Korrelaatiosta

Korrelaatio (Korrelaatiosta) kuvaa kahden muuttujan välistä yhteyttä: kun toinen muuttuja kasvaa, toinen voi kasvaa (positiivinen korrelaatio), pienentyä (negatiivinen korrelaatio) tai ei osoittaa selkeää suuntaa (nollakorrelaatio). Korrelaation voimakkuus sekä suunta ilmoitetaan yleensä lukuarvolla -1 ja 1 väliltä.

Käytetyimpiä mittausmenetelmiä ovat Pearsonin korrelaatiokerroin r sekä ei-parametriset mittarit Spearmanin rho ja Kendallin taus. Pearsonin r mittaa lineaarista suhdetta ja vaatii usein jatkuvat, noin normaalisti jakautuvat muuttujat; Spearmanin rho ja Kendallin tau mittaavat monotonaista (ei välttämättä lineaarista) yhteyttä ja ovat vähemmän herkkiä poikkeaville arvoille.

Käyttö ja tulkinta: Korrelaatio kuvaa yhteyden voimakkuutta mutta ei osoita syytä. Kausaalisuutta ei voi päätellä korrelaatiosta yksin, ja kolmas muuttuja voi selittää yhteyden (konfounded). Myös pienet otosluvut, epäsäännöllinen jakauma sekä poikkeavat arvot voivat vääristää tuloksia. Lisäksi korrelaatio voi olla lievä tai olematon, vaikka suhde olisi epälineaarinen.

Hajontakaavio on hyvä työkalu yhteyden havainnointiin; jos suhde on epälineaarinen, Pearsonin r voi olla pieni vaikka järjestys- tai eksponentiaalinen yhteys olisi voimakas. Siksi voidaan käyttää lisäksi ei-parametrisia mittareita tai lisämenetelmiä, kuten regressioanalyysiä, suurten datamäärien tarkastelua tai aikaisarjojen analyysiä.

Korrelaatiolla on monia sovelluksia tilastollisessa tutkimuksessa ja aineistojen kartoituksessa, mutta sen tulkinnassa on aina oltava varovainen ja konteksti huomioitava.