Какие существуют методы анализа данных для выявления корреляции между показателями?

Некоторые методы анализа данных для выявления корреляции между показателями:

• Коэффициент корреляции Пирсона. 12 Показывает прямолинейную связь между переменными. 1 Принимает значение от -1 до 1. 1 Чем ближе значение к 1, тем выше положительная корреляция между показателями. 1 Если оно ближе к -1 — корреляция отрицательная. 1 Значение, близкое к 0, включая сам ноль, говорит, что корреляции нет. 1
• Коэффициент Кендалла. 1 Показывает корреляцию между факторами, которые можно ранжировать по какому-то признаку. 1 Вместо значений показателя используют ранги — номера, присвоенные значениям при ранжировании. 1 Подходит только для оценки линейной связи. 1
• Коэффициент Спирмена. 12 Предназначен для оценки ранжированных показателей, больше подходит для малых выборок. 1 Использует непараметрические методы, которые могут обрабатывать данные низкого качества — с погрешностями, малым количеством информации и так далее. 1
• Коэффициент фи-корреляции. 1 Применяется для бинарных переменных. 1
• Коэффициент Крамера. 1 Используется для номинальных переменных, основан на критерии хи квадрат. 1

Для оценки нелинейной корреляции не пользуются коэффициентами, а используют более общий показатель — корреляционное отношение. 1

Рассчитать корреляцию можно с помощью онлайн-сервисов, редакторов таблиц, языков программирования или вручную. 1