Коэффициент корреляции Пирсона¶

Коэффициент корреляции Пирсона (также линейный коэффициент корреляции, r Пирсона) — статистический показатель, измеряющий силу и направление линейной связи между двумя количественными переменными. Значение коэффициента лежит в диапазоне от −1 до +1: знак указывает на направление связи, а абсолютная величина — на её тесноту. Показатель предложен английским математиком и биологом Карлом Пирсоном в конце XIX века и с тех пор является одним из наиболее распространённых инструментов анализа данных в биологии, экономике, психологии, социологии и технических науках.

¶Определение и формула

Для двух переменных X и Y, измеренных на одной и той же выборке объёма n, выборочный коэффициент корреляции вычисляется как отношение ковариации к произведению стандартных отклонений:

r = cov(X, Y) / (σ_X · σ_Y).

В развёрнутом виде формула записывается через суммы отклонений от средних:

r = Σ(xᵢ − x̄)(yᵢ − ȳ) / √[Σ(xᵢ − x̄)² · Σ(yᵢ − ȳ)²].

Здесь x̄ и ȳ — выборочные средние. Числитель отражает совместную изменчивость признаков, знаменатель нормирует результат, делая его безразмерным. Именно нормировка позволяет сравнивать коэффициенты, рассчитанные для величин с разными единицами измерения — например, роста в сантиметрах и массы в килограммах.

¶Интерпретация значений

Коэффициент r = +1 означает строгую положительную линейную зависимость: с ростом одной переменной вторая возрастает строго пропорционально. Значение r = −1 соответствует строгой отрицательной зависимости, r = 0 — отсутствию линейной связи.

Границы этих диапазонов условны и зависят от предметной области: в физике и технике связь с r = 0,6 может считаться слабой, тогда как в социологии аналогичное значение нередко трактуют как сильное.

¶Свойства и предпосылки

Коэффициент Пирсона корректно описывает именно линейную связь. Если зависимость нелинейна (например, параболическая или периодическая), r может оказаться близким к нулю даже при наличии строгой функциональной зависимости. Классический пример — связь между координатами точек окружности.

Для содержательной интерпретации r обычно требуются следующие условия:

• переменные количественные и измерены в интервальной или пропорциональной шкале;
• наблюдения независимы друг от друга;
• совместное распределение переменных близко к двунормальному;
• отсутствуют грубые выбросы, которые сильно искажают результат;
• связь предполагается линейной.

Коэффициент чувствителен к выбросам: одно аномальное наблюдение способно заметно изменить его величину. Поэтому перед расчётом рекомендуется строить диаграмму рассеяния.

¶Проверка значимости

Выборочный коэффициент r — случайная величина, и его отличие от нуля может быть следствием случайности. Для проверки гипотезы о значимости связи используют t-критерий:

t = r · √(n − 2) / √(1 − r²),

который при справедливости нулевой гипотезы (отсутствие связи в генеральной совокупности) подчиняется распределению Стьюдента с n − 2 степенями свободы. Найденное t сравнивают с критическим значением при выбранном уровне значимости. Отдельно вычисляют доверительный интервал для r, нередко с предварительным преобразованием Фишера.

¶Связь с регрессией

Коэффициент корреляции тесно связан с методом наименьших квадратов. Квадрат коэффициента, r², называется коэффициентом детерминации и показывает долю дисперсии одной переменной, объяснённую линейной зависимостью от другой. Если r = 0,8, то r² = 0,64, то есть 64 % разброса объясняется моделью, а остальные 36 % приходятся на прочие факторы и случайность. При этом корреляция не подразумевает причинно-следственной связи: обе переменные могут зависеть от третьего, неучтённого фактора.

¶Ограничения и критика

Главное ограничение метода — неспособность уловить нелинейные зависимости. Кроме того, на величину r влияет диапазон варьирования признаков: если выборка сужена, коэффициент занижается. Существует также проблема «ложной корреляции», возникающей при анализе временных рядов, где обе переменные имеют общий тренд. Для порядковых данных применяют ранговые аналоги — коэффициент Спирмена и тау Кендалла; для нелинейных монотонных связей — корреляционное отношение.

¶Применение

В России и мировой практике коэффициент Пирсона используется в эконометрике при оценке связей между макроэкономическими показателями, в медицине и биологии — при анализе зависимостей между физиологическими параметрами, в психологии и педагогике — при валидизации тестов, в метрологии и промышленности — при контроле качества. В машинном анализе данных он служит для отбора признаков и построения корреляционных матриц, наглядно отображаемых тепловыми картами.

Источники: учебники по теории вероятностей и математической статистике; работы К. Пирсона по математической теории эволюции; руководства по прикладному статистическому анализу; справочные материалы по эконометрике.