เครื่องคำนวณสัมประสิทธิ์สหสัมพันธ์

Q: R-squared (สัมประสิทธิ์การกำหนด) คืออะไร?

R-squared (R2) คือกำลังสองของสัมประสิทธิ์สหสัมพันธ์และแสดงถึงสัดส่วนของความแปรปรวนในตัวแปรหนึ่งที่สามารถทำนายได้จากอีกตัวแปรหนึ่ง ตัวอย่างเช่น ถ้า r = 0.8 แล้ว R2 = 0.64 หมายความว่า 64% ของความแปรปรวนใน Y สามารถอธิบายได้โดย X R2 มีค่าตั้งแต่ 0 ถึง 1 และเป็นบวกเสมอ

คำนวณสัมประสิทธิ์สหสัมพันธ์เพียร์สัน สเปียร์แมน และเคนดอลล์ พร้อมแผนภาพกระจายแบบโต้ตอบ การวิเคราะห์การถดถอย ค่า p และขั้นตอนการคำนวณโดยละเอียด

ลองชุดข้อมูลตัวอย่าง

✓ สมบูรณ์แบบ (r=1) ● บวกแข็งแกร่ง ○ ปานกลาง ≈ อ่อน ↓ ลบ

ตัวแปร X X

ตัวแปร Y Y

ความแม่นยำทศนิยม

Embed เครื่องคำนวณสัมประสิทธิ์สหสัมพันธ์ Widget

เกี่ยวกับ เครื่องคำนวณสัมประสิทธิ์สหสัมพันธ์

ยินดีต้อนรับสู่เครื่องคำนวณสัมประสิทธิ์สหสัมพันธ์ เครื่องมือทางสถิติที่ครอบคลุมซึ่งคำนวณสัมประสิทธิ์สหสัมพันธ์เพียร์สัน สเปียร์แมน และเคนดอลล์ พร้อมการแสดงผลแผนภาพกระจายแบบโต้ตอบ การวิเคราะห์การถดถอย และขั้นตอนการคำนวณโดยละเอียด ไม่ว่าคุณจะกำลังวิเคราะห์ข้อมูลวิจัย ศึกษาความสัมพันธ์ระหว่างตัวแปร หรือทำการวิเคราะห์ทางสถิติ เครื่องคำนวณนี้จะให้ข้อมูลเชิงลึกระดับมืออาชีพสำหรับชุดข้อมูลของคุณ

สัมประสิทธิ์สหสัมพันธ์คืออะไร?

สัมประสิทธิ์สหสัมพันธ์เป็นการวัดทางสถิติที่ระบุความแข็งแกร่งและทิศทางของความสัมพันธ์ระหว่างสองตัวแปร สัมประสิทธิ์สหสัมพันธ์มีค่าตั้งแต่ -1 ถึง +1 โดยขนาดบ่งบอกความแข็งแกร่งและเครื่องหมายบ่งบอกทิศทางของความสัมพันธ์

การตีความค่าสหสัมพันธ์

ช่วงสหสัมพันธ์	ความแข็งแกร่ง	การตีความ
0.80 ถึง 1.00	แข็งแกร่งมาก	ตัวแปรมีความสัมพันธ์กันสูงมาก
0.60 ถึง 0.79	แข็งแกร่ง	มีความสัมพันธ์ที่ชัดเจน
0.40 ถึง 0.59	ปานกลาง	มีความสัมพันธ์ที่สังเกตได้
0.20 ถึง 0.39	อ่อน	มีความสัมพันธ์เล็กน้อย
0.00 ถึง 0.19	อ่อนมาก	แทบไม่มีความสัมพันธ์

สัมประสิทธิ์สหสัมพันธ์เพียร์สัน

สัมประสิทธิ์สหสัมพันธ์เพียร์สัน (r) วัดความสัมพันธ์เชิงเส้นระหว่างตัวแปรต่อเนื่องสองตัว เป็นการวัดสหสัมพันธ์ที่ใช้กันมากที่สุดและถือว่าตัวแปรทั้งสองมีการแจกแจงปกติ

สูตรสหสัมพันธ์เพียร์สัน

$$r = \frac{\sum_{i=1}^{n}(X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum_{i=1}^{n}(X_i - \bar{X})^2 \sum_{i=1}^{n}(Y_i - \bar{Y})^2}}$$

โดยที่:

X_i, Y_i = จุดข้อมูลแต่ละจุด
X̄, Ȳ = ค่าเฉลี่ยของตัวแปร X และ Y
n = จำนวนคู่ข้อมูล

สัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมน

สัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมน (ρ หรือ r_s) เป็นการวัดแบบไม่ใช้พารามิเตอร์ที่ประเมินความสัมพันธ์แบบโมโนโทนิกระหว่างตัวแปร ใช้ข้อมูลที่จัดอันดับแทนค่าดิบ ทำให้เหมาะสำหรับข้อมูลเชิงลำดับหรือเมื่อความสัมพันธ์ไม่ได้เป็นเชิงเส้นอย่างแท้จริง

