Korelacja Pearsona – kiedy stosować i jak interpretować wynik?
Korelacja Pearsona jest jedną z najczęściej wykorzystywanych metod analizy zależności pomiędzy zmiennymi ilościowymi. Stosuje się ją zarówno w badaniach naukowych, jak i pracach magisterskich, doktorskich, artykułach naukowych oraz analizach wykonywanych na potrzeby przedsiębiorstw i instytucji.
Sam fakt posiadania dwóch zmiennych liczbowych nie oznacza jednak, że współczynnik korelacji Pearsona będzie odpowiednią metodą. Przed wykonaniem analizy należy zweryfikować charakter danych, założenia metody i przede wszystkim pytanie badawcze.
Co mierzy współczynnik korelacji Pearsona?
Współczynnik korelacji Pearsona, oznaczany najczęściej symbolem r, określa kierunek i siłę liniowej zależności pomiędzy dwiema zmiennymi.
Przyjmuje wartości od −1 do +1.
Wartość dodatnia oznacza, że wraz ze wzrostem jednej zmiennej występuje tendencja do wzrostu drugiej. Wartość ujemna wskazuje na zależność odwrotną – wraz ze wzrostem jednej zmiennej druga ma tendencję do zmniejszania się.
Wartość bliska zeru wskazuje natomiast na brak lub bardzo słabą zależność liniową.
Jest to ważne zastrzeżenie. Brak korelacji Pearsona nie zawsze oznacza całkowity brak związku między zmiennymi. Zależność może mieć charakter nieliniowy.
Jak interpretować siłę korelacji?
Nie istnieje jedna uniwersalna klasyfikacja wartości współczynnika r odpowiednia dla wszystkich dziedzin nauki. Orientacyjnie można jednak przyjąć:
- |r| < 0,10 – zależność bardzo słaba lub praktycznie nieobecna,
- 0,10–0,29 – zależność słaba,
- 0,30–0,49 – zależność umiarkowana,
- 0,50–0,69 – zależność stosunkowo silna,
- 0,70–0,89 – zależność silna,
- ≥ 0,90 – zależność bardzo silna.
Interpretacja powinna uwzględniać dziedzinę badań. W naukach społecznych lub medycznych współczynnik r = 0,30 może mieć istotne znaczenie praktyczne, podczas gdy w innych obszarach taka zależność może zostać uznana za niewielką.
Jakie są założenia korelacji Pearsona?
Przed zastosowaniem współczynnika Pearsona należy zwrócić uwagę przede wszystkim na charakter zmiennych, liniowość zależności, obserwacje odstające oraz rozkład danych w kontekście prowadzonego wnioskowania.
Szczególnie przydatny jest wykres rozrzutu. Pozwala on szybko zauważyć, czy zależność jest w przybliżeniu liniowa oraz czy w zbiorze występują obserwacje mogące silnie wpływać na wartość współczynnika.
Mechaniczne wykonanie testu normalności i wybór metody wyłącznie na podstawie wartości p nie jest najlepszą strategią.
Korelacja Pearsona czy Spearmana?
To jedno z najczęstszych pytań pojawiających się podczas wykonywania analiz statystycznych.
Korelacja Spearmana jest metodą opartą na rangach. Może być odpowiednia m.in. dla zmiennych porządkowych, zależności monotonicznych oraz w sytuacjach, w których zastosowanie korelacji Pearsona jest problematyczne.
Nie należy jednak przyjmować automatycznej zasady:
rozkład normalny = Pearson, brak normalności = Spearman.
Dobór metody powinien uwzględniać skalę pomiarową, charakter związku, rozkład, obserwacje odstające i cel analizy.
Czy p < 0,05 oznacza silną korelację?
Nie.
Wartość p informuje o istotności statystycznej, natomiast współczynnik r opisuje wielkość i kierunek obserwowanej zależności.
Można uzyskać np.:
r = 0,15; p < 0,001
Oznacza to słabą dodatnią zależność, która jest statystycznie istotna. Przy dużej próbie nawet niewielkie zależności mogą osiągać bardzo małe wartości p.
Dlatego wynik korelacji powinien obejmować co najmniej współczynnik korelacji, wartość p i liczebność próby.
Jak opisać korelację Pearsona w pracy magisterskiej?
Przykładowy opis może wyglądać następująco:
„Analiza z wykorzystaniem współczynnika korelacji Pearsona wykazała dodatnią zależność pomiędzy X i Y (r = 0,42; p = 0,003). Uzyskany wynik wskazuje, że wyższym wartościom X towarzyszyły przeciętnie wyższe wartości Y.”
Wyniku nie należy interpretować jako dowodu związku przyczynowo-skutkowego.
Korelacja nie oznacza przyczynowości.
Najczęstsze błędy
Do częstych błędów należą: analizowanie korelacji bez sprawdzenia wykresu rozrzutu, utożsamianie istotności statystycznej z siłą związku, ignorowanie obserwacji odstających oraz wyciąganie wniosków o przyczynowości na podstawie samej korelacji.
FAQ
Czy korelację Pearsona można stosować w pracy magisterskiej?
Tak. Jest to jedna z podstawowych metod analizy zależności pomiędzy zmiennymi ilościowymi.
Czy r = 0 oznacza brak jakiejkolwiek zależności?
Nie. Oznacza brak liniowej korelacji Pearsona. Pomiędzy zmiennymi może występować zależność nieliniowa.
Czy korelacja Pearsona pokazuje wpływ jednej zmiennej na drugą?
Nie. Korelacja wskazuje współwystępowanie zmian, ale sama nie dowodzi związku przyczynowego.
Czy analizę można wykonać w SPSS?
Tak. SPSS umożliwia obliczenie korelacji Pearsona, Spearmana oraz przygotowanie dodatkowych analiz i wykresów.
Potrzebujesz pomocy z analizą?
Jeżeli przygotowujesz pracę magisterską, doktorską lub publikację naukową i potrzebujesz pomocy w doborze metod albo wykonaniu analizy statystycznej, skontaktuj się z nami:
statystyka@statystyka.org.pl
tel. 692 809 254
Słowa kluczowe: korelacja Pearsona, współczynnik korelacji Pearsona, korelacja r Pearsona, interpretacja korelacji, analiza statystyczna, statystyka do pracy mgr, SPSS, zależność między zmiennymi