Cách tạo ma trận tương quan bằng AI: 5 bước kiểm tra dễ dàng trong năm 2026

Ma trận tương quan đặt mỗi cột số cạnh tất cả các cột số khác và báo cáo mức độ liên kết chặt chẽ của từng cặp khi chúng biến động cùng nhau. Hướng dẫn này sẽ giải thích ma trận tương quan là gì và cách xây dựng thủ công. Sau đó, tài liệu đưa ra ba bước để tạo ma trận từ một tệp xuất dữ liệu. Cuối cùng là năm bước kiểm tra giúp phân biệt một ma trận hữu ích với một lưới các con số gây hiểu lầm.

Ma trận tương quan cho bạn biết điều gì

Tài liệu hướng dẫn của Microsoft dành cho Analysis ToolPak định nghĩa đối tượng này rất rõ ràng. Công cụ Correlation "cung cấp một bảng kết quả đầu ra, chính là ma trận tương quan." Bảng đó "hiển thị giá trị của CORREL (hoặc PEARSON) được áp dụng cho từng cặp biến số đo lường có thể có."

Tài liệu cũng cho biết khi nào bạn cần đến nó. Công cụ này "đặc biệt hữu ích khi có nhiều hơn hai biến số đo lường cho mỗi đối tượng trong số N đối tượng." Với hai cột, bạn chỉ cần tính toán một con số duy nhất. Nhưng với mười hai cột, bạn sẽ cần đến một mạng lưới.

Bản thân hệ số tương quan được mô tả một cách đơn giản. Đó là "thước đo mức độ mà hai biến số đo lường 'biến thiên cùng nhau'." Thuộc tính hữu ích của nó là tính quy chuẩn tỷ lệ. Không giống như hiệp phương sai, nó "được quy chuẩn tỷ lệ để giá trị của nó độc lập với các đơn vị" mà các biến số được biểu thị.

Đó là lý do tại sao ma trận này rất dễ đọc. Doanh thu tính bằng đô la và số lượt truy cập tính bằng số đếm tạo ra một hệ số trên cùng một thang đo, nhờ đó các ô có thể được so sánh trực tiếp với nhau.

Việc đọc các giá trị cũng được hướng dẫn chi tiết. Một hệ số "gần +1 hoặc -1" biểu thị "tương quan thuận (+1) hoặc nghịch (-1) giữa các mảng dữ liệu." Một hệ số "gần 0 biểu thị không có tương quan hoặc tương quan yếu." Đối với phiên bản áp dụng cho một cặp đơn lẻ của ý tưởng này, bài viết giải thích về hệ số tương quan sẽ trình bày chi tiết định nghĩa đó một cách độc lập.

Những gì bạn cần chuẩn bị trước khi bắt đầu

• Một tệp xuất dữ liệu với mỗi hàng đại diện cho một đối tượng: một khách hàng, một cửa hàng, một tuần, một chiến dịch.
• Ít nhất ba cột số. Dưới mức đó, việc tạo ma trận sẽ tốn công sức hơn là mang lại giá trị.
• Một góc nhìn rõ ràng về "đối tượng" là gì. Các hàng phải thuộc cùng một loại thực thể, nếu không các hệ số sẽ trở nên vô nghĩa.
• Một ghi chú về việc những cột nào được suy ra từ nhau. Doanh thu và doanh thu trên mỗi đơn hàng chắc chắn sẽ tương quan với nhau do cách thiết lập công thức.
• Quyết định về cách xử lý các ô trống, cần được đưa ra trước khi bạn chạy bất kỳ công cụ nào.

Mục cuối cùng đó sẽ làm thay đổi kết quả, chứ không chỉ là cách trình bày. Đây chính là chủ đề của Bước kiểm tra 2 bên dưới.

