Как рассчитать коэффициент корреляции Пирсона в Excel: 3 способа с примерами

Коэффициент корреляции Пирсона — это статистический показатель, который измеряет силу и направление линейной зависимости между двумя переменными. Его значения варьируются от -1 (полная отрицательная корреляция) до +1 (полная положительная корреляция), где 0 означает отсутствие линейной связи. В Microsoft Excel этот коэффициент можно вычислить несколькими способами: с помощью встроенной функции, инструмента анализа данных или даже вручную через формулы массива.

Многие пользователи сталкиваются с трудностями при интерпретации результатов или выборе правильного метода расчета. Например, не все знают, что функция КОРРЕЛ работает только с парными данными, а инструмент Пакет анализа требует предварительной настройки. В этой статье мы разберем 3 проверенных способа расчета коэффициента Пирсона в Excel, покажем, как визуализировать зависимость на графике, и объясним, когда стоит использовать альтернативные методы (например, корреляцию Спирмена для нелинейных данных).

Если вы работаете с большими массивами данных — например, анализируете зависимость между рекламными расходами и продажами — понимание корреляции поможет принимать обоснованные решения. А Excel как раз предоставляет все необходимые инструменты для этого без необходимости использовать специализированное ПО вроде SPSS или R.

Что такое коэффициент корреляции Пирсона и зачем он нужен

Коэффициент Пирсона (обозначается как r) количественно оценивает, насколько сильно две переменные связаны линейной зависимостью. Его ключевые особенности:

• 📊 Диапазон значений: от –1 до +1. Чем ближе к ±1, тем сильнее связь.
• 🔄 Направление: положительное значение (близкое к +1) означает, что при росте одной переменной растет и другая; отрицательное (близкое к –1) — что одна переменная уменьшается при росте другой.
• ⚖️ Линейность: измеряет только линейные зависимости. Если связь нелинейная (например, параболическая), Пирсон даст некорректный результат.

Где применяется на практике?

• 📈 Маркетинг: анализ зависимости между бюджетом на рекламу и конверсией.
• 💰 Финансы: оценка корреляции между акциями разных компаний в портфеле.
• 🧪 Наука: проверка гипотез в экспериментах (например, связь между дозой лекарства и эффектом).

Важно: коэффициент Пирсона не доказывает причинно-следственную связь! Например, если продажи мороженого и количество утоплений коррелируют (r ≈ +0.9), это не значит, что мороженое вызывает утопления. Причина кроется в третьем факторе — жаркой погоде.

⚠️ Внимание: Если в ваших данных есть выбросы (экстремальные значения), они могут исказить коэффициент Пирсона. В таких случаях лучше использовать корреляцию Спирмена (непараметрический метод).

Способ 1: Функция КОРРЕЛ — самый быстрый метод

Встроенная функция КОРРЕЛ (или CORREL в английской версии) — это самый простой способ рассчитать коэффициент Пирсона. Она доступна во всех версиях Excel начиная с 2007 года.

Синтаксис функции:

=КОРРЕЛ(массив1; массив2)

где:

• массив1 — диапазон ячеек с данными первой переменной;
• массив2 — диапазон ячеек с данными второй переменной.

Пример: Допустим, у вас в столбце A2:A10 записаны данные о расходах на рекламу, а в B2:B10 — данные о продажах. Формула будет выглядеть так:

=КОРРЕЛ(A2:A10; B2:B10)

Что делать, если массивы разного размера? Excel автоматически проигнорирует лишние ячейки, но количество пар данных должно совпадать. Например, если в A2:A10 9 значений, а в B2:B8 только 7, функция вернет ошибку #Н/Д.

Убедитесь, что массивы содержат одинаковое количество значений|

Проверьте, нет ли в данных текстовых ячеек или ошибок (#ЗНАЧ!, #ДЕЛ/0!)|

Удалите пустые строки внутри диапазонов|

Если данные в строках (а не в столбцах), скорректируйте формулу (например, =КОРРЕЛ(A2:H2; A3:H3))

-->

Способ 2: Пакет анализа — расширенные возможности

Если вам нужно не только вычислить коэффициент Пирсона, но и получить дополнительную статистику (например, ковариацию или уровень значимости), используйте инструмент Пакет анализа. Он доступен в Excel по умолчанию, но может быть отключен.

Как включить Пакет анализа:

1. Перейдите в Файл → Параметры → Надстройки.
2. Внизу окна выберите Управление: Надстройки Excel и нажмите Перейти.
3. Отметьте галочкой Пакет анализа и нажмите OK.

Теперь инструмент появится на вкладке Данные в группе Анализ. Чтобы рассчитать корреляцию:

1. Выделите ячейку, куда будет выведен результат (например, D1).
2. Перейдите в Данные → Анализ данных → Корреляция.
3. В поле Входной интервал укажите диапазон с данными (например, A1:B10, включая заголовки).
4. Отметьте Метки в первой строке, если у вас есть заголовки столбцов.
5. Выберите Выходной интервал и укажите ячейку для результата (например, D1).
6. Нажмите OK.

В результате вы получите корреляционную матрицу, где на пересечении столбцов будут коэффициенты Пирсона. Например, если вы анализировали столбцы A и B, то искомое значение будет в ячейке на пересечении A и B (или B и A, так как матрица симметрична).

