{"id":2595,"date":"2024-10-09T10:00:27","date_gmt":"2024-10-09T08:00:27","guid":{"rendered":"https:\/\/clooma.ai\/?post_type=guide-dutilisateur&#038;p=2595"},"modified":"2024-10-23T16:21:54","modified_gmt":"2024-10-23T14:21:54","slug":"05-korrelation","status":"publish","type":"guide-dutilisateur","link":"https:\/\/clooma.ai\/de\/benutzerhandbuch\/05-korrelation\/","title":{"rendered":"Korrelation"},"content":{"rendered":"<p>Ellistat <a href=\"https:\/\/clooma.ai\/de\/solutions-data-analysis\/\">Datenanalyse<\/a> bietet das Untermen\u00fc Korrelation an, das mehrere statistische Werkzeuge enth\u00e4lt. Mit diesen Werkzeugen k\u00f6nnen Sie<strong> Korrelationsstudien <\/strong>von mehreren Antworten in einem Datensatz. Oder die Gr\u00f6\u00dfe eines Datensatzes zu reduzieren oder Prozesse mit mehreren Variablen gleichzeitig zu \u00fcberwachen .<\/p>\n\n\n\n<p>In den folgenden Beispielen werden die Werkzeuge vorgestellt:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Korrelationsmatrix <\/li>\n\n\n\n<li>ACP<\/li>\n\n\n\n<li>T\u00b2-Karte<\/li>\n<\/ul>\n\n\n\n<p>Der Datensatz, der in diesen Beispielen verwendet wird, befindet sich auf der folgenden Seite<\/p>\n\n\n\n<p><a href=\"https:\/\/www.notion.so\/Independent-Data-Donn-es-ind-pendantes-1ef260c96799456c8d41959236e2cf56?pvs=21\">Independent Data \ud83c\uddfa\ud83c\uddf8\/ Daten ind\u00e9pendantes\ud83c\uddeb\ud83c\uddf7&nbsp;<\/a><\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Beispiel 1: Finden Sie die Korrelation zwischen mehreren Y-Antworten, mit der Korrelationsmatrix<\/h3>\n\n\n\n<p>Die&nbsp;<strong>Korrelationsmatrix<\/strong>&nbsp;ist ein wesentliches statistisches Instrument, das verwendet wird, um die Beziehungen zwischen mehreren Variablen in einem Datensatz zu verstehen.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png\" alt=\"\" class=\"wp-image-2598\"\/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Quantitative Daten aus mehreren Y-Spalten in das Raster eintragen. Im Beispiel soll die Korrelation zwischen den Antworten Y1=\"Delta\", Y2=\"Kraft\" und Y3=\"Druck\" gefunden werden.<\/li>\n\n\n\n<li>Klicken Sie auf das Men\u00fc \"<strong>Inferenzstatistiken<\/strong>\".<\/li>\n\n\n\n<li>In der&nbsp;<strong>Zone 1<\/strong>W\u00e4hlen Sie in Y die Spalten Y1=\"Delta\", Y2=\"Kraft\" und Y3=\"Druck\".<\/li>\n\n\n\n<li>In\u00a0<strong>Zone 2,<\/strong>\u00a0w\u00e4hlen Sie den Typ Ihrer Daten aus. Wenn mehrere Spalten quantitative Werte enthalten, wird Ellistat standardm\u00e4\u00dfig die Korrelationskurven zwischen allen Antworten paarweise zeichnen. Neben dem Untermen\u00fc \"Korrelation\" k\u00f6nnen Sie auch die Untermen\u00fcs \"Proportion\" oder \"Bev\u00f6lkerung\" ausw\u00e4hlen. \ud83d\udcdd: W\u00e4hlen Sie \"Korrelationsmatrix\".<\/li>\n\n\n\n<li>In\u00a0<strong>Zone 3<\/strong>Die Korrelationsmatrix enth\u00e4lt in der H\u00e4lfte \u00fcber der Diagonalen alle Korrelationsgraphen von zwei Antworten, die paarweise miteinander korreliert sind. In der Diagonalen dieser Matrix finden wir die Namen der Antworten. Und in der unteren H\u00e4lfte finden sich die Bestimmtheitsma\u00dfe R\u00b2 und die Signifikanzschwelle (P-Wert).<\/li>\n<\/ul>\n\n\n\n<p>Die folgende Abbildung zeigt das Korrelationsdiagramm, das R\u00b2 und den P-Wert im Fall der beiden Antworten Delta und Druck.