Cách thực hiện thủ công

Tùy chọn 1: Sử dụng công cụ Correlation của Analysis ToolPak

Đây là con đường ngắn nhất và nó tạo ra ma trận trực tiếp. Microsoft mô tả công việc của tiện ích bổ sung này là giúp tiết kiệm các bước thực hiện. Bạn chỉ cần "cung cấp dữ liệu và các tham số cho mỗi phân tích." Sau đó, công cụ sẽ sử dụng "các hàm macro để tính toán và hiển thị kết quả trong một bảng đầu ra."

Có hai giới hạn đáng lưu ý trước. Kết quả đầu ra là một khối số tĩnh, vì vậy nó không tự động cập nhật khi dữ liệu thay đổi. Và theo tài liệu hướng dẫn, "các hàm phân tích dữ liệu chỉ có thể được sử dụng trên một trang tính tại một thời điểm."

Tùy chọn 2: Viết một lưới các công thức CORREL

Đặt tên các cột của bạn dọc theo hàng bên cạnh và ngang qua hàng trên cùng, sau đó điền vào mỗi ô công thức CORREL đối chiếu giữa hai phạm vi dữ liệu.

Ưu điểm là nó có thể tự động tính toán lại. Nhược điểm nằm ở quy mô. Một ma trận mười hai cột đồng nghĩa với 144 ô chứa các tham chiếu tuyệt đối và tương đối hỗn hợp. Chỉ cần kéo sai một công thức là bạn đã đặt sai cặp dữ liệu vào sai ô mà không có bất kỳ lỗi nào xuất hiện.

Tùy chọn 3: Tính toán bên ngoài bảng tính

Bất kỳ thư viện thống kê nào cũng có thể trả về một ma trận tương quan chỉ bằng một dòng mã, và nó xử lý dữ liệu bị thiếu một cách rõ ràng.

Đây là con đường đáng tin cậy nhất nhưng lại khó chia sẻ nhất. Người đồng nghiệp muốn biết tại sao hai cột lại tương quan với nhau không thể mở tập lệnh của bạn, và ma trận sẽ được gửi đi dưới dạng một hình ảnh dán vào.

Những điểm nghẽn của phương pháp thủ công

Việc tính toán số học diễn ra ngay lập tức. Điều tốn thời gian chính là mọi thứ xung quanh nó.

Chi phí đầu tiên là việc lựa chọn cột. Một tệp xuất dữ liệu thô có các cột ID, các cột ngày tháng được lưu trữ dưới dạng số, và các cờ trạng thái được mã hóa thành 0 và 1. Tất cả chúng đều là dữ liệu số, vì vậy tất cả đều sẽ nằm trong ma trận. Sự tương quan giữa ID khách hàng và doanh thu chỉ là dữ liệu nhiễu nhưng trông vẫn giống như một ô dữ liệu hợp lệ.

Chi phí thứ hai là việc đọc ma trận. Một ma trận mười hai biến số có 66 cặp riêng biệt nằm phía trên đường chéo. Việc quét qua 66 con số để tìm ra những con số thú vị chính xác là nhiệm vụ mà mọi người thường bỏ qua, đó là lý do tại sao các ma trận được tạo ra rồi lại bị lãng quên.

Chi phí thứ ba là sự lặp lại. Không ai chỉ xây dựng một ma trận tương quan duy nhất. Họ xây dựng một ma trận cho mỗi nhóm đối tượng, mỗi khu vực hoặc mỗi quý, và công việc lựa chọn cột lại phải bắt đầu lại từ đầu mỗi lần như vậy.

Cách tạo ma trận tương quan bằng Powerdrill Bloom

Bước 1: Tải lên tệp xuất dữ liệu với một hàng cho mỗi đối tượng

Thả tệp vào Powerdrill Bloom mà không cần chọn trước các cột. Gói Free hỗ trợ tải lên các tệp Excel, CSV, PDF và tài liệu, vì vậy bạn có thể đưa tệp xuất dữ liệu thô vào mà không cần gói trả phí.

