사용방법
- 행당 하나의 x,y 쌍을 붙여넣습니다. 쉼표, 세미콜론, 탭 또는 공백 구분 기호는 모두 간단한 2열 데이터에 작동합니다.
- 직선 적합보다 단조로운 순위에 더 관심이 있는 경우 선형 연관을 위해 Pearson을 선택하거나 Spearman을 선택하십시오.
- 산점도 및 p-값과 함께 계수를 읽은 다음 회귀 분석이 필요한지 또는 다른 후속 도구가 필요한지 결정합니다.
붙여넣은 XY 데이터의 Pearson 및 Spearman
Pearson은 선형 연관성을 측정하고 자연스럽게 직선 맞춤과 쌍을 이룹니다.
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 회귀가 아니며 인과관계를 증명하지도 않습니다.
상관관계는 "이 변수들이 얼마나 강하게 함께 움직이는가?"라고 대답합니다. 회귀 분석에서는 "x에서 y를 가장 잘 예측하는 라인은 무엇입니까?"라고 대답합니다. 서로 관련되어 있지만 서로 바꿔 사용할 수는 없습니다. 첫 번째 결정이 연관성에 관한 것이라면 상관관계로 시작한 다음, 적합 모델이 필요한 경우 회귀분석으로 전환하세요.
피어슨 vs 스피어먼
Pearson은 원래 숫자 값을 사용하고 선형 연관성에 중점을 둡니다. Spearman은 각 변수를 순위 우선으로 변환합니다. 이는 관계가 단조롭지만 곡선일 때 또는 소수의 이상값이 결과를 지배할 때 더 좋습니다.
계수를 신뢰하기 전에 플롯을 읽어보십시오.
단일 계수로 구조를 숨길 수 있습니다. 산점도를 사용하여 군집, 굴곡, 이상치 또는 천장 효과를 확인하십시오. 패턴이 확실히 비선형인 경우, 높거나 낮은 계수만으로는 결정을 내리는 데 충분한 맥락이 아닙니다.
자주 묻는 질문
Pearson과 Spearman 상관 관계의 차이점은 무엇입니까?
Pearson은 원래 값에 대한 선형 연관성을 측정합니다. Spearman은 값을 먼저 순위로 변환하므로 단조로운 관계에는 더 좋지만 완벽하게 선형 관계는 아니며 특이치에 덜 민감합니다.
상관관계는 인과관계를 의미하는가?
아니요. 상관관계는 관찰된 데이터에서 두 변수가 어떻게 함께 움직이는지를 설명할 뿐입니다. 계수가 높다고 해서 한 변수가 다른 변수의 원인이라는 것을 증명할 수는 없습니다.
이 페이지를 사용해야 합니까, 아니면 선형 회귀를 사용해야 합니까?
주요 질문이 협회의 강도와 방향일 때 이 페이지를 사용하십시오. 기울기, 절편, 적합치, 잔차 또는 모델 진단이 필요한 경우 선형 회귀를 사용합니다.
공유 URL에 내가 붙여넣은 데이터가 포함되어 있나요?
아니요. 공유 URL은 Pearson 또는 Spearman 모드와 같은 간단한 설정만 저장합니다. 원시 데이터는 브라우저에 유지됩니다.
관련
설명(선택사항)
부하를 줄이기 위해 필요할 때만 주석을 가져옵니다.