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-82-1024x512.png\" alt=\"\" class=\"wp-image-2599\"\/><\/figure>\n\n\n\n<p class=\"has-very-light-gray-background-color has-background\">\ud83d\udca1 Wenn man auf ein Diagramm klickt, findet man einen Bericht einer XY-Analyse der beiden korrelierten Antworten:<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-83-1024x1007.png\" alt=\"\" class=\"wp-image-2603\"\/><\/figure>\n\n\n\n<p class=\"has-very-light-gray-background-color has-background\">\ud83d\udca1 In der unteren H\u00e4lfte der Korrelationsmatrix finden sich zwei Werte:<\/p>\n\n\n\n<p>R\u00b2 (P-Wert).<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-90.png\" alt=\"\" class=\"wp-image-2604\"\/><\/figure>\n\n\n\n<h3 class=\"wp-block-heading\">Beispiel 2: Finden Sie die Korrelation zwischen mehreren Y-Variablen mithilfe der PCA.<\/h3>\n\n\n\n<p>Die Hauptkomponentenanalyse (Principal Component Analysis, PCA) ist eine statistische Methode, die verwendet wird, um die Dimensionalit\u00e4t eines Datensatzes zu reduzieren und dabei so viele Informationen wie m\u00f6glich zu erhalten. Diese Technik ist besonders n\u00fctzlich, wenn man mit multivariaten Daten (d. h. Daten mit mehreren Variablen) arbeitet.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-84-1-1024x549.png\" alt=\"\" class=\"wp-image-2605\"\/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Einen Satz quantitativer Daten mit mehreren Y-Spalten in das Raster eintragen. Im Beispiel soll eine PCA-Analyse der Daten durchgef\u00fchrt werden: Y1=\"Delta\", Y2=\"Kraft\", Y3=\"Druck\", Y4=\"Druck 2\", Y5=\"Druck 3\".<\/li>\n\n\n\n<li>Klicken Sie auf das Men\u00fc \"<strong>Inferenzstatistiken<\/strong>\".<\/li>\n\n\n\n<li>In der&nbsp;<strong>Zone 1<\/strong>W\u00e4hlen Sie in Y die Spalten Y1=\"Delta\", Y2=\"Kraft\" und Y3=\"Druck\", Y4=\"Druck 2\", Y5=\"Druck 3\".<\/li>\n\n\n\n<li>In&nbsp;<strong>Zone 2,<\/strong>&nbsp;w\u00e4hlen Sie den Typ Ihrer Daten. Dr\u00fccken Sie das Untermen\u00fc \"Korrelation\" und w\u00e4hlen Sie \"<strong>ACP<\/strong>\". Neben diesem Untermen\u00fc hat man auch die M\u00f6glichkeit, die Untermen\u00fcs \"Anteil\" oder \"Bev\u00f6lkerung\" zu w\u00e4hlen. \ud83d\udcdd: W\u00e4hlen Sie \"<strong>ACP<\/strong>\"<\/li>\n\n\n\n<li>In\u00a0<strong>Zone 3<\/strong>Die Projektion der verschiedenen Antworten in die Ebene, die aus den Hauptvektoren\u00a0<strong>C1 (auf der Abszisse)<\/strong>\u00a0und\u00a0<strong>C2 (auf der Ordinate).<\/strong><\/li>\n<\/ul>\n\n\n\n<p class=\"has-very-light-gray-background-color has-background\">\ud83d\udca1 Im oberen Teil von&nbsp;<strong>Zone 3<\/strong>gibt es zwei Werkzeuge, die verwendet werden, um einen der Faktoren in der Tabellenkalkulation auszuw\u00e4hlen:<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Mit dem Werkzeug \"Label\" :<\/h4>\n\n\n\n<p>Es gibt die M\u00f6glichkeit, die Variation der Individuen in Bezug auf den gew\u00e4hlten Faktor zu sehen . Dies w\u00fcrde es erm\u00f6glichen, die Individuen entsprechend der gew\u00e4hlten Variable farblich zu kodieren. Der folgende Fall zeigt die Ergebnisse, die im Fall von Label = \"Delta\" erzielt wurden. Wir sehen, dass Individuen mit einem hohen Delta umso mehr orange\/gelb markiert sind. Und dass Individuen, die ein niedriges Delta haben, blau sind.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-91.png\" alt=\"\" class=\"wp-image-2608\"\/><\/figure>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-85-1.png\" alt=\"\" class=\"wp-image-2609\"\/><\/figure><\/div>\n\n\n<h4 class=\"wp-block-heading\">Das Werkzeug \"Andere Variable\" <\/h4>\n\n\n\n<p>Er wird verwendet, um einen Faktor zu zeichnen, ohne ihn bei der Bestimmung der Hauptvektoren zu ber\u00fccksichtigen. Achtung! Damit diese Funktion funktioniert, darf man den Faktor nicht gleichzeitig in den Feldern 1 und 3 ankreuzen. Er muss nur in Feld 3 angekreuzt werden. Hier das Beispiel des Faktors \"Delta\" (siehe Abbildung unten). Diese Variable kann entweder eine quantitative oder eine qualitative Variable sein.