Jak stworzyć macierz korelacji za pomocą AI: 5 prostych kontroli w 2026 roku

Macierz korelacji zestawia każdą kolumnę numeryczną z każdą inną i informuje, jak ściśle powiązana jest każda para. Ten przewodnik wyjaśnia, czym jest macierz i jak zbudować ją ręcznie. Następnie przedstawia trzy kroki, aby wygenerować ją z wyeksportowanych danych. Na koniec omawia pięć testów, które pozwalają odróżnić użyteczną macierz od siatki wprowadzających w błąd liczb.

Co mówi macierz korelacji

Dokumentacja firmy Microsoft dla dodatku Analysis ToolPak dobrze definiuje ten obiekt. Narzędzie Korelacja „tworzy tabelę wyjściową, czyli macierz korelacji”. Tabela ta „pokazuje wartość funkcji CORREL (lub PEARSON) zastosowaną do każdej możliwej pary zmiennych pomiarowych”.

Wyjaśnia również, kiedy warto z niego skorzystać. Narzędzie to „jest szczególnie przydatne, gdy istnieje więcej niż dwie zmienne pomiarowe dla każdego z N obiektów”. Przy dwóch kolumnach wystarczyłoby obliczyć jedną liczbę. Przy dwunastu potrzebna jest już siatka.

Sam współczynnik jest opisany w prosty sposób. Jest to „miara stopnia, w jakim dwie zmienne pomiarowe 'zmieniają się razem'”. Przydatną właściwością jest skalowanie. W przeciwieństwie do kowariancji, jest on „skalowany tak, aby jego wartość była niezależna od jednostek”, w których wyrażone są zmienne.

To właśnie sprawia, że macierz jest czytelna. Przychody w dolarach i liczba wizyt dają współczynnik w tej samej skali, dzięki czemu komórki można bezpośrednio ze sobą porównywać.

Interpretacja wartości również jest udokumentowana. Współczynnik „bliższy +1 lub -1” wskazuje na „dodatnią (+1) lub ujemną (-1) korelację między tablicami”. Współczynnik „bliższy 0 wskazuje na brak korelacji lub słabą korelację”. W przypadku wersji dla pojedynczej pary, wyjaśnienie współczynnika korelacji szczegółowo omawia tę definicję.

Co jest potrzebne przed rozpoczęciem

• Jeden plik eksportu z jednym wierszem na obiekt: klienta, sklep, tydzień, kampanię.
• Co najmniej trzy kolumny numeryczne. Poniżej tej liczby tworzenie macierzy to więcej pracy niż pożytku.
• Jasne określenie, czym jest „obiekt”. Wiersze must reprezentować ten sam rodzaj obiektów, inaczej współczynniki nie będą miały żadnego znaczenia.
• Zanotowanie, które kolumny pochodzą od siebie nawzajem. Przychód i przychód na zamówienie będą skorelowane z samej swojej natury.
• Decyzja o sposobie traktowania pustych pól, podjęta przed uruchomieniem jakichkolwiek obliczeń.

Ten ostatni punkt wpływa na wynik, a nie tylko na sposób prezentacji. Jest on tematem Testu 2 poniżej.

Jak zrobić to ręcznie

Opcja 1: Użycie narzędzia Korelacja z dodatku Analysis ToolPak

To najkrótsza droga, która bezpośrednio generuje macierz. Microsoft opisuje zadanie tego dodatku jako oszczędność kroków. Użytkownik „dostarcza dane i parametry dla każdej analizy”. Narzędzie następnie używa „funkcji makr do obliczenia i wyświetlenia wyników w tabeli wyjściowej”.

Warto z góry wiedzieć o dwóch ograniczeniach. Wynik to statyczny blok liczb, więc nie aktualizuje się automatycznie po zmianie danych. Ponadto, zgodnie z dokumentacją, „funkcje analizy danych mogą być używane tylko na jednym arkuszu roboczym naraz”.

Opcja 2: Napisanie siatki formuł CORREL

Umieść nazwy kolumn z boku i u góry, a następnie wypełnij każdą komórkę formułą CORREL dla odpowiednich dwóch zakresów.

