احسب معامل ارتباط بيرسون (r) بين مجموعتي بيانات مزدوجة، وشاهد قوة واتجاه العلاقة.
📂 الإحصاء والاحتمالاتعبّئ الحقول الموجودة على يمين الصفحة بالقيم المطلوبة، ثم اضغط الزر لرؤية النتيجة فورًا. لا حاجة للتسجيل، ولا تُرسَل أي بيانات لأي خادم — كل الحساب يتم داخل متصفحك مباشرة.
معامل ارتباط بيرسون (يُرمَز له r) يقيس قوة واتجاه العلاقة الخطية بين متغيرين، ويتراوح دائمًا بين −1 و+1. القيمة +1 تعني علاقة موجبة كاملة (زيادة متغيّر واحد تكون مصحوبة دائمًا بزيادة مماثلة في الآخر)، والقيمة −1 تعني علاقة سالبة كاملة، والقيمة 0 تعني عدم وجود علاقة خطية بينهما. تصنّف هذه الحاسبة تلقائيًا قوة الارتباط: قوي (0.7 فأكثر)، متوسط (0.4 إلى 0.7)، ضعيف (0.1 إلى 0.4)، أو ضعيف جدًا/لا يوجد، بالإضافة لاتجاه العلاقة. من المهم ملاحظة أن الارتباط لا يعني بالضرورة وجود علاقة سببية بين المتغيرين — قد يرتبط متغيران بقوة دون أن يتسبب أحدهما مباشرة في الآخر، وقد يوجد عامل ثالث مشترك يؤثر على كليهما. ويُستخدَم معامل الارتباط على نطاق واسع في البحث العلمي والتحليل المالي لفحص إن كان متغيران يتحركان معًا بشكل منتظم، مع التنبيه الدائم إلى أن الارتباط لا يعني بالضرورة وجود علاقة سببية مباشرة بينهما. ويتراوح معامل الارتباط بين -1 و+1، حيث تشير القيمة الموجبة لعلاقة طردية (يزداد أحد المتغيرين مع زيادة الآخر)، والقيمة السالبة لعلاقة عكسية، بينما تشير القيمة القريبة من الصفر لغياب أي علاقة خطية واضحة بينهما مهما كانت العلاقة الفعلية معقدة.
معامل الارتباط (يُرمز له غالبًا بـr) يقيس قوة واتجاه العلاقة الخطية بين متغيرين، وتتراوح قيمته بين -1 و1. القيمة +1 تعني ارتباطًا موجبًا تامًا (كلما زاد أحد المتغيرين زاد الآخر بنسبة ثابتة)، والقيمة -1 تعني ارتباطًا سالبًا تامًا (كلما زاد أحدهما انخفض الآخر)، بينما القيمة صفر تعني عدم وجود علاقة خطية واضحة بينهما.
طوّر عالم الرياضيات الإنجليزي كارل بيرسون هذه الصيغة في أواخر القرن التاسع عشر، بناءً على أعمال سابقة لفرانسيس غالتون. تعتمد الصيغة على حساب 'التغاير' بين المتغيرين (مدى تحركهما معًا حول متوسطاتهما) مقسومًا على حاصل ضرب انحرافيهما المعياريين، وهي عملية تجعل معامل الارتباط مستقلًا عن وحدات القياس المستخدمة.
من الأخطاء الشائعة الخلط بين 'الارتباط' و'السببية' — فوجود ارتباط قوي بين متغيرين لا يعني بالضرورة أن أحدهما يسبب الآخر؛ قد يكون كلاهما مرتبطًا بعامل ثالث خفي، أو قد تكون العلاقة صدفة إحصائية بحتة، خاصة مع البيانات محدودة الحجم. هذا ما يُعرف بمبدأ 'الارتباط لا يعني السببية'، وهو من أهم القواعد التي يجب مراعاتها عند تفسير النتائج الإحصائية.
يُستخدم معامل الارتباط في مجالات متعددة: في التمويل لقياس مدى تحرك سهمين معًا (وبالتالي تقييم فوائد التنويع في المحفظة الاستثمارية)، وفي الأبحاث الطبية لدراسة العلاقة بين عامل صحي ونتيجة معيّنة، وفي علوم البيانات كخطوة استكشافية أولى قبل بناء نماذج تنبؤية أكثر تعقيدًا مثل الانحدار الخطي.
من النقاط العملية المهمة أيضًا أن معامل بيرسون يقيس فقط العلاقات 'الخطية'؛ فإذا كانت العلاقة بين متغيرين قوية لكنها منحنية أو غير خطية الشكل، فقد يعطي معامل الارتباط قيمة منخفضة مضلّلة توهم بعدم وجود علاقة، بينما العلاقة في الواقع موجودة وقوية لكنها بشكل غير خطي. لهذا يُنصح دائمًا برسم البيانات بصريًا (مخطط انتشار) قبل الاعتماد كليًا على قيمة معامل الارتباط الرقمية وحدها. ومن الأخطاء الشائعة الخلط بين الارتباط والسببية؛ فوجود ارتباط قوي بين متغيرين لا يعني بالضرورة أن أحدهما يسبب الآخر، فقد يكون كلاهما متأثرًا بعامل ثالث مشترك لم يُدرَج في التحليل أصلًا.
لا. الارتباط يقيس علاقة إحصائية فقط — لا يثبت أن متغيرًا يتسبب في تغيّر الآخر.
الارتباط يقيس قوة واتجاه العلاقة، بينما الانحدار يوجد معادلة الخط الفعلية الأفضل تطابقًا للتنبؤ.
نعم، r السالب يعني علاقة عكسية — كلما زاد متغيّر واحد، يميل الآخر للانخفاض.