Pearson korelasyon katsayısı nedir?
r ile gösterilen Pearson korelasyon katsayısı, iki sayısal değişkenin doğrusal (düz çizgi şeklinde) bir ilişkide ne kadar güçlü birlikte hareket ettiğini ölçer. Değeri her zaman -1 ile +1 arasındadır. +1'e yakın bir değer, değişkenlerin birlikte arttığını; -1'e yakın bir değer, biri artarken diğerinin azaldığını; 0'a yakın bir değer ise aralarında çok az ya da hiç doğrusal ilişki olmadığını gösterir. Bu araç evrenseldir; her alandaki, eşleştirilmiş her türlü sayısal veriye uygulanabilir.
Hesaplama aracı nasıl kullanılır?
X değerlerinizi ve Y değerlerinizi virgül ya da boşlukla ayırarak girin. Her X değeri, aynı sıradaki Y değeriyle eşleşmelidir; bu nedenle iki listede de aynı sayıda girdi bulunmalıdır. Hesapla düğmesine tıkladığınızda r değerinin yanı sıra belirlilik katsayısını (r²), en küçük kareler yöntemiyle bulunan regresyon eğimi ve kesişimini ve kovaryansı elde edersiniz.
Formülün açıklaması
Her veri noktası için x'in ortalamasından sapması \((x - \bar{x})\) ile y'nin ortalamasından sapması \((y - \bar{y})\) hesaplanır. Payda, bu sapmaların çarpımlarının toplamı yer alır. Paydada ise her değişkenin sapma karelerinin toplamının çarpımının karekökü bulunur. Bu bölme işlemi sonucu standartlaştırarak birimsiz hale getirir ve değeri -1 ile +1 arasında sınırlar.
$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}} $$$$ \begin{gathered} r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}} \\[1.5em] \text{where}\quad \left\{ \begin{aligned} x_i &= \text{X values} \\ y_i &= \text{Y values} \\ \bar{x} &= \tfrac{1}{n}\textstyle\sum x_i,\quad \bar{y} = \tfrac{1}{n}\textstyle\sum y_i \end{aligned} \right. \end{gathered} $$
Çözümlü örnek
X = 1, 2, 3, 4, 5 ve Y = 2, 4, 5, 4, 5 olsun. Ortalamalar \(\bar{x} = 3\) ve \(\bar{y} = 4\)'tür. Çapraz çarpımların toplamı \(\sum (x - \bar{x})(y - \bar{y}) = 6\), \(\sum (x - \bar{x})^2 = 10\) ve \(\sum (y - \bar{y})^2 = 6\)'dır. Buna göre $$ r = \frac{6}{\sqrt{10 \times 6}} = \frac{6}{\sqrt{60}} \approx 0{,}7746 $$ olur; bu da oldukça güçlü ve pozitif bir doğrusal ilişkiye işaret eder.
Korelasyon Katsayınızı Yorumlamak
Pearson katsayısı \(r\) her zaman \(-1\) ile \(+1\) arasında yer alır. İşaret yönü verir: pozitif, X arttıkça Y'nin genellikle arttığı anlamına gelir; negatif ise X arttıkça Y'nin genellikle azaldığı anlamına gelir. Büyüklük \(|r|\) noktaların düz bir çizgiyi ne kadar yakından izlediğini gösterir. 0 değeri doğrusal bir ilişki olmadığı anlamına gelir; bu, hiçbir ilişki olmamasıyla aynı şey değildir.
| |r| | Yaygın betimleme |
|---|---|
| 0.00 – 0.19 | Çok zayıf |
| 0.20 – 0.39 | Zayıf |
| 0.40 – 0.59 | Orta |
| 0.60 – 0.79 | Güçlü |
| 0.80 – 1.00 | Çok güçlü |
Bu sınır değerler pratik bir kural niteliğindedir ve gelenekler alanlara göre farklılık gösterir. Cohen'in davranış bilimleri için yaygın olarak kullanılan ölçütleri 0,1'i küçük, 0,3'ü orta ve 0,5'i büyük olarak kabul eder. Fizik ve mühendislikte genellikle |r| değerinin 0,95'in üzerinde olması beklenirken, sosyal bilimler ve tıpta çok daha düşük değerler anlamlı kabul edilebilir. Bir değeri her zaman kendi disiplininin normlarına göre değerlendirin.