Zaletą jest to, że wartości się przeliczają. Wadą jest skala. Macierz o dwunastu kolumnach oznacza 144 komórki z mieszanymi odwołaniami bezwzględnymi i względnymi. Jedno przeciągnięcie formuły może umieścić niewłaściwą parę w niewłaściwej komórce, nie wykazując przy tym żadnego błędu.

Opcja 3: Obliczenie poza arkuszem kalkulacyjnym

Dowolna biblioteka statystyczna zwraca macierz korelacji w jednej linijce kodu i w jasny sposób radzi sobie z brakującymi danymi.

To najbardziej niezawodna droga, ale najtrudniejsza do udostępnienia. Współpracownik, który chce wiedzieć, dlaczego dwie kolumny są skorelowane, nie otworzy Twojego skryptu, a macierz otrzyma jedynie jako wklejony obraz.

Gdzie ręczna metoda zwalnia

Same obliczenia są błyskawiczne. Czasochłonne jest wszystko inne wokół nich.

Pierwszym kosztem jest wybór kolumn. Surowy plik eksportu zawiera kolumny z identyfikatorami (ID), kolumny z datami zapisanymi jako liczby oraz flagi statusu zakodowane jako 0 i 1. Wszystkie one są numeryczne, więc wszystkie trafiają do macierzy. Korelacja między ID klienta a przychodem to tylko szum informacyjny, który wciąż wygląda jak zwykła komórka.

Drugim kosztem jest jej odczytanie. Macierz o dwunastu zmiennych zawiera 66 różnych par powyżej przekątnej. Przeglądanie 66 liczb w poszukiwaniu tych interesujących to dokładnie to zadanie, które ludzie pomijają – i dlatego macierze są tworzone, a potem ignorowane.

Trzecim kosztem jest powtarzalność. Nikt nie tworzy tylko jednej macierzy korelacji. Tworzy się je dla poszczególnych kohort, regionów czy kwartałów, a praca związana z wyborem kolumn zaczyna się za każdym razem od nowa.

Jak utworzyć macierz korelacji za pomocą Powerdrill Bloom

Krok 1: Prześlij plik eksportu z jednym wierszem na obiekt

Przeciągnij i upuść plik do Powerdrill Bloom bez wcześniejszego wybierania kolumn. Bezpłatny plan obejmuje przesyłanie plików Excel, CSV, PDF oraz dokumentów, więc surowy eksport można dodać bez posiadania płatnego planu.

Pozostaw kolumny z ID i datami na swoim miejscu. Wykluczenie ich będzie częścią zapytania, a wyraźne sformułowanie tego polecenia jest bardziej niezawodne niż usuwanie kolumn i zapominanie, które z nich zostały usunięte.

Krok 2: Wskaż kolumny do uwzględnienia i określ sposób traktowania pustych pól

Opisz to prostym językiem. Wymień kolumny będące rzeczywistymi pomiarami i wskaż te, które należy wykluczyć. Następnie określ, czy wiersze z brakującymi wartościami powinny zostać odrzucone, czy też przetwarzane para po parze.

Wskaż również, które kolumny pochodzą od innych. Macierz, która oznacza oczywistą zależność arytmetyczną jako wielkie odkrycie, marnuje tylko czas czytelnika.

Krok 3: Wygeneruj macierz w formie tabeli i mapy cieplnej

Poproś o taki wynik, jakiego potrzebujesz. Może to być macierz w formie tabeli współczynników oraz mapa cieplna tej samej siatki. Dodaj krótką listę par wartych uwagi wraz z wielkością ich próby. Strona z cennikiem opisuje uzyskiwanie rzetelnych odpowiedzi za pomocą wykresów, tabel i eksportów, a strona poświęcona zaawansowanej analityce wymienia Heatmap wśród dostępnych wizualizacji.

Jeśli macierz ma trafić do pisemnej analizy, plan Pro rozszerza te możliwości o pełniejszy eksport do dokumentów pakietu Office.

5 testów, które powinna przejść każda macierz korelacji

Test 1: Czy parowane kolumny mają tę samą długość?

