Ad esempio, potremmo voler comprendere la relazione tra il numero di ore di studio di uno studente e il voto ricevuto all’esame.<\/span><\/p>\n Un modo per quantificare questa relazione \u00e8 utilizzare il coefficiente di correlazione di Pearson<\/a> , che \u00e8 una misura dell’associazione lineare tra due variabili .<\/em> Ha un valore compreso tra -1 e 1 dove:<\/span><\/p>\n Quanto pi\u00f9 il coefficiente di correlazione si allontana da zero, tanto pi\u00f9 forte \u00e8 la relazione tra le due variabili.<\/span><\/p>\n Correlati:<\/span><\/strong> cos\u2019\u00e8 considerata una correlazione \u201cforte\u201d?<\/a><\/p>\n Ma in alcuni casi, vogliamo comprendere la correlazione tra pi\u00f9 coppie di variabili. In questi casi possiamo creare una matrice di correlazione<\/strong> , ovvero una tabella quadrata che mostra i coefficienti di correlazione tra diverse variabili.<\/span><\/p>\n La matrice di correlazione seguente presenta i coefficienti di correlazione tra diverse variabili relative all’istruzione:<\/span> <\/p>\n Ogni cella della tabella mostra la correlazione tra due variabili specifiche.<\/span> Ad esempio, la cella evidenziata qui sotto mostra che la correlazione tra “ore trascorse a studiare” e “voto dell’esame” \u00e8 0,82<\/strong> , indicando che sono fortemente correlati positivamente. Pi\u00f9 ore trascorse a studiare sono strettamente legate a punteggi pi\u00f9 alti negli esami.<\/span> <\/p>\n E la cella evidenziata di seguito mostra che la correlazione tra “ore trascorse a studiare” e “ore trascorse a dormire” \u00e8 -0,22<\/strong> , indicando che sono debolmente correlate negativamente. Pi\u00f9 ore trascorse a studiare sono associate a meno ore trascorse a dormire.<\/span> <\/p>\n E la cella evidenziata di seguito mostra che la correlazione tra “ore trascorse a dormire” e “punteggio QI” \u00e8 0,06<\/strong> , indicando che sono sostanzialmente non correlati. C\u2019\u00e8 pochissima associazione tra il numero di ore di sonno di uno studente e il suo punteggio QI.<\/span> <\/p>\n Si noti inoltre che i coefficienti di correlazione lungo la diagonale della tabella sono tutti pari a 1 perch\u00e9 ogni variabile \u00e8 perfettamente correlata con se stessa. Queste celle non sono utili per l’interpretazione.<\/span> <\/p>\n Si noti che una matrice di correlazione \u00e8 perfettamente simmetrica. Ad esempio, la cella in alto a destra mostra esattamente lo stesso valore della cella in basso a sinistra:<\/span> <\/p>\n Le due celle, infatti, misurano la correlazione tra \u201core trascorse a studiare\u201d e \u201cvoto scolastico\u201d.<\/span><\/p>\n Poich\u00e9 una matrice di correlazione \u00e8 simmetrica, met\u00e0 dei coefficienti di correlazione visualizzati nella matrice sono ridondanti e non necessari. Pertanto, a volte verr\u00e0 visualizzata solo met\u00e0 della matrice di correlazione:<\/span> <\/p>\n E a volte una matrice di correlazione sar\u00e0 colorata come una mappa termica per rendere i coefficienti di correlazione ancora pi\u00f9 facili da leggere:<\/span> <\/p>\n In pratica, una matrice di correlazione viene comunemente utilizzata per tre motivi:<\/span><\/p>\n 1. Una matrice di correlazione riassume opportunamente un insieme di dati.<\/strong><\/span><\/p>\n Una matrice di correlazione \u00e8 un modo semplice per riassumere le correlazioni tra tutte le variabili in un set di dati. Ad esempio, supponiamo di avere il seguente set di dati contenente le seguenti informazioni per 1.000 studenti:<\/span> <\/p>\n Sarebbe molto difficile comprendere la relazione tra ciascuna variabile semplicemente osservando i dati grezzi. Fortunatamente, una matrice di correlazione pu\u00f2 aiutarci a comprendere rapidamente le correlazioni tra ciascuna coppia di variabili.<\/span><\/p>\n 2. Una matrice di correlazione funge da diagnosi per la regressione.<\/strong><\/span><\/p>\n Uno dei presupposti chiave della regressione lineare multipla \u00e8 che nessuna variabile indipendente nel modello \u00e8 fortemente correlata con qualsiasi altra variabile nel modello.<\/span><\/p>\n Quando due variabili indipendenti sono altamente correlate, si verifica un problema chiamato multicollinearit\u00e0 e pu\u00f2 rendere difficile l\u2019interpretazione dei risultati della regressione.<\/span><\/p>\n Uno dei modi pi\u00f9 semplici per individuare un potenziale problema di multicollinearit\u00e0 \u00e8 osservare una matrice di correlazione e verificare visivamente se qualcuna delle variabili \u00e8 altamente correlata tra loro.<\/span><\/p>\n 3. Una matrice di correlazione pu\u00f2 essere utilizzata come input per altre analisi.<\/strong><\/span><\/p>\n Una matrice di correlazione viene utilizzata come input per altre analisi complesse come l’analisi fattoriale esplorativa e i modelli di equazioni strutturali.<\/span><\/p>\n I seguenti tutorial spiegano come creare una matrice di correlazione utilizzando vari software statistici:<\/span><\/p>\n Come creare una matrice di correlazione in Excel<\/a> Nelle statistiche, spesso cerchiamo di comprendere la relazione tra due variabili. Ad esempio, potremmo voler comprendere la relazione tra il numero di ore di studio di uno studente e il voto ricevuto all’esame. Un modo per quantificare questa relazione \u00e8 utilizzare il coefficiente di correlazione di Pearson , che \u00e8 una misura dell’associazione lineare tra […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Esempio di matrice di correlazione<\/strong><\/span><\/h2>\n
![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrix0.jpg\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrice2.jpg\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrice3.jpg\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrix9.jpg\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrice4.jpg\")
<\/p>\n Variazioni della matrice di correlazione<\/strong><\/span><\/h2>\n
![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrice5.jpg\")
<\/p>\n![\"Met\u00e0](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrice6.jpg\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrix7.jpg\")
<\/p>\n Quando utilizzare una matrice di correlazione<\/strong><\/span><\/h2>\n
![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationmatrix8.jpg\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come creare una matrice di correlazione in SPSS<\/a>
Come creare una matrice di correlazione in Stata<\/a>
Come creare una matrice di correlazione in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"