很多教材用后者 当「简化算法」。本工具不用它：当一列是六位数的房价这种「又大又 接近」的数时，Σxy 与 ΣxΣy/n 是两个几乎相等的巨大数字， 相减会发生灾难性抵消，把有效位数吃光。本页一律按 ②③ 先算偏差再求和。
计算示例一：样本口径 9.666667
x = 2, 4, 8；y = 5, 11, 12：x̄ = 14/3，ȳ = 28/3SP = (2−14/3)(5−28/3) + (4−14/3)(11−28/3) + (8−14/3)(12−28/3) = 174/9 = 19.333333样本协方差 = 19.3333… ÷ 2 = 9.666667，总体协方差 = 19.3333… ÷ 3 = 6.444444sx = 3.05505、sy = 3.785939、r = 174/(12√301) = 0.835766
计算示例二：总体口径 5.2（含小数列）
x = 3, 2, 4, 5, 6；y = 9, 7, 1.2, 15, 17：x̄ = 4，ȳ = 9.84，SP = 26（精确）总体协方差 = 26 ÷ 5 = 5.2，样本协方差 = 26 ÷ 4 = 6.5σx = 1.414214、σy = 5.68、r = 26/√1613.12 = 0.647351
用 6.5 ÷ (1.581139 × 6.350433) 或 5.2 ÷ (1.414214 × 5.68) 都会回到同一个 r。
计算示例三：负协方差与换单位
x = 1, 2, 4, 7；y = 20, 18, 15, 7：SP = −45，样本协方差 = −15，总体协方差 = −11.25，r = −45/(7√42) = −0.99195
把 y 的单位从「万元」换成「元」（每个数乘 10000）：样本协方差 = −150000、总体协方差 = −112500，而 r 仍然是 −0.99195。这一条就是「协方差不能跨数据集比大小」的直接演示。
结果怎么读
- 符号看方向：正数表示 x 增大时 y 倾向增大，负数表示反向， 0 表示没有线性关系。
- 大小不看强弱：协方差的量级由单位决定，判断强弱请看
r（无量纲，恒在 −1 到 1 之间）。 - 0 不等于独立：
y = x²的协方差精确为 0， 但两者完全不独立。协方差只看得见直线形状的关联。 - n = 2 时 r 恒为 ±1：两点必成一线，这个 1 说明点太少， 不说明关系强。
- 某列是常数时 r 无定义：标准差为 0，
r变成 0/0； 但协方差仍然精确为 0 并正常给出。
协方差在别处的用法
协方差不是只用来看方向。最小二乘回归的斜率就是 b = SP / SSx（本页不出回归线，见站内线性回归计算器）； 两资产组合的方差是 w₁²σ₁² + w₂²σ₂² + 2w₁w₂·cov(r₁,r₂)——协方差为负正是分散风险 起作用的地方。本页只提供公式里的那个 cov，不做组合方差求解。
本工具不做的事
不做显著性检验（t 值、p 值、自由度、置信区间）与相关强弱判读，这些请用站内的相关系数计算器；不做斯皮尔曼等秩相关的协方差版本； 不做三列及以上的协方差矩阵；不出回归斜率、截距与 R²； 不做加权协方差、滚动协方差、时间序列自协方差与协整；不做分组／分层协方差与 辛普森悖论检测；不做离群点检测、散点图与缺失值插补；不做两资产组合方差求解。
精度
全链路用高精度十进制引擎（decimal.js，默认 20 位有效数字）求值：均值 → 逐对偏差 → 偏差乘积和 → 两个协方差 → 四个标准差 → r 中间不做任何舍入，只在输出时统一收口到 6 位小数（四舍五入、去掉尾随零；非零但小于该精度的值改用 6 位有效数字显示， 避免一个很小但真实的协方差被显示成平坦的 0）。相关系数由 SP ÷ √(SSx·SSy) 一次算出，不是拿已经舍入的协方差 去除以已经舍入的标准差。逐对明细表的每一格都是各自独立舍入的 展示值，逐行相加可能与偏差乘积和差最后一位。