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-86-1024x427.png\" alt=\"\" class=\"wp-image-2610\"\/><\/figure>\n\n\n\n<p>Sowohl bei der Option \"Label\" als auch bei der Option \"Andere Variable\" k\u00f6nnen quantitative oder qualitative Variablen gew\u00e4hlt werden.<\/p>\n\n\n\n<p class=\"has-very-light-gray-background-color has-background\"> \ud83d\udca1 Im mittleren Teil von&nbsp;<strong>Zone 3<\/strong>Wenn Sie sich f\u00fcr ein Thema entscheiden, k\u00f6nnen Sie mehrere Tabs ausw\u00e4hlen:<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-87-1024x34.png\" alt=\"\" class=\"wp-image-2611\"\/><\/figure>\n\n\n\n<h4 class=\"wp-block-heading\">Die Registerkarte \"\u00dcbersicht\": <\/h4>\n\n\n\n<p>Auf dieser Registerkarte finden Sie das Diagramm, die Men\u00fcs zur Anzeige der Individuen im Diagramm, die Klassifizierungseinstellungen und die Tabelle mit den Hauptvektoren.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Der Tab Pareto : <\/h4>\n\n\n\n<p>Auf dieser Registerkarte findet man das Pareto-Diagramm, das den Beitrag jedes Hauptvektors ausdr\u00fcckt.<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-88-1024x327.png\" alt=\"\" class=\"wp-image-2612\"\/><\/figure><\/div>\n\n\n<h4 class=\"wp-block-heading\">Der Reiter \"Variable\" : <\/h4>\n\n\n\n<p>In dieser Registerkarte finden wir die Signifikanzgrade der Korrelation zwischen den Variablen und den verschiedenen Hauptachsen (C1, C2,...). Ein P-Wert&lt;0,05 bedeutet, dass die Korrelation zwischen der Variablen und dem Hauptvektor signifikant ist. (siehe Tabelle unten)<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-89-1024x176.png\" alt=\"\" class=\"wp-image-2613\"\/><\/figure><\/div>\n\n\n<h4 class=\"wp-block-heading\">Die Registerkarte \"Individuelle Werte\" : <\/h4>\n\n\n\n<p>Auf dieser Registerkarte finden Sie die Koordinaten der Individuen im Raum der Hauptvektoren.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Beispiel 3: Die T\u00b2-Karte von Hotelling<\/h3>\n\n\n\n<p>Die T\u00b2-Karte von Hotelling ist ein statistisches Instrument, das f\u00fcr die\u00a0<strong>multivariate Qualit\u00e4tskontrolle<\/strong>\u00a0und die Analyse von Daten. Mit ihrer Hilfe k\u00f6nnen Prozesse mit mehreren Variablen gleichzeitig \u00fcberwacht werden. Sie ist eine multivariate Erweiterung der Shewhart-Regelkarten, die sich auf eine einzelne Variable konzentrieren. Hotellings T\u00b2 wird h\u00e4ufig in Kontexten verwendet, in denen mehrere Qualit\u00e4tsmerkmale gleichzeitig \u00fcberwacht werden m\u00fcssen. Zum Beispiel in der Fertigung, der Biologie und im Ingenieurwesen.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-92-1-1024x537.png\" alt=\"\" class=\"wp-image-2615\"\/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Quantitative Daten aus mehreren Y-Spalten in das Raster eintragen. Im Beispiel m\u00f6chte man die folgenden Daten gleichzeitig \u00fcberwachen: Y1=\"Delta\", Y2=\"Kraft\", Y3=\"Druck\", Y4=\"Druck 2\", Y5=\"Druck 3\".<\/li>\n\n\n\n<li>Klicken Sie auf das Men\u00fc \"<strong>Inferenzstatistiken<\/strong>\".<\/li>\n\n\n\n<li>In der&nbsp;<strong>Zone 1<\/strong>W\u00e4hlen Sie in Y die Spalten Y1=\"Delta\", Y2=\"Kraft\" und Y3=\"Druck\", Y4=\"Druck 2\", Y5=\"Druck 3\".