Kategorien

← View All Tools

Korrelationsanalyse

Fortschrittetes Korrelationsanalyse-Werkzeug zur Berechnung von Korrelationskoeffizienten zwischen Variablen zur Messung der Stärke und Richtung ihrer linearen Beziehungen.

Column to group analysis by (e.g., category, region, department)

Number of decimal places for correlation coefficients

Wichtige Fakten

Kategorie
Data Analysis
Eingabetypen
textarea, select, checkbox, text, number
Ausgabetyp
text
Sample-Abdeckung
4
API verfügbar
Yes

Überblick

Der Korrelationsanalyse-Rechner ist ein fortschrittliches Werkzeug zur Berechnung von Korrelationskoeffizienten zwischen Variablen. Es misst die Stärke und Richtung linearer Beziehungen in Ihren Daten und unterstützt statistische Analysen, Datenexploration und Visualisierung durch Korrelationsmatrizen und Heatmaps.

Wann verwenden

  • •Wenn Sie die linearen Beziehungen zwischen numerischen Variablen in einem Datensatz quantifizieren möchten.
  • •Zur Unterstützung bei der Datenexploration und Hypothesenprüfung in wissenschaftlichen oder geschäftlichen Analysen.
  • •Um Korrelationsmatrizen und Heatmaps für die Visualisierung von Datenbeziehungen zu generieren.

So funktioniert es

  • •Laden Sie Ihre CSV-Daten hoch oder fügen Sie sie direkt in das Eingabefeld ein.
  • •Wählen Sie optional die Zielspalten aus oder lassen Sie das Werkzeug numerische Spalten automatisch erkennen.
  • •Konfigurieren Sie die Korrelationsmethode (Pearson, Spearman oder Kendall), Signifikanzniveau und Behandlung fehlender Werte oder Ausreißer.
  • •Das Werkzeug berechnet Korrelationskoeffizienten, p-Werte, Konfidenzintervalle und gibt eine detaillierte Analyse mit optionalen Heatmaps und Streudiagramm-Empfehlungen aus.

Anwendungsfälle

Finanzmarktanalyse zur Bewertung von Risiken und Abhängigkeiten zwischen Aktienkursen, Marktkapitalisierung und Handelsvolumen.
Marketinganalyse zur Untersuchung der Beziehung zwischen Kundenmerkmalen wie Alter, Einkommen und Kaufverhalten.
Wissenschaftliche Forschung zur Hypothesenprüfung und Datenexploration in Experimenten mit mehreren Variablen.

Beispiele

1. Aktienkurskorrelation analysieren

Finanzanalyst
Hintergrund
Ein Finanzanalyst hat historische Daten von Aktienkursen, Marktkapitalisierung, Handelsvolumen und Kurs-Gewinn-Verhältnissen in einer CSV-Datei.
Problem
Er möchte die linearen Beziehungen zwischen diesen Variablen verstehen, um Portfoliorisiken zu bewerten und Anlageentscheidungen zu treffen.
Verwendung
Laden Sie die CSV-Datei mit Aktiendaten hoch, lassen Sie die numerischen Spalten automatisch erkennen und wählen Sie die Pearson-Methode für lineare Korrelation mit einem Signifikanzniveau von 0.05.
Beispielkonfiguration
{ "correlationMethod": "pearson", "significanceLevel": "0.05", "handleMissing": "remove", "generateHeatmap": true }
Ergebnis
Das Werkzeug gibt eine Korrelationsmatrix aus, die zeigt, dass stock_price und market_cap stark positiv korrelieren (r=0.85, p<0.01), während volume und pe_ratio schwach negativ korrelieren (r=-0.2, p=0.12), mit einer Heatmap zur Visualisierung.

2. Kundenverhalten in Marketingkampagnen

Marketing Manager
Hintergrund
Ein Marketing-Manager analysiert Kundendaten mit Merkmalen wie Alter, Einkommen, monatlichen Ausgaben und Reaktion auf frühere Kampagnen.
Problem
Sie möchten die Beziehung zwischen Kundeneigenschaften und Marketingreaktion identifizieren, um zielgerichtete Kampagnen zu entwickeln.
Verwendung
Importieren Sie die Kundendaten als CSV, definieren Sie die Zielspalten (Alter, Einkommen, Ausgaben, Reaktion) und wählen Sie Spearman-Korrelation für robuste Analyse nicht-linearer Beziehungen.
Ergebnis
Die Analyse zeigt eine moderate positive Korrelation zwischen Einkommen und Ausgaben (ρ=0.6, p<0.05) und eine schwache Korrelation zwischen Alter und Reaktion (ρ=0.15), was auf gezielte Marketingstrategien für einkommensstarke Gruppen hindeutet.

