Расчёт корреляции Пирсона: формула, примеры и онлайн-калькулятор
- Корреляция Пирсона (r) всегда лежит в диапазоне от -1 до +1: +1 — идеальная прямая зависимость, -1 — обратная, 0 — связи нет.
- Формула: r = (nΣxy - ΣxΣy) / √[(nΣx² - (Σx)²)(nΣy² - (Σy)²)]. На практике считайте в таблице, шаг за шагом.
- R² (коэффициент детерминации) показывает долю дисперсии одной переменной, объяснённую другой. Если r = 0.8, то R² = 0.64, т.е. 64% изменчивости одной величины связаны с другой.
- Корреляция не равна причинности: даже сильная связь не доказывает, что одна переменная вызывает другую — возможно, третья, скрытая, влияет на обе.
- Выбросы сильно искажают r. Всегда стройте график рассеяния (scatter plot), чтобы заметить «летящие» точки.
- Что такое корреляция Пирсона и зачем она нужна?
- Формула корреляции Пирсона: расшифровка каждой буквы
- Пример 1: лёгкий. Связь между чаями и утренним настроением
- Пример 2: средний. Отрицательная корреляция — пропуски занятий и баллы
- Пример 3: сложный. Мнимая корреляция — число пожарных и ущерб
- Типичные ошибки при расчёте корреляции Пирсона
- Когда использовать корреляцию Пирсона, а когда — Спирмена?
- Как интерпретировать значение r? Шкала Чеддока
- Мини-задачки для самопроверки
Что такое корреляция Пирсона и зачем она нужна?
Представьте: вы изучаете зависимость между количеством часов подготовки к экзамену и полученным баллом. Вы собрали данные у 10 студентов. Вопрос: есть ли связь? Сильная или слабая? В какую сторону? Корреляция Пирсона (обозначается r) — это число, которое отвечает на эти вопросы.
Значение r всегда от -1 до +1:
- +1 — идеальная положительная связь: чем больше X, тем больше Y. Например, рост и вес (в общем случае).
- 0 — линейной связи нет. Например, размер обуви и IQ.
- -1 — идеальная отрицательная связь: чем больше X, тем меньше Y. Например, цена товара и спрос на него.
Но важно: r показывает только линейную зависимость. Если связь нелинейная (например, квадратичная), r может быть близок к нулю, хотя зависимость есть. Всегда рисуйте график точек!
Где применяется? Везде: в маркетинге (связь затрат на рекламу и продаж), медицине (связь дозы лекарства и эффекта), финансах (доходности акций и индекс рынка).
Формула корреляции Пирсона: расшифровка каждой буквы
Формула пугает, но на самом деле она состоит из простых слагаемых, которые легко сосчитать в таблице. Вот она:
Расшифровка:
- n — количество наблюдений (пар значений). Например, 10 студентов — n=10.
- Σx — сумма всех значений X.
- Σy — сумма всех Y.
- Σxy — сумма произведений каждого X на соответствующий Y. То есть для каждой пары (x, y) считаете x*y, потом все эти числа складываете.
- Σx² — сумма квадратов X (каждое x возводите в квадрат, потом складываете).
- Σy² — сумма квадратов Y.
Числитель — это ковариация, умноженная на n. Знаменатель — корень из произведения дисперсий X и Y, умноженных на n². Если коротко: r = (среднее произведений минус произведение средних) / (произведение стандартных отклонений). Но считать проще по верхней формуле — шаг за шагом.
Пример 1: лёгкий. Связь между чаями и утренним настроением
Допустим, вы заметили: в днях, когда вы пьёте больше чашек чая, настроение (по 10-балльной шкале) выше. Собрали данные за 5 дней:
| День | Чашек чая (X) | Настроение (Y) |
|---|---|---|
| 1 | 2 | 5 |
| 2 | 3 | 7 |
| 3 | 4 | 8 |
| 4 | 1 | 4 |
| 5 | 5 | 9 |
Шаг 1. Считаем суммы: Σx = 2+3+4+1+5 = 15; Σy = 5+7+8+4+9 = 33; n = 5.
Шаг 2. Строим вспомогательную таблицу:
| X | Y | X*Y | X² | Y² |
|---|---|---|---|---|
| 2 | 5 | 10 | 4 | 25 |
| 3 | 7 | 21 | 9 | 49 |
| 4 | 8 | 32 | 16 | 64 |
| 1 | 4 | 4 | 1 | 16 |
| 5 | 9 | 45 | 25 | 81 |
| Σ=15 | Σ=33 | Σxy=112 | Σx²=55 | Σy²=235 |
Шаг 3. Подставляем в формулу:
Числитель: 5*112 - 15*33 = 560 - 495 = 65.
Знаменатель: √[(5*55 - 15²) * (5*235 - 33²)] = √[(275 - 225) * (1175 - 1089)] = √[50 * 86] = √4300 ≈ 65.57.
r = 65 / 65.57 ≈ 0.991.
