Корреляция или регрессия: что выбрать

У вас есть две числовые переменные — например, тревожность и успеваемость — и вы хотите показать, что они связаны. Здесь спорят два подхода: корреляция и регрессия.

Звучат похоже, и считаются часто на одних и тех же данных. Но отвечают на разные вопросы. Разберёмся, что выбрать и не запутаться.

В двух словах

• Корреляция измеряет тесноту и направление связи двух переменных одним числом — коэффициентом r от −1 до +1. Отвечает на вопрос: «есть ли связь и насколько она сильная?».
• Линейная регрессия строит модель зависимости — уравнение ŷ = a + b·x — и позволяет предсказать значение Y по X. Отвечает: «как именно одна переменная влияет на другую и какое значение ожидать?».

Часто их используют вместе: сначала корреляция (есть ли вообще связь), затем регрессия (построить модель и прогноз). Для балльных и ненормальных данных вместо обоих берут ранговую корреляцию Спирмена.

Когда брать корреляцию

Берите корреляционный анализ, если вам нужно одно из этого:

• Оценить силу связи. Просто узнать, насколько тесно две переменные идут вместе.
• Сравнить несколько связей между собой. Например, что сильнее связано с успеваемостью — тревожность или мотивация. Коэффициенты r удобно сравнивать.
• Связь симметрична. Вам не важно, что от чего зависит: X и Y равноправны, корреляция X с Y и Y с X — одно и то же число.

Пример. Вы хотите показать, что чем выше тревожность студента, тем ниже его средний балл. Достаточно посчитать корреляцию Пирсона: получили r = −0,62 — связь умеренная, обратная. Вопрос «есть ли связь» закрыт.

Когда брать регрессию

Берите регрессионный анализ, если нужно хотя бы одно:

• Построить уравнение и прогноз. Предсказать Y по конкретному X: какой балл ожидать у студента с тревожностью 55.
• Оценить вклад фактора. Коэффициент b показывает, на сколько единиц меняется Y при росте X на единицу.
• Связь асимметрична. У вас явно есть зависимая переменная (что объясняем, Y) и независимая (чем объясняем, X).

Пример. На тех же данных вы строите линейную регрессию и получаете уравнение: средний балл = 4,8 − 0,03·тревожность. Теперь можно подставить тревожность 55 и получить прогноз балла ≈ 3,15. Это уже модель, а не просто число связи.

Чем отличаются по сути

• Корреляция отвечает на вопрос «насколько дружно меняются две величины» и сворачивает ответ в одно число r. Никакого уравнения, никакого прогноза — только теснота и знак связи.
• Регрессия строит линию, наилучшим образом проходящую через облако точек, и записывает её формулой. По этой линии можно для любого X посчитать ожидаемый Y.

Чем отличается корреляция от регрессии проще всего запомнить так: корреляция описывает связь одним числом, регрессия — целым уравнением.

При этом они тесно связаны математически. Для парной линейной модели коэффициент детерминации R² равен квадрату коэффициента корреляции: R² = r². Если r = 0,8, то R² = 0,64 — модель объясняет 64% разброса Y. Поэтому корреляция и регрессия — не конкуренты, а две ступени одного анализа.

Таблица 1 — Корреляция и регрессия: чем отличаются

Как видно из таблицы 1, корреляция — это про «насколько связаны», а регрессия — про «как именно связаны и что предсказать».

Что писать в дипломе

Чаще всего в работе нужны оба анализа подряд: сначала доказываете наличие связи корреляцией, затем строите модель регрессией.

Для корреляции в тексте приводят коэффициент, его знак, силу и значимость (что такое p-значение):

• «Выявлена статистически значимая обратная связь между тревожностью и успеваемостью средней силы (r = −0,62; p < 0,05)».

Силу связи по модулю r обычно трактуют так: до 0,3 — слабая, 0,3–0,7 — средняя, выше 0,7 — сильная.

Для регрессии приводят уравнение, долю объяснённого разброса R² и значимость:

• «Построена линейная регрессионная модель: ŷ = 4,8 − 0,03·x. Модель значима (p < 0,05) и объясняет 38% дисперсии успеваемости (R² = 0,38)».

Частые ошибки

• Считать регрессию ради вывода «связь есть». Если нужна только теснота — хватает корреляции, незачем городить уравнение.
• Менять местами X и Y в регрессии как попало. Зависимой делайте ту переменную, которую объясняете и прогнозируете.
• Применять Пирсона и линейную регрессию к баллам или нелинейной связи. Оба требуют числовых данных и линейности; иначе — корреляция Спирмена.
• Толковать связь как причинность. «Коррелирует» и «прогнозирует» — не «вызывает».
• Гнаться за высоким R², забыв про значимость. Маленькая выборка даёт «красивый» R² случайно — всегда смотрите p-значение и число наблюдений.

Частые вопросы

Если я уже посчитал корреляцию, нужна ли ещё регрессия?

Зависит от задачи. Нужна только сила связи или сравнение нескольких связей — хватит корреляции. Нужно уравнение, прогноз или оценка вклада фактора — добавляйте регрессию. В дипломах часто делают и то, и другое.

Как связаны коэффициент корреляции и R²?

Для парной линейной модели напрямую: R² = r². Если корреляция r = 0,7, то модель объясняет R² = 0,49 — почти половину разброса Y. Так что по корреляции можно сразу прикинуть, насколько «сильной» будет регрессия.

Можно ли по корреляции предсказать значение?

Нет. Корреляция даёт только число «насколько связаны», но не формулу. Чтобы получить ожидаемый Y по заданному X, нужна именно регрессия с её уравнением.

А если связь нелинейная или данные — баллы анкеты?

И корреляция Пирсона, и линейная регрессия предполагают линейную связь числовых данных. Для монотонной нелинейной или порядковой (баллы, ранги) связи берите ранговую корреляцию Спирмена. Подробнее — в статье «Корреляция Пирсона или Спирмена».

Что выбрать: корреляция или регрессия, если научный руководитель просит «найти зависимость»?

Слово «зависимость» обычно намекает на регрессию (есть что от чего зависит). Но безопаснее уточнить: если нужен прогноз или формула — регрессия; если просто доказать наличие связи — корреляция.

Доказывает ли корреляция или регрессия, что одно влияет на другое?

Нет. Статистическая связь не равна причинно-следственной. Даже сильная корреляция и значимая регрессия не доказывают, что X — причина Y. Это вопрос теории и дизайна исследования, а не расчёта.

Короткий алгоритм

1. Данные числовые и связь похожа на линейную? Если нет (баллы, ранги, нелинейность) → корреляция Спирмена.
2. Нужны уравнение, прогноз или оценка вклада фактора? → регрессия.
3. Нужна только теснота связи или сравнение нескольких связей? → корреляция Пирсона.

Что ещё почитать

• Руководство по корреляции Пирсона — как посчитать и оформить связь.
• Руководство по линейной регрессии — как построить модель и прогноз.
• Корреляция Пирсона или Спирмена — какую корреляцию выбрать.
• Параметрические и непараметрические критерии — в чём принципиальная разница.
• Что такое p-значение простыми словами — как читать значимость.

Не уверены в выборе — посмотрите базу методов или закажите консультацию: эксперт подберёт подход и посчитает за вас.