Корреляция в статистике и науке¶
Корреляция (от лат. correlatio — соотношение, взаимосвязь) — статистическая взаимосвязь двух или нескольких случайных величин, при которой изменение одной величины сопровождается закономерным изменением другой. Корреляция является одним из базовых понятий статистики, эконометрики, социологии, биологии, метеорологии и других дисциплин, где анализируются массовые, повторяющиеся явления. Количественной мерой связи служит коэффициент корреляции — число, обычно лежащее в пределах от −1 до +1.
¶Основные характеристики
Корреляционная связь отличается от функциональной. При функциональной зависимости каждому значению одной величины строго соответствует одно значение другой; при корреляционной — одному значению может отвечать множество значений другой величины, распределённых вокруг среднего. Корреляция отражает статистическую тенденцию, а не жёсткое правило.
Ключевые свойства связи:
- Направление. Положительная корреляция означает, что с ростом одной величины растёт и другая; отрицательная — что при росте одной другая убывает.
- Сила. Чем ближе коэффициент по модулю к единице, тем теснее связь; близость к нулю говорит об отсутствии линейной зависимости.
- Форма. Связь может быть линейной (описывается прямой) или нелинейной (например, параболической, экспоненциальной).
¶Коэффициенты корреляции
Наиболее распространён коэффициент корреляции Пирсона, предложенный Карлом Пирсоном в конце XIX века на основе идей Фрэнсиса Гальтона. Он вычисляется как отношение ковариации двух величин к произведению их стандартных отклонений и измеряет силу именно линейной связи. Обозначается обычно буквой r.
Применяются и другие меры:
| Коэффициент | Назначение |
|---|---|
| Пирсона (r) | Линейная связь количественных признаков |
| Спирмена (ρ) | Ранговая связь, устойчив к выбросам |
| Кендалла (τ) | Ранговая связь, основан на инверсиях |
| Точечно-бисериальный | Связь количественного и бинарного признака |
Коэффициент Спирмена и Кендалла используют, когда данные представлены рангами или распределение далеко от нормального.
¶Интерпретация
Значение коэффициента интерпретируют по модулю: обычно 0–0,3 трактуют как слабую связь, 0,3–0,7 — как умеренную, свыше 0,7 — как сильную. Границы условны и зависят от предметной области. В физике и технике ожидают r, близких к единице, в социальных науках значимыми нередко признают и умеренные значения.
Важно различать статистическую значимость и практическую содержательность связи. Даже слабая корреляция при большой выборке может оказаться статистически значимой, что не делает её полезной для прогноза.
¶Корреляция и причинность
Распространённая ошибка — трактовать корреляцию как доказательство причинной связи. Известный принцип гласит: корреляция не означает причинность (лат. cum hoc non est propter hoc — «вместе с этим не значит вследствие этого»). Наблюдаемая связь может объясняться тремя основными вариантами:
- Изменение A действительно вызывает изменение B.
- Изменение B вызывает изменение A (обратная причинность).
- Обе величины зависят от третьего, неучтённого фактора (скрытой переменной).
Классический пример — положительная корреляция между продажами мороженого и числом утоплений: общий фактор здесь — летняя жара. Для установления причинности применяют контролируемый эксперимент, рандомизацию, регрессионный анализ с контролем переменных.
¶История изучения
Понятие восходит к работам Фрэнсиса Гальтона, изучавшего в 1880-х годах наследование признаков у человека и введшего термин «регрессия». Карл Пирсон формализовал математический аппарат и предложил коэффициент, носящий его имя. В XX веке методы корреляционного анализа вошли в арсенал эконометрики, психометрики, генетики. В России значительный вклад в теорию корреляции и математическую статистику внесли А. А. Чупров, Е. Е. Слуцкий, А. Н. Колмогоров, чьи работы легли в основу отечественной статистической школы.
¶Применение
Корреляционный анализ используется для разведочного анализа данных, отбора признаков, проверки гипотез.
- Экономика. Связь между инфляцией и безработицей, курсом валют и ценами на сырьё.
- Медицина. Оценка связи фактора риска и заболевания в эпидемиологии.
- Метеорология. Зависимость температуры и атмосферного давления.
- Психология и социология. Связь тестовых баллов, уровня образования и доходов.
- Машинное обучение. Отбор информативных признаков, анализ мультиколлинеарности.
¶Ограничения и критика
Метод чувствителен к выбросам, требует учёта нелинейности и гетероскедастичности. Высокая корреляция между предикторами (мультиколлинеарность) искажает регрессионные модели. Кроме того, корреляция не описывает форму связи: одинаковое значение r может соответствовать совершенно разным диаграммам рассеяния — этот эффект иллюстрирует квартет Энскомба. Поэтому корреляционный анализ дополняют графическим исследованием данных и содержательной интерпретацией.
¶Корреляция в повседневной речи
В переносном смысле слово «коррелирует» означает «находится в согласии, взаимно соотносится». В таком употреблении речь идёт не о строгом статистическом показателе, а о смысловой или логической согласованности явлений, что следует отличать от научного значения термина.
Источники: учебники по теории вероятностей и математической статистике; работы К. Пирсона и Ф. Гальтона; справочные издания по эконометрике; материалы по статистическому анализу данных.