สูตรสหสัมพันธ์สเปียร์แมน

$$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$

โดยที่:

d_i = ความแตกต่างระหว่างอันดับของค่า X และ Y ที่สอดคล้องกัน
n = จำนวนคู่ข้อมูล

สัมประสิทธิ์สหสัมพันธ์เคนดอลล์ เทา

สัมประสิทธิ์สหสัมพันธ์เคนดอลล์ เทา (τ) เป็นอีกหนึ่งการวัดแบบไม่ใช้พารามิเตอร์ที่ประเมินความสัมพันธ์เชิงลำดับระหว่างสองตัวแปร นับคู่ที่สอดคล้องกันและไม่สอดคล้องกัน และมีประโยชน์อย่างยิ่งสำหรับขนาดตัวอย่างเล็กหรือเมื่อมีอันดับเท่ากันจำนวนมาก

วิธีใช้เครื่องคำนวณนี้

ป้อนข้อมูลตัวแปร X: ป้อนค่าตัวเลขสำหรับตัวแปรแรกของคุณในพื้นที่ข้อความ ตัวเลขสามารถคั่นด้วยเครื่องหมายจุลภาค ช่องว่าง หรือขึ้นบรรทัดใหม่
ป้อนข้อมูลตัวแปร Y: ป้อนค่าที่สอดคล้องกันสำหรับตัวแปรที่สอง ตรวจสอบให้แน่ใจว่าคุณมีจำนวนค่าเท่ากับตัวแปร X
ตั้งค่าความแม่นยำทศนิยม: เลือกจำนวนตำแหน่งทศนิยม (2-15) สำหรับผลลัพธ์ของคุณ
คำนวณ: คลิกปุ่มเพื่อคำนวณสหสัมพันธ์เพียร์สัน สเปียร์แมน และเคนดอลล์ พร้อมค่า p และการแสดงผล

ทำความเข้าใจผลลัพธ์ของคุณ

ผลลัพธ์หลัก

Pearson r: สัมประสิทธิ์สหสัมพันธ์เชิงเส้น (-1 ถึง +1)
Spearman ρ: สัมประสิทธิ์สหสัมพันธ์อันดับ (-1 ถึง +1)
Kendall τ: สัมประสิทธิ์ความสัมพันธ์เชิงลำดับ (-1 ถึง +1)
ค่า p: นัยสำคัญทางสถิติของแต่ละสหสัมพันธ์

สถิติเพิ่มเติม

R-squared (R²): สัมประสิทธิ์การกำหนด - สัดส่วนของความแปรปรวนที่อธิบายได้
เส้นถดถอย: สมการเส้นที่เหมาะสมที่สุด (Y = aX + b)
สถิติตัวอย่าง: ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และความแปรปรวนร่วม

เมื่อใดควรใช้แต่ละสหสัมพันธ์

ใช้สหสัมพันธ์เพียร์สันเมื่อ:

ตัวแปรทั้งสองเป็นตัวแปรต่อเนื่องและมีการแจกแจงปกติ
ความสัมพันธ์ระหว่างตัวแปรดูเหมือนเป็นเชิงเส้น
ไม่มีค่าผิดปกติที่สำคัญ
คุณต้องการวัดความสัมพันธ์เชิงเส้นโดยเฉพาะ

ใช้สหสัมพันธ์สเปียร์แมนเมื่อ:

ข้อมูลเป็นเชิงลำดับหรือจัดอันดับ
ความสัมพันธ์เป็นแบบโมโนโทนิกแต่ไม่จำเป็นต้องเป็นเชิงเส้น
ข้อมูลมีค่าผิดปกติที่จะส่งผลต่อเพียร์สัน
ข้อสมมติของการแจกแจงปกติถูกละเมิด

ใช้เคนดอลล์ เทาเมื่อ:

ขนาดตัวอย่างเล็ก
มีค่าที่เท่ากันจำนวนมาก
คุณต้องการการวัดที่แข็งแกร่งกว่าด้วยข้อสมมติน้อยกว่า

การประยุกต์ใช้การวิเคราะห์สหสัมพันธ์

การวิจัยและวิชาการ

นักวิจัยใช้การวิเคราะห์สหสัมพันธ์เพื่อสำรวจความสัมพันธ์ระหว่างตัวแปรก่อนทำการวิเคราะห์ที่ซับซ้อนกว่า ช่วยระบุตัวทำนายที่เป็นไปได้และเข้าใจโครงสร้างข้อมูล

การเงินและเศรษฐศาสตร์

สหสัมพันธ์มีความสำคัญสำหรับการกระจายพอร์ตโฟลิโอ การจัดการความเสี่ยง และการทำความเข้าใจว่าสินทรัพย์หรือตัวชี้วัดทางเศรษฐกิจต่างๆ เคลื่อนไหวไปด้วยกันอย่างไร

