Kalkulator współczynnika korelacji (Pearsona i Spearmana)

Wpisz swoje wartości. Odpowiedź i pełne rozwiązanie aktualizują się w trakcie pisania.

Wynik

Współczynnik korelacji Pearsona r0,9733
r²0,9473
Współczynnik korelacji rang Spearmana ρ0,9762
Statystyka t dla r Pearsona10,39
Wartość p dla r Pearsona (H₀: brak korelacji liniowej)4,657 × 10⁻⁵
Wartość p dla ρ Spearmana (przybliżenie t)3,314 × 10⁻⁵
xyranga xranga yd²
252110
458220
561341
760431
872550
1075660
1180770
1386880

Zmierz, jak silnie dwie zmienne zmieniają się razem. Wpisz sparowane wartości x i y, aby otrzymać współczynnik korelacji r Pearsona, współczynnik determinacji r² i współczynnik korelacji rang ρ Spearmana, przy czym wartościom powtarzającym się przypisywana jest ich średnia ranga. Kalkulator testuje też r Pearsona pod kątem korelacji liniowej, ze statystyką t i dwustronną wartością p, oraz podaje przybliżoną wartość p dla ρ Spearmana.

Rozwiązanie krok po kroku

Średnie

x̄ = 7,5, ȳ = 68, n = 8

Sumy kwadratów i iloczynów

Sxx = Σ(x − x̄)² = 98
Syy = Σ(y − ȳ)² = 1002
Sxy = Σ(x − x̄)(y − ȳ) = 305

Korelacja Pearsona

r = Sxy/√(Sxx·Syy) = 305/√(98·1002) = 0,9733
r² = 0,9473

Korelacja rang Spearmana

Nadaj rangi każdej liście od najmniejszej (1) do największej i podnieś do kwadratu różnice rang d.
Σd² = 2
ρ = 1 − 6Σd²/(n(n² − 1)) = 1 − 6·2/(8·63) = 0,9762

Test istotności dla r Pearsona (H₀: brak korelacji liniowej)

t = r·√(n − 2)/√(1 − r²) = 0,9733·√6/√(1 − 0,9473) = 10,39
df = n − 2 = 6
p = 2·P(T > |t|) = 4,657 × 10⁻⁵

Istotność ρ Spearmana

t = ρ·√(n − 2)/√(1 − ρ²) = 11,02, p ≈ 3,314 × 10⁻⁵
To przybliżenie t jest rozsądne dla około 10 lub więcej par; dla małych prób użyj tablicy dokładnych wartości krytycznych dla ρ.

Najważniejsze wzory

Sumy kwadratów
Sxx = Σ(x − x̄)² = Σx² − (Σx)²/n, Sxy = Σxy − ΣxΣy/n
Korelacja
r = Sxy/√(SxxSyy)

Jak obliczyć współczynnik korelacji

  1. Oblicz średnie x̄ i ȳ.
  2. Oblicz sumy Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² i Sxy = Σ(x − x̄)(y − ȳ).
  3. Pearson: r = Sxy/√(Sxx·Syy). Zawsze leży między −1 a 1.
  4. Spearman: nadaj rangi każdej zmiennej od najmniejszej do największej, wartościom powtarzającym się przypisz średnią ich rang i oblicz r Pearsona dla rang. Bez powtórzeń jest to równe 1 − 6Σd²/(n(n² − 1)).
  5. Przetestuj r Pearsona pod kątem korelacji liniowej (H₀: brak korelacji liniowej) ze statystyką t = r√(n − 2)/√(1 − r²) i n − 2 stopniami swobody.

Pytania i odpowiedzi

Kiedy użyć Spearmana zamiast Pearsona?

Pearson mierzy zależność liniową i jest wrażliwy na wartości odstające. Spearman wykorzystuje tylko kolejność wartości, więc mierzy każdą zależność, która stale rośnie (lub maleje), i jest odporny na wartości odstające oraz dane skośne. Używaj Spearmana dla danych rangowych lub porządkowych.

Co oznacza r²?

r² to ułamek zmienności y wyjaśniany przez prostą zależną od x. Przy r = 0,9733 mamy r² = 0,9473, więc prosta wyjaśnia około 95% zmienności.

Czy silna korelacja dowodzi, że x powoduje y?

Nie. Obie zmienne mogą zależeć od trzeciej albo skutek może działać w przeciwną stronę. Korelacja opisuje tylko, jak wartości zmieniają się razem.

Co uznaje się za silną korelację?

Orientacyjnie |r| poniżej 0,3 to korelacja słaba, od 0,3 do 0,7 umiarkowana, a powyżej 0,7 silna, ale zależy to od dziedziny: w eksperymencie fizycznym 0,9 może być słabym wynikiem, w naukach społecznych 0,5 może być dużym. Zawsze oglądaj też wykres punktowy.

Dlaczego wartość p zależy od n?

Przy niewielu punktach wysokie r łatwo może pojawić się przypadkiem; przy wielu punktach nawet małe r jest mało prawdopodobne przy H₀. Statystyka t równa r√(n − 2)/√(1 − r²) rośnie wraz z liczbą punktów.

Przećwicz to sam

Ćwicz: Regresja liniowa i korelacja

Kalkulator daje odpowiedź. Na egzaminie potrzebujesz metody: ćwicz ją na nowych zadaniach z podpowiedziami i rozwiązaniami.

</> Osadź

Bezpłatnie dla nauczycieli i szkół: wklej ten kod na stronę kursu, do LMS lub na swoją stronę. Studenci mogą korzystać z kalkulatora i rozwiązania krok po kroku bez konta.

Więcej kalkulatorów