Kui me seda kordajat sajaga korrutame, saame protsendid selle kohta, kui palju ühe muutuja varieerimine teise muutuja varieeruvusest seletab. Näiteks kui kahe muutuja X ja Y vaheline korrelatsioon r = 0.20, siis R2= (0.20)2= 0.20*0.20 = 0.04 ning muutuja X seletab ära 0.04*100 = 4% muutuja Y varieeruvusest. Väga oluline on tähele panna ja meelde jätta, et korrelatsioon ei näita põhjuslikkust. Ka tulemuste raporteerimisel saame rääkida muutujatevahelisest seosest, mitte ühe muutuja mõjust teisele. Statistiliselt võttes saame rääkida kolmest võimalikust põhjuslikkuse suunast. Eeltoodud näite põhjal võivad nad olla järgnevad: 1 Muutuja X põhjustab muutuja Y varieerumist. 2 Muutuja Y põhjustab muutuja X varieerumist. 3 Kolmas muutuja Z põhjustab nii muutuja X kui ka muutuja Y varieerumist. Enne statistikute uurimist vaatame aga hajuvusdiagrammi (scatter plot). Mille leiate Graphs menüü alt.
Kui me seda kordajat sajaga korrutame, saame protsendid selle kohta, kui palju ühe muutuja varieerimine teise muutuja varieeruvusest seletab. Näiteks kui kahe muutuja X ja Y vaheline korrelatsioon r = 0.20, siis R2= (0.20)2= 0.20*0.20 = 0.04 ning muutuja X seletab ära 0.04*100 = 4% muutuja Y varieeruvusest. Väga oluline on tähele panna ja meelde jätta, et korrelatsioon ei näita põhjuslikkust. Ka tulemuste raporteerimisel saame rääkida muutujatevahelisest seosest, mitte ühe muutuja mõjust teisele. Statistiliselt võttes saame rääkida kolmest võimalikust põhjuslikkuse suunast. Eeltoodud näite põhjal võivad nad olla järgnevad: 1 Muutuja X põhjustab muutuja Y varieerumist. 2 Muutuja Y põhjustab muutuja X varieerumist. 3 Kolmas muutuja Z põhjustab nii muutuja X kui ka muutuja Y varieerumist. 1) KORRELATSIOON Enne statistikute uurimist vaadata ka hajuvusdiagrammi:
annaabi.ee 
