Korelasyon Hesaplama Aracı
Pearson korelasyon katsayısını (r), R-karesi ve lineer regresyonu hesapla. Değişkenler arasındaki ilişkiyi analiz et. Ücretsiz çevrimiçi korelasyon hesaplama aracı.
1.
2.
3.
Korelasyon Yorumu
r = 1: Mükemmel pozitif korelasyon
0.7 to 1: Güçlü pozitif korelasyon
0.3 to 0.7: Orta pozitif korelasyon
0 to 0.3: Zayıf pozitif korelasyon
r = 0: Korelasyon yok
-0.3 to 0: Zayıf negatif korelasyon
-0.7 to -0.3: Orta negatif korelasyon
-1 to -0.7: Güçlü negatif korelasyon
r = -1: Mükemmel negatif korelasyon
Pearson Korelasyon Formülü
r = [nΣxy - (Σx)(Σy)] / √[(nΣx² - (Σx)²)(nΣy² - (Σy)²)]
🔒 Tarayıcınızda çalışan hızlı, ücretsiz hesap makineleri. Yükleme yok, %100 gizlilik.
Son güncelleme: Ocak 2026
İlgili Hesap Makineleri
Sıkça Sorulan Sorular
Korelasyon katsayısı (r) bana ne söyler?
Pearson korelasyon katsayısı (r), iki değişken arasındaki doğrusal ilişkinin gücünü ve yönünü ölçer. -1 ile +1 arasında değişir. +1'e yakın değerler güçlü pozitif ilişkiyi gösterir (X arttığında Y de artar), -1'e yakın değerler güçlü negatif ilişkiyi gösterir (X arttığında Y azalır) ve 0'a yakın değerler doğrusal ilişki olmadığını gösterir. Yorumlama: |r| > 0,7 güçlü, 0,5-0,7 orta, 0,3-0,5 zayıf ve < 0,3 çok zayıf veya korelasyon yoktur.
R-kare nedir ve nasıl yorumlanır?
R-kare (r²), korelasyon katsayısının karesi alınarak hesaplanan belirleme katsayısıdır. Y'deki varyansın X tarafından açıklanan yüzdesini temsil eder. Örneğin, r² = 0,64 demek, Y'deki değişkenliğin %64'ünün X ile olan doğrusal ilişkisiyle açıklanabileceği anlamına gelir. Kalan %36 diğer faktörlerden veya rastgele değişkenlikten kaynaklanır. Korelasyon pozitif veya negatif olsun, R-kare her zaman 0 ile 1 arasındadır.
Korelasyon ile nedensellik arasındaki fark nedir?
Korelasyon, iki değişken arasındaki istatistiksel ilişkiyi ölçer—biri değiştiğinde diğeri de değişme eğilimindedir. Nedensellik, bir değişkenin doğrudan diğerinde değişikliğe neden olması demektir. Yüksek korelasyon nedenselliği KANITLAMAZ. Örneğin, dondurma satışları ve boğulmalar korelasyon gösterir (her ikisi de yazın artar), ancak dondurma boğulmaya neden olmaz—sıcak hava her ikisini de etkileyen karıştırıcı bir değişkendir. Nedenselliği kanıtlamak için kontrollü deneyler veya titiz nedensel analiz yöntemleri gerekir.
Pearson korelasyonu mu yoksa diğer korelasyon türlerini mi kullanmalıyım?
Pearson korelasyonunu kullanın: her iki değişken sürekli ve yaklaşık normal dağılımlıysa, ilişki doğrusalsa ve aşırı uç değerler yoksa. Spearman korelasyonunu kullanın: sıralı veriler, doğrusal olmayan monotonik ilişkiler veya uç değerler varsa (ham değerler yerine sıralamaya dayalıdır). Kendall tau'yu kullanın: küçük örneklem boyutu veya çok sayıda eşit sıralama varsa. Kategorik değişkenler için korelasyon yerine ki-kare veya Cramer's V kullanın.
Lineer regresyon denklemi y = mx + b ne anlama gelir?
Lineer regresyon denklemi y = mx + b, veri noktalarınız arasından geçen en uygun doğruyu tanımlar. Eğim (m), X'teki her bir birimlik artış için Y'nin ne kadar değiştiğini gösterir. Örneğin, m = 2,5, X'teki her 1 birimlik artış için Y'nin 2,5 arttığı anlamına gelir. Y-kesişimi (b), X = 0 olduğunda tahmin edilen Y değeridir. Bu denklemi herhangi bir X değeri için Y tahmin etmek için kullanabilirsiniz, ancak yalnızca orijinal verilerinizin aralığında (bu aralığın ötesine ekstrapolasyon güvenilir değildir).