Korrelationskoeffizient Rechner

The Pearson r measures the linear relationship between two variables, ranging from −1 (perfekt negativ) to +1 (perfekt positiv). A value near 0 means no linear relationship. Formula: r = [n∑xy − ∑x∑y] / √[(n∑x² − (∑x)²)(n∑y² − (∑y)²)].

r² (das Bestimmtheitsmaß) ist einfach r im Quadrat. Während r die Richtung und Stärke der linearen Assoziation misst, gibt r² an, welcher Anteil der Varianz in Y durch X erklärt werden kann. r = 0,9 → r² = 0,81 → 81% der Variation in Y wird erklärt. r² liegt immer zwischen 0 und 1 und hat kein Vorzeichen. While r measures linear association direction and strength, r² tells you what proportion of the variance in Y can be explained by X. r = 0.9 → r² = 0.81 → 81% of Y's variation is explained. r² is always between 0 and 1 and has no directional sign.

Nein. Eine Korrelation zeigt nur, dass sich zwei Variablen tendenziell linear zusammen bewegen. Es bedeutet nicht, dass die eine die andere verursacht. Eine dritte Störvariable könnte beide beeinflussen; die Korrelation könnte zufällig sein (Scheinkorrelation); oder die kausale Richtung könnte umgekehrt sein. It does not mean one causes the other. A third confounding variable could drive both; the correlation could be coincidental (spurious); or the causal direction could be reversed. Causation requires controlled experiments or strong theoretical grounding.

Verwenden Sie die Spearman-Rangkorrelation, wenn: (1) Ihre Daten ordinal und nicht kontinuierlich sind; (2) die Beziehung monoton, aber nicht unbedingt linear ist; (3) Sie signifikante Ausreißer haben, die den Pearson r verfälschen würden. Spearman arbeitet mit den Rängen der Werte und ist daher robuster gegenüber Ausreißern. (2) the relationship is monotonic but not necessarily linear; (3) you have significant outliers that would distort Pearson r. Spearman works on the ranked values of the data, making it more robust to outliers.