짝 측정 두 열을 붙여 넣으면 Pearson의 상관계수 r — 두 변수가 직선 패턴으로 얼마나 강하게 함께 움직이는지 — 와 r², 회귀 준비 합을 얻을 수 있어요.
아니요 — 계산기의 가장 중요한 경고예요. 상관관계는 어느 방향의 인과에서든, 둘 다를 이끄는 제삼의 변수에서, 또는 작은 표본의 우연에서 생길 수 있어요. r은 공동 움직임을 측정해요, 그 이상은 아니에요.
흔한 경험 법칙: |r|이 0.3 미만이면 약함, 0.3–0.7이면 보통, 0.7 초과이면 강함. 맥락이 중요해요 — 0.4는 의학에서는 중요할 수 있고 물리학에서는 의미가 없을 수 있어요.
Pearson r은 직선 패턴만 봐요. 완벽한 U자 모양은 r ≈ 0을 받을 수 있어요. r만 믿기 전에 항상 데이터를 그리세요(선형 회귀 계산기가 산점도를 그려요).
y의 분산 중 x가 선형으로 설명하는 몫. r = 0.775는 r² = 0.60을 줘요 — y 변동의 약 60%가 선형 모델에서 x와 줄을 서요.
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²). 분자(정규화되지 않은 공분산)는 두 변수의 퍼짐으로 나누어지며, 바로 이것이 r을 [−1, 1] 범위에 고정해요.
입력들: x = [1,2,3,4,5], y = [2,4,5,4,5].
단계: 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.
결과: r = 0.775, r² = 0.600.
이 계산기를 자신의 웹사이트나 블로그에 더하세요 — 그것은 완전히 무료이고, 가입이 필요 없고, 항상 최신 버전을 보여줘요. 아래 코드를 복사하고 계산기가 나타나기를 원하는 페이지에 붙여넣으세요. 임베드 아래 작은 “제공: Loona Automation” 크레딧 줄을 유지하면 이 도구를 무료로 유지하는 데 도움이 돼요 — 그러나 스타일을 입히거나 제거해도 자유예요; 도구는 어느 쪽이든 작동해요.