Результат: очень сильная положительная связь (почти 1). Но не спешите пить чай литрами — может быть, вы просто пьёте чай, когда у вас и так хорошее настроение. Помните: корреляция ≠ причинность.
Пример 2: средний. Отрицательная корреляция — пропуски занятий и баллы
Преподаватель считает, что чем больше пропусков, тем ниже балл на экзамене. Данные 6 студентов:
| Студент | Пропуски (X) | Балл (Y) |
|---|---|---|
| Анна | 8 | 60 |
| Борис | 5 | 75 |
| Вика | 2 | 85 |
| Глеб | 12 | 45 |
| Дарья | 3 | 80 |
| Егор | 10 | 55 |
Шаг 1. Σx = 8+5+2+12+3+10 = 40; Σy = 60+75+85+45+80+55 = 400; n=6.
Шаг 2. Таблица произведений и квадратов:
| X | Y | X*Y | X² | Y² |
|---|---|---|---|---|
| 8 | 60 | 480 | 64 | 3600 |
| 5 | 75 | 375 | 25 | 5625 |
| 2 | 85 | 170 | 4 | 7225 |
| 12 | 45 | 540 | 144 | 2025 |
| 3 | 80 | 240 | 9 | 6400 |
| 10 | 55 | 550 | 100 | 3025 |
| Σ=40 | Σ=400 | Σxy=2355 | Σx²=346 | Σy²=27900 |
Шаг 3. Числитель: 6*2355 - 40*400 = 14130 - 16000 = -1870.
Знаменатель: √[(6*346 - 40²)*(6*27900 - 400²)] = √[(2076 - 1600)*(167400 - 160000)] = √[476 * 7400] = √3522400 ≈ 1876.8.
r = -1870 / 1876.8 ≈ -0.996.
Почти идеальная отрицательная связь: чем больше пропусков, тем ниже балл. Коэффициент детерминации R² = r² = 0.992, то есть 99.2% разброса баллов объясняется числом пропусков. Но может быть, что студенты, которые пропускают, просто меньше учатся и дома — корреляция не доказывает причину.
- 1Соберите пары данных
У вас должно быть n пар (x, y). Например, 10 студентов: часы учёбы (x) и балл (y).
- 2Посчитайте суммы
Найдите Σx, Σy, Σxy, Σx², Σy². Удобно в таблице Excel или калькуляторе.
- 3Вычислите числитель
n·Σxy - Σx·Σy. Это мера ковариации.
- 4Вычислите знаменатель
Корень из (n·Σx² - (Σx)²) * (n·Σy² - (Σy)²).
- 5Разделите
Числитель на знаменатель. r готов!
Пример 3: сложный. Мнимая корреляция — число пожарных и ущерб
Представьте: вы собираете статистику по 10 пожарам. X — число пожарных на месте, Y — сумма ущерба (тыс. руб.). Данные:
| Пожар | Пожарных (X) | Ущерб (Y) |
|---|---|---|
| 1 | 3 | 50 |
| 2 | 5 | 80 |
| 3 | 7 | 120 |
| 4 | 2 | 30 |
| 5 | 8 | 150 |
| 6 | 4 | 70 |
| 7 | 6 | 110 |
| 8 | 9 | 180 |
| 9 | 1 | 20 |
| 10 | 10 | 200 |
Шаг 1. Σx = 3+5+7+2+8+4+6+9+1+10 = 55; Σy = 50+80+120+30+150+70+110+180+20+200 = 1010; n=10.
Шаг 2. Σxy = 3*50 + 5*80 + ... + 10*200 = 150+400+840+60+1200+280+660+1620+20+2000 = 7230.
Σx² = 9+25+49+4+64+16+36+81+1+100 = 385.
Σy² = 2500+6400+14400+900+22500+4900+12100+32400+400+40000 = 136500.
Шаг 3. Числитель: 10*7230 - 55*1010 = 72300 - 55550 = 16750.
Знаменатель: √[(10*385 - 55²)*(10*136500 - 1010²)] = √[(3850 - 3025)*(1365000 - 1020100)] = √[825 * 344900] = √284542500 ≈ 16868.4.
r = 16750 / 16868.4 ≈ 0.993.
Очень сильная положительная корреляция. Но означает ли это, что увеличение числа пожарных ведёт к большему ущербу? Нет! Третья переменная — масштаб пожара: на крупный пожар выезжает больше бригад, а ущерб выше. Это классический пример ложной корреляции.
Всегда помните: корреляция Пирсона — не доказательство причинно-следственной связи. Ищите контекст.
🧠 Проверьте, как вы усвоили материал
1. Корреляция Пирсона r = 0.9 означает:
2. Какая из ситуаций снижает надёжность корреляции Пирсона?
3. Если r = -0.8, то коэффициент детерминации R² равен:
4. Для каких данных лучше использовать корреляцию Спирмена?
