Tương quan

Phân tích dữ liệu khảo sát bằng Python

EbunOluwa Andrew

Data Scientist

Tương quan trong phân tích khảo sát

Sự phụ thuộc giữa các biến
- Một biến đổi thì biến kia cũng đổi
Đo mối quan hệ tuyến tính giữa hai mục khảo sát
Tương quan không đồng nghĩa nhân quả
- Có thể có biến thứ ba tác động
- Không thể kết luận biến nào gây thay đổi ở biến kia

Tương quan không phải nhân quả. Chữ minh họa

Độ mạnh và chiều của tương quan

Hệ số tương quan -> 'r'
-1,0 đến 1,0
- -1 hoặc 1 = quan hệ hoàn hảo
- 0 = không có quan hệ đáng kể
- < 0 = quan hệ âm
- 0 = quan hệ dương
Mẫu nhỏ cần tương quan mạnh để có ý nghĩa thống kê

Tương quan giữa các mảnh ghép

Hàm .corr()

.corr()
_first column_.corr(_second column_)

Các kiểu tương quan

Ví dụ .corr(): 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 |

Ví dụ .corr(): healthy_city

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

biểu đồ phân tán happy_survey

Ví dụ .corr(): healthy_city

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

0.7245870841569987

Ayo berlatih!

Phân tích dữ liệu khảo sát bằng Python