To najczęstsza przyczyna błędu w komórce. Dokumentacja firmy Microsoft dla tej funkcji mówi wprost: „jeśli tablica1 i tablica2 mają różną liczbę punktów danych, funkcja CORREL zwraca błąd #N/D!”.

W ręcznie budowanej siatce dzieje się tak, gdy jeden zakres został przeciągnięty o jeden wiersz dalej niż drugi. Naprawa jest banalna; trudnością jest samo zauważenie błędu, ponieważ pojedynczy błąd #N/D! w siatce o 144 komórkach łatwo przeoczyć.

Test 2: Czy puste pola i tekst znikają tak, jak myślisz?

Dwa udokumentowane zachowania prowadzą tutaj w różnych kierunkach, a znajomość obu pozwala uniknąć poważnego błędu.

Funkcja odrzuca wartości nieliczbowe dla poszczególnych par. Według firmy Microsoft „tekst, wartości logiczne lub puste komórki” w argumencie są ignorowane. Jednak „komórki o wartościach zerowych są uwzględniane”. Puste pole jest pomijane, zero jest brane pod uwagę.

Narzędzie Korelacja z dodatku ToolPak jest bardziej rygorystyczne. Jego dokumentacja stwierdza, że „jakikolwiek brak obserwacji dla dowolnego obiektu powoduje zignorowanie tego obiektu w analizie”. Jedna pusta komórka usuwa cały wiersz ze wszystkich par w macierzy.

Zatem te same dane mogą dać dwie różne macierze w zależności od wybranej metody. Jeśli kolumna zawiera wiele pustych pól, metoda z użyciem ToolPak może po cichu obliczyć siatkę na znacznie mniejszej próbie.

Test 3: Czy któraś kolumna ma stałą wartość?

Kolumna o tej samej wartości w każdym wierszu nie wykazuje zmienności, którą można by skorelować. Udokumentowanym rezultatem jest błąd. Jeśli „odchylenie standardowe (s) ich wartości wynosi zero”, wówczas „funkcja CORREL zwraca błąd #DZIEL/0!”.

Zdarza się to częściej, niż można by przypuszczać. Flaga, która w eksportowanym okresie była zawsze prawdziwa, lub opłata, która się nie zmieniła – obie zachowają się w ten sposób.

Test 4: Czy przyjrzałeś się kształtowi wykresu, a nie tylko samej liczbie?

Współczynnik mierzy, jak spójnie dwie kolumny poruszają się razem w linii prostej. Zależność, która najpierw rośnie, a potem spada, może oscylować blisko zera, mimo że na wykresie będzie silna i oczywista.

Zatem komórka o wartości bliskiej zeru nie jest dowodem na brak zależności. Jest jedynie stwierdzeniem o braku powiązania liniowego. Przed wyciągnięciem jakichkolwiek wniosków sporządź wykres dla dwóch lub trzech par, na których Ci zależy, i sprawdź, czy kilka skrajnych wierszy nie zawyża współczynnika. Ten krok opisuje przewodnik po wartościach odstających.

Test 5: Czy bierzesz pod uwagę liczbę przeanalizowanych par?

Macierz o dziesięciu kolumnach zawiera 45 różnych par. Macierz o dwunastu kolumnach zawiera 66. Przeanalizuj wystarczająco dużo par, a kilka z nich wyda się silnie skorelowanych bez żadnego wyraźnego powodu.

Dwa nawyki pomagają temu zaradzić. Przed odczytaniem siatki zdecyduj, jakich zależności się spodziewasz, a resztę traktuj jako hipotezy, a nie gotowe wnioski. Zapisuj też wielkość próby obok każdego współczynnika, który zamierzasz cytować, ponieważ zależy od niej istotność statystyczna.

Co dzięki temu zyskujesz

Zadanie	Ręcznie	Z przesłanego pliku eksportu
Wykluczanie kolumn z ID, datami i flagami	Ręcznie, powtarzane przy każdym uruchomieniu	Określane raz w zapytaniu
Budowanie siatki	144 formuły lub statyczny blok ToolPak	Część zadanego pytania
Stosowanie jednej reguły dla brakujących danych	Zależy od wybranej metody	Jasno określone
Wybór par wartych analizy	Wzrokowe przeglądanie od 45 do 66 komórek	Zwracane razem z macierzą
Tworzenie wersji na kolejny kwartał	Wybór kolumn zaczyna się od nowa	To samo zapytanie, nowy plik

Najlepsze praktyki

Podawaj współczynnik wraz z wielkością próby. Komórka wskazująca 0.7 przy jedenastu wierszach to nie to samo, co 0.7 przy jedenastu tysiącach.

