Калькулятор коефіцієнта кореляції Пірсона
Введіть два парні набори даних і одразу отримайте коефіцієнт кореляції Пірсона r, коефіцієнт детермінації r², коваріацію та просте зрозуміле тлумачення сили й напрямку зв'язку.
Обчислити кореляцію Пірсона
Формула коефіцієнта кореляції
Де:
- \(r\) — коефіцієнт кореляції Пірсона, завжди між \(-1\) і \(+1\)
- \(x_i, y_i\) — парні значення даних
- \(\bar{x}, \bar{y}\) — середні значення двох наборів даних
- \(n\) — кількість пар
Чисельник — це сума попарних добутків відхилень (чисельник коваріації); знаменник нормує її на добуток розкидів X і Y, тому результат стає безрозмірнісним числом. Саме тому r не залежить від одиниць вимірювання або масштабу ваших даних.
Калькулятор також показує коефіцієнт детермінації \( r^2 \) та коваріацію:
\[ r^2 = r \times r, \qquad \operatorname{cov}(X,Y) = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{n - 1 \ \text{(вибірка)} \ \text{або} \ n \ \text{(сукупність)}} \]
Коефіцієнт кореляції — приклад обчислення
Приклад: дослідник фіксує години навчання (X) та результати тесту (Y) для восьми студентів: X = 1, 2, 3, 4, 5, 6, 7, 8 і Y = 53, 61, 68, 74, 80, 85, 90, 95.
\[ \bar{x} = \frac{1+2+\cdots+8}{8} = 4.5, \qquad \bar{y} = \frac{53+61+\cdots+95}{8} = 75.75 \]
\[ \sum (x_i - \bar{x})(y_i - \bar{y}) = 248, \qquad \sum (x_i - \bar{x})^2 = 42, \qquad \sum (y_i - \bar{y})^2 = 1475.5 \]
\[ r = \frac{248}{\sqrt{42 \times 1475.5}} = \frac{248}{248.94} \approx 0.9962 \]
Результат: r ≈ 0,9962 — дуже сильний позитивний лінійний зв'язок. Коефіцієнт детермінації r² ≈ 0,9925 означає, що приблизно 99,25% варіації результатів тесту пояснюється годинами навчання. Якщо обрати тип коваріації «Вибіркова», cov(X, Y) = 248 / 7 ≈ 35,43; для «Сукупності» cov(X, Y) = 248 / 8 = 31. Кількість пар n = 8.
Як користуватися калькулятором
- Введіть значення першої змінної у поле Набір даних X. Розділяйте числа комами, пробілами, крапками з комою або новими рядками — як вам зручніше.
- Введіть відповідні значення у Набір даних Y у тому самому порядку, що й X. Кожне значення X має бути пов'язане рівно з одним значенням Y, і обидва набори мають містити однакову кількість значень.
- Оберіть Тип коваріації: «Вибіркова (ділення на n − 1)», якщо ваші пари є вибіркою з більшої сукупності, або «Сукупність (ділення на n)», якщо у вас є дані для всієї генеральної сукупності. Цей вибір впливає лише на коваріацію — коефіцієнт кореляції r однаковий в обох випадках.
- Прочитайте результати: r Пірсона, коефіцієнт детермінації r², коваріацію, кількість пар n та тлумачення зв'язку простою мовою.
Що таке коефіцієнт кореляції Пірсона?
Коефіцієнт кореляції Пірсона (зазвичай позначається r) вимірює силу та напрямок лінійного зв'язку між двома числовими змінними. Він завжди лежить між \(-1\) і \(+1\):
- +1 — ідеальний позитивний лінійний зв'язок: кожне збільшення X супроводжується пропорційним збільшенням Y.
- 0 — лінійний зв'язок між змінними відсутній.
- −1 — ідеальний негативний лінійний зв'язок: коли X зростає, Y пропорційно зменшується.
Знак показує напрямок зв'язку, а абсолютне значення — наскільки щільно точки даних групуються навколо прямої лінії. Оскільки r стандартизований, він не залежить від одиниць вимірювання: кореляція між зростом і вагою однакова, чи вимірюєте ви в кілограмах і сантиметрах, чи в фунтах і дюймах.
Коефіцієнт детермінації r² відповідає на пов'язане питання: яка частина варіації Y пояснюється її лінійним зв'язком з X. Наприклад, r = 0,7 дає r² = 0,49, тобто приблизно 49% варіації Y зумовлено лінійним трендом. Це часто більш інтуїтивно зрозумілий і чесний спосіб описати практичну величину зв'язку.
Коваріація, що показується разом з r, — це ненормована версія тієї самої ідеї. Коваріація описує напрямок спільної варіації, але її величина залежить від одиниць вимірювання — саме тому стандартизований r зазвичай є більш корисною статистикою.
Інтерпретація результату: орієнтовний довідник
Шкала інтерпретації, яку використовує цей калькулятор, — поширена описова домовленість. Сприймайте межі як орієнтовні, а не суворі правила — контекст має значення:
| |r| | Описова сила зв'язку |
|---|---|
| 0,90 – 1,00 | Дуже сильний |
| 0,70 – 0,89 | Сильний |
| 0,50 – 0,69 | Помірний |
| 0,30 – 0,49 | Слабкий |
| 0,00 – 0,29 | Дуже слабкий або відсутній |
Припущення, обмеження та практичні поради
- Лінійність: r Пірсона виявляє лише прямолінійні залежності. Зв'язок може бути дуже сильним, але криволінійним (наприклад, Y = X²), і при цьому давати r, близьке до 0. Завжди будуйте графік даних, перш ніж робити висновки лише на основі r.
