Liitä kaksi saraketta parittaisia mittauksia ja saat Pearsonin korrelaatiokertoimen r — kuinka voimakkaasti kaksi muuttujaa liikkuvat yhdessä suoraviivaisessa kuviossa — plus r²:n ja regressiovalmiit summat.
Ei — laskurin tärkein varoitus. Korrelaatio voi johtua kausaliteetista kumpaan suuntaan tahansa, kolmannesta muuttujasta, joka ohjaa molempia, tai sattumasta pienissä otoksissa. r mittaa yhteisliikettä, ei mitään muuta.
Yleinen nyrkkisääntö: |r| alle 0.3 heikko, 0.3–0.7 kohtalainen, yli 0.7 vahva. Asiayhteys ratkaisee — 0.4 voi olla merkittävä lääketieteessä ja merkityksetön fysiikassa.
Pearsonin r näkee vain suoraviivaisia kuvioita. Täydellinen U-muoto voi saada r ≈ 0. Piirrä aina tiedot (lineaarisen regression laskuri piirtää sironnan) ennen kuin luotat pelkkään r:ään.
Osuus y:n varianssista, jonka x selittää lineaarisesti. r = 0.775 antaa r² = 0.60 — noin 60% y:n vaihtelusta vastaa x:ää lineaarisessa mallissa.
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²). Osoittaja (kovarianssi, normalisoimaton) skaalautuu molempien muuttujien hajontojen mukaan, mikä kiinnittää r:n välille [−1, 1].
Syötteet: x = [1,2,3,4,5], y = [2,4,5,4,5].
Vaiheet: 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.
Tulos: r = 0.775, r² = 0.600.
Lisää tämä laskuri omalle verkkosivustollesi tai blogiisi — se on täysin ilmainen, ei vaadi rekisteröitymistä ja näyttää aina uusimman version. Kopioi alla oleva koodi ja liitä se sivullesi siihen kohtaan, johon haluat laskurin näkyvän. Upotuksen alla olevan pienen “Palvelun tarjoaa Loona Automation” -maininnan säilyttäminen auttaa pitämään tämän työkalun ilmaisena — mutta voit vapaasti muotoilla tai poistaa sen; työkalu toimii joka tapauksessa.