همبستگی در اکسل

زمان تقریبی مطالعه این مطلب: 5 دقیقه

سطح: پیشرفته

وقتی دو متغیر به همدیگر مرتبط هستند می گوییم همبستگی دارند. مثلا وزن و قد همبستگی دارند چون افراد قد بلند تر وزن بیشتری دارند. درآمد و میزان مالیات همبسنگی دارند. افرادی که پول بیشتری در می آورند باید مالیات بر حقوق بیشتری پرداخت کنند. در این مثال ها و نمونه های دیگر همبستگی هیچگونه مقدار مشخصی برای ارتباطات وجود ندارد. مثلا نمی توانیم بگوییم همه افرادی که 180 سانتی متر قد دارند 2 کیلو گرم از افرادی که 179 کیلو وزن دارند سنگین ترند.

اما برخی رابطه های دیگر چنین ارتباط مشخصی را دارا هستند. مثل سن بر اساس روز یا هفته. در این حالت همبستگی کامل وجود دارد. یا مثلا درجه حرارت سانتیگراد و سلسیوس همبستگی کامل و مثبت دارند. اما این چه اهمیتی دارد؟

هرزمان در خصوص همبستکی صحبت می کنیم از گرایش و نزدیکی صحبت می کنیم. همچنین از رابطه مثبت و یا منفی صحبت می کنیم. اگر بتوانید رابطه بین متغیر ها را به حالت کمی تبدیل کنید می توانید از روی یکی دیگری را پیش بینی کنید. به چنین مدلی پیش بینی تحلیل همبستگی گفته می شود اما عنوان بهتر برای چنین کاری تحلیل رگرسیون نام دارد. حوزه تحلیل بر مبنای رگرسیون و همبستکی بنا نهاده شده است.

روش های سنتی رگرسیون امروزه تا حدودی منسوخ شده و موضوع رگرسیون لجستیک مورد توجه قرار گرفته است که می تواند نوع و تعداد بیشتری از متغیر ها را مورد بررسی قرار دهد. اکنون باید قبل از هر چیزی تکنیک های سنتی رگرسیون را یاد بگیریم. رگرسیون سنتی با متغیر های دو بخشی مشکل دارد و رگرسیون لجستیک این مشکل را حل می کند.

علاوه بر این ها نوع دیگری از رگرسیون به نام رگرسیون خودکار پیش بینی های دقیق تری ارائه می دهد. وقتی که می خواهیم همبستگی و ارتباط بین دو متغیر را بدست آوریم بهتر است ابندا این متغیر ها را به حالت بصری تبدیل کنیم.

در این شکل درجه حرارت های مختلف و میزان فروش بستنی نمایش داده شده اند. این اولین کاری است که برای انجام یک پروژه پیش بینی انجام دهید. (بصری سازی متغیر ها)