Correlation

همبستگی به رابطه آماری بین دو متغیر اطلاق می شود. به عبارت دیگر این است که چگونه دو متغیر در ارتباط با یکدیگر حرکت می کنند و یا رابطه و اثر هر متغیر بر روی متغیر دیگر چگونه است؟ ضریب همبستگی معمولاً با استفاده از نماد r نشان داده می شود، و از -۱ تا +۱ را در بر می گیرد.

همبستگی مثبت:

هنگامی که مقادیر دو متغیر در یک جهت حرکت می کنند، یعنی هم جهت هستند و با هم ارتباط مستقیمی دارند، به طوری که افزایش/کاهش در مقدار یک متغیر با افزایش/کاهش مقدار متغیر دیگر دنبال می شود (هنگامی که یک متغیر تغییر می کند، متغیرهای دیگر در همان جهت تغییر می کند)، می گوییم Correlation  یا همبستگی مثبتی بین داده ها و اطلاعات وجود دارد.

مثال:هرچه عدد متغیر تعداد طبقات در ساختمان بیشتر می گردد، متغیر ارتفاع هم عدد بیشتری خواهد شد.

همبستگی منفی:

هنگامی که مقادیر دو متغیر در جهت مخالف حرکت می کنند، یعنی ارتباطی بین داده ها به صورت منفی وجود دارد و این داده ها برهم اثری منفی خواهند داشت، به طوری که افزایش/کاهش در مقدار داده متغیر با کاهش/افزایش مقدار داده متغیر دیگر دنبال می شود (هنگامی که یک متغیر تغییر می کند، متغیرهای دیگر در جهت مخالف تغییر می کند). می گوییم Correlation  یا همبستگی منفی بین داده ها و اطلاعات وجود دارد.

مثال: هرچه عدد متغیر تعداد طبقات در ساختمان بیشتر می گردد، متغیر فضای پارک خودرو در یک طبقه پارکینگ هم عدد کمتری خواهد شد.

بدون همبستگی:

هنگامی که هیچ وابستگی خطی یا هیچ رابطه ای بین دو متغیر وجود ندارد، یعنی داده های موجود در متغیرها به هم وابستگی ندارد. (هنگامی که یک متغیر تغییر می کند، متغیر دیگر در هیچ تغییری نمی کند).  می گوییم داده ها بدون Correlation  یا همبستگی می باشند.

مثال:هرچه تعداد طبقات بیشتر شود، عمر بنا بیشتر می گردد.

ضریب همبستگی پیرسون و اسپیرمن:

ضریب همبستگی پیرسون برای محاسبه ی همبستگی دو متغیر فاصله ای یا نسبی به کار برده می شود، ولی ضریب اسپیرمن، همبستگی موجود بین دو متغیر ترتیبی را نشان می دهد، به کمک ضریب همبستگی اسپیرمن روابط غیرخطی بررسی می شود در حالیکه ضریب همبستگی پیرسون به منظور بررسی یک رابطه ی خطی کاربرد دارد.

به عنوان یک قاعده کلی، هنگامی که شما در حال انجام اکتشاف داده ها هستید، توصیه می شود که هر دو همبستگی پیرسون و اسپیرمن را محاسبه کنید. این به این دلیل است که اگر تفاوت آن ها زیاد باشد می توان نتیجه گرفت داده های غیرطبیعی دارید (اگر اونا خيلي نزديکن، پس لازم نيست نگران باشي).