korrelaatioanalyysissä

Korrelaatioanalyysissä tarkastellaan kahden muuttujan välistä suhdetta ja pyritään kuvaamaan sekä sen voimakkuus että suunta. Tavoitteena on ymmärtää, yhdistyvätkö muuttujat siten, että niiden arvot nousevat tai laskevat yhdessä vai ovatko riippumattomia.

Yleisimpiä korrelaatiokertoimia ovat Pearsonin korrelaatiokerroin r sekä epäparametriset mittarit kuten Spearmanin järjestyskorrelaatio ja Kendallin tau. Pearsonin kerroin mittaa lineaarista suhdetta ja vaatii likimääräistä normaalijakaumaa sekä korkeintaan tasaisella mittausasteikolla olevia arvoja; arvojen rajoina ovat -1 ja 1, missä 1 merkitsee täydellistä suoraa yhteyttä, -1 täydellistä käänteistä yhteyttä ja 0 ei lineaarista yhteyttä. Spearmanin ja Kendallin mittarit kuvaavat monotonaista suhdetta ja toimivat muuta kuin normaalijakautuneiden tai epälineaaristen yhteyksien kanssa. Ne soveltuvat erityisesti järjestys- tai ei-normaalisti jakautuneille data-alustoille.

Korrelaatio ei tarkoita syy-seuraussuhdetta. Korrelaatio voi johtua kolmannesta muuttujasta tai sattumasta. Lisäksi äärimmäiset poikkeavat arvot ja mittausvirheet voivat vaikuttaa voimakkaasti Pearsonin arvoon. Yleisiä käytäntöjä ovat hajonnan ja scatter-plotin tarkastelu, p-arvon ja luottamusvälien tulkinta sekä mahdollinen osakorrelaatio (partial correlation) kolmannen muuttujan vaikutusten kontrolloimiseksi.

Käytännössä korrelaatio analysoidaan tutkimuksissa, joissa halutaan ensiksi todentaa yhteyden olemassaolo ja suuruus ennen mahdollista syy-seuraussuhteen selvittämistä tai monimuuttujamuuttujien välisten suhteiden kartoitusta.