Usuń jedną z kolumn z pary, jeśli jedna powstała na podstawie drugiej. Kolumny pochodne sztucznie powiększają macierz o zależności, które są już znane.

Przedstawiaj macierz jako mapę cieplną do szybkiego przeglądu i tabelę do cytowania. Mapa cieplna pozwala dostrzec wzorce, a tabela dostarcza konkretną liczbę, którą ktoś wklei do dokumentu.

Nie pozwól, aby macierz decydowała o wyborze modelu. Wybieranie zmiennych objaśniających na podstawie najsilniejszej korelacji prowadzi do jednoczesnego wyboru zmiennych współliniowych. Narzędziem służącym do rozwiązania tego problemu jest analiza regresji.

Zapisz listę wykluczeń obok macierzy. Drugim pytaniem czytelnika jest zawsze to, które kolumny zostały pominięte.

Podsumowanie

Macierz korelacji jest łatwa do obliczenia i łatwo wyciągnąć z niej zbyt daleko idące wnioski. Excel oferuje obie metody jej tworzenia, przy czym różnią się one w sposobie traktowania brakujących danych – co jest wprawdzie udokumentowane, ale rzadko zauważane.

Prawdziwa wartość tkwi w pięciu testach, a nie w samej siatce. Chodzi o pary o równej długości, jasną regułę dotyczącą pustych pól, brak kolumn o stałej wartości, przyjrzenie się rzeczywistemu kształtowi wykresu oraz uczciwość co do liczby przeanalizowanych par.

Jeśli masz plik eksportu, ale nie masz ochoty na zabawę z siatką o 144 komórkach, wypróbuj Powerdrill Bloom z surowym plikiem. Metoda z użyciem Excel AI assistant idealnie nadaje się do danych, które już znajdują się w skoroszycie.

Najczęściej zadawane pytania

Czym jest macierz korelacji?

Jest to tabela przedstawiająca współczynnik korelacji dla każdej pary zmiennych numerycznych w zbiorze danych. Dokumentacja firmy Microsoft opisuje wynik działania dodatku Analysis ToolPak jako macierz korelacji pokazującą funkcję CORREL lub PEARSON zastosowaną do każdej możliwej pary. Jest ona najbardziej przydatna, gdy dysponuje się więcej niż dwiema zmiennymi pomiarowymi.

Jak zrobić macierz korelacji w programie Excel?

Istnieją dwie drogi. Dodatek Analysis ToolPak zawiera narzędzie Korelacja, które zapisuje macierz w tabeli wyjściowej. Alternatywnie można zbudować siatkę formuł CORREL, która automatycznie się przelicza, ale wymaga wielu komórek i ostrożnego stosowania odwołań.

Jak Excel radzi sobie z brakującymi wartościami w korelacji?

To zależy od wybranej metody. Funkcja CORREL ignoruje tekst, wartości logiczne i puste komórki, ale uwzględnia zera. Narzędzie Korelacja z dodatku ToolPak odrzuca z całej analizy każdy obiekt, który posiada choć jedną brakującą obserwację.

Co uważa się za silną korelację?

Wskazówki firmy Microsoft mają charakter kierunkowy, a nie liczbowy. Wartości bliższe +1 lub -1 wskazują na silniejszą korelację dodatnią lub ujemną. Wartości bliższe 0 wskazują na brak korelacji lub słabą korelację. Każdy stały próg zależy od dziedziny i wielkości próby.

Czy wysoka korelacja oznacza, że jedna zmienna jest przyczyną drugiej?

Nie. Współczynnik opisuje jedynie, jak spójnie dwie kolumny poruszają się razem, nie mówiąc nic o kierunku ani mechanizmie tej zależności. Trzeci czynnik wpływający na obie zmienne lub kolumna pochodząca od drugiej dadzą taki sam wynik.