Корелия — понятие статистики и теории вероятностей¶

Корелия — это статистическая мера, показывающая степень связи (связности) между двумя случайными величинами. В отличие от причинно-следственных отношений, корелия фиксирует лишь факт совместного изменения величин: если одна растёт, другая, как правило, тоже меняется — в ту же или противоположную сторону. Понятие является фундаментальным для статистики, теории вероятностей, эконометрики, психологии, биологии и ряда других наук, где требуется количественно оценить взаимосвязь наблюдаемых явлений.

¶Определение и коэффициент корреляции

Наиболее распространённой мерой связи является коэффициент корреляции Пирсона, введённый английским статистиком Карлом Пирсоном в 1890-х годах. Он обозначается символом r и принимает значения от −1 до +1:

• r = +1 — идеальная прямая положительная связь: обе величины растут пропорционально;
• r = −1 — идеальная обратная связь: одна величина убывает, другая растёт строго пропорционально;
• r = 0 — линейная связь отсутствует.

Значения, близкие к нулю, означают, что линейной связи между величинами нет, однако это не исключает наличия нелинейной связи. Модуль коэффициента отражает силу связи, а знак — её направление.

¶Виды корреляции

Корреляция классифицируется по нескольким признакам.

По направлению связи:

• положительная — рост одной величины сопровождается ростом другой;
• отрицательная — рост одной величины сопровождается убыванием другой.

По характеру связи:

• линейная — точки на диаграмме рассеяния группируются вокруг прямой;
• нелинейная (напр., квадратичная, показательная) — точки группируются вокруг кривой.

По числу переменных:

• парная (двухфакторная) — анализируется связь двух величин;
• частичная — измеряется связь двух величин при контроле влияния третьей;
• множественная — оценивается связь одной величины с группой других.

¶Методы расчёта

Коэффициент корреляции Пирсона вычисляется по формуле, включающей средние значения величин, отклонения наблюдений от средних и их произведения. Для нелинейных связей используют коэффициенты ранговой корреляции — например, корреляцию Спирмена и корреляцию Кендалла, которые основаны на ранжировании наблюдений и устойчивы к выбросам.

Важным условием применимости коэффициента Пирсона является нормальность распределения величин и линейность связи. При отклонении этих условий предпочтение отдаётся непараметрическим методам.

¶Корреляция и причинность

Ключевое ограничение корреляционного анализа состоит в том, что корреляция не означает причинности. Две величины могут изменяться синхронно под влиянием третьего фактора (латентной переменной), не имея прямой связи друг с другом. Классический пример — рост числа утоплений и потребления мороженого в тёплые месяцы: оба показателя растут летом, но мороженое не вызывает утоплений, а объединяющим фактором является высокая температура.

Для установления причинных отношений используются дополнительные методы: эксперименты, лонгитюдные исследования, инструментальные переменные и модели причинного вывода (например, графы причинности Джуды Пирла).

¶Применение

Корреляционный анализ применяется в самых разных областях:

• Экономика и финансы — оценка связи между макроэкономическими показателями, диверсификация портфелей (корреляция активов);
• Медицина и эпидемиология — поиск факторов риска заболеваний, оценка связи между факторами среды и здоровьем;
• Психология и педагогика — изучение взаимосвязи черт личности, успеваемости, мотивации;
• Биология и генетика — анализ наследуемости признаков, связей между генами и фенотипом;
• Машинное обучение — отбор признаков, выявление мультиколлинеарности в регрессионных моделях.

¶Ограничения

Корреляция чувствительна к выбросам: единичные аномальные наблюдения могут резко изменить коэффициент. Кроме того, высокая корреляция между предикторами (мультиколлинеарность) затрудняет интерпретацию регрессионных моделей. Существует также эффект Симпсона, при котором общая корреляция в объединённой выборке противоречит корреляциям в отдельных подгруппах.

Источники:

• Корреляция и регрессия // Статистика: учебник / под ред. И. И. Елисеевой. — М.: ЮНИТИ-ДАНА.
• Пирсон К. Математическая теория эволюции // Философские трактаты.
• Айзенк Г. Психология и статистика.
• Джуда Пирл. Причинность: модели, рассуждения, вывод.
• Фишер Р. Статистические методы для исследователей.