Типичные ошибки при расчёте корреляции Пирсона
- Не проверили линейность. r нормально работает только для линейной связи. Если точки на графике образуют «бублик» или «дугу», r может быть близок к нулю, хотя зависимость есть. Всегда стройте scatter plot.
- Выбросы. Одна точка с экстремальными значениями может сильно изменить r. Например, если в данных по зарплатам есть Илон Маск с годовым доходом в миллиард, корреляция с рабочими часами исказится. Удаляйте выбросы или используйте ранговую корреляцию Спирмена (для неё выбросы менее критичны).
- Сравнение r разных выборок. Нельзя сравнивать r=0.8 на выборке 10 человек и r=0.7 на выборке 1000 — значимость разная. Смотрите p-value.
- Не учли ограничение диапазона. Если вы берёте только студентов с баллами от 80 до 100 (узкий диапазон), корреляция с часами подготовки может быть близка к нулю, хотя на всём диапазоне (от 0 до 100) она сильная.
Хотите избежать ошибок? Используйте Калькулятор корреляции Пирсона — он сам посчитает r, R² и p-value. Или Калькулятор корреляции для быстрой проверки.
Когда использовать корреляцию Пирсона, а когда — Спирмена?
| Критерий | Пирсона (r) | Спирмена (ρ) |
|---|---|---|
| Тип связи | Линейная | Монотонная (линейная или нет) |
| Данные | Интервальные/отношения, нормальное распределение | Порядковые или интервальные, не обязательно нормальные |
| Чувствительность к выбросам | Высокая | Низкая |
| Пример | Рост и вес | Рейтинг вузов и уровень счастья |
Если данные не подчиняются нормальному распределению или есть выбросы, используйте Калькулятор корреляции Спирмена — он работает с рангами и более устойчив.
Как интерпретировать значение r? Шкала Чеддока
Для бытовой интерпретации силы связи используют шкалу Чеддока:
| |r| | Сила связи |
|---|---|
| 0 — 0.1 | Слабая или отсутствует |
| 0.1 — 0.3 | Слабая |
| 0.3 — 0.5 | Умеренная |
| 0.5 — 0.7 | Заметно сильная |
| 0.7 — 0.9 | Сильная |
| 0.9 — 1.0 | Очень сильная |
Но помните: даже при |r| < 0.3 связь может быть значимой на большой выборке. Статистическая значимость проверяется через p-value: если p < 0.05, корреляция считается значимой (т.е. не случайна).
Мини-задачки для самопроверки
- Задача 1. По данным пяти наблюдений получена Σx=20, Σy=40, Σxy=200, Σx²=90, Σy²=360. Найдите r. Ответ: r=1 (идеальная положительная).
- Задача 2. Если r = -0.6, какой процент дисперсии Y объясняется X? Ответ: R² = 0.36, т.е. 36%.
- Задача 3. В выборке из 10 человек r=0.7, p-value=0.08. Значима ли корреляция на уровне 0.05? Ответ: Нет, p больше 0.05, связь не доказана.
🧮 Посчитайте сами — инструменты по теме
🧭 Разделы по теме
Частые вопросы
Может ли корреляция Пирсона быть больше 1?
Нет, r всегда в диапазоне от -1 до +1. Если вы получили значение за пределами, значит, ошибка в расчётах (неправильно подсчитали суммы, не учли n).
Какой уровень корреляции считается сильным?
По шкале Чеддока сильной считается корреляция с |r| от 0.7 до 0.9, очень сильной — от 0.9 до 1.0. Но в некоторых областях (например, социальные науки) 0.5 уже считается сильной связью.
Чем корреляция Пирсона отличается от ковариации?
Ковариация показывает направление связи (положительная или отрицательная), но её величина зависит от масштаба переменных, поэтому её трудно интерпретировать. Корреляция Пирсона нормирует ковариацию на стандартные отклонения, давая безразмерное число от -1 до 1, которое легко понять.
Что делать, если данные не подчиняются нормальному распределению?
Используйте ранговую корреляцию Спирмена или Кендалла. Они не требуют нормальности и работают с порядковыми данными.
Как интерпретировать p-value для корреляции?
p-value — это вероятность получить такое же или более экстремальное значение r случайно, если на самом деле связи нет. Если p < 0.05, мы считаем корреляцию статистически значимой (связь не случайна).
Можно ли считать корреляцию причинно-следственной связью?
Нет. Корреляция не доказывает причину. Пример: потребление мороженого и количество утоплений коррелируют положительно, но это из-за третьей переменной — летней погоды.
Какой минимальный размер выборки нужен для корреляции Пирсона?
Рекомендуется не менее 30 пар, но и с 10--15 можно работать, если данные качественные. Однако при малой выборке r будет менее точным, и доверительные интервалы шире.
Что такое R² и чем он полезен?
R² (коэффициент детерминации) — это квадрат корреляции Пирсона. Он показывает, какой процент дисперсии Y объясняется линейной зависимостью от X. Например, если R² = 0.64, то 64% изменчивости Y связано с X.