スプレッドシートのPEARSON関数とは
PEARSON関数は、データセットに対するピアソンの積率相関係数rを計算する統計関数です。この関数は2つの変数間の線形関係の強さを測定し、-1から1の間の数値で相関の度合いを表現します。
相関係数が1に近い場合は正の強い相関を示し、-1に近い場合は負の強い相関を表します。PEARSON関数はCORREL関数と同義であり、同じ計算結果を返すことが特徴です。
【PR】プログラミングや生成AIを無料で学べる「コードキャンプフリー」
基本構文と引数の設定方法
PEARSON関数の構文はPEARSON(data_y, data_x)の形式を取り、2つの引数を必要とします。第一引数のdata_yは従属変数のデータ範囲を指定し、第二引数のdata_xは独立変数のデータ範囲を指定します。
=PEARSON(A2:A100,B2:B100)データ範囲は配列や行列として指定でき、両方の引数は同じサイズである必要があります。引数内のテキスト値は自動的に無視されるため、数値データのみが計算対象となります。
計算結果の解釈と活用場面
PEARSON関数の戻り値は-1から1までの範囲で、0.7以上であれば強い正の相関、-0.7以下であれば強い負の相関と判断されます。0に近い値は相関が弱いことを示し、変数間に線形関係がほとんどないことを意味します。
=PEARSON(売上高範囲,広告費範囲)マーケティング分析では売上と広告費の相関を調べたり、品質管理では製品の特性値間の関係性を評価したりする際に活用されます。回帰分析の前段階として相関の強さを確認する用途でも頻繁に使用される関数です。
※上記コンテンツの内容やソースコードはAIで確認・デバッグしておりますが、間違いやエラー、脆弱性などがある場合は、コメントよりご報告いただけますと幸いです。
ITやプログラミングに関するコラム
- Canvaとは？使い方やアカウント登録などを初心者向けに解説
git configで設定情報を確認・表示する方法
「Pythonはやめとけ」と言われる理由と学習するメリット
Ubuntuのversionを確認する方法
Geminiで画像を生成する方法｜ChatGPTとの比較結果も紹介
