أثناء استخدام جداول بيانات Google للعمل مع مجموعتي بيانات ، قد ترغب في مقارنة الاثنين عن طريق تحديد الدرجة التي تؤثر بها إحداهما على الأخرى.
يمكن أن تقدم الارتباطات نظرة ثاقبة حول ما إذا كانت هناك علاقة تنبؤية بين المستويين x و y ، لكنها لا تشير بالضرورة إلى السببية. إليك كيفية استخدام جداول بيانات Google لتحديد الارتباطات في بياناتك.
ما هو الارتباط ، وما الذي يمكنك استخدامه من أجله؟
عندما يرتبط متغيرين ، يمكن لأحدهما تحديد كيفية تأثير متغير على الآخر. لكن من المهم أن نتذكر أن الارتباط لا يعني الاعتماد في هذه الحالة ؛ إنه يوضح مدى قرب وسرعة مقارنة متغيرين أو ارتباطهما.
تساعد المقاييس الإحصائية في فهم الاتجاهات الأساسية في تحليل البيانات. الارتباط هو من بين المقاييس الإحصائية الأكثر استخدامًا ، ويحدد مدى ارتباط أو ارتباط متغيرين.
فهم معامل الارتباط في أوراق جوجل
في جداول بيانات Google ، يتم حساب معامل الارتباط باستخدام دالة CORREL. يعمل معامل الارتباط كمقياس لمدى ارتباط مجموعات البيانات ارتباطًا وثيقًا. يمكن استخدامه للحصول على معامل الارتباط اللحظي لحظية المنتج (r) إذا كان لديك مجموعتان متغيرتان من البيانات. إذا كنت ترغب في معرفة المزيد عن هذا المعامل ، يمكنك قراءة المزيد في هذا الدليل من
الإحصاء في ليرد.يمكن للمرء أن يصادف أحد مقاييس الارتباط الثلاثة. كل قياس يحدد العلاقات بين المتغيرات بشكل مختلف. قيمته بين -1 و +1:
- -1 يشير إلى ارتباط سلبي مثالي: عندما يكون للارتباط معامل ارتباط يساوي أو يقل عن -0.9 ، يُذكر أنه سلبي بشدة. إنه مؤشر على أن البيانات مترابطة. ومع ذلك ، يستمر المتغير x في الزيادة ، بينما يستمر المتغير y في التناقص.
- 0 يدل على عدم وجود اتصال: لا تعتبر المتغيرات مرتبطة إذا كان معامل الارتباط أكبر من 0.01 ولكنه أقل من 0.1 نظرًا لعدم وجود علاقة يمكن تمييزها بين كل متغير. هم مستقلون عن بعضهم البعض.
- +1 تشير إلى وجود علاقة إيجابية كاملة: عندما ينخفض معامل الارتباط بين 0.9 و 1 ، فإنه يعتبر إيجابيًا للغاية. يشير إلى أنه كانت هناك زيادة في مجموعتي المتغيرات.
قد تكون أعلى قيمة للمعامل هي معامل الارتباط 1. عندما تكون قيمة الارتباط 1 ، فهذا يعني أنه إذا كنت سترسم البيانات ، فسيتم محاذاتها تمامًا لإنشاء خط مستقيم.
إذا كنت لا تزال ضائعًا بعض الشيء ، فلا تقلق. سنشرح صيغة الدالة CORREL ثم نتعمق في بعض الأمثلة الواقعية لمساعدتك على فهمها بشكل أفضل. فهم الخطوط الأنسب و كيفية عمل خطوط الاتجاه في جداول بيانات Google سوف تساعدك في هذا.
بنية دالة CORREL في جداول بيانات Google
= CORREL (data_y، data_x) دعونا نقسم هذا إلى أجزائه ونفهم بشكل أفضل ما تعنيه كل عبارة:
- = كوريل: هذه هي وظيفة Google Sheet التي تحدد r ، (معامل ارتباط Pearson لحظة المنتج لمجموعة البيانات).
- data_y: يشير هذا إلى مجموعة الخلايا التي تحتوي على البيانات التابعة أو نطاق القيم لتلك الخلايا.
- البيانات x: هذا إما مرجع نحو صفيف الخلايا مع البيانات المستقلة أو نطاق القيم لهذه الخلايا.
إذا كنت سترسم نقاط البيانات بالرسم البياني ، فستكون data_y هي المحور Y وتكون data_x هي المحور X. ستلاحظ وجود طريقتين مختلفتين لإدخال نطاق البيانات. يعتبر إما نطاق خلية مرجعي أو إدخال بيانات مباشر في الوظيفة خيارات.
في معظم الحالات ، يفضل استخدام نطاق الخلايا المرجعية. ذلك لأن جدول البيانات يحتوي على الأرجح بالفعل على بياناتك. يمكن أن يؤدي استخدام نطاق خلية مرجعي إلى تجنب الإدخال المكتوب المفرط الذي قد يؤدي إلى حدوث خطأ من جانب المستخدم.
