Korrelationsanalyse er en statistisk teknik, der bruges til at måle styrken og retningen af et forhold mellem to numeriske variable. Det hjælper os med at forstå, hvordan ændringer i én variabel er forbundet med ændringer i en anden.

Hvad er korrelation?

En korrelationskoefficient (normalt repræsenteret som $r$) ligger mellem -1 og 1 og betyder:

• 1: perfekt positiv korrelation;
• 0: ingen korrelation;
• −1: perfekt negativ korrelation.

Der findes flere typer korrelationsmetoder, men Pearson-korrelation er den mest anvendte for numeriske kontinuerlige data i R.

Korrelation mellem to variable

Du kan bruge funktionen cor() til at beregne korrelationskoefficienten mellem to variable. Du skal blot angive to kolonner som parametre.

cor(df$selling_price, df$km_driven)

Som resultat returnerer funktionen en værdi mellem -1 og 1.

Korrelationsmatrix (Flere Variable)

Den samme funktion kan bruges til at undersøge relationer mellem flere variable.

# Select only numeric columns
numeric_df <- df[, c("selling_price", "km_driven", "max_power", "mileage", "engine", "seats")]
# Compute correlation matrix
cor_matrix <- cor(numeric_df, use = "complete.obs")  # Ignores any rows with missing data

Resultatet gemmes som en matrix, der viser parvise korrelationsværdier mellem alle valgte numeriske variable.