Коэффициент корреляции Пирсона

Исходный принцип коэффициента корреляции Пирсона – использование произведения моментов (отклонений значения переменной от среднего значения):

            (8.2)                                                         

Если сумма произведений моментов велика и положительна, то х и у связаны прямой зависимостью; если сумма велика и отрицательна, то х и у сильно связаны обратной зависимостью; наконец, в случае отсутствия связи между x и у сумма произведений моментов близка к нулю.

Для того чтобы статистика не зависела от объема выборки, берется не сумма произведений моментов, а среднее значение. Однако деление производится не на объем выборки, а на число степеней свободы n - 1.

Величина  является мерой связи между х и у и называется ковариацией х и у.

Во многих задачах естественных и технических наук ковариация является вполне удовлетворительной мерой связи. Ее недостатком является то, что диапазон ее значений не фиксирован, т. е. она может варьировать в неопределенных пределах.

Для того чтобы стандартизировать меру связи, необходимо избавить ковариацию от влияния стандартных отклонений. Для этого надо разделить S_xy на s _x и s _y:                                                        

                                                                                   (8.3)

где r_xy - коэффициент корреляции, или произведение моментов Пирсона.

Общая формула для вычисления коэффициента корреляции выглядит следующим образом:

 (некоторые преобразования)

                                            (8.4)

Влияние преобразования данных на r _xy:

1. Линейные преобразования x и y типа bx + a и dy + c не изменят величину корреляции между x и y.

2. Линейные преобразования x и y  при b < 0, d > 0, а также при b > 0 и d < 0 изменяют знак коэффициента корреляции, не меняя его величины.

Достоверность (или, иначе, статистическая значимость) коэффициента корреляции Пирсона может быть определена разными способами:

 

По таблицам критических значений коэффициентов корреляции Пирсона и Спирмена (см. Приложение, табл. XIII). Если полученное в расчетах значение r _xy превышает критическое (табличное) значение для данной выборки, коэффициент Пирсона считается статистически значимым. Число степеней свободы в данном случае соответствует n – 2, где n – число пар сравниваемых значений (объем выборки).

 

По таблице XV Приложений, которая озаглавлена «Количество пар значений, необходимое для статистической значимости коэффициента корреляции». В данном случае необходимо ориентироваться на коэффициент корреляции, полученный в вычислениях. Он считается статистически значимым, если объем выборки равен или превышает табличное число пар значений для данного коэффициента.

 

По коэффициенту Стьюдента, который вычисляется как отношение коэффициента корреляции к его ошибке:

                                                                                       (8.5)

 Ошибка коэффициента корреляциивычисляется по следующей формуле:

 

                                                                                                                                        (8.6)

 

где m _r - ошибка коэффициента корреляции, r - коэффициент корреляции; n - число сравниваемых пар.                                                               

Рассмотрим порядок вычислений и определение статистической значимости коэффициента корреляции Пирсона на примере решения следующей задачи.

Условие задачи

22 старшеклассника были протестированы по двум тестам: УСК (уровень субъективного контроля) и МкУ (мотивация к успеху). Получены следующие результаты (табл. 8.2):

Таблица 8.2

№№	УСК (xi)	МкУ (yi)	№№	УСК (xi)	МкУ (yi)
1 2 3 4 5 6 7 8 9 10 11	27 24 27 30 25 18 28 31 31 30 18	18 19 16 13 17 13 19 19 10 24 13	12 13 14 15 16 17 18 19 20 21 22	24 27 25 37 35 25 22 26 34 25 31	12 15 15 23 24 20 14 21 24 17 17

Задание

Проверить гипотезу о том, что для людей с высоким уровнем интернальности (балл УСК) характерен высокий уровень мотивации к успеху.

Решение

1. Используем коэффициент корреляции Пирсона в следующей модификации (см. формулу 8.4):

Для удобства обработки данных на микрокалькуляторе (в случае отсутствия необходимой компьютерной программы) рекомендуется оформление промежуточной рабочей таблицы следующего вида (табл. 8.3):

Таблица 8.3

x i	y i	x i2	y i2	x i y i
x 1 x 2 x 3 . . . x n	y 1 y 2 y 3 . . . y n	x 12 x22 x 32 . . . x n2	y 12 y 22 y 32 . . . y n2	x 1 y 1 x 2 y 2 x 3 y 3 . . . x n y n
Σ x i	Σ y i	Σ x i2	Σ y i2	Σ x i y i

2. Проводим вычисления и подставляем значения в формулу:

 

3. Определяем статистическую значимость коэффициента корреляции Пирсона тремя способами:

1-й способ:

В табл. XIII Приложений находим критические значения коэффициента для 1-го и 2-го уровней значимости: r _кр. = 0,42; 0,54 (ν = n – 2 = 20).

Делаем вывод о том, r _xy > r _кр. , т. е. корреляция является статистически значимой для обоих уровней.

2-й способ:

Воспользуемся табл. XV, в которой определяем число пар значений (число испытуемых), достаточное для статистической значимости коэффициента корреляции Пирсона, равного 0,58: для 1-го, 2-го и 3-го уровней значимости оно составляет, соответственно, 12, 18 и 28.

Отсюда мы делаем вывод о том, что коэффициент корреляции является значимым для 1-го и 2-го уровня, но «не дотягивает» до 3-го уровня значимости.

3-й способ:

Вычисляем ошибку коэффициента корреляции и коэффициент Стьюдента как отношение коэффициента Пирсона к ошибке:

В табл. X находим стандартные значения коэффициента Стьюдента для 1-го, 2-го и 3-го уровней значимости при числе степеней свободы ν = n – 2 = 20: t _кр. = 2,09; 2,85; 3,85.

Общий вывод

Корреляция между показателями тестов УСК и МкУ является статистически значимой для 1-го и 2-го уровней значимости.

Примечание:

При интерпретации коэффициента корреляции Пирсона необходимо учитывать следующие моменты:

1. Коэффициент Пирсона может использоваться для различных шкал (шкала отношений, интервальная или порядковая) за исключением дихотомической шкалы.

2. Корреляционная связь далеко не всегда означает связь причинно-следственную. Другими словами, если мы нашли, предположим, положительную корреляцию между ростом и весом у группы испытуемых, то это вовсе не означает, что рост зависит от веса или наоборот (оба этих признака зависят от третьей (внешней) переменной, каковая в данном случае связана с генетическими конституциональными особенностями человека).

3. r _xu» 0 может наблюдаться не только при отсутствии связи между x и  y, но и в случае сильной нелинейной связи (рис. 8.2 а). В данном случае отрицательная и положительная корреляции уравновешиваются и в результате создается иллюзия отсутствия связи.

4. r_xy может быть достаточно мал, если сильная связь между х и у  наблюдается в более узком диапазоне значений, чем исследуемый (рис. 8.2 б).

5. Объединение выборок с различными средними значениями может создавать иллюзию достаточно высокой корреляции (рис. 8.2 в).

y _i                                                                  y _i                                  y _i

.                       . .                    . .                . .           .     .    .           .

...                                                                                                                                  .           .         .       .     . ...

..               ...         + +..       + + +         + +

                                          x _i                                        x _i                                                               x _i                    

                  а                                         б                                       в

Рис. 8.2. Возможные источники ошибок при интерпретации величины коэффициента корреляции (объяснения в тексте (пункты 3 – 5 примечания))