节能计算器

Q: 相关系数告诉我什么?

它量化两个变量在直线中相近的距离。 接近+1 或-1 的值表示强烈的线性关系, 而接近0 的值表示小于或没有线性关联。 该符号显示关系的方向 。

Q: 关联是否意味着因果关系?

否。 高度相关性显示两个变量同时移动,而不是一个变量导致另一个变量。 隐藏的第三个因素,或者纯粹的巧合,可以产生一个没有因果关系的强烈关联。

Q: 什么是强烈的关联?

粗略地说,0.3以下的绝对r的强度较弱,约0.3至0.5中度,0.5至0.7中度至强者,0.7强者。 这个计算器标出你的力量,但明智的截断因字段而异。

Q: 相互关系和共差之间有什么区别?

共变度衡量两个变量的组合,但其大小取决于它们的单位,因此很难解释。 皮尔逊的 r 是两种标准差的共变差,它们将其调整为无单位值的-1至+1范围。

Q: 回归线与相关性有何关联?

最小平方回归线是最适合点的直线, 其斜坡与 r 共享标志。 相关点可以说明点与线的紧紧程度, 而 r 2 给出了线的变异比例 。

计算皮尔逊的 r 在两个数字列表之间。

关联(r) —

R2( 确定) —

强强 —

差数 —

回归坡度 —

倒退拦截 —

对对 —

输入结果时更新。

关于此计算器

皮尔逊的关联系数(r) 测量两个变量(从-1( perfect 负) 到 0( no线性关系) 到+1( perperfy) 之间的线性关系强度和方向。其发现方法是将x和y的共差除以标准差的产值, 标准差的结果将结果标准化为固定-1至+1范围。以同一顺序输入对齐 x和y 值; 两个列表必须具有相同数量的值。计算器返回 r, 确定 r2 的系数, 共差和最小方回归线( oppe and luppy) 之间的系数和最小方位回归线( ople and perfect) 之间的系数和方向( perfective) 。其发现方法是将x和y 的共差值除以x 和 y y 值乘以标准差的乘法计算出。如果其中任一变量都从未改变的话, 则结果是没有定义的。工作例子: x= 1, 3, 3, 4, 4, 5 6 6 上升趋势加,

经常问到的问题

终点

GET https://calculator.free/api/v1/correlation-coefficient/

curl

curl "https://calculator.free/api/v1/correlation-coefficient/?x=1, 2, 3, 4, 5&y=2, 4, 5, 4, 6"

JavaScript `fetch()`

const r = await fetch(
  "https://calculator.free/api/v1/correlation-coefficient/?" + new URLSearchParams({
    "x": "1, 2, 3, 4, 5",
    "y": "2, 4, 5, 4, 6"
  }));
const data = await r.json();
console.log(data.results);

成果仅是一般指导的估计数,而不是财务、医疗或税务咨询。

关于此计算器

经常问到的问题

相关计算器

终点

curl

JavaScript fetch()

JavaScript `fetch()`