Tính toán hiệp phương sai của một tập dữ liệu.
Sử dụng mẫu
COVAR(A2:A100;B2:B100)
Cú pháp
COVAR(dữ_liệu_y; dữ_liệu_x)COVAR(dữ_liệu_y; dữ_liệu_x)
-
dữ_liệu_y– Dải ô đại diện cho mảng hoặc ma trận của dữ liệu phụ thuộc. -
dữ_liệu_x– Dải ô đại diện cho mảng hoặc ma trận của dữ liệu độc lập.
Lưu ý
-
Mọi văn bản gặp phải trong đối số
giá_trịđều bị bỏ qua. -
Hiệp phương sai dương cho thấy dữ liệu độc lập và dữ liệu phụ thuộc có xu hướng thay đổi theo cùng một hướng; hiệp phương sai âm chỉ ra rằng chúng có xu hướng thay đổi theo hướng ngược lại (nghĩa là tăng dữ liệu này dẫn đến giảm dữ liệu kia). Độ lớn của hiệp phương sai rất khó diễn giải – hãy sử dụng hàm
CORRELhoặcPEARSON, phiên bản chuẩn hóa củaCOVAR, để đánh giá cường độ tương quan tuyến tính.
Xem thêm
STEYX: Tính toán sai số chuẩn của giá trị y được dự đoán cho mỗi giá trị x trong hồi quy của tập dữ liệu.
SLOPE: Tính toán độ dốc của đường hồi quy tuyến tính của một tập dữ liệu.
RSQ: Tính toán bình phương của r, hệ số tương quan mômen tích Pearson của một tập dữ liệu.
INTERCEPT: Tính toán giá trị y mà tại đó đường thẳng từ hồi quy tuyến tính của tập dữ liệu sẽ giao cắt với trục y (x=0).
FORECAST: Dự đoán giá trị y cho một x chỉ định sẵn dựa vào hồi quy tuyến tính của tập dữ liệu.
COVAR: Tính toán hiệp phương sai của một tập dữ liệu.
CORREL: Tính r, hệ số tương quan mômen tích Pearson của một tập dữ liệu.