Come usare
- Incolla una coppia x,y per riga. I separatori virgola, punto e virgola, tabulazione o spazi bianchi funzionano tutti per semplici dati a due colonne.
- Scegli Pearson per l'associazione lineare o Spearman quando ti interessa più la classificazione monotona che l'adattamento in linea retta.
- Leggi il coefficiente insieme al grafico a dispersione e p-value, quindi decidi se hai bisogno di una regressione o di un altro strumento di follow-up.
Pearson e Spearman dai dati XY incollati
Pearson misura l'associazione lineare e si accoppia naturalmente con una vestibilità in linea retta.
Esegui un calcolo per visualizzare il riepilogo dei risultati.
Grafico a dispersione
Sugli schermi stretti, i segni di spunta vengono assottigliati per preservare la leggibilità. Metti a fuoco il grafico e usa ← / → per spostarti tra i punti.
Eseguire un calcolo per ispezionare i punti.
La correlazione non è regressione, e nemmeno dimostra la causalità
La correlazione risponde "con quanta forza queste variabili si muovono insieme?" La regressione risponde "quale linea predice meglio y da x?" Sono correlati, ma non intercambiabili. Inizia con la correlazione quando la prima decisione riguarda l'associazione, quindi passa alla regressione se hai bisogno di un modello adattato.
Pearson contro Spearman
Pearson utilizza i valori numerici originali e si concentra sull'associazione lineare. Spearman converte ogni variabile al primo posto, il che lo rende migliore quando la relazione è monotona ma curva, o quando alcuni valori anomali dominerebbero altrimenti il risultato.
Leggi la trama prima di fidarti del coefficiente
Un singolo coefficiente può nascondere la struttura. Utilizzare il grafico a dispersione per verificare la presenza di cluster, piegature, valori anomali o effetti soffitto. Se il modello è chiaramente non lineare, un coefficiente alto o basso da solo non è un contesto sufficiente per una decisione.
Domande frequenti
Qual è la differenza tra la correlazione di Pearson e quella di Spearman?
Pearson misura l'associazione lineare sui valori originali. Spearman converte prima i valori in ranghi, quindi è preferibile per relazioni monotone ma non perfettamente lineari ed è meno sensibile ai valori anomali.
Correlazione significa causalità?
No. La correlazione descrive solo il modo in cui due variabili si muovono insieme nei dati osservati. Un coefficiente elevato non dimostra che una variabile causa l’altra.
Dovrei usare questa pagina o la regressione lineare?
Utilizza questa pagina quando la tua domanda principale riguarda la forza e la direzione dell'associazione. Utilizza la regressione lineare quando hai bisogno di pendenza, intercetta, valori adattati, residui o diagnostica del modello.
La condivisione URL include i miei dati incollati?
No. La condivisione URL memorizza solo impostazioni leggere come la modalità Pearson o Spearman. I dati grezzi rimangono nel tuo browser.
Imparentato
Commenti (facoltativi)
Per ridurre il carico, i commenti vengono recuperati solo quando necessario.