R 소프트웨어 상관 계수의 두 변수 간의 상관 테스트 는 cor() 또는 cor.test() 함수를 사용하여 계산할 수 있습니다: 상관 계수는 항상 -1과 1 사이입니다. 상관 계수가 -1이면 y 값이 x 값 증가보다 동일한 속도로 감소하는 완벽하고 음수 맞춤을 나타냅니다. 상관 계수가 1이면 y-값이 x 값이 증가하는 속도와 동일한 속도로 증가하는 완벽하고 양수 맞춤을 나타냅니다. label_alpha 인수를 사용하면 상관 계수의 강도에 따라 각 레이블의 불투명도를 높이거나 줄일 수 있습니다. 이는 빠르고 시각적인 데이터 분석에 매우 유용합니다. 7단계: 데이터의 위치를 “배열 1” 및 “배열 2” 상자에 입력합니다. 이 예제에서는 “A2:A10″을 배열 1 상자에 입력한 다음 배열 2 상자에 “B2:B10″을 입력합니다. 8단계: “확인”을 클릭합니다. 결과는 2단계에서 선택한 셀에 표시됩니다. 이 특정 데이터 집합의 경우 상관 계수(r)는 -0.1316입니다.
크레이머의 V 상관관계는 Pearson 상관 계수와 유사합니다. Pearson 상관 관계는 선형 관계의 강도를 테스트하는 데 사용되지만 Cramer의 V는 2 x 2 열 및 행이 있는 테이블에서 상관 관계를 계산하는 데 사용됩니다. Cramer의 V 상관 관계는 0과 1 사이에서 다릅니다. 값이 0에 가까우면 변수 간에 연관이 거의 없다는 의미입니다. 크레이머의 V가 1에 가깝기 때문에 매우 강력한 연관성을 나타냅니다. 예를 들어 연도를 살펴보면 예산과 약한 긍정적인 상관 관계가 있고 등급과 마찬가지로 약하고 부정적인 상관 관계가 있음을 알 수 있습니다. 상관 계수는 -1과 1 사이로 구성됩니다: 상관 계수는 통계에 사용되어 두 변수 간의 관계가 얼마나 강한지를 측정합니다. 상관 계수에는 여러 가지 유형이 있습니다: Pearson의 상관 관계(Pearson의 R라고도 함)는 선형 회귀에 일반적으로 사용되는 상관 계수입니다.
통계에서 시작하는 경우 Pearson의 R에 대해 먼저 배울 수 있습니다. 사실, 누군가가 상관 계수를 참조 할 때, 그들은 일반적으로 Pearson의에 대해 이야기하고 있습니다. 4단계: “확인”을 클릭하고 결과를 읽습니다. 출력의 각 상자는 두 변수 간의 상관 관계를 제공합니다. 예를 들어, 이전 형제 및 GPA 수에 대한 PPMC는 -.098이며 이는 사실상 상관 관계가 없음을 의미합니다. 이 정보는 출력의 두 위치에서 찾을 수 있습니다. 왜? 이 상호 참조열과 행은 수십 개의 변수에 대한 PPMC를 비교할 때 매우 유용합니다. 나는 우리의 분석이 통화와 같은 것들이 동일한 단위를 사용하도록함으로써 “사과 대 사과”가 되도록 데이터를 가볍게 재배했습니다.
이 단계가 없다면 총, 예산 및 이익과 같은 변수에 대한 통계 분석은 오해의 소지가 있습니다.
