Klistra in två kolumner med parade mätvärden och få Pearsons korrelationskoefficient r — hur starkt de två variablerna rör sig tillsammans i ett rätlinjigt mönster — plus r² och de summor som är färdiga för regression.
Nej — kalkylatorns viktigaste varning. Korrelation kan uppstå ur orsakssamband i endera riktningen, ur en tredje variabel som driver båda, eller av en slump i små urval. r mäter gemensam rörelse, inget mer.
En vanlig tumregel: |r| under 0.3 svag, 0.3–0.7 måttlig, över 0.7 stark. Sammanhanget spelar roll — 0.4 kan vara viktigt inom medicinen och meningslöst inom fysiken.
Pearson r ser endast rätlinjiga mönster. En perfekt U-form kan få r ≈ 0. Rita alltid data (den linjära regressionskalkylatorn ritar spridningen) innan du litar på r ensamt.
Den andel av y:s varians som linjärt förklaras av x. r = 0.775 ger r² = 0.60 — cirka 60% av variationen i y hänger ihop med x i den linjära modellen.
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²). Täljaren (kovariansen, onormaliserad) skalas med båda variablernas spridning, vilket är det som håller r inom intervallet [−1, 1].
Indata: x = [1,2,3,4,5], y = [2,4,5,4,5].
Steg: 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.
Lägg till den här kalkylatorn på din egen webbplats eller blogg — den är helt gratis, kräver ingen registrering och visar alltid den senaste versionen. Kopiera koden nedan och klistra in den på din sida där du vill att kalkylatorn ska visas. Att behålla den lilla krediten “Powered by Loona Automation” under inbäddningen hjälper till att hålla verktyget gratis — men du får gärna utforma eller ta bort den; verktyget fungerar oavsett.