Mit Samples testen

csv, video, barcode
Beispiele für Doppelte Zeilen
Beispieldateien mit verschiedenen Arten doppelter Zeilen zum Testen von Tools zum Entfernen von Duplikaten
preferred input family csv
csv
Regex-Ersetzungsbeispiele
Sammlung häufiger und nützlicher Regex-Ersetzungsmuster für Texttransformation und Datenbereinigung
preferred input family csv
csv
Windows Zeichenkettenverarbeitung - C# Beispiele
Umfassende C# Zeichenkettenverarbeitungsbeispiele für Windows-Plattform einschließlich Manipulation, Aufteilung, Verknüpfung, reguläre Ausdrücke und Textanalyse
preferred input family csv
csv
CSV Beispiele
CSV-Beispieldateien mit verschiedenen Datentypen, Größen und Komplexitätsstufen
preferred input family csv
csv

Verwandte Hubs

Csv-Convert-Tools
Entdecken Sie 37 csv-Tools für convert-Workflows und vergleichen Sie ähnliche Utilities schnell.
Video-Convert-Tools
Entdecken Sie 36 video-Tools für convert-Workflows und vergleichen Sie ähnliche Utilities schnell.
Barcode-Convert-Tools
Entdecken Sie 6 barcode-Tools für convert-Workflows und vergleichen Sie ähnliche Utilities schnell.
Video-Tools
Entdecken Sie 16 video-Tools für utility-Workflows und vergleichen Sie ähnliche Utilities schnell.

FAQ

Welche Korrelationsmethoden unterstützt das Werkzeug?

Pearson für lineare Korrelation, Spearman für Rangkorrelation (monotonisch) und Kendall für Rangkorrelation bei kleinen Stichproben.

Wie werden fehlende Werte in der Analyse behandelt?

Sie können zwischen Entfernen von Zeilen, Ersetzen durch Mittelwert oder Median, linearer Interpolation oder paarweisem Ignorieren wählen.

Kann ich Ausreißer in der Korrelationsanalyse berücksichtigen?

Ja, mit Optionen wie der IQR-Methode, Z-Score oder modifiziertem Z-Score zur Erkennung und Behandlung von Ausreißern.

Was ist der Unterschied zwischen Pearson und Spearman Korrelation?

Pearson misst lineare Beziehungen, während Spearman monotone Beziehungen basierend auf Rängen misst und robuster gegenüber Ausreißern ist.

Wie interpretiere ich die Korrelationsmatrix und p-Werte?

Koeffizienten nahe +1 zeigen starke positive Korrelation, nahe -1 starke negative Korrelation, und nahe 0 keine lineare Beziehung. P-Werte unter dem Signifikanzniveau (z.B. 0.05) weisen auf statistische Signifikanz hin.

API-Dokumentation

Request-Endpunkt

POST /de/api/tools/correlation-analyzer

Request-Parameter

Parameter-Name Typ Erforderlich Beschreibung
inputData textarea Ja -
targetColumns textarea Nein -
correlationMethod select Nein -
significanceLevel select Nein -
handleMissing select Nein -
outlierMethod select Nein -
confidenceInterval checkbox Nein -
groupColumn text Nein Column to group analysis by (e.g., category, region, department)
generateHeatmap checkbox Nein -
generateScatterPlots checkbox Nein -
includeStatistics checkbox Nein -
showPValues checkbox Nein -
showConfidenceIntervals checkbox Nein -
decimalPlaces number Nein Number of decimal places for correlation coefficients

Antwortformat

{
  "result": "Processed text content",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}
Text: Text

MCP-Dokumentation

Fügen Sie dieses Tool zu Ihrer MCP-Server-Konfiguration hinzu: 

{
  "mcpServers": {
    "elysiatools-correlation-analyzer": {
      "name": "correlation-analyzer",
      "description": "Fortschrittetes Korrelationsanalyse-Werkzeug zur Berechnung von Korrelationskoeffizienten zwischen Variablen zur Messung der Stärke und Richtung ihrer linearen Beziehungen.",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=correlation-analyzer",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Sie können mehrere Tools verketten, z.B.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, maximal 20 Tools.

Wenn Sie auf Probleme stoßen, kontaktieren Sie uns bitte bei [email protected]