Açıklanan varyans: \(r^2\), belirleyicilik katsayısı, Y'deki varyansın X ile doğrusal bir ilişki yoluyla açıklanan oranıdır. Örneğin \(r = 0.775\) değeri \(r^2 \approx 0.60\) verir; dolayısıyla Y'deki değişimin yaklaşık %60'ı X ile doğrusal olarak ilişkilidir. \(r^2\)'nin işareti olmadığını unutmayın.
Sınırlamalar
- Aykırı değerler: tek bir uç nokta r değerini keskin biçimde yükseltebilir veya düşürebilir. Her zaman bir saçılım grafiğini inceleyin.
- Doğrusal olmayan ilişkiler: mükemmel bir U şeklindeki veya eğrisel bir ilişki, r değerinin 0'a yakın çıkmasına neden olabilir.
- Kısıtlı aralık: X değerlerinin yalnızca dar bir aralığını örneklerseniz, r genellikle tam aralık üzerinden hesaplanacağından daha küçük olur.
- Küçük örneklemler: az sayıda çiftte r, yalnızca şans eseri büyük çıkabilir. Örneğin n = 3 iken hemen hemen her değer mümkündür. Anlamlılık testleri veya güven aralıkları bu durumda yardımcı olur.
- Anscombe dörtlüsü: neredeyse aynı özet istatistiklere sahip (r ≈ 0.816, aynı ortalamalar ve varyanslar, aynı uydurulmuş doğru) ancak çizildiğinde tamamen farklı görünen dört farklı veri kümesi. Bu, yalnızca r'nin hiçbir zaman yeterli olmadığını gösterir.
- Korelasyon nedenselliği ima etmez: güçlü bir r; karıştırıcı bir değişkenden, ters nedensellikten veya tesadüften kaynaklanabilir.
Temel Terimler ve Tanımlar
- Korelasyon katsayısı (r)
- İki değişken arasındaki doğrusal ilişkinin gücünü ve yönünü ölçen, −1 ile +1 arasında birimsiz bir sayı.
- Belirleyicilik katsayısı (r²)
- r'nin karesi. Y'deki varyansın X tarafından doğrusal olarak açıklanan payıdır ve 0 ile 1 arasında değer alır.
- Kovaryans
- İki değişkenin birlikte nasıl değiştiğinin bir ölçüsüdür; X birimi çarpı Y birimi cinsinden ifade edilir. Örneklem kovaryansı \(S_{xy}\)'yi \(n-1\)'e böler. Anakütle kovaryansı ise \(n\)'e böler.
- Regresyon eğimi
- X'te bir birimlik artış için tahmin edilen Y'deki değişim: \(b = S_{xy}/S_{xx}\).
- Kesişim noktası
- X = 0 olduğunda tahmin edilen Y değeri: \(a = \bar{y} - b\bar{x}\).
- En küçük kareler doğrusu
- Gözlenen noktalar ile doğru arasındaki dikey uzaklıkların karelerinin toplamını en aza indiren düz çizgi: \(\hat{y} = a + bx\).
- Eşleştirilmiş veri
- Her X değerinin aynı denek veya vakadan gelen bir Y değeriyle eşleştirildiği gözlemler. Her iki listenin uzunluğu aynı olmalıdır.
- Aykırı değer
- Genel örüntüden uzakta duran veri noktası. r, eğim ve kesişim noktasını güçlü biçimde bozabilir.
- Doğrusal ve monoton ilişki
- Doğrusal bir ilişki düz bir çizgiyi izler. Monoton bir ilişki sürekli artar veya sürekli azalır, ancak bu oran sabit olmak zorunda değildir; dolayısıyla eğrisel olabilir.
- Spearman sıra korelasyonu
- Monoton ama doğrusal olmayan veriler, aykırı değer içeren veriler veya sıralı değerler için Pearson r'nin alternatifidir. Ham değerler yerine değerlerin sıralarına göre hesaplanır.
Sıkça sorulan sorular
r² bana ne söyler? r²; r'nin karesidir ve Y'deki değişimin, X ile olan doğrusal ilişki tarafından açıklanan kısmını gösterir. 0,7746 değerindeki bir r, \(r^2 \approx 0{,}6\) verir; yani değişkenliğin yaklaşık %60'ı açıklanmaktadır.
Korelasyon nedenselliği kanıtlar mı? Hayır. Yüksek bir r değeri, iki değişkenin birlikte hareket ettiğini gösterir ama birinin diğerine neden olduğunu kanıtlamaz.
r tam olarak 0 ise ne olur? Doğrusal bir ilişki yoktur; ancak Pearson r'nin algılayamadığı doğrusal olmayan bir ilişki yine de var olabilir.