Как посчитать корреляцию

Чтобы проверить, связаны ли два показателя статистически, нужно посчитать корреляцию. Метод возвращает числовое значение от −1 до +1, которое показывает направление и силу взаимосвязи. Положительный результат означает совместный рост переменных, отрицательный – движение в противоположных направлениях. На 2026 год расчет выполняют вручную, в электронных таблицах, статистических пакетах или через онлайн-инструменты.

Формула коэффициента корреляции Пирсона

Пирсон (Pearson) – базовый параметрический метод для количественных данных с нормальным распределением. Он измеряет линейную зависимость.

Где:

• $n$ – количество пар наблюдений
• $\sum xy$ – сумма произведений парных значений
• $\sum x$, $\sum y$ – суммы значений по каждому признаку
• $\sum x^2$, $\sum y^2$ – суммы квадратов значений

Для ранговых или не нормальных данных применяют корреляцию Спирмена (Spearman’s rho) или Кендалла (Kendall’s tau), где вместо исходных значений используются ранги наблюдений.

Как посчитать корреляцию вручную за 5 шагов

Разбор на наборе из 5 пар. Переменная $X$ – часы самоподготовки. Переменная $Y$ – баллы за тест.

1. Суммируйте столбцы: $\sum x = 15$, $\sum y = 17$, $\sum xy = 61$, $\sum x^2 = 55$, $\sum y^2 = 75$.
2. Вычислите числитель: $5 \cdot 61 - (15 \cdot 17) = 305 - 255 = 50$.
3. Найдите первый множитель подкоренного выражения: $5 \cdot 55 - 15^2 = 275 - 225 = 50$.
4. Найдите второй множитель: $5 \cdot 75 - 17^2 = 375 - 289 = 86$.
5. Разделите числитель на корень из произведения: $r = 50 / \sqrt{50 \cdot 86} \approx 50 / 65,57 \approx 0,762$.

Полученное значение $0,762$ указывает на высокую прямую линейную зависимость.

Калькулятор корреляции

Инструмент выше автоматически вычисляет коэффициент Пирсона по загруженным парам данных. Он строит таблицу промежуточных сумм, исключает строки с пропусками и возвращает результат с точностью до 4 знаков. Для проверки монотонных связей переключите на ранговый алгоритм в настройках метода.

Расчет в Excel и Google Таблицах

Встроенные функции обрабатывают массивы до 30 000 строк без задержек.

Поэлементный расчет:

• Откройте пустую ячейку
• Введите =КОРРЕЛ(A2:A101; B2:B101) для русской локали или =CORREL() для английской
• Нажмите Enter. Функция игнорирует текстовые ячейки и обрабатывает пропуски

Матрица взаимосвязей:

• Подключите надстройку «Пакет анализа» (Файл → Параметры → Надстройки → Перейти → надстройки анализа)
• Выберите: Данные → Анализ данных → Корреляция
• Укажите диапазон всех переменных, отметьте галочку «Метки в первой строке»
• На выходе получите симметричную таблицу, где пересечение столбцов показывает силу связи каждой пары

Google Таблицы используют синтаксис =CORREL() и поддерживают динамические массивы. При обновлении исходных ячеек коэффициент пересчитывается мгновенно.

Шкала интерпретации результатов

Согласно шкале Чэддока, принятой в эконометрике и социологии, значения трактуются так:

• $0,00–0,29$ – слабая или отсутствующая связь
• $0,30–0,49$ – умеренная
• $0,50–0,69$ – заметная
• $0,70–0,89$ – высокая
• $0,90–0,99$ – весьма высокая

Знак перед числом определяет направление. При $r = -0,85$ одна переменная растет, вторая падает с почти зеркальной синхронностью. Помните, что коэффициент фиксирует только линейный или монотонный паттерн. U-образные и циклические зависимости дадут близкий к нулю результат, несмотря на явную взаимозависимость.

Python и R для больших массивов данных

При работе с датасетами от 10 000 строк ручные вычисления и табличные функции замедляются. Скриптовые языки используют оптимизированные библиотеки на C.

Python (pandas + scipy):

import pandas as pd
from scipy.stats import pearsonr

df = pd.read_csv('data.csv')
r, p_value = pearsonr(df['X'], df['Y'])

R (base):

cor.test(data$X, data$Y, method = "pearson")

Оба подхода вычисляют $p$-value – вероятность получить такой коэффициент случайно при нулевой гипотезе об отсутствии связи. При $p < 0,05$ зависимость признается статистически значимой.

Почему корреляция не доказывает причинно-следственную связь

Коэффициент лишь констатирует синхронность изменений. Совместный рост продаж зонтов и количества аварий на дорогах не означает, что зонты вызывают аварии. Оба показателя зависят от третьего скрытого фактора – интенсивности дождя. Это явление называют spurious correlation (ложная корреляция).

Дополнительные ограничения:

• Выбросы искажают линейную оценку. Один аномальный замер может сместить $r$ на $0,2–0,3$
• Ограниченный диапазон значений занижает коэффициент. Если выборка сформирована только из крайних значений, реальный $r$ окажется выше
• Нестационарные данные (с трендом или сезонностью) дают завышенную связность. Перед расчетом ряды необходимо продифференцировать или детрендировать

Результаты эмпирических расчетов требуют кросс-валидации и проверки на репрезентативность выборки.