Важность корреляционного анализа трудно переоценить. Он лежит в основе многих исследовательских работ, бизнес-аналитики и прогнозирования. Понимание взаимосвязей между переменными позволяет делать обоснованные выводы о влиянии одного фактора на другой, прогнозировать будущие значения и принимать эффективные решения. Данная работа посвящена сравнительному анализу реализации корреляционного анализа в двух популярных электронных процессорах: Microsoft Excel и LibreOffice Calc. Цель исследования – выявить сходства и различия в методах и результатах расчета корреляционных коэффициентов в обоих приложениях, сравнить точность встроенных методов, а также оценить удобство использования интерфейсов для выполнения анализа. В ходе исследования рассматривается самый популярный тип корреляционного коэффициента, коэффициент корреляции Пирсона, который может быть рассчитан с помощью встроенных функций в обеих программах. В качестве набора данных использовались исторические данные о погоде в Екатеринбурге за декабрь 2024 г. Результаты помогут пользователям выбрать наиболее подходящий инструмент для своих аналитических задач. В заключение кратко описываются преимущества и недостатки каждой из программ, а также даются рекомендации по выбору оптимальной программы.
The importance of correlation analysis is difficult to overestimate. It underlies many research works, business analytics and forecasting. Understanding the relationships between variables allows you to make informed conclusions about the influence of one factor on another, predict future values and make effective decisions. This work is devoted to a comparative analysis of the implementation of correlation analysis in two popular electronic processors: Microsoft Excel and LibreOffice Calc. The purpose of the study is to identify similarities and differences in the methods and results of calculating correlation coefficients in both applications, compare the accuracy of the built-in methods, and evaluate the ease of use of interfaces for performing analysis. The study examines the most popular type of correlation coefficient, the Pearson correlation coefficient, which can be calculated using built-in functions in both programs. Historical weather data for the city of Yekaterinburg for December 2024 was used as a data set. The results will help users choose the most suitable tool for their analytical tasks. The conclusion briefly describes the advantages and disadvantages of each program and provides recommendations for choosing the optimal program.
1. Гордиенко Е.П., Паненко Н.С. Современные технологии обработки и анализа больших данных в научных исследованиях // Актуальные проблемы железнодорожного транспорта. 2018. С. 44–48.
2. Баврина А.П., Борисов И.Б. Современные правила применения корреляционного анализа // Медицинский альманах. 2021. № 3 (68). С. 70–79.
3. Шишлянникова Л.М. Применение корреляционного анализа в психологии // Психологическая наука и образование. 2009. Т. 14, № 1. С. 98–107.
4. Кизянов А.О. Корреляция Пирсона на языке программирования Python // Постулат. 2018. № 8 (34). С. 14.
5. Слесарева Е.А. Корреляционный анализ как один из методов обработки результатов психологического исследования // Международный журнал психологии и педагогики в служебной деятельности. 2016. № 4. C. 38–40.
6. Береснева И.В. Применение методов корреляционного анализа в Microsoft Excel для выявления зависимостей между выборками значений двух случайных величин // Синтез науки и образования как инструмент решения глобальных проблем современности. 2023. С. 129–132.
7. Красников В.Л. Применение пакета LibreOffice для обработки экспериментальных данных по методу наименьших квадратов // Учебная физика. 2015. № 1. C. 39–40.