Korrelaatiokertoimen laskin
Syötä kaksi yhtä pitkää lukulistaa laskeaksesi Pearsonin korrelaatiokertoimen niiden välillä.
Vahva positiivinen korrelaatio
Kaava
How this is calculated
Annat kaksi yhtä pitkää listaa, X ja Y, joissa kukin Xᵢ on parina samassa kohdassa olevan Yᵢ:n kanssa (järjestyksellä on merkitystä, koska laskuri vertailee vain samoissa kohdissa olevia arvoja). Ensin se laskee kummankin listan keskiarvon, x̄ ja ȳ, ja mittaa sitten jokaiselle parille poikkeamat dx = xᵢ − x̄ ja dy = yᵢ − ȳ.
Osoittaja summaa tulot dx·dy (kovarianssitermin): se on positiivinen, kun X ja Y ovat taipuvaisia olemaan keskiarvojensa ylä- tai alapuolella yhdessä, ja negatiivinen, kun toinen on korkea ja toinen matala. Nimittäjä, √(Σdx² × Σdy²), skaalaa tuon summan uudelleen kummankin listan hajonnalla, joten r on dimensioton ja jää aina väliin −1 ja +1 alkuperäisistä yksiköistä riippumatta. r² on yksinkertaisesti r toiseen — lineaarisesti jaetun varianssin osuus — ja regressiokulmakerroin on Σdx·dy ÷ Σdx².
Pearsonin r havaitsee vain suoraviivaiset kuviot, olettaa parit riippumattomiksi ja on herkkä poikkeaville arvoille. Se tarvitsee vähintään kaksi paria ja menee epämääräiseksi (määrittelemättömäksi), jos jommassakummassa listassa ei ole lainkaan vaihtelua. Korrelaatio ei koskaan todista, että yksi muuttuja aiheuttaa toisen.
Tietoa tästä laskimesta
Pearsonin korrelaatiokerroin r mittaa, kuinka voimakkaasti kaksi muuttujaa liikkuvat yhdessä suoraviivaisessa suhteessa. Se vaihtelee välillä −1 ja +1: lähellä arvoa +1 oleva arvo osoittaa voimakasta positiivista suhdetta (kun toinen muuttuja kasvaa, niin kasvaa toinenkin), lähellä arvoa −1 oleva arvo osoittaa voimakasta negatiivista suhdetta ja lähellä nollaa oleva arvo osoittaa vähäistä lineaarista suhdetta tai sen puuttumista.
Anna kaksi yhtä pitkää listaa, joissa kukin X on pariutettu samassa kohdassa olevan Y:n kanssa. Laskuri raportoi myös r²:n, selitysasteen, joka on toisesta muuttujasta selittyvän toisen muuttujan varianssin osuus, sekä parhaan sovitussuoran kulmakertoimen. Muista, että korrelaatio ei tarkoita syy-seuraussuhdetta, ja Pearsonin r kuvaa vain lineaarisia suhteita — kaksi muuttujaa voivat olla voimakkaasti yhteydessä kaarevassa kuviossa, mutta silti niiden r on lähellä nollaa.
Usein kysytyt kysymykset
Se mittaa kahden muuttujan välisen lineaarisen suhteen voimakkuutta ja suuntaa. Lähellä arvoja +1 tai −1 olevat arvot osoittavat voimakkaita suhteita, kun taas lähellä nollaa olevat arvot osoittavat heikkoa lineaarista suhdetta tai sen puuttumista.
Ei. Korrelaatio ei tarkoita syy-seuraussuhdetta. Kaksi muuttujaa voivat korreloida voimakkaasti sattuman tai kolmannen taustatekijän takia, ei siksi että toinen aiheuttaa toisen.
R-neliö on korrelaatiokertoimen neliö. Se kuvaa sitä osuutta toisen muuttujan vaihtelusta, joka voidaan selittää lineaarisella suhteella toiseen muuttujaan. Kun r on 0,8, saadaan r²:ksi 0,64 eli 64 %.
Tunnetaan myös nimellä
TG we-Calculate Editorial Team. (2026). Korrelaatiokertoimen laskin [Online calculator]. TG we-Calculate. https://we-calculate.com/fi/calculator/correlation-coefficient-calculator
TG we-Calculate Editorial Team. "Korrelaatiokertoimen laskin." TG we-Calculate. 2026. https://we-calculate.com/fi/calculator/correlation-coefficient-calculator.
TG we-Calculate Editorial Team, "Korrelaatiokertoimen laskin," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/fi/calculator/correlation-coefficient-calculator
@misc{wecalculate_correlation_coefficient_calculator, title = {Korrelaatiokertoimen laskin}, author = {{TG we-Calculate Editorial Team}}, howpublished = {\url{https://we-calculate.com/fi/calculator/correlation-coefficient-calculator}}, year = {2026}, note = {TG we-Calculate} }
Oliko tästä laskimesta sinulle apua?