Giữ nguyên các cột ID và ngày tháng. Việc loại trừ chúng là một phần của yêu cầu, và việc nêu rõ điều đó bằng lời nói sẽ đáng tin cậy hơn là tự xóa các cột rồi lại quên mất mình đã xóa những cột nào.

Bước 2: Chỉ định các cột cần đưa vào và cách xử lý các ô trống

Hãy diễn đạt bằng ngôn ngữ tự nhiên. Liệt kê các cột là các phép đo thực tế và nêu tên các cột cần loại trừ. Sau đó, cho biết các hàng bị thiếu giá trị nên được loại bỏ hay xử lý theo từng cặp.

Đồng thời, hãy cho biết những cột nào được suy ra từ các cột khác. Một ma trận đánh dấu một mối quan hệ số học hiển nhiên như một phát hiện mới sẽ làm lãng phí phút đầu tiên của người đọc.

Bước 3: Tạo ma trận dưới dạng bảng và bản đồ nhiệt (heatmap)

Yêu cầu kết quả đầu ra mà bạn cần. Đó là ma trận dưới dạng bảng hệ số, cùng với bản đồ nhiệt của chính lưới đó. Thêm một danh sách ngắn các cặp đáng chú ý kèm theo kích thước mẫu của chúng. Trang bảng giá mô tả việc nhận được câu trả lời có cơ sở kèm theo biểu đồ, bảng và tệp xuất dữ liệu, và trang phân tích nâng cao liệt kê Heatmap trong số các hình ảnh trực quan hóa.

Nếu ma trận được đưa vào một bài phân tích bằng văn bản, gói Pro sẽ mở rộng tính năng này để xuất ra tài liệu Office đầy đủ hơn.

5 bước kiểm tra mà mọi ma trận tương quan đều nên vượt qua

Kiểm tra 1: Các cột được ghép cặp có cùng độ dài không?

Đây là nguyên nhân phổ biến nhất khiến một ô bị lỗi. Tài liệu hướng dẫn của Microsoft cho hàm này nêu rõ: "nếu array1 và array2 có số lượng điểm dữ liệu khác nhau, CORREL sẽ trả về lỗi #N/A."

Trong một lưới được xây dựng thủ công, điều này xảy ra khi một phạm vi bị kéo dài hơn phạm vi kia một hàng. Cách khắc phục rất đơn giản; việc nhận ra nó mới là phần khó khăn, bởi vì một lỗi #N/A duy nhất trong một lưới 144 ô rất dễ bị bỏ sót.

Kiểm tra 2: Các ô trống và văn bản có biến mất theo cách bạn nghĩ không?

Hai hành vi được ghi nhận trong tài liệu hướng dẫn đi theo hai hướng khác nhau ở đây, và việc biết cả hai sẽ giúp ngăn ngừa một sai lầm thực tế.

Hàm này sẽ loại bỏ các giá trị không phải là số theo từng cặp. Theo Microsoft, "văn bản, giá trị logic hoặc các ô trống" trong một đối số sẽ bị bỏ qua. Nhưng "các ô có giá trị bằng không sẽ được đưa vào." Một ô trống sẽ bị bỏ qua; một số không vẫn được tính.

Công cụ Correlation của ToolPak thì nghiêm ngặt hơn. Tài liệu hướng dẫn của nó nêu rõ rằng "bất kỳ quan sát nào bị thiếu đối với bất kỳ đối tượng nào cũng sẽ khiến đối tượng đó bị bỏ qua trong phân tích." Một ô trống sẽ loại bỏ toàn bộ hàng khỏi mọi cặp trong ma trận.

Vì vậy, cùng một dữ liệu có thể tạo ra hai ma trận khác nhau tùy thuộc vào con đường bạn chọn. Nếu một cột có nhiều ô trống, phương pháp sử dụng ToolPak có thể âm thầm tính toán lưới trên một mẫu nhỏ hơn nhiều.

Kiểm tra 3: Có cột nào mang giá trị không đổi không?

Một cột có cùng một giá trị ở mọi hàng thì không có sự biến thiên để tương quan. Kết quả được ghi nhận trong tài liệu là một lỗi. Nếu "s (độ lệch chuẩn) của các giá trị của chúng bằng không," thì "CORREL sẽ trả về lỗi #DIV/0!."

Điều này xuất hiện thường xuyên hơn mong đợi. Một cờ trạng thái luôn đúng trong khoảng thời gian bạn xuất dữ liệu, hoặc một khoản phí không thay đổi, cả hai đều hoạt động theo cách này.

Check 4: Bạn đã xem xét hình dáng phân bố, chứ không chỉ con số?

Hệ số tương quan đo lường mức độ nhất quán khi hai cột cùng di chuyển theo một đường thẳng. Một mối quan hệ tăng lên rồi giảm xuống có thể có hệ số gần bằng không trong khi lại rất mạnh mẽ và rõ ràng trên biểu đồ đồ thị.

Vì vậy, một ô có giá trị gần bằng không không phải là bằng chứng của sự độc lập. Đó chỉ là một nhận định về mối liên hệ tuyến tính (đường thẳng). Hãy vẽ biểu đồ cho hai hoặc ba cặp dữ liệu bạn quan tâm trước khi đưa ra bất kỳ kết luận nào, và kiểm tra xem có một vài hàng có giá trị cực đoan đang kéo hệ số tương quan lên hay không. Bài hướng dẫn về giá trị ngoại lai sẽ trình bày chi tiết bước này.

Kiểm tra 5: Bạn có tính đến số lượng cặp dữ liệu mà bạn đã xem xét không?

Một ma trận mười cột chứa 45 cặp riêng biệt. Một ma trận mười hai cột chứa 66 cặp. Nếu quét qua đủ số lượng cặp, một vài cặp trông sẽ có vẻ tương quan mạnh mẽ mà không có lý do thực tế nào cả.

Hai thói quen sau sẽ giúp khắc phục điều này. Hãy xác định những mối quan hệ mà bạn kỳ vọng trước khi đọc lưới dữ liệu, và coi những mối quan hệ còn lại là các ứng viên tiềm năng thay vì là các phát hiện chính thức. Đồng thời, hãy ghi lại kích thước mẫu bên cạnh bất kỳ hệ số nào bạn định trích dẫn, bởi vì ý nghĩa thống kê phụ thuộc vào nó.

Những gì phương pháp này giúp tiết kiệm

Nhiệm vụ	Thủ công	Từ tệp xuất dữ liệu được tải lên
Loại trừ các cột ID, ngày tháng và cột cờ trạng thái	Thủ công, phải làm lại mỗi lần chạy	Chỉ cần nêu một lần trong yêu cầu
Xây dựng lưới dữ liệu	144 công thức hoặc một khối ToolPak tĩnh	Là một phần trong câu hỏi bạn đặt ra
Áp dụng một quy tắc xử lý dữ liệu bị thiếu	Tùy thuộc vào con đường bạn đã sử dụng	Được nêu rõ ràng
Rút gọn danh sách các cặp đáng đọc	Quét từ 45 đến 66 ô bằng mắt thường	Được trả về cùng với ma trận
Tạo phiên bản cho quý tiếp theo	Việc lựa chọn cột phải bắt đầu lại	Cùng một yêu cầu, tệp dữ liệu mới

Các thực hành tốt nhất

Báo cáo hệ số tương quan đi kèm với kích thước mẫu của nó. Một ô hiển thị giá trị 0.7 trên mười một hàng không mang lại giá trị khẳng định tương đương với giá trị 0.7 trên mười một nghìn hàng.

Loại bỏ một trong hai cột của bất kỳ cặp nào được xây dựng từ cột kia. Các cột được suy ra sẽ làm phình to ma trận bằng những mối quan hệ mà bạn vốn đã biết trước.

Hiển thị ma trận dưới dạng bản đồ nhiệt để quét nhanh và dưới dạng bảng để trích dẫn. Bản đồ nhiệt giúp tìm ra các mô hình; bảng cung cấp con số cụ thể để ai đó có thể dán vào tài liệu.

Đừng để ma trận tự lựa chọn mô hình. Việc chọn các biến dự báo dựa trên mối tương quan mạnh nhất là cách khiến các biến cộng tuyến bị chọn cùng nhau. Phân tích hồi quy mới là công cụ phù hợp cho câu hỏi đó.

Viết danh sách loại trừ ngay bên cạnh ma trận. Câu hỏi thứ hai của người đọc luôn là những cột nào đã bị bỏ qua.

Kết luận

Một ma trận tương quan rất dễ tính toán nhưng cũng rất dễ bị diễn giải quá đà. Excel cung cấp cả hai con đường để tạo ra nó, và hai con đường này không thống nhất về cách xử lý dữ liệu bị thiếu theo cách đã được ghi nhận trong tài liệu nhưng hiếm khi được chú ý đến.

Giá trị thực sự nằm ở năm bước kiểm tra chứ không phải ở bản thân lưới dữ liệu. Các cặp có cùng độ dài, một quy tắc xử lý ô trống rõ ràng, không có cột mang giá trị không đổi, việc xem xét hình dáng phân bố thực tế, và sự trung thực về số lượng cặp dữ liệu bạn đã quét qua.

Nếu bạn đã có tệp xuất dữ liệu nhưng không muốn đối mặt với một lưới 144 ô phức tạp, hãy thử Powerdrill Bloom với tệp thô của bạn. Con đường sử dụng trợ lý AI cho Excel sẽ phù hợp với dữ liệu đã có sẵn trong một bảng tính.

Các câu hỏi thường gặp

Ma trận tương quan là gì?

Đó là một bảng hiển thị hệ số tương quan cho từng cặp biến số trong một tập dữ liệu. Tài liệu hướng dẫn của Microsoft mô tả kết quả đầu ra của Analysis ToolPak là một ma trận tương quan hiển thị CORREL hoặc PEARSON được áp dụng cho từng cặp dữ liệu có thể có. Nó hữu ích nhất khi bạn có nhiều hơn hai biến số đo lường.

Làm thế nào để tạo ma trận tương quan trong Excel?

Có hai con đường để thực hiện. Analysis ToolPak có một công cụ Correlation giúp ghi ma trận vào một bảng kết quả đầu ra. Ngoài ra, bạn có thể xây dựng một lưới các công thức CORREL, cách này giúp tự động tính toán lại nhưng tốn nhiều ô và yêu cầu tham chiếu cẩn thận.

Excel xử lý các giá trị bị thiếu trong phân tích tương quan như thế nào?

Điều đó tùy thuộc vào con đường bạn sử dụng. Hàm CORREL bỏ qua văn bản, các giá trị logic và các ô trống nhưng vẫn đưa các số không vào tính toán. Công cụ Correlation của ToolPak thì loại bỏ bất kỳ đối tượng nào có quan sát bị thiếu khỏi toàn bộ quá trình phân tích.

Thế nào được coi là một mối tương quan mạnh?

Hướng dẫn của Microsoft mang tính định hướng hơn là đưa ra con số cụ thể. Các giá trị gần +1 hoặc -1 biểu thị tương quan thuận hoặc nghịch mạnh hơn. Các giá trị gần 0 biểu thị không có tương quan hoặc tương quan yếu. Bất kỳ ngưỡng cố định nào cũng đều phụ thuộc vào lĩnh vực của bạn và kích thước mẫu của bạn.

Mối tương quan cao có đồng nghĩa với việc biến này là nguyên nhân gây ra biến kia không?

Không. Hệ số tương quan chỉ mô tả mức độ nhất quán khi hai cột cùng biến động, chứ không nói lên điều gì về hướng đi hay cơ chế tác động. Một yếu tố thứ ba thúc đẩy cả hai, hoặc một cột được suy ra từ cột kia, cũng sẽ tạo ra kết quả tương tự.