Come calcolare la corr
Coefficiente di correlazione: a cosa serve?
La procedura di correlazione bivariata calcola il coefficiente di correlazione di Pearson, il rho di Spearman e la tau-b di Kendall con i relativi livelli di significatività. Le correlazioni misurano la correlazione tra le variabili o l’ordine di importanza. Prima di calcolare un coefficiente di correlazione, ispezionare i dati per individuare eventuali outlier (che potrebbero generare risultati fuorvianti) e prove di una relazione lineare. Il coefficiente di correlazione di Pearson è una misura di associazione lineare. Due variabili possono essere perfettamente correlate, ma se la relazione non è lineare, il coefficiente di correlazione di Pearson non sarà una statistica appropriata per misurare la loro associazione.
Come calcolare il coefficiente di correlazione in Excel
Il risultato può essere positivo o negativo e viene utilizzato per determinare il profilo di rischio finanziario di un’azienda. Un capitale circolante positivo indica che un’azienda è in grado di far fronte ai propri debiti ed è in grado di favorire la crescita, mentre un capitale circolante negativo indica che l’azienda potrebbe essere in difficoltà.
Tuttavia, un capitale circolante negativo suggerisce che l’azienda si sta sovraccaricando e potrebbe dover modificare il proprio modello di business per evitare una punizione finanziaria o addirittura il fallimento.
Anche se tutte le aziende vorrebbero avere un po’ di liquidità in più, ci sono molte situazioni comuni in cui un’azienda, soprattutto in certi settori, può ragionevolmente avere bisogno di accedere a più capitale circolante. Questi possono includere:
Il ciclo del capitale circolante è il tempo necessario a un’azienda per convertire le proprie attività e passività in liquidità. I cicli del capitale circolante sono diversi per ogni azienda e dipendono dai rispettivi tempi di pagamento dei crediti e dei debiti, nonché dal tempo di detenzione delle scorte prima della loro vendita.
Coefficiente di determinazione
Il coefficiente di correlazione – noto anche come “coefficiente di correlazione di Pearson” – è una misura della relazione tra due variabili, ossia di come una si muove in risposta ai movimenti dell’altra. In Excel può essere calcolata in due modi principali, a seconda che si voglia ottenere la correlazione tra due sole variabili o che si voglia ottenere la matrice di correlazione tra più coppie di variabili.
La correlazione tra due variabili è la relazione proporzionale tra di esse, cioè il modo in cui una cambia in risposta alle variazioni dell’altra. Ad esempio, potremmo aspettarci che esista una certa relazione tra i ricavi e i costi di un’azienda. In questo caso, è probabile che ci sia una correlazione positiva, poiché più alti sono i ricavi, più alti sono i costi.
Se le variabili hanno un coefficiente di correlazione pari a 1, significa che hanno una correlazione positiva perfetta. Quando una variabile aumenta, aumenta anche l’altra. Quando una variabile diminuisce, l’altra diminuisce. Per capire cosa intendiamo, analizziamo il seguente esempio in cui abbiamo i ricavi e i costi di un’azienda:
Interpretazione del coefficiente di correlazione
È relativamente comune che ci sia un po’ di confusione su cosa sia lo studio di un’analisi di regressione e di un’analisi di correlazione. Tuttavia, entrambe le analisi forniscono informazioni complementari. L’analisi di regressione studia la relazione tra le due variabili casuali, mentre l’analisi di correlazione analizza la forza della relazione. In questo articolo impareremo a calcolare il coefficiente di correlazione in R, un coefficiente che misura la forza e la direzione della relazione tra le due variabili.
Come già detto, il coefficiente di correlazione misura la forza e la direzione della relazione lineare tra due variabili. I valori che può assumere sono sempre compresi tra +1 e -1: -1 ≤ r ≤ +1. Vediamo alcuni esempi grafici di come appaiono i coefficienti di correlazione, sia positivi che negativi.
Prima di addentrarci nel calcolo del coefficiente di correlazione in R, facciamo un esempio. In questo caso, caricheremo alcuni dati (automobili), contenuti nel pacchetto datasets, per illustrare il coefficiente di correlazione. A tal fine, si esegue il seguente comando:
