Linearer Korrelationskoeffizient

Die Korrelation, auch als linearer Korrelationskoeffizient (Pearson) bekannt, ist ein Regressionsmaß, das versucht, den Grad der gemeinsamen Variation zwischen zwei Variablen zu quantifizieren.

Daher ist es ein statistisches Maß, das die lineare Abhängigkeit zwischen zwei Variablen quantifiziert, dh wenn die Werte von zwei Variablen in einem Streudiagramm dargestellt werden, zeigt der lineare Korrelationskoeffizient an, wie gut oder schlecht die dargestellte Punktmenge ist nähert sich einer Linie.

Weniger umgangssprachlich können wir es als die Zahl definieren, die den Intensitätsgrad und den Sinn der Beziehung zwischen zwei Variablen misst.

Sein:

Cov (x; y): das Kovarianz zwischen dem Wert "x" und "y".

(x): Standardabweichung von "x".

(j): Standardabweichung von "y".

Werte, die die Korrelation annehmen kann

ρ = -1 Negative perfekte Korrelation

ρ = 0 Es besteht kein Zusammenhang

ρ = +1 positive perfekte Korrelation

Von positiver Korrelation spricht man, wenn immer dann, wenn der Wert "x" ansteigt, der Wert "y" ansteigt, und zwar mit der gleichen Intensität (+1).

Im umgekehrten Fall, wenn immer der Wert "x" steigt und der Wert "y" fällt, und zwar mit derselben Intensität, dann sprechen wir von einer negativen Korrelation (-1).

Es ist wichtig zu wissen, dass dies nicht bedeutet, dass sie dies im gleichen Verhältnis tun (es sei denn, sie haben die gleiche Standardabweichung).

Grafische Darstellung der Korrelation

Positive perfekte Korrelation:

Es gibt keinen Zusammenhang:

Negative perfekte Korrelation:

Tipp: In vielen Fällen haben wir weder die Mittel noch die Daten, um diese Formel zu verwenden. Wenn wir also zwei Preisreihen haben, können wir den Korrelationskoeffizienten in Excel mit der folgenden Funktion berechnen: coef.de.correl (Preisreihe x; Preisreihe y).