Корреляция Пирсона: полное руководство с формулой и примером

Корреляция Пирсона — самый частый способ доказать в дипломе, что две числовые переменные связаны: чем выше одна, тем выше (или ниже) другая. Например, связь стажа и зарплаты или тревожности и успеваемости.

В этом руководстве разберём всё по порядку: что показывает коэффициент корреляции Пирсона, его формула и значения, условия применения, шкала тесноты связи, критические значения, разбор примера с расчётом и частые вопросы.

Если нужно просто посчитать — воспользуйтесь онлайн-калькулятором корреляции Пирсона. А здесь — теория, чтобы уверенно защититься.

🧮Онлайн-калькулятор корреляции ПирсонаПосчитайте свои данные за пару минут — нажмите, чтобы открыть→

Что показывает корреляция Пирсона

Коэффициент корреляции Пирсона (обозначается r) измеряет тесноту и направление линейной связи двух числовых переменных. Простыми словами, он отвечает на вопрос: «Меняются ли две величины согласованно — и насколько сильно?»

Значение r всегда лежит в диапазоне от −1 до +1:

• r = 0 — линейной связи нет;
• r = +1 — строгая прямая связь (растёт x — строго растёт y);
• r = −1 — строгая обратная связь (растёт x — строго убывает y).

Знак r показывает направление связи, а его модуль |r| — её силу.

Формула корреляции Пирсона

Считать вручную не обязательно — всё делает калькулятор. Но для понимания и для защиты полезно знать суть.

Коэффициент корреляции Пирсона — это отношение совместной изменчивости (ковариации) к произведению разбросов каждой переменной:

        Σ(xᵢ − x̄)(yᵢ − ȳ)
r = ─────────────────────────────
    √( Σ(xᵢ − x̄)² · Σ(yᵢ − ȳ)² )

где xᵢ, yᵢ — значения переменных, x̄ и ȳ — их средние. В числителе — сумма произведений отклонений от средних; в знаменателе — нормировка на разбросы, благодаря которой r всегда укладывается в диапазон от −1 до +1.

Условия применения коэффициента корреляции Пирсона

Метод параметрический, поэтому у него есть требования к данным:

1. Обе переменные числовые (интервальные или относительные): рост, баллы теста, время, деньги.
2. Распределения близки к нормальному — проверяют критерием Шапиро-Уилка.
3. Связь линейная — на диаграмме рассеяния точки тянутся вдоль прямой, а не по дуге.
4. Нет грубых выбросов — один аномальный объект способен сильно исказить r.

Почему важна нормальность и где граница между параметрикой и непараметрикой — в статье «Параметрические и непараметрические критерии».

Как выглядит связь на графике

Лучший способ понять корреляцию — посмотреть на диаграмму рассеяния: каждая точка — это один объект с координатами (x, y).

Чем плотнее точки прижаты к прямой — тем ближе |r| к единице. Если облако точек бесформенно — r около нуля.

Шкала Чеддока: какие значения сильные

Сам по себе r — число; чтобы описать связь словами, его силу оценивают по шкале Чеддока (по модулю |r|, знак отвечает только за направление).

Таблица 1 — Шкала Чеддока: сила линейной связи по значению \|r\|

Например, r = −0,82 описывают как «высокую обратную связь», а r = 0,24 — как «слабую прямую».

Значимость: критические значения корреляции Пирсона

Даже большой r на малой выборке может оказаться случайным. Поэтому проверяют значимость: сравнивают эмпирический |r| с критическим значением по таблице. Число степеней свободы df = n − 2, где n — количество пар.

Связь значима, когда |r| ≥ r крит (или, что то же самое, p < 0,05).

Таблица 2 — Критические значения коэффициента корреляции Пирсона (фрагмент)

Видно: чем больше выборка, тем меньший r уже считается значимым. Полная таблица встроена в калькулятор корреляции Пирсона — он сам берёт нужное значение по вашему n и выдаёт p.

Коэффициент детерминации r²

Если возвести r в квадрат, получится коэффициент детерминации r². Он показывает долю дисперсии одной переменной, объяснённую её линейной связью с другой.

Например, при r = 0,8 получаем r² = 0,64 — то есть около 64 % разброса y объясняется связью с x, а оставшиеся 36 % — другими факторами. Это удобный способ перевести абстрактный r в понятный процент.

