Калькулятор коэффициента корреляции
Коэффициент корреляции Пирсона (r) характеризует линейную зависимость между двумя переменными, степень их совместного изменения. Данный калькулятор принимает парные значения X и Y, вычисляет коэффициент r и r² (доля объяснённой дисперсии), а также количество использованных пар.
Как рассчитать корреляцию
-
1
Вставьте парные данные
По одному значению X и одному значению Y в каждой строке; значения разделяются запятой или табуляцией. Или вставьте данные из электронной таблицы.
-
2
Выполните расчёт
Калькулятор соединяет эти данные и вычисляет средние значения, отклонения и формулу Пирсона.
-
3
Прочитайте значения r и r²
Значение переменной r варьируется от –1 до +1; величина r² представляет собой её квадрат и интерпретируется как процентное соотношение общей дисперсии.
-
4
Учитывайте размер выборки
Проверьте количество пар (n), которое отображается вместе с результатами. При малых выборках значение r ненадёжно, поэтому всегда указывайте n вместе с r.
Формула
r = Σ((xᵢ - x̄)(yᵢ - ȳ)) / √(Σ(xᵢ - x̄)² × Σ(yᵢ - ȳ)²)
Если выразить это эквивалентно, то получится r = cov(X, Y) / (σ_X × σ_Y), это ковариация, нормализованная на произведение стандартных отклонений, что ограничивает результат диапазоном [-1, +1].
Толкование r
| Значение r | Линейная зависимость |
|---|---|
| ±0,9 до ±1,0 | Очень сильная |
| ±0,7 до ±0,9 | Сильная |
| ±0,5 до ±0,7 | Умеренная |
| ±0,3 до ±0,5 | Слабая |
| ±0,0 до ±0,3 | Очень слабая или отсутствует |
r² (коэффициент детерминации), это доля дисперсии переменной Y, объясняемая линейной моделью на основе переменной X. При r = 0,7 значение r² составляет 0,49, то есть примерно половина дисперсии объясняется линейным модельным подходом, а другая половина, нет.
Когда Пирсон: неподходящий инструмент
Метод Пирсона предполагает наличие линейной зависимости при данных, близких к нормальному распределению, и отсутствие значительных аномалий. Он плохо справляется с такими случаями:
- Криволинейные зависимости: функция y = x² в интервале [-5, 5] имеет коэффициент корреляции r = 0, несмотря на то что её значения полностью предсказуемы.
- Аномальные значения: один точечный показатель, отклоняющийся более чем на 5 стандартных отклонений, может удвоить или уменьшить значение r вдвое.
- Ранговые данные: используйте коэффициент корреляции Спирмена ρ.
- Бинарные или категориальные данные: в зависимости от типа используйте точечно-бисериальный коэффициент, коэффициент фи или V Крамера.
Корреляция не является причиной: классический пример
Две переменные могут сильно коррелировать по следующим причинам:
- X вызывает Y.
- Y вызывает X.
- Третья переменная Z вызывает оба эффекта (сопутствующее влияние).
- Чистая случайность (при небольших выборках).
- Смещение при отборе данных при их сборе.
Показатели продаж мороженого и случаев утоплений коррелируют с коэффициентом +0,8 в летние месяцы. Мороженое не является причиной утоплений, оба явления вызываются жаркой погодой.
Размер выборки и статистическая значимость
Значение коэффициента корреляции r для небольшой выборки может быть искажающим. При n = 5 значение r = 0,5 статистически не различимо от нуля (p ≈ 0,4); при n = 100 значение r = 0,2 явно отличается от нуля (p < 0,05). Всегда указывайте размер выборки вместе с значением r. Значение p для r проверяет нулевую гипотезу о том, что истинная корреляция равна нулю.
Часто задаваемые вопросы
Существует умеренная положительная линейная зависимость: r² = 0,25, что означает, что примерно 25 % дисперсии переменной Y объясняется линейно переменной X, а остальные 75 % остаются необъясненными. Это реальный эффект, однако он далеко не детерминирован.
Нет, это обусловлено самой структурой алгоритма. Если результат вычислений находится вне интервала [-1, 1], в процессе вычисления возникает ошибка, обычно из-за неправильной парности данных или использования ковариаты без нормализации по стандартным отклонениям.
Пирсон, для линейных зависимостей в непрерывных данных без значительных отклонений; Спирмен (корреляция рангов), для монотонных, но нелинейных зависимостей или в случаях, когда отклонения сильно влияют на результаты оценки по Пирсону.
Нет. Это описание имеющегося у вас образца, а не прогноз. Кросс-валидация, отдельный тестовый набор или доверительный интервал для величины r, это надёжные способы проверки стабильности.
Сопутствующие инструменты
Калькулятор прогноза роста взрослого
Получите приблизительную оценку взрослого роста по росту биологических родителей. Инструмент не ставит диагнозов.
Калькулятор «сколько часов назад»
Узнайте точные дату и время, которые были заданное число часов назад от текущего момента.
Калькулятор длительности
Рассчитайте длительность между двумя часами в формате HH:MM, десятичных часах, минутах и секундах.
Калькулятор времени ухода с работы
Рассчитайте время ухода по времени прихода, требуемой оплачиваемой работе и неоплачиваемым перерывам. Учитывает смены через полночь и показывает время в 24- и 12-часовом формате.
Калькулятор учебных дней
Считайте будние дни (с понедельника по пятницу) между двумя датами с разбивкой по выходным и по дням недели. Полезно для планирования семестра, заданий и учёта посещаемости.
Калькулятор зарплаты
Переводите любую зарплату между почасовыми, недельными, двухнедельными, месячными и годовыми суммами. Поддерживает любую валюту и индивидуальные графики работы.
Инструмент доступен на других языках
- Calculadora do Coeficiente de Correlação [PT]
- 相関係数計算ツール [JA]
- Calculadora del Coeficiente de Correlación [ES]
- Rekenmachine voor de correlatiecoëfficiënt [NL]
- حاسبة معامل الارتباط [AR]
- Calculateur de coefficient de corrélation [FR]
- Kalkulator Koefisien Korelasi [ID]
- Korrelationskoefficientkalkylator [SV]
- 상관계수 계산기 [KO]
- เครื่องคำนวณสัมประสิทธิ์สหสัมพันธ์ [TH]
- Bộ tính hệ số tương quan [VI]
- Korrelationskoeffizienten-Rechner [DE]
- Kalkulator współczynnika korelacji [PL]
- Correlation Coefficient Calculator [EN]
- Calcolatore del Coefficiente di Correlazione [IT]
- Korelasyon Katsayısı Hesaplayıcısı [TR]
- 相关系数计算器 [ZH]