Korrelasjon betyr i utgangspunktet en gjensidig forbindelse mellom to eller flere sett med data. I statistikk brukes bivariate data eller to tilfeldige variabler for å finne sammenhengen mellom dem. De korrelasjonskoeffisient er generelt målingen av korrelasjonen mellom de bivariate dataene som i utgangspunktet angir hvor mye to tilfeldige variabler er korrelert med hverandre.

Hvis korrelasjonskoeffisienten er 0, er de bivariate dataene ikke korrelert med hverandre.

Hvis korrelasjonskoeffisienten er -1 eller +1, er de bivariate dataene sterkt korrelert med hverandre.

r=-1 angir sterk negativ sammenheng og r=1 angir sterk positiv sammenheng.

Generelt, hvis korrelasjonskoeffisienten er nær -1 eller +1, kan vi si at de bivariate dataene er sterkt korrelert til hverandre.

Korrelasjonskoeffisienten beregnes vha Pearsons korrelasjonskoeffisient som er gitt av:

Korrelasjonskoeffisient

Hvor,

r: Korrelasjonskoeffisient.
• : Verdiene til variabelen x.
y_i: Verdier av variabelen y.n: Antall prøver tatt i datasettet.Teller: Kovarians av x og y.Nevner: Produkt av standardavvik av x og standardavvik av y.

I denne artikkelen skal vi se hvordan du finner korrelasjonskoeffisienter i Excel.

Eksempel: Vurder følgende datasett:

Finne korrelasjonskoeffisienten i Excel:

1. Bruke CORREL-funksjonen

I Excel for å finne korrelasjonskoeffisienten bruk formelen:

=CORREL(matrise1;matrise2) matrise1 : matrise av variabel x matrise2: matrise med variabel y For å sette inn matrise1 og matrise2, velg bare celleområdet for begge.

1. La oss finne korrelasjonskoeffisienten for variablene og X og Y1.

Korrelasjonskoeffisient av x og y1

array1 : Sett med verdier av X. Celleområdet er fra A2 til A6.

array2 : Sett med verdier av Y1. Celleområdet er fra B2 til B6.

På samme måte kan du finne korrelasjonskoeffisientene for (X , Y2) og (X , Y3) ved å bruke Excel-formelen. Til slutt er korrelasjonskoeffisientene som følger:

Fra tabellen ovenfor kan vi slutte at:

X og Y1 har negativ korrelasjonskoeffisient.

X og Y2 har positiv korrelasjonskoeffisient.

java ende for loop

X og Y3 er ikke korrelert da korrelasjonskoeffisienten er nesten null.

Eksempel: La oss nå fortsette til de to ytterligere metodene ved å bruke et nytt datasett. Vurder følgende datasett:

Ved hjelp av dataanalyse

Vi kan også analysere det gitte datasettet og beregne korrelasjonskoeffisienten: Følg trinnene nedenfor for å gjøre det:

Trinn 1: Først må du aktivere Dataanalyse ToolPak i Excel. Slik aktiverer du:

1. Gå til Fil fanen øverst til venstre i Excel-vinduet og velg Alternativer .
2. De Excel-alternativer dialogboksen åpnes. Gå nå til Tillegg alternativet og i Få til velg Excel-tillegg fra rullegardinmenyen.
3. Klikk på Gå knapp.
4. Dialogboksen Tillegg åpnes. I denne merker du av for alternativet Analyse ToolPak .
5. Klikk OK !

Dataanalyse-fanen er lagt til

Steg 2: Klikk nå på Data etterfulgt av Dataanalyse . En dialogboks vises.

Trinn 3: Velg i dialogboksen Sammenheng fra listen over alternativer. Klikk OK !

Trinn 4: Korrelasjonsmenyen vises.

Trinn 5: I denne menyen gir du først Inndataområde . Inndataområdet er celleområdet til X- og Y1-kolonnene som uthevet på bildet nedenfor.

Trinn 6: Lever også Utgangsområde som cellenummeret der du vil vise resultatet. Som standard vil utdataene vises i det nye Excel-arket i tilfelle du ikke oppgir noe utdataområde.

Trinn 7: Undersøk Etiketter i første rad alternativ hvis du har etiketter i datasettet. I vårt tilfelle har kolonne 1 etikett X og kolonne 2 har etikett Y1.

Trinn 8: Klikk OK.

Trinn 9: Dataanalysetabellen er nå klar. Her kan du se korrelasjonskoeffisienten mellom X og Y1 i analysetabellen.

På samme måte kan du finne korrelasjonskoeffisienter for XY2 og den til XY3. Til slutt er alle korrelasjonskoeffisientene:

Bruke PEARSON-funksjonen

Den er nøyaktig lik CORREL-funksjonen som vi har diskutert i avsnittet ovenfor. Syntaksen for PEARSON-funksjonen er:

=PEARSON(matrise1;matrise2) matrise1 : matrise av variabel x matrise2: matrise med variabel y For å sette inn matrise1 og matrise2, velg bare celleområdet for begge.

La oss finne korrelasjonskoeffisienten for X og Y1 i datasettet i eksempel 2 ved å bruke PEARSON-funksjonen.

Formelen vil returnere korrelasjonskoeffisienten til X og Y1. På samme måte kan du gjøre for andre.

De endelige korrelasjonskoeffisientene er: