사용방법
- 행당 하나의 x,y 쌍을 붙여넣습니다. 쉼표, 세미콜론, 탭 또는 공백 구분 기호는 모두 간단한 2열 데이터에 작동합니다.
- 직선형 관계를 보려면 피어슨을, 순위 기반의 단조로운 관계를 보려면 스피어만을 선택하세요.
- 산점도와 p값을 함께 읽은 뒤, 회귀 분석이나 다른 후속 도구가 필요한지 결정하세요.
붙여넣은 XY 데이터의 피어슨 및 스피어만
피어슨은 선형 관계의 강도를 볼 때 적합하며 직선 적합과 함께 읽기 좋습니다.
계산을 실행하여 결과 요약을 확인하세요.
산점도
좁은 화면에서는 가독성을 유지하기 위해 눈금이 얇아집니다. 차트에 초점을 맞추고 ← / →를 사용하여 포인트 간을 이동합니다.
계산을 실행하여 점을 검사합니다.
상관관계는 회귀도, 인과관계의 증거도 아닙니다
상관계수는 두 변수가 얼마나 강하게 함께 움직이는지를 보여줍니다. 회귀는 x로 y를 예측하는 직선이나 모델을 찾습니다. 둘은 관련되어 있지만 서로 대신 쓸 수 없습니다. 먼저 관계의 방향과 강도를 보고 싶다면 상관계수로 시작하고, 예측 모델이 필요하면 회귀분석으로 넘어가세요.
피어슨 vs 스피어먼
피어슨은 원래 숫자 값을 사용해 선형 관계를 봅니다. 스피어만은 각 변수를 순위로 바꾼 뒤 비교합니다. 관계가 단조롭지만 곡선에 가깝거나, 소수의 이상값이 결과를 크게 흔들 때 Spearman이 더 견고할 수 있습니다.
계수를 믿기 전에 산점도를 확인하세요
하나의 계수는 구조를 숨길 수 있습니다. 산점도로 군집, 곡선, 이상값, 천장 효과를 함께 확인하세요. 패턴이 뚜렷하게 비선형이면 계수의 높고 낮음만으로는 결정을 내리기에 충분하지 않습니다.
자주 묻는 질문
피어슨과 스피어만 상관계수는 어떻게 다른가요?
피어슨은 원래 값의 선형 관계를 측정합니다. 스피어만은 값을 먼저 순위로 바꾸므로, 단조롭지만 완전히 직선은 아닌 관계나 이상값이 있는 데이터에 더 견고합니다.
상관관계는 인과관계를 뜻하나요?
아니요. 상관관계는 관찰된 데이터에서 두 변수가 함께 움직이는 방식을 설명할 뿐입니다. 계수가 높아도 한 변수가 다른 변수의 원인이라는 뜻은 아닙니다.
이 페이지와 선형 회귀 중 무엇을 써야 하나요?
두 변수의 관계가 얼마나 강하고 어느 방향인지가 주된 질문이면 이 페이지를 사용하세요. 기울기, 절편, 예측값, 잔차, 모델 진단이 필요하면 선형 회귀를 사용하세요.
공유 URL에 내가 붙여넣은 데이터가 포함되어 있나요?
아니요. 공유 URL은 피어슨 또는 스피어만 모드와 같은 간단한 설정만 저장합니다. 원시 데이터는 브라우저에 유지됩니다.
관련
댓글(선택사항)
부하를 줄이기 위해 필요할 때만 댓글을 불러옵니다.