Korelace: princip, měření a význam ve statistice

Korelace popisuje statistickou závislost mezi dvěma proměnnými. Článek vysvětluje druhy korelace, hlavní koeficienty (Pearson, Spearman), omezení, vztah ke kauzalitě a běžné aplikace.

Autor: Leandro Alegsa Datum vytvoření: 17. září 2022 Poslední aktualizace: 19. dubna 2026

Přehled

Korelace ve statistice a ve teorii pravděpodobnosti označuje míru, jak těsně spolu souvisejí dvě proměnné. Nejedná se o jediný typ vztahu — korelace může být kladná (obě proměnné rostou společně), záporná (jedna roste, druhá klesá) nebo nulová (bez zjevné závislosti). Pro základní vizualizaci vztahu se často používá graf rozptylu, na kterém může být zakreslena přímka nejlepší shody.

Měření korelace

Míru korelace vyjadřují různé koeficienty. Nejznámější je Pearsonův korelační koeficient, který měří lineární vztah mezi dvěma spojitými proměnnými a nabývá hodnot od -1 do +1. Hodnota blízká ±1 znamená silnou lineární souvislost, hodnota blízká 0 signalizuje slabou nebo žádnou lineární závislost.

Pearsonův r – pro lineární vztahy, citlivý na odlehlé hodnoty a předpoklad normality.
Spearmanův rho – pořadová korelace, robustnější vůči nelinearitě a odlehlým hodnotám.
Kendallovo tau – alternativní pořadová míra vhodná pro menší soubory dat.
Specializované míry: biseriální, Cramérův V, autokorelace u časových řad a křížová korelace.

Interpretace a omezení

Velká korelace neznamená příčinnou souvislost: za pozorovanou korelací může stát společný třetí faktor, konfúze nebo čistě náhodná shoda. Pearsonův koeficient zachycuje pouze lineární vztahy; nelineární závislost může mít nízké r, přesto být silná. Další omezení zahrnují vliv extrémních hodnot, porušení předpokladů (např. heteroskedasticita) a citlivost na rozsah dat.

Historie a vývoj

Práce na kvantifikaci vztahů mezi proměnnými sahá do přelomu 19. a 20. století; významné přínosy přinesli empirické a matematické metody pro měření korelace. Postupně vznikaly různé koeficienty přizpůsobené typům dat a cíli analýzy, například pořadové indexy pro neparametrickou analýzu.

Použití a příklady

Ve zdravotnictví se korelace používá k identifikaci asociací mezi rizikovými faktory a výsledky léčby.
V ekonomii a financích pomáhá hodnotit souběžné pohyby aktiv a tvořit diverzifikované portfolia.
V sociálních vědách a epidemiologii slouží k průzkumu souvislostí před navržením příčinných studií.
V datové vědě se korelace používá pro předvýběr proměnných a jako část diagnostiky modelů.

Důležitá rozlišení a doporučení

Při práci s korelací je vhodné kombinovat numerické ukazatele se zobrazením dat (např. graf rozptylu), testováním statistické významnosti a analýzou možných konfuzních proměnných. K prokázání kauzality se využívají experimenty, randomizace, longitudinální studie nebo metody instrumentálních proměnných; korelace sama o sobě postačující důkaz neposkytuje. Více informací o teoretických základech najdete ve zdrojích věnovaných analýze závislostí mezi proměnnými.

Tento rozptylový graf má pozitivní korelaci. Poznáte to podle toho, že trend je vpravo nahoru. Červená čára je přímka nejlepší shody.

Vysvětlení korelace

Silný a slabý jsou slova používaná k popisu korelace. Pokud existuje silná korelace, pak jsou všechny body blízko sebe. Pokud je korelace slabá, jsou všechny body rozptýlené. Existují způsoby, jak čísly vyjádřit, jak silná je korelace. Tato měření se nazývají korelační koeficienty. Nejznámější je Pearsonův součinový korelační koeficient. Do vzorce dosadíte data a získáte číslo. Pokud je číslo 1 nebo -1, pak existuje silná korelace. Pokud je odpověď 0, pak neexistuje žádná korelace. Dalším druhem korelačního koeficientu je Spearmanův korelační koeficient.

Korelace vs. příčinná souvislost

Korelace neznamená vždy, že jedna věc je příčinou druhé věci (příčinná souvislost), protože obě věci mohlo způsobit něco jiného. Například v horkých dnech si lidé kupují zmrzlinu a zároveň chodí na pláž, kde některé z nich sežerou žraloci. Mezi prodejem zmrzliny a útoky žraloků existuje korelace (v tomto případě obojí stoupá s rostoucí teplotou). Ale to, že prodej zmrzliny stoupá, neznamená, že prodej zmrzliny způsobuje (příčinná souvislost) více útoků žraloků nebo naopak.

Protože korelace neznamená příčinnou souvislost, vědci, ekonomové atd. testují své teorie vytvářením izolovaných prostředí, kde se mění pouze jeden faktor (pokud je to možné). Politici, obchodníci, zpravodajci a další však často naznačují, že určitá korelace implikuje příčinnou souvislost. Důvodem může být neznalost nebo snaha přesvědčit. Tak může zpráva ve zpravodajství upoutat pozornost tvrzením, že lidé, kteří častěji konzumují určitý výrobek, mají určitý zdravotní problém, což naznačuje příčinnou souvislost, která může být ve skutečnosti způsobena něčím jiným.

Související stránky

Cohen, J., Cohen P., West, S.G., & Aiken, L.S. (2003). Aplikovaná vícenásobná regresní/korelační analýza pro behaviorální vědy. (3rd ed.) Hillsdale, NJ: Lawrence Erlbaum Associates.

Otázky a odpovědi

Otázka: Co je to korelace?

Odpověď: Korelace je způsob, jak určit, jak úzce spolu souvisejí dva soubory údajů.

Otázka: Znamená korelace, že jeden soubor dat způsobuje druhý?

Odpověď: Ne, korelace neznamená vždy, že jeden soubor dat způsobuje druhý. Ve skutečnosti se na tom často podílí ještě třetí faktor.

Otázka: Jaké jsou dva směry korelace?

Odpověď: Dva směry korelace jsou pozitivní a negativní.

Otázka: Co znamená pozitivní korelace?

Odpověď: Kladná korelace znamená, že oba soubory dat rostou společně.

Otázka: Co znamená záporná korelace?

Odpověď: Záporná korelace znamená, že jeden soubor dat roste, zatímco druhý klesá.

Otázka: Existují různé míry korelace?

Odpověď: Ano, pro různé situace se používá mnoho různých měření korelace.

Otázka: Jak lidé často ukazují směr korelace na grafu rozptylu?

Odpověď: Lidé často kreslí přímku nejlepší shody, aby ukázali směr korelace na grafu rozptylu.