L’interprétation du coefficient de corrélation

PARTAGEZ L’ARTICLE SUR

L’interprétation du coefficient de corrélation auprès des clients
Table des matières

Le coefficient de corrélation est utilisé en statistique pour déterminer la relation entre deux variables. En outre, le coefficient de corrélation indique également à quel point leur relation est forte ou faible et dans quelle direction se trouve leur linéarité. La linéarité et sa direction sont facilement visibles grâce aux nuages de points sur le graphique.

Dans cet article, nous allons voir  comment interpréter le coefficient de corrélation en détail.

Le guide de la recherche exploratoire

Mener des recherches exploratoires peut sembler difficile, mais un guide efficace peut vous aider.

L’interprétation du coefficient de corrélation

Le coefficient de corrélation ci-dessous est désigné par r et la valeur de r est toujours comprise entre +1 et -1. Afin d’avoir une référence pour juger la valeur de notre r, vous trouverez ci-dessous la liste des valeurs r et ce que votre coefficient de corrélation vous indique s’il est proche de l’une d’entre elles:

Valeur r

Ce qu’elle dit sur la relation

Exact -1

Pente descendante parfaite donnant une relation linéaire négative

-0.70

Forte pente descendante avec relation linéaire négative

-0.50

Pente descendante modérée et relation négative

-0.30

Pente descendante faible et relation linéaire négative

0

Aucune relation

0.30

Relation linéaire positive faible en montée

0.50

Pente ascendante modérée avec relation positive

0.70

Relation linéaire positive forte en montée

Exact +1

Pente ascendante parfaite avec relation linéaire positive

L’interprétation du coefficient de corrélation auprès des clients

Comprenons cela à l’aide de quelques exemples:

  • La figure ci-dessous montre un coefficient de corrélation ou près de +1

C’est une montée parfaite avec tous les nuages de points sur la ligne du meilleur ajustement. On peut donc dire qu’il s’agit d’une relation linéaire positive parfaite.

  • La figure ci-dessous montre une corrélation de –0,50

Elle montre une descente mais les nuages de points sont dispersés loin de la ligne. Cela montre une relation linéaire pas si forte. On peut donc dire qu’il s’agit d’une relation négative modérée.

  • La figure ci-dessous montre une corrélation de +0,85

Elle montre un fort schéma de montée mais n’est pas aussi parfait que la figure 1. Comme +0,85 est proche de +0,70, on peut dire que la corrélation est une forte relation linéaire positive.

  • La figure ci-dessous montre la corrélation de +0,15

On peut constater que les nuages de points sont éloignés les uns des autres et que les données n’ont aucun sens. Comme la corrélation est de +0,15 ce qui est proche de 0, on peut dire qu’il n’y a pas de relation entre les variables.

Découvrez le logiciel d’enquête Voxco en action grâce une démonstration gratuite.

Les points à retenir

Si vous observez un nuage de points avec des points tracés loin les uns des autres, il est conseillé de ne pas chercher à établir une relation entre les variables. Le graphique lui-même indique qu’il n’y a pas de relation linéaire et que vous n’avez pas à vous soucier de trouver une corrélation.

En ce qui concerne l' »absence de relation » , il peut y avoir des cas comme ci-dessus, où aucune relation n’est visible sur le graphique. Mais l’autre possibilité peut être qu’il n’y a pas de relation « linéaire ». Autrement dit, il se peut que le nuage de points soit de telle sorte que la ligne de meilleur ajustement soit une courbe, comme suit:

L’interprétation du coefficient de corrélation auprès des clients

La première figure montre une forte relation positive et la deuxième figure montre une forte relation négative.

En ce qui concerne la proximité des corrélations avec les valeurs indiquées dans le tableau, le problème survient lorsque la valeur se trouve entre les valeurs r déterminées. Par exemple, vous pouvez obtenir +0,45 et vous précipiter pour en faire une relation linéaire positive parfaite parce que vous pensez qu’elle est assez proche de +1. Pour éviter cela, les chercheurs attendent que la corrélation soit supérieure à +0,5 ou -0,5 pour la prendre comme une relation linéaire parfaite. Mais il est préférable d’être prêt pour toutes les imperfections lorsque vous mesurez des données du monde réel.

Read more