<\/li>\n\n\n\n<li>In&nbsp;<strong>Zone 2,<\/strong>&nbsp;w\u00e4hlen Sie den Typ Ihrer Daten. Dr\u00fccken Sie das Untermen\u00fc \"Korrelation\" und w\u00e4hlen Sie \"<strong>T\u00b2<\/strong>\". Neben diesem Untermen\u00fc hat man auch die M\u00f6glichkeit, die Untermen\u00fcs \"Anteil\" oder \"Bev\u00f6lkerung\" zu w\u00e4hlen. \ud83d\udcdd: W\u00e4hlen Sie \"<strong>T\u00b2<\/strong>\"<\/li>\n\n\n\n<li>In&nbsp;<strong>Zone 3<\/strong>Die Regelkarte&nbsp;<strong>T\u00b2<\/strong>&nbsp;mit individuellen Werten und Pr\u00fcfgrenzen.<\/li>\n\n\n\n<li>In der&nbsp;<strong>Zone 4<\/strong>Hier finden Sie verschiedene Optionen wie allgemeine Karteneinstellungen, Anzeigeoptionen und die Berechnung von Kontrollgrenzen.<\/li>\n<\/ul>\n\n\n\n<p class=\"has-very-light-gray-background-color has-background\"> \ud83d\udca1 Im mittleren Teil von&nbsp;<strong>Zone 4<\/strong>Wenn Sie sich f\u00fcr eine bestimmte Option entscheiden, k\u00f6nnen Sie verschiedene Optionen einstellen:<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-93-1024x216.png\" alt=\"\" class=\"wp-image-2616\"\/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li> <strong>\"Allgemein\"<\/strong>: Mit dieser Option kann man die Art der Berechnung der Regelkarte ausw\u00e4hlen (klassisch, Sullivan und Chi-2). Man kann auch die H\u00f6he des Alpha-Risikos w\u00e4hlen und die Daten f\u00fcr das Lernen bestimmen.<\/li>\n\n\n\n<li><strong>\"Anzeige\"<\/strong> : Mit dieser Option kann man die Ordinate in eine logarithmische Skala umwandeln und ein Label auf die Daten anwenden.<\/li>\n\n\n\n<li><strong>\"Grenzen\"<\/strong> : Mit dieser Option kann man die Kontrollgrenze \u00e4ndern, indem man sie manuell festlegt.<\/li>\n<\/ul>","protected":false},"featured_media":0,"template":"","meta":{"_acf_changed":false},"menu-guide-dutilisateur":[23],"class_list":["post-2595","guide-dutilisateur","type-guide-dutilisateur","status-publish","hentry","menu-guide-dutilisateur-5-statistiques-inferentielles"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v25.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Corr\u00e9lation - Clooma<\/title>\n<meta name=\"description\" content=\"Comment r\u00e9aliser des \u00e9tudes de corr\u00e9lation de plusieurs r\u00e9ponses avec Ellistat ? Voici notre guide d&#039;utilisateur.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/clooma.ai\/de\/benutzerhandbuch\/05-korrelation\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Corr\u00e9lation - Clooma\" \/>\n<meta property=\"og:description\" content=\"Comment r\u00e9aliser des \u00e9tudes de corr\u00e9lation de plusieurs r\u00e9ponses avec Ellistat ? Voici notre guide d&#039;utilisateur.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/clooma.ai\/de\/benutzerhandbuch\/05-korrelation\/\" \/>\n<meta property=\"og:site_name\" content=\"Clooma\" \/>\n<meta property=\"article:modified_time\" content=\"2024-10-23T14:21:54+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data1\" content=\"9\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/\",\"url\":\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/\",\"name\":\"Corr\u00e9lation - Clooma\",\"isPartOf\":{\"@id\":\"https:\/\/clooma.ai\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png\",\"datePublished\":\"2024-10-09T08:00:27+00:00\",\"dateModified\":\"2024-10-23T14:21:54+00:00\",\"description\":\"Comment r\u00e9aliser des \u00e9tudes de corr\u00e9lation de plusieurs r\u00e9ponses avec Ellistat ? Voici notre guide d'utilisateur.