Korrelationsmatrix

Die Korrelationsmatrix zeigt Korrelationskoeffizienten für die Spaltenpaare eines Datensatzes. TableTorch unterstützt sowohl Pearson- als auch Spearman-Rangkoeffizienten.

In den folgenden Abschnitten werden einige Varianten von Korrelationsmatrizen für den Fahrzeugdatensatz berechnet. Das Video unten zeigt, wie Sie mit TableTorch eine farbige Korrelationsmatrix direkt in einer Tabelle erstellen.

Auf YouTube ansehen (auf Englisch): Korrelationsmatrix in Google Tabellen mit TableTorch berechnen 4:33

Erste Schritte mit TableTorch

  1. Installieren Sie TableTorch für Google Tabellen über den Google Workspace Marketplace. Weitere Informationen zur Ersteinrichtung.
  2. Klicken Sie auf das TableTorch-Symbol im rechten Seitenbereich von Google Tabellen.

TableTorch-Symbol im rechten Seitenbereich von Google Tabellen

Pearson-Koeffizienten für jedes Spaltenpaar

Wählen Sie den gesamten Bereich des Blatts aus und klicken Sie auf den Menüpunkt Korrelationsmatrix in TableTorch.

Menüpunkt Korrelationsmatrix in TableTorch

Nicht-numerische Spalten werden automatisch herausgefiltert.

Optionen für die Korrelationsmatrix, TableTorch

Klicken Sie auf die Schaltfläche Berechnen, um ein neues Blatt mit der Korrelationsmatrix zu erstellen. Die erstellte Matrix sieht wie folgt aus:

Beispiel einer Korrelationsmatrix, TableTorch

Die Standardeinstellungen erzeugen bereits eine nützliche Matrix. Wenn beispielsweise das Ziel ist, eine Regression durchzuführen, um den Wert der Spalte selling_price vorhersagen zu können, können aus der erstellten Matrix folgende Schlussfolgerungen gezogen werden:

  1. selling_price korreliert nur vernachlässigbar mit der Spalte from trustmark dealer, was darauf hindeutet, dass es nicht sinnvoll wäre, dieses Merkmal in einer Regression zu verwenden. Das Gleiche gilt für die Spalte more than 5 seats.
  2. petrol ist stark mit max torque min RPM korreliert, was darauf hindeutet, dass es sinnvoll wäre, nur eines dieser Merkmale in einer Regression von selling_price zu verwenden.
  3. Das Gleiche könnte für die Spalten engine cc und max power bhp gelten.

Konfiguration

Über die folgenden Einstellungen lässt sich TableTorch so konfigurieren, dass unterschiedliche Matrizen erzeugt werden:

Optionen für die Korrelationsmatrix, TableTorch

  • Koeffizient: entweder Pearson oder Spearman-Rang. Wenn Sie nur bestimmte Spalten vor der Berechnung der Koeffizienten in Ränge umwandeln möchten, verwenden Sie die eigenständige Skalierungs-Funktion von TableTorch, bevor Sie eine Korrelationsmatrix erstellen.
  • Farbschema: ob und wie die Zellen der erstellten Matrix hervorgehoben werden sollen.
  • Spalten auswählen: Standardmäßig berechnet TableTorch die Koeffizienten für jedes einzelne Spaltenpaar der Tabelle. Sie können hier jedoch auch nur die benötigten Spalten auswählen.

Spearman-Rangkoeffizienten für ausgewählte Spaltenpaare

Einfach ausgedrückt ist der Spearman-Rangkoeffizient ein Pearson-Koeffizient, der auf Rangdaten angewendet wird. TableTorch verwendet dabei Durchschnittsränge, was der Google-Tabellen-Funktion RANK.AVG(value, data, TRUE) entspricht, d.h. zwei identische Werte erhalten ihren durchschnittlichen Rang. Die erstellte Korrelationsmatrix erkennt somit nichtlineare Korrelationen ebenso wie lineare. Beachten Sie jedoch, dass die Implementierung der Linearen Regression in TableTorch keine automatische Rang-Skalierung unterstützt. Wenn Sie starke nichtlineare Korrelationen feststellen, empfiehlt es sich daher, die eigenständige Skalierung zu verwenden und die Regression auf den skalierten Daten durchzuführen.

TableTorch erstellt folgende Matrix mit Spearman-Rangkoeffizienten für ausgewählte Spalten:

Beispiel einer Korrelationsmatrix mit Spearman-Rangkoeffizienten, TableTorch

Fazit

Nachdem Sie die Korrelationsmatrix für Ihre Daten geprüft haben, können Sie nun eine lineare Regression durchführen und ein Modell zur Vorhersage der gewünschten Variable erstellen.

Siehe auch:

Google, Google Tabellen, Google Workspace und YouTube sind Marken von Google LLC. Gaujasoft TableTorch ist nicht mit Google verbunden und wird nicht von Google unterstützt.

Ihr Feedback ist uns wichtig!

Vielen Dank, dass Sie TableTorch verwenden oder in Betracht ziehen!

Beschreibt diese Seite die Funktion korrekt und verständlich? Funktioniert sie tatsächlich so, wie hier beschrieben, oder gibt es ein Problem? Haben Sie Verbesserungsvorschläge?

Bei Fragen können Sie sich jederzeit gerne an uns wenden.