Calcul coefficient de corrélation Excel
Calculez instantanément le coefficient de corrélation de Pearson à partir de deux séries de données, interprétez la force de la relation, et visualisez la tendance sur un nuage de points inspiré des analyses réalisées dans Excel avec CORREL et PEARSON.
Compatible avec la logique de =CORREL(plage1;plage2) et =PEARSON(plage1;plage2).
Scatter plot avec droite de tendance pour repérer relation positive, négative ou nulle.
Interprétation du coefficient, coefficient de détermination R² et qualité de la liaison.
Résultats
Saisissez vos deux séries de données puis cliquez sur Calculer la corrélation.
Guide expert : comment faire un calcul coefficient de corrélation Excel de façon fiable
Le calcul coefficient de corrélation Excel est l’une des opérations statistiques les plus utilisées en finance, marketing, contrôle de gestion, RH, santé publique et analyse scientifique. Son objectif est simple : mesurer à quel point deux variables évoluent ensemble. Dans Excel, cette mesure est généralement obtenue avec les fonctions CORREL ou PEARSON. Dans les deux cas, vous obtenez un nombre compris entre -1 et +1. Plus la valeur se rapproche de +1, plus la relation linéaire positive est forte. Plus elle se rapproche de -1, plus la relation linéaire négative est forte. Une valeur proche de 0 indique qu’il n’existe pas de relation linéaire claire.
Concrètement, si vos ventes augmentent lorsque le trafic web augmente, vous pouvez observer une corrélation positive. À l’inverse, si le taux de défaut diminue lorsque les heures de formation augmentent, vous pouvez voir apparaître une corrélation négative. Ce type d’analyse est très utile pour détecter des tendances, prioriser des actions ou vérifier des hypothèses avant d’aller plus loin avec une régression.
Que mesure exactement le coefficient de corrélation ?
Le coefficient de corrélation de Pearson mesure la force et le sens de la relation linéaire entre deux variables quantitatives. Le signe indique la direction :
- r > 0 : relation positive, les deux variables ont tendance à évoluer dans le même sens.
- r < 0 : relation négative, quand l’une augmente, l’autre a tendance à diminuer.
- r proche de 0 : absence de relation linéaire marquée.
La formule théorique est la suivante :
Excel calcule cela automatiquement, mais comprendre le principe permet d’éviter de mauvaises interprétations. Par exemple, une relation courbe très nette peut produire un r faible si elle n’est pas linéaire. C’est pourquoi le nuage de points reste indispensable.
Comment calculer la corrélation dans Excel
Dans Excel, la méthode la plus rapide consiste à placer vos données dans deux colonnes de même longueur, puis à saisir l’une des formules suivantes :
- Placez la série X dans une colonne, par exemple A2:A21.
- Placez la série Y dans une autre colonne, par exemple B2:B21.
- Dans une cellule vide, saisissez =CORREL(A2:A21;B2:B21) ou selon la configuration régionale =CORREL(A2:A21,B2:B21).
- Appuyez sur Entrée pour obtenir le coefficient.
Vous pouvez aussi utiliser =PEARSON(A2:A21;B2:B21). Dans les versions modernes d’Excel, les deux fonctions renvoient le même résultat pour le coefficient de Pearson. Si vous voulez aller plus loin, créez ensuite un graphique de type nuage de points, ajoutez une droite de tendance, puis affichez l’équation et le R².
Interpréter correctement le résultat
Il n’existe pas de seuil universel valable dans tous les secteurs, mais la grille suivante est souvent utilisée comme repère pratique :
| Valeur absolue de r | Interprétation courante | Lecture métier possible |
|---|---|---|
| 0.00 à 0.19 | Très faible | Association linéaire presque inexistante ou bruit dominant |
| 0.20 à 0.39 | Faible | Signal léger, utile en exploration mais rarement décisif seul |
| 0.40 à 0.59 | Modérée | Relation visible, à confronter au contexte métier |
| 0.60 à 0.79 | Forte | Signal robuste pour le pilotage ou l’investigation |
| 0.80 à 1.00 | Très forte | Variables étroitement liées sur le plan linéaire |
Attention : la taille d’échantillon compte beaucoup. Une corrélation de 0.45 sur 12 observations n’a pas la même portée qu’une corrélation de 0.45 sur 12 000 observations. Dans un contexte professionnel, il faut donc regarder simultanément :
- la valeur de r,
- le nombre d’observations n,
- le nuage de points,
- la présence d’outliers,
- le caractère linéaire de la relation.
