Masz tabelę z wynikami uczniów i chcesz sprawdzić, czy dłuższa nauka wiąże się z lepszą oceną? Korelacja pokaże kierunek i siłę współzmienności, ale wynik może być mylący, jeśli zależność nie układa się w linię albo kilka obserwacji odstaje od reszty.

Współczynnik opisuje zależność, ale sam nie wyjaśnia jej przyczyny
- r = 1 oznacza idealną dodatnią zależność liniową, a r = -1 idealną ujemną.
- r bliskie 0 oznacza brak wyraźnej zależności liniowej, niekoniecznie brak jakiegokolwiek związku.
- Wykres rozrzutu pozwala zauważyć krzywiznę, grupy danych i punkty odstające.
- Pearson opisuje zależność liniową, a Spearman i Kendall pracują na rangach.
- Korelacja nie dowodzi przyczynowości, nawet gdy współczynnik jest wysoki.
Współczynnik od -1 do 1 mówi, jak układają się pary wyników
Wyobraź sobie punkty na wykresie: każda para oznacza wynik jednej osoby, na przykład czas nauki i ocenę. Gdy punkty biegną mniej więcej ukośnie w górę, zależność jest dodatnia; gdy opadają, ujemna. Współczynnik korelacji streszcza ten układ jedną liczbą, lecz nie mówi, co spowodowało obserwowany wzór.
Wartość bliska 1 wskazuje, że większym wartościom jednej zmiennej zwykle towarzyszą większe wartości drugiej. Wartość bliska -1 oznacza, że większym wartościom jednej odpowiadają mniejsze drugiej. Wynik w pobliżu zera mówi natomiast tylko, że nie widać silnej zależności liniowej.
Nie ma jednego progu, który w każdej dziedzinie oddziela „słabą” korelację od „silnej”. W małym zbiorze, przy dużym szumie pomiarowym lub w badaniu edukacyjnym ta sama wartość może mieć inne znaczenie niż w pomiarach fizycznych. Najpierw sprawdź wykres i sposób zbierania danych, dopiero potem oceniaj samą liczbę.
Wykres rozrzutu może ujawnić związek, którego Pearson nie pokaże
Wyobraź sobie punkty tworzące literę U. Współczynnik Pearsona może wtedy wyjść równy zero, choć zmienne wyraźnie są ze sobą powiązane. To dlatego, że Pearson mierzy przede wszystkim liniową zależność, a symetryczna krzywa potrafi ukryć się za zerowym wynikiem.
Przykład liczbowy: dla par (-2, 4), (-1, 1), (0, 0), (1, 1), (2, 4) wartość Pearsona wynosi 0. Jednak druga zmienna jest kwadratem pierwszej, więc zależność jest dokładna i nieliniowa. Sam wynik r = 0 nie uprawnia tu do wniosku „brak związku”.
Przed obliczeniem współczynnika narysuj wykres punktowy. Zobaczysz na nim także obserwacje odstające, czyli punkty leżące daleko od ogólnego układu. Jak opisuje artykuł o pułapkach analizy korelacji, pojedyncza skrajna obserwacja może zmienić wartość współczynnika, a nawet stworzyć pozór zależności.
Pearson, Spearman i Kendall odpowiadają na różne pytania
Dwie kolumny danych mogą wyglądać podobnie, ale wymagać innego współczynnika. Pearson ocenia liniowy układ wartości, natomiast Spearman i Kendall wykorzystują porządek obserwacji. Różnicę między współczynnikiem liniowym Pearsona a rangowym Spearmana opisuje również Słownik pojęć statystyki publicznej GUS.
| Współczynnik | Kiedy pasuje | Na co uważać |
|---|---|---|
| Pearsona | Gdy zmienne są liczbowe, a wykres sugeruje zależność zbliżoną do prostej. | Punkty odstające mogą mocno wpłynąć na wynik. |
| Spearmana | Gdy interesuje Cię, czy wraz ze wzrostem jednej zmiennej druga na ogół rośnie lub maleje, także przy zależności nieliniowej, ale monotonicznej. | Nie opisuje dokładnie, jak zmieniają się wartości, tylko ich kolejność. |
| Kendalla | Gdy dane mają postać rang albo chcesz ocenić zgodność uporządkowania par. | Wynik interpretuje się inaczej niż współczynnik Pearsona; przy wielu remisach w rangach wybór metody wymaga uwagi. |
Praktyczna reguła jest prosta: prosta chmura punktów i dane liczbowe przemawiają za Pearsonem; wyraźny porządek bez prostoliniowego układu sugeruje Spearmana, a dane rangowe mogą uzasadniać Kendalla. Jeśli obserwacje tworzą kilka odrębnych grup lub mają liczne remisy, nie wybieraj metody wyłącznie na podstawie nazwy zmiennych.
Wysoka korelacja nie dowodzi, że jedna zmienna wywołuje drugą
Załóżmy, że w kolejnych miesiącach rośnie liczba sprzedanych lodów i liczba osób odwiedzających kąpielisko. Silny dodatni związek nie oznacza, że lody powodują wizyty nad wodą. Obie wartości mogą rosnąć z powodu trzeciego czynnika, na przykład ciepłej pogody.
Podobny problem pojawia się w danych szkolnych. Jeśli uczniowie, którzy więcej ćwiczą, osiągają lepsze wyniki, korelacja nie rozstrzyga, czy ćwiczenia podnoszą wynik, czy też osoby o większej motywacji jednocześnie częściej się uczą i lepiej wypadają. Do wnioskowania o przyczynie potrzeba dodatkowych informacji o badaniu, kolejności zdarzeń i możliwych czynnikach zakłócających.
Przy porównywaniu wyników pamiętaj też, że pojedynczy współczynnik nie opisuje całego rozkładu danych. Średnia może być pomocna przy ich podsumowaniu, a gdy obserwacje mają różne wagi, przydaje się obliczanie średniej ważonej. Nie zastąpi to jednak wykresu ani sprawdzenia, skąd pochodzą pomiary.
Najpierw obejrzyj dane, potem ufaj liczbie
Przyznam, że w nauce statystyki najbardziej przekonuje mnie prosty nawyk: nie interpretować korelacji bez obejrzenia wykresu. Jedna liczba jest wygodna, ale łatwo zapomnieć, że może ukrywać krzywą, grupy albo pojedynczy punkt, który ciągnie wynik w swoją stronę.
Jeśli układ punktów pasuje do wybranego współczynnika, opisz kierunek i siłę zależności ostrożnie, podaj liczebność zbioru oraz nie przypisuj jej przyczyny bez dodatkowych dowodów. Wtedy korelacja staje się użytecznym skrótem opisu danych, a nie odpowiedzią na pytanie, którego sama nie potrafi rozstrzygnąć.