Корреляция Пирсона

Q: Почему корреляция не означает причинность?

Высокий r говорит лишь о том, что два ряда меняются согласованно, но не о том, что один вызывает другой. Связь может объясняться третьим скрытым фактором, обратным направлением влияния или просто совпадением. Чтобы говорить о причинности, нужен контролируемый эксперимент или дополнительные доказательства.

Q: Как интерпретировать величину r?

Знак показывает направление: r > 0 — ряды растут вместе, r — один растёт, другой падает. Модуль показывает силу: примерно |r| больше 0.7 — сильная связь, 0.4–0.7 — умеренная, 0.2–0.4 — слабая, меньше 0.2 — практически отсутствует. Это лишь ориентировочные пороги.

Q: Что измеряет r², а что — r?

Коэффициент r измеряет силу и направление линейной связи. Квадрат r² — это доля дисперсии Y, которую объясняет X: например r=0.8 даёт r²=0.64, то есть X объясняет 64% разброса Y. Поэтому r=0.5 объясняет лишь 25% дисперсии, а не половину.

Q: Может ли r быть нулём при наличии связи?

Да. Коэффициент Пирсона улавливает только линейную связь. Если зависимость нелинейная, например параболическая, r может оказаться близким к нулю при том, что переменные сильно связаны. Поэтому полезно сначала посмотреть на диаграмму рассеяния.

Pearson Correlation

Коэффициент r между двумя рядами.

Коэффициент корреляции Пирсона r измеряет силу и направление линейной связи между двумя количественными переменными. Он отвечает на вопрос: когда одна величина растёт, склонна ли другая расти (положительная связь), убывать (отрицательная) или не реагировать? Значение r всегда лежит в диапазоне от −1 до +1.

Что считает: Коэффициент корреляции Пирсона r измеряет силу и направление линейной связи между двумя количественными переменными. Он отвечает на вопрос: когда одна величина растёт, склонна ли другая расти (положительная связь), убывать (отрицательная) или не реагировать? Значение r всегда лежит в диапазоне от −1 до +1.
Раздел: 📊 Статистика
Что на выходе: Результат + формула + пошаговое решение + разбор примера
Стоимость: Бесплатно, без регистрации, прямо в браузере

Как это работает

Коэффициент Пирсона r ∈ [−1, 1] измеряет линейную связь. r²— доля дисперсии Y, объяснённая X. Корреляция ≠ причинность.

Что это и что показывает

Коэффициент корреляции Пирсона r измеряет силу и направление линейной связи между двумя количественными переменными. Он отвечает на вопрос: когда одна величина растёт, склонна ли другая расти (положительная связь), убывать (отрицательная) или не реагировать? Значение r всегда лежит в диапазоне от −1 до +1.

Формула и откуда она

r = Σ(x − x̄)(y − ȳ) / √(Σ(x − x̄)² · Σ(y − ȳ)²)

В числителе — сумма произведений отклонений (ковариация без деления). Если x и y отклоняются от своих средних в одну сторону, произведение положительно; в разные — отрицательно. Знаменатель нормирует величину на разброс каждой переменной, поэтому r безразмерен и ограничен отрезком [−1, 1]. Значения: r = 1 — идеальная прямая линия с положительным наклоном, r = −1 — с отрицательным, r = 0 — линейной связи нет. Величина r² (коэффициент детерминации) показывает долю изменчивости одной переменной, объяснённую линейной связью с другой.

Как посчитать вручную (по шагам)

Найдите средние x̄ и ȳ.
Для каждой пары вычислите отклонения x − x̄ и y − ȳ.
Перемножьте отклонения по парам и сложите — получите числитель.
Сложите квадраты отклонений отдельно по x и по y.
Перемножьте две суммы квадратов, извлеките корень — это знаменатель.
Поделите числитель на знаменатель — получите r; возведите в квадрат для r².

Разбор примера

Данные: x = (1, 2, 3, 4, 5), y = (2, 4, 5, 4, 5).

Средние: x̄ = 15/5 = 3, ȳ = 20/5 = 4.

Отклонения x: −2, −1, 0, 1, 2. Отклонения y: −2, 0, 1, 0, 1.

Произведения: (−2)(−2)=4; (−1)(0)=0; (0)(1)=0; (1)(0)=0; (2)(1)=2. Сумма = 6.

Σ(x−x̄)²: 4 + 1 + 0 + 1 + 4 = 10. Σ(y−ȳ)²: 4 + 0 + 1 + 0 + 1 = 6.

Знаменатель: √(10 · 6) = √60 ≈ 7.746.

Коэффициент: r = 6 / 7.746 ≈ 0.775. Связь сильная положительная.

r²: ≈ 0.6 — около 60% изменчивости y объясняется линейной связью с x.

Где применяется / интерпретация

Корреляция используется в экономике, медицине, психологии, машинном обучении (отбор признаков). Ориентиры по модулю r: до 0.3 — слабая связь, 0.3–0.7 — умеренная, выше 0.7 — сильная. Главное правило: корреляция не означает причинность. Высокое r может быть следствием третьего, скрытого фактора (мороженое и утопления оба растут летом — связаны, но не причина друг друга). Пирсон ловит только линейную связь: для параболической зависимости r может быть около 0 при очевидной связи.

Частые ошибки

Делают вывод о причине из корреляции — нужен эксперимент или контроль конфаундеров.
Применяют Пирсона к явно нелинейной связи и заключают «связи нет».
Не замечают, что один выброс способен резко исказить r.
Путают r и r²: r² — доля объяснённой дисперсии, всегда неотрицательна.
Интерпретируют r = 0 как «независимость» — это лишь отсутствие линейной связи.

Частые вопросы

Почему корреляция не означает причинность?

Высокий r говорит лишь о том, что два ряда меняются согласованно, но не о том, что один вызывает другой. Связь может объясняться третьим скрытым фактором, обратным направлением влияния или просто совпадением. Чтобы говорить о причинности, нужен контролируемый эксперимент или дополнительные доказательства.

Как интерпретировать величину r?

Знак показывает направление: r > 0 — ряды растут вместе, r < 0 — один растёт, другой падает. Модуль показывает силу: примерно |r| больше 0.7 — сильная связь, 0.4–0.7 — умеренная, 0.2–0.4 — слабая, меньше 0.2 — практически отсутствует. Это лишь ориентировочные пороги.

Что измеряет r², а что — r?

Коэффициент r измеряет силу и направление линейной связи. Квадрат r² — это доля дисперсии Y, которую объясняет X: например r=0.8 даёт r²=0.64, то есть X объясняет 64% разброса Y. Поэтому r=0.5 объясняет лишь 25% дисперсии, а не половину.

Может ли r быть нулём при наличии связи?

Да. Коэффициент Пирсона улавливает только линейную связь. Если зависимость нелинейная, например параболическая, r может оказаться близким к нулю при том, что переменные сильно связаны. Поэтому полезно сначала посмотреть на диаграмму рассеяния.

Проекты сети