- Кореляція — не причинність: високий r показує, що дві змінні змінюються разом, а не те, що одна спричиняє іншу. Прихована третя змінна може впливати на обидві.
- Викиди: r чутливий до екстремальних значень. Одна незвична точка може суттєво завищити або занизити коефіцієнт, особливо при малих вибірках.
- Парні дані: обчислення вимагає, щоб кожне значення X було пов'язане з одним значенням Y (те саме джерело або об'єкт). Два непов'язані списки чисел дають беззмістовний r.
- Розмір вибірки: при дуже малій кількості пар навіть великий r може виникнути випадково. При n = 2 коефіцієнт завжди дорівнює рівно +1 або −1, тому потрібно щонайменше 2 пари, а більше — настійно рекомендується.
- Неперервні дані: r Пірсона призначений для неперервних, приблизно числових даних. Для порядкових (рангових) даних зазвичай краще підходить рангова кореляція Спірмена.
Нарешті, пам'ятайте про різницю між варіантами коваріації: дільник (n − 1 проти n) змінює значення коваріації, але ніколи не змінює r або r², оскільки той самий множник присутній у чисельнику та знаменнику формули кореляції.
Часті запитання
Як обчислити коефіцієнт кореляції Пірсона вручну, крок за кроком?
Спочатку обчисліть середні \( \bar{x} \) і \( \bar{y} \). Потім для кожної пари знайдіть відхилення \( (x_i - \bar{x}) \) і \( (y_i - \bar{y}) \) та складіть три суми: добутки відхилень \( \sum (x_i - \bar{x})(y_i - \bar{y}) \) і суми квадратів відхилень \( \sum (x_i - \bar{x})^2 \) та \( \sum (y_i - \bar{y})^2 \). Нарешті, розділіть суму добутків відхилень на квадратний корінь із добутку двох сум квадратів відхилень. Електронна таблиця з одним стовпцем на кожен крок робить обчислення посильними.
Чи є мій коефіцієнт кореляції статистично значущим?
Цей калькулятор показує величину r, але не p-значення. Для грубої перевірки можна обчислити \( t = r \sqrt{\frac{n-2}{1-r^2}} \) і порівняти його з t-розподілом з \( n - 2 \) ступенями вільності. При n = 30 пар |r| понад приблизно 0,36 є значущим на рівні 0,05; при n = 100 достатньо |r| понад приблизно 0,20. Малі вибірки потребують значно більших кореляцій, щоб мати сенс, тому ставтеся до межових результатів обережно.
Чи може r Пірсона бути більшим за 1 або меншим за −1?
Ні. Математично r завжди лежить між −1 і +1, оскільки знаменник \( \sqrt{\sum(x_i-\bar{x})^2 \cdot \sum(y_i-\bar{y})^2} \) ніколи не може бути меншим за чисельник (це нерівність Коші — Буняковського). Якщо ваше власне обчислення дає значення поза цим діапазоном, це свідчить про помилку в обчисленнях або введенні даних — найчастіше про незбіг пар або втрачений знак мінус. Значення рівно +1 або −1, отримані лише з двох пар, є математично вимушеними, а не доказом ідеального зв'язку.
Яка різниця між кореляцією Пірсона та Спірмена?
r Пірсона вимірює, наскільки добре дані відповідають прямій лінії, і передбачає приблизно неперервні змінні, виміряні за інтервальною шкалою. Рангова кореляція Спірмена спочатку перетворює значення на ранги, а потім корелює ці ранги, тому вона охоплює будь-який послідовно монотонний зв'язок — прямолінійний чи криволінійний — і стійка до викидів. Використовуйте Спірмена для порядкових даних (оцінки, рейтинги) або коли діаграма розсіювання показує криву, але завжди зростаючу або завжди спадну залежність. Використовуйте Пірсона, коли лінійність і приблизно нормальні дані є розумним припущенням.
Чи змінюється кореляція при перетворенні одиниць, наприклад з сантиметрів у дюйми?
Ні — r Пірсона є безрозмірнісним та інваріантним до лінійних змін масштабу. Множення або додавання сталих до будь-якої зі змінних (перерахунок валют, зсув базового рівня, зміна масштабу балів) залишає r точно таким самим, оскільки множник масштабування входить і в чисельник, і в знаменник та скорочується. Знак змінюється лише, якщо помножити одну змінну на від'ємне число. Коваріація, натомість, змінюється разом з одиницями — це одна з причин, чому r зазвичай є кращою статистикою.
Чому один викид так сильно впливає на мій результат?
Тому що r будується із сум відхилень, одна екстремальна точка вносить непропорційно великі добутки відхилень. При малих вибірках один викид може знизити r з 0,8 майже до 0 або зробити слабкий зв'язок сильним на вигляд. Спочатку перевірте дані на одруки та похибки вимірювання, потім побудуйте діаграму розсіювання, щоб побачити, чи якась точка домінує. Якщо викид є справжнім, але спотворює картину, розгляньте можливість навести ранкову кореляцію Спірмена або стійку альтернативу разом з r Пірсона.
Які найпоширеніші помилки під час обчислення кореляції?
Найбільша — непарні або невпорядковані дані: i-те значення X має відповідати i-му значенню Y, і обидва списки мають мати однакову довжину. Серед інших частих помилок — використання r для криволінійних залежностей (де він занижує зв'язок), плутання r з r² при звітуванні «відсотка поясненої варіації» та трактування великого r як доказу причинності. Також пам'ятайте, що для сталого набору даних r не визначений, оскільки його розкид дорівнює нулю.