Korrelationsanalys är en statistisk teknik som används för att mäta styrkan och riktningen av ett samband mellan två numeriska variabler. Det hjälper oss att förstå hur förändringar i en variabel är associerade med förändringar i en annan.

Vad är korrelation?

Ett korrelationskoefficient (vanligtvis representerad som $r$) varierar mellan -1 och 1 och betyder:

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

Det finns flera typer av korrelationsmetoder, men Pearson-korrelation är den mest använda för numerisk kontinuerlig data i R.

Korrelation mellan två variabler

Funktionen cor() kan användas för att beräkna korrelationskoefficienten mellan två variabler. Det enda som krävs är att ange två kolumner som parametrar.

cor(df$selling_price, df$km_driven)

Som resultat returnerar funktionen ett värde mellan -1 och 1.

Korrelationsmatris (Flera variabler)

Samma funktion kan användas för att undersöka samband mellan flera variabler.

# 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 lagras som en matris som visar parvisa korrelationsvärden mellan alla valda numeriska variabler.