Kalkulator korelacji cząstkowej
Oblicz korelację cząstkową między dwiema zmiennymi z jednoczesną kontrolą trzeciej zmiennej. Wpisz trzy sparowane kolumny danych albo trzy współczynniki korelacji Pearsona dla poszczególnych par, a otrzymasz współczynnik korelacji cząstkowej wraz z interpretacją.
Sprawdź zależność po wyeliminowaniu wpływu trzeciej zmiennej
Wzór na korelację cząstkową
Gdzie:
- \(r_{XY \cdot Z}\) — korelacja cząstkowa X i Y przy kontroli zmiennej Z
- \(r_{XY}\) — korelacja Pearsona między X i Y
- \(r_{XZ}\) — korelacja Pearsona między X i Z
- \(r_{YZ}\) — korelacja Pearsona między Y i Z
Wzór usuwa tę część związku X–Y, którą da się wyjaśnić osobnymi liniowymi zależnościami obu zmiennych od Z. Wynik mieści się w przedziale od −1 do 1, tak samo jak zwykły współczynnik korelacji.
Korelacja cząstkowa – przykład obliczenia
Przykład: osiem obserwacji z X = 1; 2; 3; 4; 1; 2; 3; 4, Y = 3; 3; 5; 9; 4; 8; 10; 10 oraz z dychotomiczną zmienną kontrolną Z = 0; 0; 0; 0; 1; 1; 1; 1 (wartości domyślne kalkulatora).
Najpierw oblicz trzy współczynniki korelacji Pearsona dla poszczególnych par:
\[ r_{XY} = 0.7785, \qquad r_{XZ} = 0.0000, \qquad r_{YZ} = 0.5222 \]
Następnie podstaw je do wzoru na korelację cząstkową:
\[ r_{XY \cdot Z} = \frac{0.7785 - (0)(0.5222)}{\sqrt{(1 - 0^{2})(1 - 0.5222^{2})}} = \frac{0.7785}{0.8528} \approx 0.9129 \]
Wynik: korelacja cząstkowa wynosi około 0,9129. Kontrola zmiennej Z wzmacnia związek X–Y z 0,78 do 0,91, ponieważ w tych danych Z wiąże się z Y, ale nie z X.
Jak korzystać z kalkulatora
- Wybierz sposób wprowadzania danych: „Trzy sparowane kolumny danych”, jeśli masz surowe pomiary, albo „Trzy współczynniki korelacji”, jeśli znasz już trzy współczynniki Pearsona.
- Przy danych surowych wklej wartości do pól Zmienna X, Zmienna Y i Zmienna kontrolna Z. Oddzielaj wartości spacjami, średnikami lub znakami nowego wiersza; przecinki dziesiętne są akceptowane. Wszystkie trzy kolumny muszą mieć tę samą kolejność obserwacji i tę samą długość (od 4 do 2000 wartości).
- Przy współczynnikach wpisz korelację X i Y, korelację X i Z oraz korelację Y i Z, każdą w przedziale od −1 do 1.
- Odczytaj wynik: korelację cząstkową X i Y przy kontroli Z, trzy współczynniki korelacji dla poszczególnych par, liczbę sparowanych obserwacji (w trybie danych) oraz interpretację w przystępnym języku.
Czym jest korelacja cząstkowa?
Korelacja cząstkowa mierzy siłę liniowego związku między dwiema zmiennymi po wyeliminowaniu wpływu jednej lub kilku zmiennych kontrolnych. W przypadku jednej zmiennej kontrolnej, którą zajmuje się ten kalkulator, odpowiada na pytanie: jak mocno wiążą się X i Y, gdy wyeliminujemy tę część zmienności, którą każda z nich dzieli ze Z?
To istotne, ponieważ zwykła korelacja bywa myląca. Dwie zmienne mogą wydawać się skorelowane wyłącznie dlatego, że obie są napędzane przez trzecią zmienną — to klasyczna sytuacja zakłócenia. Na przykład sprzedaż lodów i liczba utonięć są w skali roku skorelowane, ale obie zależą od temperatury. Korelacja cząstkowa pozwala sprawdzić, czy po uwzględnieniu wspólnej przyczyny pozostaje jeszcze bezpośredni związek.
Wynik interpretuje się tak jak każdy współczynnik korelacji: wartości bliskie +1 lub −1 wskazują na silny dodatni lub ujemny związek liniowy, a wartości bliskie 0 — na związek słaby lub jego brak. Korelacja cząstkowa może być co do wartości bezwzględnej większa lub mniejsza od zwykłej korelacji. Większa staje się wtedy, gdy Z maskuje część prawdziwego związku (jak w przykładzie powyżej), a mniejsza — gdy zwykła korelacja była głównie artefaktem wpływu Z.
Pamiętaj, że korelacja cząstkowa, jak każda korelacja, mierzy współzależność, a nie przyczynowość. Usunięcie liniowego wpływu Z eliminuje jedno z możliwych źródeł pozornego związku, ale nie pozwala ustalić kierunku przyczynowego ani wykluczyć innych zmiennych zakłócających. Jeśli chcesz modelować jednocześnie kilka zmiennych objaśniających, naturalnym krokiem dalej będzie kalkulator regresji wielorakiej.
Założenia, ograniczenia i wskazówki
- Liniowość. Wzór opiera się na korelacji Pearsona, więc uwzględnia wyłącznie związki liniowe. Jeśli zależności są monotoniczne, ale zakrzywione, rozważ miary rangowe, np. korelację rang Spearmana.
