Korrelationsmatrix
Der Pearson-Korrelationskoeffizient misst den linearen Zusammenhang zwischen zwei metrischen Variablen. Die in der Tabelle gemeldete Korrelation ist negativ (!), obwohl sie sich nicht signifikant von 0 unterscheidet, da der p-Wert von 0.837 größer als 0.10ist. Dies deutet darauf hin, dass Designer ihre Bemühungen nicht darauf konzentrieren sollten, Autos effizienter zu machen, weil es keine spürbaren Auswirkungen auf den Umsatz gibt.
Der Pearson-Korrelationskoeffizient funktioniert jedoch am besten, wenn die Variablen annähernd normalverteilt sind und keine Ausreißer aufweisen. Ein Streudiagramm kann diese möglichen Probleme aufdecken.
- Wählen Sie zum Erstellen eines Streudiagramms von Umsatz in Tausend nach Kraftstoffeffizienzin den Menüs Folgendes aus:
Abbildung 2: Diagrammerstellung 
- Wählen Sie die Galerie Scatter/Dot und dann "Einfaches Scatter" aus.
- Wählen Sie Umsatz in Tausend als Variable y und Kraftstoffeffizienz als Variable x aus.
- Klicken Sie auf die Registerkarte "Gruppen/Punkt-ID" und wählen Sie Punkt-ID-Beschriftungaus.
- Wählen Sie Modell als Variable für die Beschriftung der Fälle aus.
- Klicken Sie auf OK.
Das resultierende Streudiagramm zeigt zwei potenzielle Ausreißer: die Metro in der rechten unteren Ecke des Diagramms und die F-Serie in der linken oberen Ecke.
Die F-Serie ist in der Regel repräsentativ für die Fahrzeuge, an denen Ihr Design-Team arbeitet, so dass Sie sich entscheiden, es im Datensatz für jetzt zu halten. Dieser Punkt kann aufgrund der ungleichen Verteilung von Umsatz in Tausendals Ausreißer erscheinen. Ersetzen Sie ihn in weiteren Analysen durch Log-transformierte Verkäufe . Die Metro ist nicht repräsentativ für die Fahrzeuge, an denen Ihr Designteam arbeitet, sodass Sie sie sicher aus weiteren Analysen entfernen können.