Разбор примера с расчётом

Проверим, связан ли стаж работы (лет) с производительностью (усл. ед.) у 7 сотрудников.

Таблица 3 — Расчёт коэффициента корреляции Пирсона (n = 7)

Средние: x̄ = 35 / 7 = 5; ȳ = 168 / 7 = 24. Подставляем суммы в формулу:

r = 156 / √(64 · 392) = 156 / √25088 = 156 / 158,4 ≈ 0,985

Оценка силы. |r| = 0,985 > 0,9 — по шкале Чеддока это очень высокая прямая связь.

Значимость. df = n − 2 = 5; r крит (p ≤ 0,05) = 0,754. Сравниваем: 0,985 > 0,754 → связь значима (и даже при p ≤ 0,01: 0,985 > 0,874).

Детерминация. r² = 0,985² ≈ 0,97 — около 97 % разброса производительности объясняется стажем.

Вывод для диплома: «Между стажем и производительностью выявлена статистически значимая очень высокая прямая корреляция (r = 0,985; n = 7; p < 0,01): с ростом стажа производительность закономерно возрастает».

Главная ловушка: корреляция ≠ причинность

Высокий r означает только, что переменные меняются согласованно. Он не доказывает, что одна вызывает другую.

Классический пример: летом одновременно растут и продажи мороженого, и число солнечных ожогов. Корреляция высокая, но причина у обоих — жара, а не мороженое.

Корреляция Пирсона в Excel и SPSS

• В Excel корреляцию Пирсона считает функция =КОРРЕЛ(массив1; массив2) (англ. CORREL) либо =ПИРСОН(...). Для значимости и r² удобнее «Анализ данных» → «Корреляция».
• В SPSS: «Анализ» → «Корреляции» → «Парные», метод — Пирсона. Программа выдаст r и p (двузвёздочная пометка — p < 0,01).
• Онлайн проще всего: калькулятор сам посчитает r, r², подберёт критическое значение по n и оформит вывод.

Частые ошибки

• Применять Пирсона к порядковым данным. Для рангов и шкальных баллов берут Спирмена.
• Не проверять нормальность. Перед Пирсоном прогоните данные через Шапиро-Уилка.
• Игнорировать выбросы. Один аномальный объект способен «нарисовать» или разрушить связь — посмотрите на диаграмму рассеяния.
• Путать корреляцию с причиной. r не доказывает, что x влияет на y.
• Делать выводы по r без проверки значимости. Сравнивайте |r| с критическим значением (df = n − 2).

Частые вопросы

Что показывает корреляция Пирсона простыми словами?

Насколько тесно и в какую сторону связаны две числовые величины: чем ближе r к ±1, тем сильнее связь; знак показывает её направление.

Какие значения коэффициента считаются сильными?

По шкале Чеддока: до 0,3 — слабая связь, 0,3–0,5 — умеренная, 0,5–0,7 — заметная, 0,7–0,9 — высокая, свыше 0,9 — очень высокая. Оценивают по модулю |r|.

Чем корреляция Пирсона отличается от корреляции Спирмена?

Пирсон работает с числовыми нормально распределёнными данными и измеряет линейную связь. Спирмен — непараметрический, по рангам, подходит для порядковых данных и нелинейных монотонных связей. Подробнее — в статье «Корреляция Пирсона или Спирмена».

Что такое коэффициент детерминации?

Это r². Он показывает долю дисперсии одной переменной, объяснённую её связью с другой. При r = 0,7 коэффициент детерминации r² = 0,49 — связью объясняется около 49 % разброса.

Сколько нужно наблюдений?

Формально минимум 5–6 пар, но при малой выборке даже большой r может быть незначимым. Чем больше n, тем надёжнее вывод и тем меньший r уже значим. Что вообще означает p — в статье «Что такое p-значение».

Что ещё почитать

• Корреляция Спирмена: руководство — ранговый аналог для порядковых и ненормальных данных.
• Пирсон или Спирмен — что выбрать — какой коэффициент взять в вашем случае.
• Линейная регрессия: руководство — как от связи перейти к уравнению и прогнозу.
• Как проверить нормальность распределения — условие применения Пирсона.

Итог

Посчитать свои данные за пару минут можно в калькуляторе корреляции Пирсона — он сам найдёт r, r², подберёт критическое значение и оформит вывод. Выбрать подходящий метод поможет база методов, а собрать всю статистику под ключ — консультация эксперта.