Tableau : Correlation Coefficient

Korelasyon analizi, iki değişken arasındaki doğrusal ilişkiyi veya bir değişkenin iki yada daha çok değişken ile olan ilişkisini test etmek, varsa bu ilişkinin derecesini ölçmek için kullanılan istatistiksel bir yöntemdir.
Korelasyon analizinde amaç; bağımsız değişken (X) değiştiğinde, bağımlı değişkenin (Y) ne yönde değişeceğini görmektir. Korelasyon analizi yapabilmek için, her iki değişkenin de sürekli olmaları ve normal dağılım göstermeleri gereklidir.
Korelasyon analizi sonucunda, doğrusal ilişki olup olmadığı ve varsa bu ilişkinin derecesi korelasyon katsayısı ile hesaplanır. Korelasyon katsayısı “r” ile gösterilir ve -1 ile +1 arasında değerler alır.  
Örnek veri setimiz ile uygulamaya başlayalım.
Kategori bazında müşterilerin satış ve karlarının ilişkisini inceleyelim ??

Şimdiki adımda ise Korelasyon formülünü oluşturalım.Verilerimiz Normal dağılım gösterdiği için Pearson korelasyon katsayısını kullanıyoruz.Eğer verilerimiz normal dağılmıyorsa sperman kullanılırdı. 

Pearson Korelasyon Katsayısı, iki sürekli değişkenin doğrusal ilişkisinin derecesinin ölçümünde kullanılır.  İki değişken arasında anlamlı bir ilişki var mıdır sorusunun cevabı aranır. 

Pearson Korelasyon Formülü ;

Tableau da bu formülü nasıl yazabileceğimizi inceleyelim .

Genel Korelasyon hakkında bilgi verdikten sonra  ve Tableau da oluşturulan formülü Color'a atıp gelen sonuçları inceleyelim.

Fark ettiğiniz üzere değerler null olarak geldi burda ki uyarı etkileyeceğimiz alanı belirtmediğimizden dolayı kaynaklanıyor.Compute Using sekmesinden Müşteri ismi seçilir.

Müşteri ismi seçildikten sonra işlemlerimiz bitmiş oluyor.Şimdi sonucu inceleyebiliriz.

Renklerin durumu bize değişkenler arasındaki ilişkinin gücünü yansıtıyor.

Büro malzemeleri bazında müşterilerin satış ve  karları arasında orta ,pozitif yönlü ve anlamlı bir ilişki olduğu görülmektedir.[r=0,61] Satışı yüksek olan müşterinin kar'ıda yüksektir.Aynı şekilde satışı düşük olanın kar'ıda düşüktür diye ifade edilebilir.

Bulduğumuz sonucu önceki çalışmalarda bahsettiğim gibi R-Square değeri ile de teyitleriz.Modelimize bir göz atalım

  



   






  

R-Square değeri:0,3761
Korelasyon değeri(r):0,6133  Bu sonuca göre 0,6133 'ün karesi R-square  değerini vermiş olur.

Pearson Korelasyon Katsayısının yorumu;

Kuvvetli(-)	Orta (-)	Zayıf (-)	Zayıf (+)	Orta (+)	Kuvvetli(+)
-1<r<-0.9	-0.9<r<-0.5	-0.5<r<0	0<r<0.5	0.5<r<0.9	0.9<r<1

Tableau Desktop10ücretsiz burada

Regresyon Analizi-1

Regresyon Analizi hakkında birkaç önemli noktayı vurgulayalım; 

• Aralarında sebep-sonuç ilişkisi bulunan iki veya daha fazla değişken arasındaki ilişkiyi belirlemek ve bu ilişkiyi kullanarak o konu ile ilgili tahminler (estimation) ya da kestirimler (prediction) yapabilmek amacıyla yapılır.  
• iki ya da daha çok değişken arasında ilişki olup olmadığını, ilişki varsa yönünü ve gücünü inceleyen “Korelasyon analizi” ile değişkenlerden birisi belirli bir birim değiştiğinde diğerinin nasıl bir değişim gösterdiğini inceleyen “Regresyon analizi”  çok kullanılan istatistiksel yöntemlerdir.Değişkenler arasındaki ilişki belirlendikten sonra, bağımsız değişken(ler)in değeri bilindiğinde bağımlı değişkenin değeri tahmin edilebilir.
• Bağımlı Değişken (y)  regresyon modelinde açıklanan ya da tahmin edilen değişkendir. Bu değişkenin bağımsız değişken ile ilişkili olduğu varsayılır. 
• Bağımsız Değişken (x) , regresyon modelinde açıklayıcı değişken olup; bağımlı değişkenin değerini tahmin etmek için kullanılır.  

Tableau'da örnek veri ile yaptığım Regresyon Analizini aktarmaya çalışayım.Amerikada ki eyaletlerin Satış ve Kar değişkenlerini ele alalım.



 Ekranın bir noktasında sağ tıklayarak gelen ekrandan Trend Lines>Show Trend Lines tıklanır.

Tıkladıktan sonra Trend Linesı çizdirmiş oluyoruz.Edit Trend Lines ile istediğimiz düzeltmeleri yapabiliriz.

Ve modeli oluşturmuş oluyoruz.Modelimiz Trend Lines çizgisine gelince modeli göstermiş olacaktır.

Regresyon Modelimizi Y=a+bX+€

Y=Bağımlı(Sonuç) değişken 

X:Bağımsız(Sebeb) değişken

a:Sabit olup X=0 olduğunda Y'nin aldığı değerdir.

b:Regresyon Katsayısı olup X'in kendi birim cinsinden meydana gelecek değişme miktarını ifade eder.

€:Her bir gözlem çiftindeki bağımlı değişkene ilşkin gerçek değer ile modelden tahmin edilen değer arasındaki farktır.

€=Y-(a+bX)

Bulduğumuz modeldeki katsayıların bizim için önemli noktası verdiğimiz örneğin regresyon modeli üzerinden devam edersek;

a=-1221,41          X=Sales

b=0,150725         Y=Profit

Profit=-1221,41+0,150725*Sales

Bu modele göre ,Satıştaki bir birimlik artışın ,Kar üzerinde ortalama 0,150725 birimlik bir artışa neden olacağı görülmektedir.

Kurulan bu modele göre örnek verirsek satışı 10,000 olan bir eyaletin kar durumunu artık tahminleyebiriz.

Profit=-1221,41+0,150725*10000

Profit=285,84

Bir sonraki aşamada yapmamız gereken iki adım var:

1. Bulduğumuz Regresyon Katsayıları istatistiksel açıdan önemli midir ? 
2. Modelin Geçerliliğini test etmemiz gerekiyor  ? 

·   

 Tableau Desktop 10 ücretsiz burada