การดูแลสุขภาพและการแพทย์

นักวิจัยทางการแพทย์ใช้สหสัมพันธ์เพื่อศึกษาความสัมพันธ์ระหว่างปัจจัยเสี่ยง ผลการรักษา และผลลัพธ์ด้านสุขภาพ

จิตวิทยาและสังคมศาสตร์

การวิเคราะห์สหสัมพันธ์ช่วยทำความเข้าใจความสัมพันธ์ระหว่างโครงสร้างทางจิตวิทยา การวัดพฤติกรรม และตัวแปรทางสังคม

ข้อควรพิจารณาที่สำคัญ

สหสัมพันธ์ไม่ได้หมายถึงความเป็นเหตุเป็นผล

สหสัมพันธ์ที่สูงระหว่างสองตัวแปรไม่ได้หมายความว่าตัวหนึ่งเป็นสาเหตุของอีกตัว อาจมีตัวแปรกวน ความเป็นเหตุเป็นผลแบบย้อนกลับ หรือความสัมพันธ์โดยบังเอิญ

ขนาดตัวอย่างมีความสำคัญ

ตัวอย่างเล็กอาจให้สหสัมพันธ์ที่ทำให้เข้าใจผิด ด้วยจุดข้อมูลเพียงไม่กี่จุด แม้แต่ข้อมูลสุ่มก็สามารถแสดงสหสัมพันธ์ที่ดูแข็งแกร่งแต่ไม่มีนัยสำคัญทางสถิติ

ค่าผิดปกติสามารถบิดเบือนผลลัพธ์

ค่าสุดขั้วสามารถส่งผลต่อสหสัมพันธ์เพียร์สันอย่างมาก พิจารณาใช้สเปียร์แมนหรือตรวจสอบข้อมูลของคุณสำหรับค่าผิดปกติเมื่อผลลัพธ์ดูผิดปกติ

คำถามที่พบบ่อย

สัมประสิทธิ์สหสัมพันธ์เพียร์สันคืออะไร?

สัมประสิทธิ์สหสัมพันธ์เพียร์สัน (r) วัดความสัมพันธ์เชิงเส้นระหว่างตัวแปรต่อเนื่องสองตัว มีค่าตั้งแต่ -1 ถึง +1 โดย +1 แสดงถึงความสัมพันธ์เชิงเส้นบวกที่สมบูรณ์ -1 แสดงถึงความสัมพันธ์เชิงเส้นลบที่สมบูรณ์ และ 0 แสดงถึงไม่มีความสัมพันธ์เชิงเส้น

สัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมนคืออะไร?

สัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมน (rho หรือ rs) เป็นการวัดแบบไม่ใช้พารามิเตอร์ที่ประเมินว่าความสัมพันธ์ระหว่างสองตัวแปรสามารถอธิบายได้ดีเพียงใดโดยใช้ฟังก์ชันโมโนโทนิก ทำงานกับข้อมูลที่จัดอันดับและไม่ถือว่ามีการแจกแจงปกติ

ฉันจะตีความค่าสัมประสิทธิ์สหสัมพันธ์อย่างไร?

สัมประสิทธิ์สหสัมพันธ์โดยทั่วไปตีความได้ดังนี้: |r| = 0.00-0.19 (อ่อนมาก), |r| = 0.20-0.39 (อ่อน), |r| = 0.40-0.59 (ปานกลาง), |r| = 0.60-0.79 (แข็งแกร่ง), |r| = 0.80-1.00 (แข็งแกร่งมาก) เครื่องหมายบ่งบอกทิศทาง

ค่า p ในการวิเคราะห์สหสัมพันธ์คืออะไร?

ค่า p บ่งบอกความน่าจะเป็นของการสังเกตค่าสหสัมพันธ์ที่คำนวณได้หากไม่มีสหสัมพันธ์จริงๆ ค่า p ที่น้อยกว่า 0.05 โดยทั่วไปถือว่ามีนัยสำคัญทางสถิติ

R-squared (สัมประสิทธิ์การกำหนด) คืออะไร?

R-squared คือกำลังสองของสัมประสิทธิ์สหสัมพันธ์และแสดงถึงสัดส่วนของความแปรปรวนในตัวแปรหนึ่งที่อธิบายได้โดยอีกตัวแปรหนึ่ง ตัวอย่างเช่น ถ้า r = 0.8 แล้ว R² = 0.64 หมายความว่า 64% ของความแปรปรวนถูกอธิบาย

เมื่อใดควรใช้สหสัมพันธ์เพียร์สันเทียบกับสเปียร์แมน?

ใช้เพียร์สันเมื่อตัวแปรทั้งสองเป็นตัวแปรต่อเนื่อง มีการแจกแจงปกติ และมีความสัมพันธ์เชิงเส้น ใช้สเปียร์แมนเมื่อข้อมูลเป็นเชิงลำดับ มีค่าผิดปกติ หรือเมื่อความสัมพันธ์เป็นแบบโมโนโทนิกแต่ไม่เป็นเชิงเส้น