Sélectionner les options de l'analyse pour la fonction Corrélation

Stat > Statistiques élémentaires > Corrélation > Options

Méthode

Sélectionnez la corrélation de Pearson ou de Spearman.

Corrélation de Pearson

Utilisez le coefficient de corrélation de Pearson pour examiner la puissance et la direction de la relation linéaire qui existe entre deux variables continues.La corrélation de Pearson est la méthode la plus répandue pour la corrélation.

Par exemple, un ingénieur peut utiliser le coefficient de corrélation de Pearson pour déterminer si l'augmentation de la température d'une installation est associée à la diminution de l'épaisseur de l'enrobage de chocolat.

Corrélation de Spearman

Vous pouvez utiliser le coefficient de corrélation de Spearman (également appelée rhô de Spearman) quand la relation entre les variables n'est pas linéaire. La corrélation de Spearman mesure la relation monotone entre deux variables continues ou ordinales.Dans une relation monotone, les variables ont tendance à se déplacer dans la même direction relative, mais pas forcément à une vitesse constante. Dans une relation linéaire, les variables se déplacent dans la même direction, à une vitesse constante. Pour plus d'informations, reportez-vous à la rubrique Diagrammes de relations linéaires, non linéaires et monotones.

Le coefficient de corrélation de Spearman est souvent utilisé pour évaluer les relations avec des variables ordinales. Si vos données sont continues, Minitab classe les données brutes avant d'effectuer la corrélation.

Par exemple, un responsable classe des employés en fonction du temps qu'ils mettent à réaliser un exercice de test. Le responsable peut utiliser le coefficient de corrélation de Spearman pour évaluer si le rang d'un employé est influencé par le nombre de mois que ce dernier a passé dans l'entreprise.

Pour plus d'informations, reportez-vous à la rubrique Une comparaison des méthodes de corrélation de Pearson et de Spearman.

Niveau de confiance

Dans Niveau de confiance, saisissez le niveau de confiance de l'intervalle de confiance.

Un niveau de confiance de 95 % est généralement efficace. Un niveau de confiance de 95 % indique que, si vous prenez 100 échantillons parmi la population, l'intervalle de confiance d'environ 95 contiendra le coefficient de corrélation.

Pour un ensemble de données spécifique, un niveau de confiance inférieur produit un intervalle de confiance moins large et un niveau de confiance supérieur produit un intervalle de confiance plus large. La largeur de l'intervalle a également tendance à diminuer lorsque l'effectif d'échantillon est plus important. Ainsi, selon l'effectif de votre échantillon, il sera peut-être préférable d'utiliser un niveau de confiance autre que 95 %.

Si l'effectif de l'échantillon est peu élevé, un intervalle de confiance à 95 % peut être trop large pour être utile. Avec un niveau de confiance moindre, de 90 % par exemple, l'intervalle sera plus restreint. Cependant, la probabilité que l'intervalle contienne le coefficient de corrélation se réduit.
Si l'effectif de votre échantillon est important, pensez à utiliser un niveau de confiance plus élevé, de 99 % par exemple. Avec un échantillon plus important, un niveau de confiance de 99 % peut tout de même créer un intervalle raisonnablement restreint, tout en augmentant la probabilité que l'intervalle contienne le coefficient de corrélation.

Stocker la matrice de corrélation

Stockez la matrice de corrélation dans la feuille de travail. Minitab stocke chaque matrice avec le même nom CORR1, CORR2 et ainsi de suite. Si vous souhaitez afficher la matrice une fois que vous l'avez stockée, sélectionnez Données > Afficher les données.