หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ระหว่างสองชุดข้อมูล – เหมือน CORREL
=PEARSON(array1, array2)
=PEARSON(array1, array2)
| Argument | Type | Required | Default | Description |
|---|---|---|---|---|
| array1 | Range/Array | Yes | ชุดข้อมูลที่หนึ่ง (ตัวแปรอิสระ หรือตัวแปรที่เราคาดคะเน) | |
| array2 | Range/Array | Yes | ชุดข้อมูลที่สอง (ตัวแปรตาม หรือตัวแปรที่ถูกคาดคะเน) |
PEARSON(A2:A11, B2:B11)=PEARSON(A2:A11, B2:B11)
0.9847
PEARSON(C2:C10, D2:D10)=PEARSON(C2:C10, D2:D10)
-0.876
PEARSON(E2:E20, F2:F20)=PEARSON(E2:E20, F2:F20)
0.12
PEARSON(SalesData[Price], SalesData[Volume])=PEARSON(SalesData[Price], SalesData[Volume])
-0.654
ไม่ต่างกัน! PEARSON และ CORREL คำนวณสิ่งเดียวกัน (Pearson correlation coefficient) เพียงแค่ชื่อต่างกัน CORREL เป็นชื่อเก่า ส่วน PEARSON เป็นชื่อมาตรฐานสถาบันสถิติ เลือกอันไหนก็ได้ ผลจะเหมือน
ต้องเท่ากัน! A2:A10 ต้องจับคู่กับ B2:B10 จำนวนแถวเท่ากัน ถ้าต่างกันจะได้ error #N/A
เท่ากัน! ความแข็งแรงดูจากค่าสัมบูรณ์ (absolute value): |−0.5| = |0.5| = 0.5 ทั้งคู่แสดงความสัมพันธ์ปานกลาง แค่ทิศทางต่าง (บวก vs ลบ)
ขึ้นอยู่กับสาขา แต่โดยทั่วไป: 0.7-1.0 = ความสัมพันธ์แรง, 0.4-0.7 = ปานกลาง, 0.0-0.4 = อ่อน ค่า 0.85 ถือว่าแรงมาก
Excel 365, Excel 2024, Excel 2021, Excel 2019, Excel 2016 และ Excel Web ทั้งหมด
PEARSON เป็นฟังก์ชันที่ใช้หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ซึ่งแสดงให้เห็นความแข็งแรงของความสัมพันธ์เชิงเส้นระหว่างสองชุดข้อมูล
ค่าที่ได้จะเป็นตัวเลขระหว่าง -1.0 ถึง 1.0 โดยที่:
– ค่าใกล้ 1 = ความสัมพันธ์เชิงบวกสูง (ตัวแปรหนึ่งเพิ่มขึ้น อีกตัวก็เพิ่มขึ้นด้วย)
– ค่าใกล้ -1 = ความสัมพันธ์เชิงลบสูง (ตัวแปรหนึ่งเพิ่มขึ้น อีกตัวลดลง)
– ค่าใกล้ 0 = ไม่มีความสัมพันธ์เชิงเส้น
ที่เจ๋งคือ PEARSON ใช้ได้ดีสำหรับวิเคราะห์ความสัมพันธ์ทางสถิติ เช่น ความสัมพันธ์ระหว่างอุณหภูมิกับจำนวนผู้ซื้อ หรือเงินโฆษณากับยอดขาย ตรวจสอบได้ว่าตัวแปรสองตัวเคลื่อนไหวไปในทิศทางเดียวกันหรือไม่