Калькулятор коэффициента корреляции Пирсона (r)

Калькулятор коэффициента корреляции Пирсона (r)

Развивающийся AI Skill PRO

Введите расчет

Результаты

Коэффициент корреляции Пирсона
0,774597
r (от −1 до +1)
Объём выборки (n) 5
Коэффициент детерминации (r²) 0,6
Наклон линии регрессии 0,6
Сдвиг регрессии (свободный член) 2,2
Ковариация (для генеральной совокупности) 1,2

Математическая формула

r=∑(xi−x‾)(yi−y‾)∑(xi−x‾)2∑(yi−y‾)2r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}}
Статистика использования

Реклама

Сообщить об ошибке на этой странице

Что такое коэффициент корреляции Пирсона?

Коэффициент корреляции Пирсона, который обозначают буквой r, показывает, насколько тесно две числовые переменные связаны линейной (прямолинейной) зависимостью. Его значение всегда лежит в пределах от −1 до +1. Значение около +1 говорит о том, что переменные растут вместе, около −1 — что одна растёт, когда другая убывает, а около 0 — что линейной связи практически нет. Инструмент универсален: он подходит для любых парных числовых данных в любой области — от экономики и медицины до инженерии и психологии.

Три точечные диаграммы с положительной, отрицательной и нулевой линейной корреляцией
Точечные паттерны при r около +1, около -1 и около 0.

Как пользоваться калькулятором

Введите значения X и значения Y, разделяя их запятыми или пробелами. Каждое значение X должно соответствовать значению Y на той же позиции, поэтому оба списка обязаны содержать одинаковое количество чисел. Нажмите «Рассчитать», чтобы получить коэффициент \(r\), а также коэффициент детерминации (\(r^2\)), наклон и сдвиг линии регрессии по методу наименьших квадратов и ковариацию.

Разбор формулы

Для каждой точки данных вычисляется отклонение x от его среднего \((x - \bar{x})\) и отклонение y от его среднего \((y - \bar{y})\). В числителе складываются произведения этих отклонений. В знаменателе стоит квадратный корень из произведения сумм квадратов отклонений каждой переменной. Деление нормирует результат — он становится безразмерным и всегда укладывается в диапазон от −1 до +1.

$$r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}}$$
Реклама
Точечная диаграмма с линиями средних, делящими точки на четыре квадранта
Отклонение каждой точки от средних X и Y определяет сумму корреляции.

Пример расчёта

Возьмём X = 1, 2, 3, 4, 5 и Y = 2, 4, 5, 4, 5. Средние значения равны \(\bar{x} = 3\) и \(\bar{y} = 4\). Сумма произведений отклонений \(\sum (x - \bar{x})(y - \bar{y}) = 6\), \(\sum (x - \bar{x})^2 = 10\), а \(\sum (y - \bar{y})^2 = 6\). Отсюда $$r = \frac{6}{\sqrt{10 \times 6}} = \frac{6}{\sqrt{60}} \approx 0{,}7746$$ — это указывает на достаточно сильную положительную линейную связь.

Частые вопросы

Что показывает \(r^2\)? Это квадрат коэффициента \(r\), который отражает долю изменчивости Y, объяснённую линейной связью с X. При \(r = 0{,}7746\) получаем \(r^2 \approx 0{,}6\) — то есть линейная зависимость объясняет около 60 % разброса данных.

Доказывает ли корреляция причинно-следственную связь? Нет. Высокий \(r\) говорит лишь о том, что переменные изменяются согласованно, но не доказывает, что одна является причиной другой.

Что если \(r\) равен ровно 0? Это значит, что линейной связи нет. При этом нелинейная зависимость вполне может существовать — её коэффициент Пирсона просто не способен уловить.

