Hur starkt hänger två saker ihop?
Pearsons r, Spearmans ρ och regressionslinjen för parade data, i ett spridningsdiagram som uppdateras direkt.
Det du anger stannar på din enhet när du använder verktyget. När du öppnar en delad länk skickas inställningarna i adressen till HowToolbox för att förbereda sidan.
Separera med mellanslag, radbrytningar eller semikolon.
Lika många som x, parade i samma ordning.
Pearson r
0,976
Ett starkt positivt samband (r = 0,976): y ökar när x ökar. Regressionslinjen y = 3,673x + 47,6 förklarar 95,3 % av variationen i y.
Spridningsdiagram med regressionslinjen
Viktiga värden som tabell
| x | y | Linjens y | Residual |
|---|---|---|---|
| 1 | 52 | 51,27 | 0,7273 |
| 2 | 55 | 54,95 | 0,05455 |
| 3 | 61 | 58,62 | 2,382 |
| 4 | 58 | 62,29 | −4,291 |
| 5 | 68 | 65,96 | 2,036 |
| 6 | 70 | 69,64 | 0,3636 |
| 7 | 69 | 73,31 | −4,309 |
| 8 | 79 | 76,98 | 2,018 |
| 9 | 80 | 80,65 | −0,6545 |
| 10 | 86 | 84,33 | 1,673 |
Korrelation och linje
- Par
- 10
- Pearson r
- 0,976
- Spearman ρ
- 0,976
- Regressionslinje
- y = 3,673x + 47,6
- Lutning
- 3,673 ± 0,2881
- Skärning med y-axeln
- 47,6 ± 1,787
- R²
- 0,9531
- Standardavvikelse för residualerna
- 2,616
- p-värde (r = 0)
- < 0,001
- y på linjen vid x = 5,5
- 67,8
Pearsons r, Spearmans ρ och regressionslinjen för parade data, i ett spridningsdiagram som uppdateras direkt.
Så använder du verktyget
- Klistra in x-värdena i den första rutan och motsvarande y-värden i den andra, i samma ordning; en kolumn kopierad från ett kalkylblad fungerar.
- Läs av Pearsons r och meningen under; spridningsdiagrammet visar varje par, regressionslinjen och hur långt varje punkt ligger från den.
- Dra punkten på linjen, eller använd piltangenterna på den, för att läsa av linjens y vid valfritt x.
Så fungerar det
Korrelation mäter hur nära två storheter följs åt längs en rät linje. Pearsons r går från −1 (en perfekt fallande linje) via 0 (inget linjärt mönster) till +1 (en perfekt stigande linje). Spearmans ρ är samma beräkning på värdenas rangordning, så den mäter varje jämn ökning eller minskning, inte bara en rät, och påverkas mindre av en enstaka extrem punkt.
Regressionslinjen y = a + b·x är den som gör de kvadrerade lodräta avstånden till punkterna (residualerna) så små som möjligt: b = Σ(x − x̄)(y − ȳ) ÷ Σ(x − x̄)², a = ȳ − b·x̄, där x̄ och ȳ är medelvärdena. R², kvadraten på r, är den andel av variationen i y som linjen förklarar. I exemplet, studietimmar 1 till 10 mot provpoäng, blir b = 303 ÷ 82,5 ≈ 3,67 poäng per timme, a ≈ 47,6 och r ≈ 0,976, så linjen förklarar ungefär 95 % av spridningen i poängen. Metoderna följer NIST/SEMATECH e-Handbook of Statistical Methods.
p-värdet testar om den verkliga korrelationen kan vara noll, med t = r√((n − 2) ÷ (1 − r²)) och n − 2 frihetsgrader. En stark korrelation visar inte att den ena saken orsakar den andra, ett krökt samband kan ha r nära 0, och en linje bör inte litas på långt utanför datats intervall.
Räkneexempel
Vilken är den bäst anpassade linjen och korrelationen för x = 1 2 3 4 5 och y = 2 4 5 4 5?
- Medelvärdena är x̄ = 3 och ȳ = 4.
- Lutningen är b = Σ(x − x̄)(y − ȳ) ÷ Σ(x − x̄)² = 0,6, och skärningen med y-axeln är a = ȳ − b·x̄ = 2,2.
- Pearsons r = 0,77, alltså R² = 60 %.
y = 2,2 + 0,6·x med r = 0,77: linjen förklarar 60 % av variationen i y.
Källor
- NIST Statistical Reference Datasets: Norris (linear regression)Används för: referensdata
- NIST/SEMATECH e-Handbook of Statistical Methods: §4.1.4.1 Linear Least Squares RegressionAnvänds för: formel
Vanliga frågor
Vad är en stark korrelation?
Som tumregel är |r| över 0,7 stark, 0,3 till 0,7 måttlig, 0,1 till 0,3 svag och under 0,1 försumbar. Vad som räknas som starkt beror också på området: i fysik kan r = 0,9 vara dåligt, i samhällsvetenskap kan r = 0,4 betyda något.
Vad händer om några celler inte är tal?
Räknaren utelämnar hela paret som innehåller ett icke-tal och listar den avvisade posten. Kontrollera de återstående paren, eftersom borttagna observationer kan ändra sambandet.
Ska jag sortera mina två kolumner först?
Låt varje x-värde stå bredvid sitt y-värde. Om du sorterar en kolumn för sig ändras paren och en missvisande korrelation kan uppstå.
Varför visas ingen korrelation när alla y-värden är lika?
Korrelation kräver variation i båda storheterna. Ett konstant y ger fortfarande en vågrät anpassad linje, men Pearsons r och Spearmans ρ är odefinierade.
Hur många par kan jag ange?
Ange mellan 3 och 500 matchande par. Ett litet urval kan ge ett instabilt resultat, så titta på spridningsdiagrammet och inte bara på koefficienten.





