COEFFICIENT.CORRELATION
Renvoie le coefficient de corrélation de Pearson entre deux jeux de données. Le coefficient varie de -1 (corrélation négative parfaite) à +1 (corrélation positive parfaite), avec 0 indiquant aucune relation linéaire.
COEFFICIENT.CORRELATION(tableau1; tableau2)Arguments
tableau1La première plage de valeurs.tableau2La deuxième plage de valeurs. Doit comporter le même nombre de points de données que tableau1.
=COEFFICIENT.CORRELATION(A2:A20; B2:B20)Une valeur proche de 1 indique une forte corrélation positive entre les deux variables
=COEFFICIENT.CORRELATION(C2:C50; D2:D50)Une valeur négative indique que lorsqu'une variable augmente, l'autre a tendance à diminuer
=COEFFICIENT.CORRELATION(A2:A10; B2:B10)Une valeur proche de 0 suggère l'absence de relation linéaire entre les deux jeux de données
- •COEFFICIENT.CORRELATION ne mesure que la corrélation linéaire
- •Les deux tableaux doivent comporter le même nombre de points de données
- •La corrélation n'implique pas la causalité
- •Utilisez PEARSON pour obtenir le même résultat avec un nom de fonction différent
- •Interpréter un résultat COEFFICIENT.CORRELATION faible comme la preuve d'une absence totale de relation - elle ne mesure que la corrélation linéaire, donc deux variables peuvent être fortement liées de façon non linéaire (courbe) et afficher malgré tout un coefficient proche de 0
- •Ne pas faire correspondre la taille de matrice1 et matrice2, ce qui génère une erreur #N/A puisque chaque valeur d'un tableau a besoin d'une valeur correspondante dans l'autre
- •Supposer qu'une forte corrélation signifie qu'une variable cause l'autre - COEFFICIENT.CORRELATION ne mesure que l'association statistique, pas la causalité
PEARSONCalcule le coefficient de corrélation de Pearson identique à COEFFICIENT.CORRELATION, sous un nom de fonction différent.RSQRenvoie le carré du coefficient de corrélation (R au carré), une mesure liée de la qualité avec laquelle un modèle linéaire explique la variance entre deux variables.COVARIANCE.SMesure comment deux variables varient ensemble en termes absolus, la mesure non normalisée que COEFFICIENT.CORRELATION ramène sur une échelle de -1 à 1.Un résultat COEFFICIENT.CORRELATION proche de 0 signifie-t-il qu'il n'y a aucune relation entre mes variables ?
Pas nécessairement - cela signifie qu'il n'y a pas de relation linéaire. Deux variables peuvent avoir une relation courbe ou cyclique forte et produire malgré tout un coefficient de corrélation proche de 0.
Pourquoi COEFFICIENT.CORRELATION renvoie-t-elle une erreur #N/A ?
matrice1 et matrice2 n'ont probablement pas le même nombre de points de données - la corrélation exige que chaque valeur d'un tableau soit associée à une valeur correspondante dans l'autre.
Une valeur COEFFICIENT.CORRELATION élevée prouve-t-elle la causalité ?
Non, la corrélation ne mesure que la force avec laquelle deux variables évoluent ensemble, pas si l'une cause l'autre. Une forte corrélation pourrait résulter d'une coïncidence ou d'un troisième facteur non mesuré influençant les deux.
Besoin de traduire une formule utilisant COEFFICIENT.CORRELATION ?
Utilisez notre traducteur pour convertir votre formule complète