Indsæt to kolonner med parrede målinger og få Pearsons korrelationskoefficient r — hvor stærkt de to variabler bevæger sig sammen i et retlinjet mønster — plus r² og de summer, der skal bruges til regression.
Nej — beregnerens vigtigste advarsel. Korrelation kan opstå fra årsagssammenhæng i begge retninger, fra en tredje variabel, der driver begge, eller ved tilfældighed i små stikprøver. r måler samvariation, intet mere.
En almindelig tommelfingerregel: |r| under 0.3 svag, 0.3–0.7 moderat, over 0.7 stærk. Konteksten betyder noget — 0.4 kan være vigtig i medicin og meningsløs i fysik.
Pearson r ser kun retlinjede mønstre. En perfekt U-form kan få r ≈ 0. Plot altid dataene (Lineær Regressionsberegner tegner spredningen), før du stoler på r alene.
Andelen af y's varians, der lineært forklares af x. r = 0.775 giver r² = 0.60 — omkring 60% af variationen i y stemmer overens med x i den lineære model.
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²). Tælleren (kovarians, unormaliseret) skaleres af begge variables spredning, hvilket er det, der binder r til intervallet [−1, 1].
Input: x = [1,2,3,4,5], y = [2,4,5,4,5].
Trin: x̄ = 3, ȳ = 4. Σ(x−x̄)(y−ȳ) = (−2)(−2) + (−1)(0) + 0(1) + 1(0) + 2(1) = 4 + 0 + 0 + 0 + 2 = 6. Σ(x−x̄)² = 10. Σ(y−ȳ)² = 4 + 0 + 1 + 0 + 1 = 6. r = 6 ÷ √(10 × 6) = 6 ÷ 7.746 = 0.7746.
Resultat: r = 0.775, r² = 0.600.
Tilføj denne beregner til dit eget website eller din blog — den er helt gratis, kræver ingen tilmelding og viser altid den nyeste version. Kopiér koden nedenfor, og indsæt den på din side, hvor beregneren skal vises. Hvis du beholder den lille kreditlinje “Powered by Loona Automation” under indlejringen, hjælper det med at holde dette værktøj gratis — men du er fri til at style eller fjerne den; værktøjet virker på begge måder.