⚠️ Внимание: Если в ваших данных есть пропущенные значения, Пакет анализа автоматически исключит всю строку с пропуском. Это может исказить результаты, если пропуски не случайны. Перед анализом замените пропуски на средние значения или удалите строки.

Способ 3: Ручной расчет через формулы (для понимающих математику)

Если вы хотите разобраться, как работает коэффициент Пирсона "под капотом", можно вычислить его вручную. Формула коэффициента корреляции Пирсона выглядит так:

r = Cov(X, Y) / (σ_X · σ_Y)

где:

• Cov(X, Y) — ковариация между переменными X и Y;
• σX и σY — стандартные отклонения X и Y соответственно.

В Excel это можно реализовать через следующие функции:

1. Ковариация: =КОВАРИАЦИЯ.В(A2:A10; B2:B10) (или =COVARIANCE.P в английской версии).
2. Стандартные отклонения:

   =СТАНДОТКЛОН.В(A2:A10)  // для X
   =СТАНДОТКЛОН.В(B2:B10)  // для Y

3. Итоговая формула:

   =КОВАРИАЦИЯ.В(A2:A10; B2:B10) / (СТАНДОТКЛОН.В(A2:A10) * СТАНДОТКЛОН.В(B2:B10))

Этот метод полезен, если вам нужно:

• 🔍 Понять математику за коэффициентом Пирсона.
• 📊 Получить промежуточные значения (ковариацию, стандартные отклонения) для дальнейшего анализа.
• 🛠️ Автоматизировать расчеты в сложных моделях (например, с использованием VBA).

Критическая деталь: если стандартное отклонение одной из переменных равно 0 (все значения одинаковые), формула вернет ошибку #ДЕЛ/0!, так как делить на ноль нельзя. Это логично: если одна переменная не меняется, корреляцию вычислить невозможно.

Функция КОРРЕЛ|

Пакет анализа|

Ручной расчет через формулы|

Другой инструмент (укажите в комментариях)

-->

Интерпретация результатов: что означает ваш коэффициент

Получив значение коэффициента Пирсона, его нужно правильно интерпретировать. Вот общепринятая шкала оценки силы связи:

Однако не полагайтесь только на значение r. Всегда проверяйте:

• 📉 Визуально: постройте точечную диаграмму (вкладка Вставка → Диаграмма → Точечная). Если точки не образуют приблизительную прямую, Пирсон может дать ложное представление о связи.
• 🔢 Статистическую значимость: даже высокий коэффициент (например, r = 0.8) может быть случайным на маленькой выборке. Используйте p-value (уровень значимости), чтобы подтвердить достоверность.

Пример: если при анализе зависимости между ростом и весом у 1000 человек вы получили r = 0.6, это указывает на умеренную связь. Но если та же корреляция получена на выборке из 10 человек, она может быть статистически незначимой.

Частые ошибки и как их избежать

Даже опытные пользователи Excel иногда допускают ошибки при расчете корреляции. Вот самые распространенные из них:

• 🔢 Несовпадение размеров выборок: если в одном столбце 100 строк, а в другом — 99, функция КОРРЕЛ проигнорирует последнюю строку первого столбца, что исказит результат.

  ⚠️ Внимание: Всегда проверяйте, что количество пар данных одинаково. Используйте функцию =СЧЁТ(A2:A100) для обоих столбцов.

• 📊 Игнорирование нелинейных зависимостей: Пирсон измеряет только линейную корреляцию. Если связь между переменными криволинейная (например, парабола), коэффициент может показать "отсутствие связи" (r ≈ 0), хотя на самом деле она есть.
• 🚫 Текстовые или пустые ячейки: функции КОРРЕЛ и Пакет анализа автоматически исключают строки с нечисловыми данными, что может привести к неполной выборке.
• 🔄 Перепутанные переменные: если поменять местами массив1 и массив2 в функции КОРРЕЛ, результат не изменится (r остается тем же). Однако в корреляционной матрице из Пакет анализа порядок важен для интерпретации.

Как избежать ошибок:

1. Перед расчетом очистите данные от пустых ячеек и текста (используйте Фильтр или Условное форматирование для поиска аномалий).
2. Если подозреваете нелинейную зависимость, постройте график или используйте корреляцию Спирмена (функция =КОРРЕЛ.СПИРМЕНА в новых версиях Excel).
3. Для проверки значимости используйте t-тест или рассчитайте p-value вручную.

Визуализация корреляции: как построить график в Excel

Числовое значение коэффициента Пирсона — это хорошо, но визуальное представление данных помогает лучше понять характер связи. В Excel для этого идеально подходит точечная диаграмма (она же scatter plot).

Пошаговая инструкция:

1. Выделите два столбца с данными (например, A1:B10, включая заголовки).
2. Перейдите на вкладку Вставка → в группе Диаграммы выберите Точечная (первый тип — с маркерами, без линий).
3. Добавьте линию тренда:
   • Кликните правой кнопкой по любой точке на графике.
   • Выберите Добавить линию тренда.
   • В настройках линии отметьте Показать уравнение на диаграмме и Показать величину достоверности аппроксимации (R²).

=Т.TEST(массив1; массив2; 2; 2)

=CORREL(диапазон1; диапазон2)