支持范围：数据对数 2 ~ 100000 对， 单个数据的绝对值不超过 1e150；逐对明细在 n ≤ 200 时给出，超过则明确说明已省略（统计量仍按全部数据计算）。换算模式要求两个标准差 大于 0、|r| ≤ 1、|cov| ≤ sx·sy，超界一律报错而不是 压成 ±1。所有计算在浏览器本地完成，不上传数据。
常见问题
- 协方差怎么算？样本协方差和总体协方差的公式差在哪？
- 两步。第一步算出两列各自的平均值 x̄、ȳ，把每一对数据的偏差乘起来再求和，得到偏差乘积和 SP = Σ(xᵢ−x̄)(yᵢ−ȳ)。第二步除以除数：样本协方差除以 n−1，总体协方差除以 n。差别只在这个除数上。以 x = 2, 4, 8、y = 5, 11, 12 为例：x̄ = 14/3、ȳ = 28/3，三对的偏差乘积分别是 11.555556、−1.111111、8.888889，SP = 19.333333；样本协方差 = 19.333333 ÷ 2 = 9.666667，总体协方差 = 19.333333 ÷ 3 = 6.444444。两者之比恒为 n/(n−1)，这里是 3/2 = 1.5。手算时注意别把 x̄ = 4.666667 先四舍五入再去求偏差，均值是无限小数时提前舍入会让结果在第 6 位上漂——本工具全程用高精度十进制计算，只在显示时才收口到 6 位小数。
- 样本协方差用 n−1、总体协方差用 n，我该用哪个？
- 看手上的数据是「抽出来的一部分」还是「研究对象的全部」。数据是从更大群体里抽样得到的（100 个客户样本、30 天的抽查记录），要用它估计整个总体的协方差，就用样本协方差、除以 n−1，这就是贝塞尔校正：直接除以 n 会系统性低估总体协方差，除以 n−1 才是无偏估计。数据本身就是全部个体（全班 45 个人的两科成绩、公司全部 12 个月的两项支出），没有推断问题，用总体协方差、除以 n。实践里绝大多数场景是抽样，所以样本协方差更常用，本页也把它作为主数字。对应到 Excel：样本用 COVARIANCE.S，总体用 COVARIANCE.P。论文和报告里写清楚用的是哪一个，比选哪一个更重要。
- 协方差的单位是什么？两个协方差数值能不能直接比大小？
- 协方差的单位是「x 的单位 × y 的单位」，不能直接比大小。x 是身高（cm）、y 是体重（kg），协方差的单位就是 cm·kg。这带来一个很容易踩的坑：单位一换，数值就变。把 y 从「万元」改成「元」，每个 y 都乘 10000，协方差跟着乘 10000——本页 x = 1, 2, 4, 7、y = 20, 18, 15, 7 时样本协方差是 −15，把 y 换成 200000, 180000, 150000, 70000 后就变成 −150000，可关系强弱一点没变。所以「协方差 500 比协方差 3 关系更紧密」这句话是错的，两个数可能只是单位不同。要跨数据集比强弱，只能用无量纲的相关系数 r：上面这个例子里，两组数据的 r 都是 −0.99195，一动不动。协方差真正能告诉你的只有方向和它在方差—协方差矩阵、组合方差公式里的角色。
- 协方差是负数说明什么？协方差为 0 可以说明两个变量没关系吗？
- 协方差为负说明方向相反：x 比自己的平均值大的时候，y 倾向于比自己的平均值小。比如 x = 1, 2, 4, 7、y = 20, 18, 15, 7，样本协方差是 −15，总体协方差是 −11.25，x 越大 y 越小。注意「负」只表示方向，不表示强弱——强弱要看 r（这组是 −0.99195，接近完全负相关）。协方差为 0 则要小心：它只说明没有线性关系，不等于两个变量独立。经典反例是 y = x²：取 x = −2, −1, 0, 1, 2，y = 4, 1, 0, 1, 4，协方差精确为 0，可 y 完全由 x 决定，两者一点也不独立。协方差（以及相关系数）只能看见直线形状的关联，抛物线、周期波动这类关系它一律看不见，所以下结论前先画一张散点图。
- 协方差和相关系数有什么区别？知道协方差怎么换算成相关系数？
