Вставьте два столбца парных измерений и получите коэффициент корреляции Пирсона r — насколько сильно две переменные движутся вместе по линейной закономерности, — а также r² и суммы, готовые для регрессии.
Нет — это самое важное предупреждение калькулятора. Корреляция может возникать из причинности в любом направлении, из третьей переменной, влияющей на обе, или по совпадению в малых выборках. r измеряет совместное движение, не более того.
Распространённое практическое правило: |r| ниже 0.3 — слабая, 0.3–0.7 — умеренная, выше 0.7 — сильная. Контекст имеет значение — 0.4 может быть важным в медицине и бессмысленным в физике.
Коэффициент r Пирсона видит только линейные закономерности. Идеальная U-образная форма может дать r ≈ 0. Всегда стройте график данных (калькулятор линейной регрессии рисует диаграмму рассеяния), прежде чем доверять одному только r.
Доля дисперсии y, линейно объясняемая x. r = 0.775 даёт r² = 0.60 — около 60% вариации y согласуется с x в линейной модели.
Математика
Математика
Математика
Математика
Математика
Математика
Математика
Математика
Математика
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²). Числитель (ковариация, ненормированная) масштабируется разбросами обеих переменных, что и удерживает r в диапазоне [−1, 1].
Исходные данные: x = [1,2,3,4,5], y = [2,4,5,4,5].
Шаги: 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.
Результат: r = 0.775, r² = 0.600.
Добавьте этот калькулятор на свой сайт или в блог — он полностью бесплатен, не требует регистрации и всегда показывает последнюю версию. Скопируйте код ниже и вставьте его на свою страницу туда, где должен появиться калькулятор. Сохранение небольшой строки с указанием авторства “Powered by Loona Automation” под встроенным блоком помогает сохранять этот инструмент бесплатным — но вы можете оформить её по-своему или удалить; инструмент будет работать в любом случае.