Расчёт корреляции: формула, примеры и онлайн-калькулятор

Представьте, что вы решили печь пиццу и заметили: чем больше сыра вы кладёте, тем вкуснее её оценивают гости. Но так ли это всегда? Может, дело в свежести теста? Корреляция — это статистический показатель, который помогает измерить, насколько сильно две величины связаны между собой. Она отвечает на три вопроса:

• Направление связи: положительная (чем больше X, тем больше Y) или отрицательная (чем больше X, тем меньше Y).
• Сила связи: от -1 до 1. Чем ближе к 1 или -1, тем сильнее связь. 0 — связи нет.
• Форма связи: линейная (изменение одной ведёт к пропорциональному изменению другой) или нелинейная.

Зачем это нужно? Например, чтобы не тратить бюджет на рекламу, которая никак не влияет на продажи. Или чтобы понять, какие факторы действительно важны для здоровья. Главное правило: корреляция не означает причинно-следственную связь. Если леденец продаётся лучше в жару, это не значит, что мороженое вызывает жару!

Для расчёта линейной корреляции между двумя наборами чисел (X и Y) используется формула Пирсона. Она работает, когда данные имеют нормальное распределение и нет выбросов.

Где:

• xᵢ, yᵢ — каждое значение переменных X и Y;
• x̄, ȳ — средние арифметические X и Y;
• Σ — сумма по всем точкам (i от 1 до n);
• n — количество пар значений.

Расшифруем: числитель — это ковариация (совместное отклонение от средних), знаменатель — произведение стандартных отклонений. В результате получается число от -1 до 1.

Важно! Формула Пирсона чувствительна к выбросам. Если в данных есть экстремальные значения, используйте корреляцию Спирмена (ранговую).

Пекарня потратила на рекламу 5 дней (тыс. руб.): 1, 2, 3, 4, 5. Продажи пиццы за эти дни (шт.): 10, 12, 15, 18, 20. Расчёт шаг за шагом:

1. Средние: x̄ = (1+2+3+4+5)/5 = 3; ȳ = (10+12+15+18+20)/5 = 15.
2. Отклонения и произведения:
   (1-3)(10-15) = (-2)(-5) = 10
   (2-3)(12-15) = (-1)(-3) = 3
   (3-3)(15-15) = 0*0 = 0
   (4-3)(18-15) = 1*3 = 3
   (5-3)(20-15) = 2*5 = 10
   Σ = 10+3+0+3+10 = 26.
3. Суммы квадратов:
   Σ(xᵢ-x̄)² = 4+1+0+1+4 = 10.
   Σ(yᵢ-ȳ)² = 25+9+0+9+25 = 68.
4. r = 26 / √(10*68) = 26 / √680 ≈ 26 / 26.08 ≈ 0.997.

Результат: r ≈ 0,997 — очень сильная положительная связь. Чем больше реклама, тем больше продаж. Но не забывайте: это не обязательно причина!

Данные за 6 дней: температура (X, °C): 10, 15, 20, 25, 30, 35; продажи чая (Y, чашек): 50, 45, 35, 25, 20, 10. Ожидаем отрицательную корреляцию.

1. Средние: x̄ = (10+15+20+25+30+35)/6 = 22.5; ȳ = (50+45+35+25+20+10)/6 = 30.833.
2. Отклонения (сокращённо):
   (10-22.5)(50-30.833) = (-12.5)(19.167) = -239.588
   (15-22.5)(45-30.833) = (-7.5)(14.167) = -106.253
   (20-22.5)(35-30.833) = (-2.5)(4.167) = -10.418
   (25-22.5)(25-30.833) = 2.5*(-5.833) = -14.583
   (30-22.5)(20-30.833) = 7.5*(-10.833) = -81.248
   (35-22.5)(10-30.833) = 12.5*(-20.833) = -260.413
   Σ = -712.503.
3. Суммы квадратов:
   Σ(xᵢ-x̄)² = 156.25+56.25+6.25+6.25+56.25+156.25 = 437.5.
   Σ(yᵢ-ȳ)² = 367.36+200.69+17.36+34.03+117.36+434.03 = 1170.83.
4. r = -712.503 / √(437.5*1170.83) = -712.503 / √512500 ≈ -712.503 / 715.9 ≈ -0.995.

r ≈ -0.995 — очень сильная отрицательная связь. Чем жарче, тем меньше пьют чай. Логично!

Представьте, что изучаем связь между возрастом (годы) и временем реакции (мс). Данные: возраст: 20, 25, 30, 35, 40; время реакции: 200, 210, 220, 230, 400. Последнее значение — выброс (человек отвлёкся).

Расчёт Пирсона:

1. Средние: x̄=30, ȳ=252.
2. Σ(xᵢ-x̄)(yᵢ-ȳ) = (20-30)(200-252) + (25-30)(210-252) + (30-30)(220-252) + (35-30)(230-252) + (40-30)(400-252) = (-10)(-52) + (-5)(-42) + (0)(-32) + (5)(-22) + (10)(148) = 520 + 210 + 0 -110 + 1480 = 2100.
3. Σ(xᵢ-x̄)² = 100+25+0+25+100 = 250.
4. Σ(yᵢ-ȳ)² = 2704+1764+1024+484+21904 = 27880.
5. r = 2100/√(250*27880) = 2100/√6970000 ≈ 2100/2640 ≈ 0.795.

Пирсон показывает умеренную положительную связь (0,795), хотя на самом деле связь почти идеальная без выброса. Корреляция Спирмена (по рангам) даёт r_s = 1,0 (идеальная), так как ранги возраста и времени реакции (кроме выброса) совпадают. Вывод: при выбросах используйте Спирмена. Для быстрого расчёта воспользуйтесь Калькулятором корреляции Спирмена.

• Путать корреляцию с причинностью: если r=0,9, это не значит, что X вызывает Y. Третий фактор (Z) может влиять на оба.
• Игнорировать выбросы: одно аномальное значение может сильно исказить r Пирсона. Всегда смотрите на график.
• Использовать Пирсона для нелинейных связей: например, зависимость U-образная. r будет около 0, хотя связь есть. В таких случаях применяйте другие методы.
• Выбирать неправильный тип корреляции: для порядковых данных (рангов) нужен Спирмен, для непрерывных — Пирсон.
• Не проверять нормальность: Пирсон требует, чтобы обе переменные были распределены нормально. Если нет — используйте Спирмена.

Ручные расчёты — это скучно и чревато ошибками. Гораздо проще использовать Калькулятор корреляции, который сам всё посчитает и покажет результат с интерпретацией. Для более точного выбора метода используйте Калькулятор корреляции Пирсона или Калькулятор корреляции Спирмена.

Просто введите два столбца чисел (или загрузите файл), и калькулятор за секунду выдаст коэффициент, p-значение и график. Это идеально подходит для студентов, маркетологов и аналитиков.

Проверьте, как вы усвоили материал. Решите, а затем сверьте с ответами.

Задача 1. Изучите данные: X: 1, 2, 3; Y: 4, 5, 6. Чему равен r Пирсона?

Задача 2. Если r = -0,85, какая связь между переменными (сила и направление)?

Задача 3. Почему нельзя использовать Пирсона для данных: X (ранги): 1, 2, 3, 4; Y (ранги): 1, 2, 3, 400?

Ответы:

1. r = 1 (идеальная положительная линейная связь).

2. Сильная отрицательная связь: при росте одной переменной другая убывает.

3. Из-за выброса (Y=400). Нужен Спирмен.