\",\"breadcrumb\":{\"@id\":\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#primaryimage\",\"url\":\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png\",\"contentUrl\":\"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\/\/clooma.ai\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Corr\u00e9lation\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/clooma.ai\/#website\",\"url\":\"https:\/\/clooma.ai\/\",\"name\":\"Clooma\",\"description\":\"Close the loop, master the future\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/clooma.ai\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Korrelation - Clooma","description":"Wie kann man mit Ellistat Korrelationsstudien \u00fcber mehrere Antworten durchf\u00fchren? Hier ist unser Benutzerleitfaden.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/clooma.ai\/de\/benutzerhandbuch\/05-korrelation\/","og_locale":"de_DE","og_type":"article","og_title":"Corr\u00e9lation - Clooma","og_description":"Comment r\u00e9aliser des \u00e9tudes de corr\u00e9lation de plusieurs r\u00e9ponses avec Ellistat ? Voici notre guide d'utilisateur.","og_url":"https:\/\/clooma.ai\/de\/benutzerhandbuch\/05-korrelation\/","og_site_name":"Clooma","article_modified_time":"2024-10-23T14:21:54+00:00","og_image":[{"url":"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png","type":"","width":"","height":""}],"twitter_card":"summary_large_image","twitter_misc":{"Gesch\u00e4tzte Lesezeit":"9\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/","url":"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/","name":"Korrelation - Clooma","isPartOf":{"@id":"https:\/\/clooma.ai\/#website"},"primaryImageOfPage":{"@id":"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#primaryimage"},"image":{"@id":"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#primaryimage"},"thumbnailUrl":"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png","datePublished":"2024-10-09T08:00:27+00:00","dateModified":"2024-10-23T14:21:54+00:00","description":"Wie kann man mit Ellistat Korrelationsstudien \u00fcber mehrere Antworten durchf\u00fchren? Hier ist unser Benutzerleitfaden.","breadcrumb":{"@id":"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#primaryimage","url":"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png","contentUrl":"https:\/\/clooma.ai\/wp-content\/uploads\/Untitled-81-1024x522.png"},{"@type":"BreadcrumbList","@id":"https:\/\/clooma.ai\/guide-dutilisateur\/05-correlation\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/clooma.ai\/"},{"@type":"ListItem","position":2,"name":"Corr\u00e9lation"}]},{"@type":"WebSite","@id":"https:\/\/clooma.ai\/#website","url":"https:\/\/clooma.ai\/","name":"Clooma","description":"Close the loop, master the future","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/clooma.ai\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"}]}},"_links":{"self":[{"href":"https:\/\/clooma.ai\/de\/wp-json\/wp\/v2\/guide-dutilisateur\/2595","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/clooma.ai\/de\/wp-json\/wp\/v2\/guide-dutilisateur"}],"about":[{"href":"https:\/\/clooma.ai\/de\/wp-json\/wp\/v2\/types\/guide-dutilisateur"}],"wp:attachment":[{"href":"https:\/\/clooma.ai\/de\/wp-json\/wp\/v2\/media?parent=2595"}],"wp:term":[{"taxonomy":"menu-guide-dutilisateur","embeddable":true,"href":"https:\/\/clooma.ai\/de\/wp-json\/wp\/v2\/menu-guide-dutilisateur?post=2595"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}