- Jedna zmienna kontrolna. Ten kalkulator kontroluje pojedynczą zmienną Z. Przy kilku zmiennych kontrolnych ta sama idea uogólnia się przez macierz precyzji (odwrotną macierz korelacji), ale rachunek staje się macierzowy.
- Zgodność współczynników. W trybie współczynników trzy korelacje muszą być wzajemnie zgodne — kalkulator odrzuca kombinacje, które nie mogą utworzyć poprawnej macierzy korelacji.
- Przypadki nieokreślone. Wynik jest nieokreślony, gdy X lub Y jest skorelowana ze Z idealnie (lub niemal idealnie), ponieważ mianownik dąży wtedy do zera.
- Liczebność próby. Małe próby dają niestabilne oszacowania. Przy niewielkiej liczbie obserwacji umiarkowana korelacja cząstkowa może łatwo wyniknąć z czystego przypadku; sprawdzenie mocy testu pomoże ocenić, czy twoja próba pozwoli wykryć oczekiwany efekt.
- Kompletne pary. Każdy wiersz musi zawierać wartości X, Y i Z. Braki danych w jednej kolumnie psują parowanie, więc najpierw oczyść dane.
Najczęściej zadawane pytania
Jak obliczyć korelację cząstkową ręcznie?
Najpierw oblicz ze sparowanych danych trzy współczynniki korelacji Pearsona: \(r_{XY}\), \(r_{XZ}\) i \(r_{YZ}\). Następnie podstaw je do wzoru \( r_{XY \cdot Z} = \frac{r_{XY} - r_{XZ} r_{YZ}}{\sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)}} \). Pomnóż przez siebie dwie korelacje ze zmienną Z, odejmij iloczyn od \(r_{XY}\) i podziel wynik przez pierwiastek kwadratowy z iloczynu dwóch pozostałych wyrażeń. Kalkulator wykonuje wszystkie te kroki naraz i pokazuje współczynniki, których użył.
Czy moja korelacja cząstkowa jest istotna statystycznie?
Kalkulator nie przeprowadza testu istotności, ale możesz zrobić to samodzielnie, korzystając ze wzoru \( t = r_{XY \cdot Z}\sqrt{\frac{n-3}{1 - r_{XY \cdot Z}^2}} \), gdzie \(n\) to liczba kompletnych obserwacji. Porównaj \(t\) z rozkładem t-Studenta o \(n - 3\) stopniach swobody. Zgrubnie: przy \(n = 50\) istotna na poziomie 5% (test dwustronny) jest korelacja cząstkowa przekraczająca około \(\pm 0.28\).
Jaką wartość korelacji cząstkowej można uznać za mocną?
Nie istnieje uniwersalna „dobra” wartość — zależy to od dziedziny. Według zgrubnych heurystyk stosowanych w naukach o zachowaniu wartości bliskie 0,1 uznaje się za małe, bliskie 0,3 za umiarkowane, a 0,5 i więcej za mocne. W fizyce czy inżynierii istotne bywają znacznie słabsze korelacje. Oceniaj wynik w kontekście liczebności próby: mały współczynnik z dużej próby może być znaczący, a duży z garści obserwacji — czystym przypadkiem.
Czy korelacja cząstkowa może być większa od zwykłej korelacji, a nawet zmienić znak?
Tak, w obu przypadkach. Gdy Z tłumi część prawdziwego związku X–Y, korelacja cząstkowa wychodzi co do wartości bezwzględnej większa niż \(r_{XY}\). Zmiana znaku (ujemna korelacja cząstkowa przy dodatniej zwykłej) sygnalizuje klasyczną supresję — zmienna kontrolna ujawnia związek przeciwny do tego, który sugerowała zwykła korelacja. Oba wyniki są poprawne, a nie błędne, choć zwykle zasługują na staranną interpretację tego, jak Z wiąże się z X i Y.
Czym różni się korelacja cząstkowa od semicząstkowej (częściowej)?
Korelacja cząstkowa usuwa wpływ Z z obu zmiennych, X i Y, a potem bada związek tego, co zostaje. Korelacja semicząstkowa usuwa Z tylko z jednej zmiennej, powiedzmy Y, pozostawiając X nietkniętą. Korelacji cząstkowej używaj, gdy pytasz: „czy X wiąże się z Y ponad to, co obie dzielą ze Z?”, a semicząstkowej, gdy pytasz: „czy X wyjaśnia tę część Y, której nie wyjaśnia Z?”. Ten kalkulator oblicza wersję cząstkową.
Dlaczego kalkulator odrzucił moje trzy współczynniki korelacji?
W trybie współczynników trzy wartości muszą być wzajemnie zgodne: muszą tworzyć poprawną macierz korelacji, czyli \( |r_{XY} - r_{XZ}\, r_{YZ}| \) nie może przekraczać \( \sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)} \). Jeśli przekracza, żaden rzeczywisty zbiór danych nie mógłby dać takiej kombinacji. Typowe przyczyny to pomylenie, który współczynnik dotyczy której pary, albo wzięcie korelacji z różnych prób lub badań, które nie objęły tych samych obserwacji.
Czy mogę kontrolować więcej niż jedną zmienną?
Ten kalkulator obsługuje pojedynczą zmienną kontrolną Z. Przy kilku zmiennych kontrolnych potrzebujesz podejścia opartego na macierzy precyzji: odwróć pełną macierz korelacji wszystkich zmiennych, zmień znak komórkom poza przekątną i przeskaluj je z powrotem na korelacje. W praktyce większość osób wykonuje zamiast tego regresję wieloraką i przygląda się standaryzowanym współczynnikom lub cząstkowym wartościom \(R^2\), które uogólniają tę samą ideę, a dodatkowo dają przedziały ufności i wartości p.