Coefficiente di correlazione

Esistono diversi campi dell'economia incaricati di misurare empiricamente (stima, previsione e inferenza) quelle relazioni tra variabili, ciò avviene attraverso l'applicazione di metodi statistici e matematici incaricati di fornire contenuti preziosi e utili per il processo decisionale.

Successivamente, spiegheremo cos'è e a cosa serve il coefficiente di correlazione, nonché la sua importanza nel modello della domanda di moneta.

Qual è il coefficiente di correlazione? ✨

Il coefficiente di correlazione o anche chiamato coefficiente di correlazione di Pearson è focalizzato su variabili quantitative (scala di intervallo minimo), e si riferisce ad un indice che permette di analizzare il grado di covarianza esistente tra quelle variabili che sono linearmente correlate.

La correlazione stessa si riferisce alla forma numerica che la statistica può verificare attraverso la relazione di una o più variabili, che si ottiene misurando il livello di dipendenza di una variabile da un'altra variabile totalmente indipendente. Secondo le statistiche, il coefficiente di correlazione ha un carattere di misura lineare tra due variabili casuali quantitative.

coefficiente

A cosa serve il coefficiente di correlazione? ✨

L'obiettivo principale del coefficiente di correlazione è misurare la correlazione tra due variabili. E tra i vantaggi per cui spicca il coefficiente di correlazione rispetto ad altre forme di misurazione della correlazione, è la cosiddetta covarianza, non dimenticare che i risultati del coefficiente di correlazione sono compresi tra -1 e +1, essendo utile la sua semplicità confrontare correlazioni diverse in modo più diretto e semplice.

Se si analizzano due variabili casuali X e Y, relative a una certa popolazione, il coefficiente di relazione sarà espresso con Pxy.

Come viene interpretato? ✨

Questo di solito varia nell'intervallo [-1,1], stabilendo così il segno il significato della relazione, e l'interpretazione di ogni risultato è interpretata come segue:

  • Se r è uguale a 1 significa che si tratta di una correlazione positiva, dove l'indice riflette la dipendenza totale tra entrambe le due variabili, questa si chiama relazione diretta, dove una delle variabili aumenta mentre l'altra aumenta in proporzione costante.
  • Se 0 <r <1 significa che si sta verificando una correlazione positiva.
  • Se r = 0 non esiste una relazione lineare, sebbene ciò non significhi che le variabili siano indipendenti, poiché potrebbero esserci relazioni non lineari tra entrambe le variabili.
  • Se -1 <r <0 indica che esiste una correlazione negativa.
  • Se r = - 1 indica una correlazione negativa perfetta e una dipendenza totale tra entrambe le variabili, questa è nota come relazione inversa. Si verifica quando una variabile aumenta, mentre l'altra invece diminuisce proporzionalmente.

La correlazione riflette la misura dell'associazione tra le variabili, quindi se applicata in probabilità e statistica, la correlazione ti permetterà di conoscere esattamente la forza e la direzione della relazione lineare che si verifica tra due o più variabili casuali.

coefficiente

 

Lascia una risposta

L'indirizzo email non verrà pubblicato. I campi obbligatori sono contrassegnati con *