- 换算只有一步：r = cov ÷ (sx · sy)，反过来 cov = r · sx · sy。比如协方差 12、sx = 4、sy = 5，r = 12 ÷ 20 = 0.6；已知 r = −0.8、sx = 2.5、sy = 4，协方差 = −0.8 × 2.5 × 4 = −8。区别在于相关系数是把协方差用两个标准差归一化之后的结果：协方差有量纲、取值没有上下界，相关系数无量纲、恒在 −1 到 1 之间，因此只有 r 能跨数据集比较。柯西–施瓦茨不等式保证 |cov| ≤ sx·sy，取等号时 r = ±1，这个乘积就是本页给出的「协方差理论上界」。换算有一个硬前提：三个数必须同口径——样本协方差配样本标准差，总体协方差配总体标准差，混着填算出来的 r 是错的，而工具从三个孤立数字里看不出你混没混，所以不会替你换算。要 t 检验、p 值、置信区间和相关强弱判读，请用站内的相关系数计算器，本页只做协方差与换算。
- Excel 里 COVARIANCE.S 和 COVARIANCE.P 有什么区别？算协方差该用哪个？
- 区别只在除数：COVARIANCE.S 是样本协方差（除以 n−1），COVARIANCE.P 是总体协方差（除以 n），判断标准和上面一样——抽样数据用 S，全部个体用 P。本页两个数字同屏给出，正好省掉来回切换函数，结果与 Excel 对得上。微软官方文档的示例可以直接对照：=COVARIANCE.S({2,4,8},{5,11,12}) 官方给的是 9.666666667，本页同一组数据的样本协方差显示 9.666667（6 位小数）；COVARIANCE.P 官方示例 A 列 3, 2, 4, 5, 6、B 列 9, 7, 1.2, 15, 17 得 5.2，本页总体协方差也是 5.2，同时给出样本协方差 6.5。如果你的 Excel 结果和本页差了 n/(n−1) 倍，多半就是函数选反了。另外老版本里的 COVAR 等价于 COVARIANCE.P（除以 n），从旧表格迁移公式时特别容易搞混。还有两种情况 Excel 会直接报错：两个数组个数不等返回 #N/A，任一数组为空或只有 1 个数据点返回 #DIV/0!——本页对应地会提示两列个数必须相同、至少需要 2 对数据，而不是硬凑一个数出来。
- 手算协方差时逐行偏差乘积加起来和偏差乘积和差最后一位，是算错了吗？
- 不是算错，是舍入位置不同：明细表的每一格都是各自独立舍入到 6 位小数后的展示值，把这些已经舍过入的数再相加，末位会和「先精确求和再舍入」的结果差一点。x = 2, 4, 8、y = 5, 11, 12 就是个现成的例子：三行乘积显示为 11.555556、−1.111111、8.888889，加起来是 19.333334，而偏差乘积和显示 19.333333。差的这 0.000001 不是算错——真实的 SP 是 174/9 = 19.3333…，工具内部全程用高精度十进制运算（decimal.js），中间不做任何舍入，只在最后输出时统一收口到 6 位小数。手算核对时如果发现自己的合计和页面差最后一位，先检查是不是也在中途做了四舍五入。同样的道理，页面上的相关系数是直接由 SP ÷ √(SSx·SSy) 一次算出的，不是拿显示出来的协方差去除以显示出来的两个标准差——后者会引入 1e-7 量级的偏差。
- 只有 2 对数据能算协方差吗？某一列数值全都相同时协方差是多少？
- 2 对可以算，1 对不行。n = 1 时样本协方差的分母 n−1 = 0，总体协方差则恒等于 0，两个都不是可用答案，所以本页会直接报错（Excel 同样返回 #DIV/0!）。n = 2 能算出协方差，但要留神：两个点必定连成一条直线，相关系数恒为 ±1，这个 1 不代表关系强，只代表点太少，页面会专门提示。至于某一列的数全都一样（比如 x = 1, 1, 1），情况有点特别：这一列的标准差是 0，相关系数变成 0/0，确实无定义；但协方差本身仍然有定义并且精确等于 0——常数与任何变量的协方差都是 0。所以本页不报错，照常给出协方差 0，只把相关系数一栏标成「无定义」。这也是本页和站内相关系数计算器的一个关键差别：后者的主数字就是 r，遇到常数列只能直接报错。