Korelācija, saukta arī par lineāro (Pīrsona) korelācijas koeficientu, ir regresijas mērs, kas mēģina kvantificēt divu mainīgo kopīgo variāciju pakāpi.
Tāpēc tas ir statistikas mērs, kas kvantificē lineāro atkarību starp diviem mainīgajiem, tas ir, ja divu mainīgo vērtības ir izkliedētas izkliedes diagrammā, lineārās korelācijas koeficients norāda, cik labi vai slikti pārstāvēto punktu kopa tuvojas līnijai.
Mazāk sarunvalodā mēs to varam definēt kā skaitli, kas mēra intensitātes pakāpi un divu mainīgo attiecību sajūtu.
Būt:
Cov (x; y): kovariācija starp vērtību "x" un "y".
σ (x): "x" standarta novirze.
σ (y): "y" standartnovirze.
Vērtības, kuras var iegūt korelācija
ρ = -1 Negatīva perfekta korelācija
ρ = 0 Nav korelācijas
ρ = +1 pozitīva perfekta korelācija
Mēs runājam par pozitīvu korelāciju, ja vienmēr, kad vērtība "x" palielinās, vērtība "y" palielinās, kā arī ar tādu pašu intensitāti (+1).
Pretējā gadījumā, ja ikreiz, kad vērtība "x" palielinās, un vērtība "y" krīt, un arī ar tādu pašu intensitāti, tad mēs runājam par negatīvu korelāciju (-1).
Ir svarīgi zināt, ka tas nenozīmē, ka viņi to dara vienādā proporcijā (ja vien viņiem nav vienādas standartnovirzes).
Regresijas analīzeKorelācijas grafiskais attēlojums
Pozitīva perfekta korelācija:
Nav korelācijas:
Negatīva perfekta korelācija:
Padoms: daudzos gadījumos mums nav līdzekļu vai datu, lai izmantotu šo formulu. Tāpēc, ja mums ir divas cenu sērijas, mēs varam aprēķināt korelācijas koeficientu programmā Excel, izmantojot šādu funkciju: coef.de.correl (cenu sērija x; cenu sērija y).
r kvadrātā vai noteikšanas koeficientsvariācijas koeficients