Exemples de corrélations réelles dans des jeux de données connus
Pour mieux comprendre l’ordre de grandeur des coefficients, voici deux tableaux issus de jeux de données classiques souvent utilisés en statistique et en science des données. Les valeurs ci-dessous sont des ordres de grandeur reconnus pour l’ensemble des observations de chaque jeu de données.
| Jeu de données | Variables comparées | Corrélation approximative r | Interprétation |
|---|---|---|---|
| Iris | Longueur du pétale vs largeur du pétale | 0.96 | Très forte relation positive |
| Iris | Longueur du sépale vs longueur du pétale | 0.87 | Relation positive forte à très forte |
| Iris | Largeur du sépale vs longueur du pétale | -0.43 | Relation négative modérée |
| Jeu de données | Variables comparées | Corrélation approximative r | Lecture |
|---|---|---|---|
| mtcars | Poids du véhicule vs consommation mpg | -0.87 | Les voitures plus lourdes affichent en général moins de miles par gallon |
| mtcars | Cylindrée vs puissance | 0.79 | Relation positive forte |
| mtcars | Nombre de cylindres vs consommation mpg | -0.85 | Corrélation négative forte |
Les erreurs fréquentes dans le calcul coefficient de corrélation Excel
Beaucoup d’analyses sont faussées non par la formule elle-même, mais par la préparation des données. Voici les erreurs les plus fréquentes :
- Plages de tailles différentes : Excel doit comparer observation par observation. Si une série contient 25 lignes et l’autre 24, l’analyse est incohérente.
- Cellules vides ou non numériques : elles peuvent perturber le calcul ou fausser l’alignement des lignes.
- Outliers extrêmes : une ou deux valeurs aberrantes peuvent gonfler ou inverser la corrélation.
- Confusion entre corrélation et causalité : deux variables peuvent bouger ensemble parce qu’une troisième variable agit sur les deux.
- Relation non linéaire : Pearson ne détecte pas bien une relation en U, exponentielle ou logarithmique.
- Échantillon trop petit : les coefficients deviennent très instables.
Pourquoi visualiser avec un nuage de points est indispensable
Dans Excel comme dans cet outil, le graphique complète la valeur numérique. Deux jeux de données différents peuvent produire une corrélation proche, tout en racontant des histoires très différentes. Un nuage de points permet de voir immédiatement :
- si la tendance est montante ou descendante,
- si la relation est bien linéaire,
- si certaines observations sont isolées,
- si les données semblent segmentées en groupes.
C’est d’ailleurs un point régulièrement mis en avant dans les ressources universitaires et institutionnelles en statistique : la corrélation doit presque toujours être lue avec une visualisation des données, et non isolée de son contexte graphique.
Différence entre CORREL, PEARSON et R² dans Excel
Les utilisateurs confondent souvent ces trois notions :
- CORREL : renvoie le coefficient de corrélation de Pearson.
- PEARSON : renvoie aussi le coefficient de corrélation de Pearson.
- R² : le coefficient de détermination, souvent affiché sur une droite de tendance. Si vous avez une relation linéaire simple, R² = r².
Par exemple, si r = 0.80, alors R² = 0.64. Cela signifie qu’environ 64 % de la variabilité observée de Y peut être associée à la relation linéaire avec X dans le cadre d’un modèle simple. Cela ne signifie pas que 64 % de Y est “causé” par X, nuance essentielle en analyse de données.
Méthode recommandée pour une analyse professionnelle
Si vous devez présenter un calcul coefficient de corrélation Excel à un manager, un client ou un jury, adoptez cette méthode :
- Nettoyez les données et vérifiez l’alignement des observations.
- Calculez r avec CORREL ou PEARSON.
- Créez un nuage de points.
- Ajoutez une droite de tendance et affichez R².
- Commentez les outliers éventuels.
- Précisez qu’il s’agit d’une relation linéaire et non d’une preuve de causalité.
- Si nécessaire, complétez avec une régression ou un test statistique.
Sources fiables pour approfondir
Pour consolider vos analyses et vérifier vos méthodes, consultez des ressources institutionnelles et universitaires reconnues :
Conclusion
Le calcul coefficient de corrélation Excel est simple à exécuter, mais son interprétation exige de la rigueur. Dans la pratique, retenez trois réflexes : utiliser des séries propres et de même longueur, contrôler visuellement la relation avec un nuage de points, et ne jamais confondre corrélation et causalité. Si vous appliquez ces principes, vous pourrez exploiter CORREL ou PEARSON comme de véritables outils d’aide à la décision, que ce soit pour des ventes, des indicateurs RH, des mesures de performance ou des analyses scientifiques.