Реклама

Интерпретация коэффициента корреляции

Коэффициент Пирсона \(r\) всегда находится в интервале от \(-1\) до \(+1\). Знак показывает направление связи: положительный знак означает, что Y, как правило, растёт при росте X, а отрицательный — что Y, как правило, снижается при росте X. Величина \(|r|\) показывает, насколько точно точки следуют за прямой линией. Значение 0 означает отсутствие линейной связи, что не равнозначно полному отсутствию какой-либо связи.

|r| Распространённое описание
0.00 – 0.19 Очень слабая
0.20 – 0.39 Слабая
0.40 – 0.59 Умеренная
0.60 – 0.79 Сильная
0.80 – 1.00 Очень сильная

Эти пороговые значения являются ориентировочным правилом, а принятые соглашения различаются в зависимости от области знаний. Широко цитируемые критерии Коэна для поведенческих наук считают 0.1 малым значением, 0.3 — средним и 0.5 — большим. В физике и инженерии часто ожидают |r| выше 0.95, тогда как в социальных науках и медицине значительно более низкие значения могут считаться содержательными. Оценивайте величину, сравнивая её с нормами вашей дисциплины.

Объяснённая дисперсия: \(r^2\), коэффициент детерминации, — это доля дисперсии Y, которая объясняется линейной связью с X. Например, при \(r = 0.775\) получаем \(r^2 \approx 0.60\), то есть примерно 60% вариации Y линейно связаны с X. Обратите внимание, что \(r^2\) не имеет знака.

Оговорки

  • Выбросы: одна экстремальная точка может резко повысить или понизить r. Всегда изучайте диаграмму рассеяния.
  • Нелинейные зависимости: идеальная U-образная или криволинейная связь может давать r, близкий к 0.
  • Ограниченный диапазон: если вы выбираете лишь узкий интервал значений X, r обычно меньше, чем на всём диапазоне.
  • Малые выборки: при небольшом числе пар r может быть большим чисто случайно. Например, при n = 3 возможно почти любое значение. Здесь помогают проверка значимости и доверительные интервалы.
  • Квартет Анскомба: четыре разных набора данных, которые имеют почти одинаковые сводные статистики (r ≈ 0.816, одинаковые средние и дисперсии, одна и та же подобранная прямая), но выглядят совершенно по-разному на графике. Это показывает, что одного лишь r никогда недостаточно.
  • Корреляция не означает причинность: сильный r может возникать из-за смешивающей переменной, обратной причинности или простого совпадения.

Ключевые термины и определения

Коэффициент корреляции (r)
Безразмерное число от −1 до +1, которое измеряет силу и направление линейной связи между двумя переменными.
Коэффициент детерминации (r²)
Квадрат r. Это доля дисперсии Y, которая линейно объясняется через X, и она лежит в диапазоне от 0 до 1.
Ковариация
Мера того, как две переменные изменяются совместно, в единицах X, умноженных на единицы Y. Выборочная ковариация делит \(S_{xy}\) на \(n-1\). Генеральная ковариация делит на \(n\).
Угловой коэффициент регрессии
Изменение предсказанного Y при увеличении X на одну единицу: \(b = S_{xy}/S_{xx}\).
Свободный член
Предсказанное значение Y при X = 0: \(a = \bar{y} - b\bar{x}\).
Прямая наименьших квадратов
Прямая \(\hat{y} = a + bx\), которая минимизирует сумму квадратов вертикальных расстояний между наблюдаемыми точками и прямой.
Парные данные
Наблюдения, в которых каждое значение X сопоставлено со значением Y от того же субъекта или случая. Оба списка должны иметь одинаковую длину.
Выброс
Точка данных, далеко отстоящая от общей закономерности. Она может сильно искажать r, угловой коэффициент и свободный член.
Линейная и монотонная связь
Линейная связь следует по прямой. Монотонная связь постоянно растёт или постоянно убывает, но не обязательно с постоянной скоростью, поэтому может быть криволинейной.
Ранговая корреляция Спирмена
Альтернатива r Пирсона для монотонных, но нелинейных данных, данных с выбросами или порядковых значений. Вычисляется по рангам значений, а не по самим исходным значениям.
Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика