Калькулятор корреляции

Коэффициент корреляции Пирсона (r) измеряет силу и направление линейной зависимости между двумя переменными. Он варьируется от -1 до +1. Значения близкие к +1 указывают на сильную положительную связь (когда X увеличивается, Y тоже увеличивается), значения близкие к -1 указывают на сильную отрицательную связь (когда X увеличивается, Y уменьшается), а значения близкие к 0 указывают на отсутствие линейной зависимости. Интерпретация: |r| > 0,7 — сильная, 0,5-0,7 — умеренная, 0,3-0,5 — слабая, < 0,3 — очень слабая или отсутствует.

R-квадрат (r²) — это коэффициент детерминации, вычисляемый возведением в квадрат коэффициента корреляции. Он представляет процент дисперсии Y, объясняемый X. Например, r² = 0,64 означает, что 64% вариации Y можно объяснить её линейной связью с X. Оставшиеся 36% обусловлены другими факторами или случайной вариацией. R-квадрат всегда находится в диапазоне от 0 до 1, независимо от того, положительная корреляция или отрицательная.

Корреляция измеряет статистическую связь между двумя переменными — когда одна изменяется, другая тоже склонна изменяться. Причинно-следственная связь означает, что одна переменная непосредственно вызывает изменение другой. Высокая корреляция НЕ доказывает причинность. Например, продажи мороженого и утопления коррелируют (оба увеличиваются летом), но мороженое не вызывает утопления — жаркая погода является смешивающей переменной, влияющей на оба показателя. Для установления причинности необходимы контролируемые эксперименты или строгие методы каузального анализа.

Используйте корреляцию Пирсона когда: обе переменные непрерывны и приблизительно нормально распределены, связь линейная, и нет экстремальных выбросов. Используйте корреляцию Спирмена для порядковых данных, нелинейных монотонных связей или при наличии выбросов (основана на рангах, а не сырых значениях). Используйте тау Кендалла для малых выборок или при большом количестве связанных рангов. Для категориальных переменных используйте хи-квадрат или V Крамера вместо корреляции.

Уравнение линейной регрессии y = mx + b описывает линию наилучшего приближения через ваши точки данных. Наклон (m) показывает, насколько изменяется Y при увеличении X на единицу. Например, m = 2,5 означает, что Y увеличивается на 2,5 при каждом увеличении X на 1 единицу. Y-пересечение (b) — это предсказанное значение Y при X = 0. Вы можете использовать это уравнение для предсказания Y для любого значения X, но только в пределах диапазона ваших исходных данных (экстраполяция за пределы этого диапазона ненадёжна).