Correlaties

Enquètegegevens analyseren in Python

EbunOluwa Andrew

Data Scientist

Correlaties in enquête-analyse

Wederzijdse afhankelijkheid van variabelen
- Als de ene verandert, verandert de andere mee
Meet de lineaire relatie tussen twee enquête-items
Correlatie is GEEN causaliteit
- Mogelijke derde beïnvloedende variabele
- Niet te bepalen welke variabele de ander veroorzaakt

Correlatie is geen causaliteit. Typografie

Sterkte en richting van correlatie

Correlatiecoëfficiënten → ‘r’
-1,0 tot 1,0
- -1 of 1 = perfecte relatie
- 0 = geen relatie
- < 0 = negatieve relatie
- 0 = positieve relatie
Bij kleine steekproeven is een sterkere correlatie nodig voor significantie

Correlatie tussen puzzelstukjes

.corr()-functie

.corr()
_eerste kolom_.corr(_tweede kolom_)

Typen correlatie

.corr()-voorbeeld: healthy_city

| City       | Rank | Life expectancy_years | Happiness levels |
|------------|------|-----------------------|------------------|
| Amsterdam  |    1 |                  81.2 |             7.44 |
| Sydney     |    2 |                  82.1 |             7.22 |
| Vienna     |    3 |                    81 |             7.29 |
| Stockholm  |    4 |                  81.8 |             7.35 |
| Copenhagen |    5 |                  79.8 |             7.64 |
| Helsinki   |    6 |                  80.4 |              7.8 |
| Fukuoka    |    7 |                  83.2 |             5.87 |
| Berlin     |    8 |                  80.6 |             7.07 |
| Barcelona  |    9 |                  82.2 |              6.4 |

.corr()-voorbeeld: healthy_city

import matplotlib.pyplot as plt
plt.scatter(healthy_city['Life expectancy_years'],
            healthy_city['Happiness levels'])

happy_survey-spreidingsdiagram

.corr()-voorbeeld: healthy_city

happy_survey['Happiness levels'].corr(
  happy_survey['Life expectancy_years'])

0.7245870841569987

Laten we oefenen!

Enquètegegevens analyseren in Python