أمثلة على وظيفة CORREL في جداول بيانات Google
دعنا نتحقق من بعض الأمثلة لفهم كيفية استخدام وظيفة CORREL في جداول بيانات Google.
مثال 1: ارتباط إيجابي قوي
بالنسبة لهذا المثال الأول ، فلنتخيل أننا نعمل في مجال العقارات. في جدول البيانات أدناه ، لدينا أقسام من الهكتارات من الأراضي التي تبيعها وعدد الوحدات المباعة لبيانات تلك الأراضي المختلفة في جدول بيانات Google الخاص بك.
- إذا كنت تتابع جدول البيانات ، فستبدأ بإدخال بيانات المتغيرات في جدول البيانات ، كما هو موضح أدناه:
- انقر فوق الخلية C2
- يكتب = CORREL (
- ستنتقل بعد ذلك إلى كتابة data_y ، وهو في حالتنا نطاق الخلايا المشار إليه A2: A6 ، ثم أدخل فاصلة.
- تابع كتابة data_x ، والتي يشار إليها في حالتنا باسم B2: B6.
- اختم بقوس إغلاق ، كما هو موضح أدناه:
- أخيرًا ، اضغط على يدخل لإرجاع معامل الارتباط لقطعتين من البيانات في الخلية C2.
باستخدام المثال الموضح أعلاه ، حصلت على معامل ارتباط 0.90 ، وهو ارتباط إيجابي قوي حيث أن قيمته تقع بين 0.9 و 1. لذلك ، يشير هذا إلى أنه مع تغير y ، تتغير x أيضًا بطريقة قابلة للمقارنة إلى حد كبير.
يوجد أدناه تمثيل لبيانات العينة الخاصة بنا على رسم بياني مبعثر XY. كما ترى ، فإن خط أفضل ملاءمة قريب من نقاط البيانات على الرسم البياني ، مما يدعم فكرة أن الأرقام مترابطة بشكل كبير.
يمكنك معرفة المزيد عن إنشاء الرسوم البيانية س وص في جداول بيانات جوجل في مقالتنا الأخرى.
مثال 2: ارتباط سلبي ضعيف
هذه المرة ، سنستخدم مثالًا أكثر عمومية لـ "المتغير x و y" في جدول البيانات الخاص بنا. لقد قمنا بتضمين الأرقام عن قصد لإثبات وجود ارتباط سلبي ، والذي توضحه دالة CORREL أدناه:
لا توجد علاقة قوية بين المتغيرين y و x ، وبالتالي فإن النتيجة التي نحصل عليها هي معامل ارتباط أقل أهمية مما في المثال السابق. النتيجة التي حققناها هي -0.47. هذا لا يعني ، مع ذلك ، أنه لا يوجد ارتباط على الإطلاق. دعونا نلقي نظرة على أفضل مجموعة مناسبة مرة أخرى لفهمها.
كما ترى من خلال مخطط التبعثر ، تكون نقاط البيانات بعيدة عن خط الملاءمة الأفضل. لذلك ، هناك ارتباط أقل مما كان عليه في المثال الأول ، ولكن ليس لا شيء. ستلاحظ أيضًا أن الخط الأفضل ملاءمة آخذ في التناقص. يُظهر هذا ارتباطًا سلبيًا ، حيث تقل قيمة واحدة مع زيادة الأخرى.
مثال 3: لا يوجد اتصال
هنا لدينا مجموعة من الأرقام العشوائية تمامًا. دعنا نتطرق بسرعة إلى كيفية استخدام وظيفة CORREL مرة أخرى:
- اكتب في الخلية C2 صيغة CORREL
- حججنا ج 2: أ 10 و B2: B10
- هاهنا
القيمة التي يتم إرجاعها على C2 هي 0.02. إذا كان معامل الارتباط يقع بين 0.01 و 0.1 ، يتم تحديد أن المتغيرات المعنية لا ترتبط نظرًا لعدم وجود اتصال واضح بينهما. العلاقات بين المتغيرات مستقلة تمامًا.
يوجد أدناه تمثيل مماثل على الرسم البياني المبعثر. خط أفضل ملاءمة مسطح تقريبًا ، مما يشير إلى القليل من الارتباط بين مجموعتي البيانات.
ربط بياناتك بسهولة في جداول بيانات Google
يمكن أن يكون الارتباط موضوعًا صعبًا إذا لم تتعامل معه كثيرًا في المدرسة الثانوية. غطى هذا الدليل جميع الأساسيات ، ولكنك ستحتاج إلى الاستمرار في استخدام وظيفة CORREL في جداول بيانات Google لإبقائها حاضرة في ذهنك.
هذه وظيفة قوية لأنها تساعد في تجنب إنشاء الرسوم البيانية المبعثرة ويمكنها العثور بسرعة على الاتجاهات في بياناتك. ومع ذلك ، لا تخف من إضافة مخططات لمساعدة المستخدمين الآخرين على فهم البيانات الموجودة في جداول البيانات بشكل أفضل.
