Statistics Calculators

Pearson korrelationskoefficientkalkylator

Beräkna Pearsons r från de sex sammanfattningsstatistiken för en parad datauppsättning.

Korrelationskoefficientkalkylator

Table of contents

Pearson korrelationskoefficient (r)
Formel
Hur man använder
Tolkning av r
Vanliga frågor

Pearson korrelationskoefficient (r)

Pearson-korrelationskoefficienten r mäter styrkan och riktningen på det linjära sambandet mellan två numeriska variabler. Det sträcker sig från −1 (perfekt negativ korrelation) till +1 (perfekt positiv korrelation), där 0 betyder inget linjärt samband.

Den här kalkylatorn använder de sex standardsammanfattningsstatistiken för en parad datauppsättning, snarare än själva rådataparen. Om du har rådata, beräkna summorna först i ett kalkylblad och lägg sedan in dem här.

Formel

r = (n·Σxy − Σx·Σy) / √[(n·Σx² − (Σx)²)(n·Σy² − (Σy)²)]

Där:

  • n — antal parvisa observationer
  • Σx, Σy — summor av X- och Y-värdena
  • Σxy — summor av produkterna x·y för varje par
  • Σx², Σy² — summor av kvadrerade X- och Y-värden

Hur man använder

  1. Räkna dina datapar och ange n.
  2. Beräkna och ange Σx, Σy, Σxy, Σx², Σy² från ditt kalkylblad.
  3. Pearson-värdet r visas direkt.

Tolkning av r

| |r| intervall | Styrka | |---|---| | 0,00–0,19 | mycket svag | | 0,20–0,39 | svag | | 0,40–0,59 | måttlig | | 0,60–0,79 | stark | | 0,80–1,00 | mycket stark |

Ett positivt r betyder att båda variablerna rör sig tillsammans; ett negativt r betyder att de rör sig i motsatta riktningar.

Vanliga frågor

Innebär r kausalitet?

Nej. Korrelation beskriver bara association. Ett högt r mellan två variabler kan bero på en störande tredje variabel, koincidens eller omvänd kausalitet.

Hur är det med icke-linjära samband?

Pearsons r mäter endast linjär association. Två variabler med ett perfekt kvadratiskt samband kan ha r ≈ 0. För icke-linjära monotona samband, använd Spearmans rangkorrelation istället.

Hur är r relaterat till R²?

R² = r² för en enkel linjär regression. R² är andelen av variansen i Y som förklaras av X.