한 은행에서 수입, 교육 수준, 나이, 현 거주지에서 거주한 기간, 현 직장에서 일한 기간, 저축, 부채 및 신용카드 수 등 8가지 정보를 대출 신청자에게 요구합니다. 한 은행 관리자가 이 데이터를 분석하여 데이터를 분류하고 보고하기 위한 최상의 방법을 결정하려고 합니다. 이 관리자는 대출 신청자 30명으로부터 이 데이터를 수집합니다.

은행 관리자는 각 변수 쌍 간의 선형 관계의 강도와 방향을 조사하기 위해 Pearson 상관을 사용합니다.

  1. 표본 데이터 대출신청자.MTW를 엽니다.
  2. 그래프 > 자기 상관 함수 도표을 선택합니다.
  3. 변수에서 수입-신용카드 수를 입력합니다.
  4. 상관 계수 값 표시을 선택합니다.
  5. 확인을 클릭합니다.

결과 해석

고용과 거주 사이의 Pearson 상관 계수가 가장 높습니다. 이 0.95 값은 변수 간에 양의 관계가 있음을 나타냅니다. 고용이 증가할수록 거주도 증가합니다. 나이는 또한 레지던스 및 고용과 강력한 양의 관계를 가지고 있습니다.

부채와 교육 사이의 Pearson 상관 계수는 –0.46입니다. 지원자의 교육 수준이 감소함에 따라 부채가 증가합니다.

전반적으로 대부분의 변수 쌍은 양의 상관 관계가 있습니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오