korrelaatiotyypeistä

Korrelaatiotyypeistä

Korrelaatio kuvaa kahden muuttujan välistä tilastollista yhteyttä. Korrelaatiotyypit auttavat ymmärtämään tämän yhteyden luonnetta. Yleisin korrelaatiotyyppi on Pearsonin korrelaatiokerroin, joka mittaa lineaarista suhdetta kahden jatkuvan muuttujan välillä. Sen arvo vaihtelee -1 ja +1 välillä. Positiivinen arvo, esimerkiksi +0.7, tarkoittaa, että kun toinen muuttuja kasvaa, toinenkin tyypillisesti kasvaa. Negatiivinen arvo, kuten -0.7, osoittaa, että kun toinen muuttuja kasvaa, toinen tyypillisesti pienenee. Arvo 0 viittaa lineaarisen yhteyden puuttumiseen.

Toinen yleinen tyyppi on Spearmanin järjestyskorrelaatiokerroin. Tämä mittaa monotonista suhdetta, eli sitä, kuinka hyvin kahden muuttujan välillä voidaan kuvata yksi nousevalla tai laskevalla trendillä, vaikka suhde ei olisikaan täysin lineaarinen. Spearmanin kerrointa käytetään usein, kun muuttujat ovat järjestysasteikollisia tai kun datassa on poikkeavia arvoja, jotka voisivat vääristää Pearsonin korrelaatiota. Sen tulkinta on samankaltainen kuin Pearsonin kertoimen.

Kolmas tyyppi on Kendallin tau-järjestyskorrelaatiokerroin. Se mittaa myös monotonista yhteyttä, mutta se perustuu parittaisten havaintojen vertailuun. Kendallin tau on vähemmän herkkä pienille otoksille ja voi olla hyödyllinen, kun havaintojen määrä on vähäinen tai kun data on vähäistä. On tärkeää muistaa, että korrelaatio ei itsessään osoita kausaalisuutta; se kuvaa vain kahden muuttujan yhteisvaihtelua.