相関

Pythonで学ぶアンケートデータ分析

EbunOluwa Andrew

Data Scientist

調査分析における相関

変数量の相互依存
- 一方が変わると、もう一方も変わる
2つの調査項目の線形関係を測定
相関は因果ではない
- 第三の要因が影響の可能性
- どちらが原因かは断定不可

相関は因果ではない。レタリング

相関の強さと向き

相関係数 → r
-1.0 〜 1.0
- -1 または 1 = 完全な関係
- 0 = 関係なし
- 0 未満 = 負の関係
- 0 超 = 正の関係
標本が小さいほど、有意には強い相関が必要

パズルピース間の相関

.corr() 関数

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

相関の種類

.corr() 例: 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() 例: healthy_city

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

happy_survey の散布図

.corr() 例: healthy_city

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

0.7245870841569987

Ayo berlatih!

Pythonで学ぶアンケートデータ分析