Hệ số tương quan Pearson là gì?
Hệ số tương quan Pearson, ký hiệu là r, đo lường mức độ chặt chẽ mà hai biến số định lượng cùng biến thiên theo dạng đường thẳng (tuyến tính). Giá trị này luôn nằm trong khoảng từ -1 đến +1. Khi r gần +1, hai biến cùng tăng; khi r gần -1, một biến tăng thì biến kia giảm; còn khi r gần 0 thì gần như không có quan hệ tuyến tính nào. Công cụ này mang tính phổ quát — bạn có thể áp dụng cho mọi cặp dữ liệu số, trong bất kỳ lĩnh vực nào.
Cách sử dụng máy tính
Nhập các giá trị X và các giá trị Y của bạn, phân tách bằng dấu phẩy hoặc dấu cách. Mỗi giá trị X phải được ghép với giá trị Y ở cùng vị trí, nên hai danh sách cần có số phần tử bằng nhau. Bấm tính để nhận r, cùng với hệ số xác định (r²), độ dốc và hệ số chặn của đường hồi quy bình phương tối thiểu, và hiệp phương sai.
Giải thích công thức
Với mỗi điểm dữ liệu, bạn tính độ lệch của x so với trung bình của nó \((x - \bar{x})\) và của y so với trung bình của nó \((y - \bar{y})\). Tử số là tổng các tích của những độ lệch này. Mẫu số là căn bậc hai của tích giữa tổng bình phương độ lệch của từng biến. Phép chia này chuẩn hóa kết quả, giúp nó không có đơn vị và bị giới hạn trong khoảng từ -1 đến +1.
$$r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}}$$
Ví dụ minh họa
Lấy X = 1, 2, 3, 4, 5 và Y = 2, 4, 5, 4, 5. Trung bình là \(\bar{x} = 3\) và \(\bar{y} = 4\). Tổng tích chéo \(\sum (x-\bar{x})(y-\bar{y}) = 6\), \(\sum (x-\bar{x})^2 = 10\), và \(\sum (y-\bar{y})^2 = 6\). Vậy $$r = \frac{6}{\sqrt{10 \times 6}} = \frac{6}{\sqrt{60}} \approx 0{,}7746,$$ cho thấy một mối quan hệ tuyến tính dương khá mạnh.
Diễn giải hệ số tương quan của bạn
Hệ số tương quan Pearson \(r\) luôn nằm trong khoảng từ \(-1\) đến \(+1\). Dấu cho biết chiều hướng: dương nghĩa là Y có xu hướng tăng khi X tăng, còn âm nghĩa là Y có xu hướng giảm khi X tăng. Độ lớn \(|r|\) cho biết các điểm bám sát một đường thẳng đến mức nào. Giá trị 0 nghĩa là không có mối quan hệ tuyến tính, điều này không đồng nghĩa với việc hoàn toàn không có mối quan hệ nào.
| |r| | Mô tả thông dụng |
|---|---|
| 0.00 – 0.19 | Rất yếu |
| 0.20 – 0.39 | Yếu |
| 0.40 – 0.59 | Trung bình |
| 0.60 – 0.79 | Mạnh |
| 0.80 – 1.00 | Rất mạnh |
Các ngưỡng này chỉ là quy tắc kinh nghiệm, và quy ước khác nhau tùy theo lĩnh vực. Các tiêu chuẩn tham chiếu được trích dẫn rộng rãi của Cohen dành cho khoa học hành vi coi 0.1 là nhỏ, 0.3 là trung bình và 0.5 là lớn. Vật lý và kỹ thuật thường kỳ vọng |r| trên 0.95, trong khi khoa học xã hội và y học có thể coi các giá trị thấp hơn nhiều là có ý nghĩa. Hãy đánh giá một giá trị theo chuẩn mực của lĩnh vực bạn nghiên cứu.
Phương sai được giải thích: \(r^2\), hệ số xác định, là tỷ lệ phương sai của Y được giải thích bởi mối quan hệ tuyến tính với X. Ví dụ, \(r = 0.775\) cho \(r^2 \approx 0.60\), tức là khoảng 60% biến thiên của Y có liên hệ tuyến tính với X. Lưu ý rằng \(r^2\) không có dấu.
Những lưu ý
- Điểm ngoại lai: một điểm cực đoan có thể làm r tăng hoặc giảm mạnh. Luôn kiểm tra biểu đồ phân tán.
- Quan hệ phi tuyến: một quan hệ hình chữ U hoàn hảo hoặc cong có thể cho r gần 0.
- Khoảng giá trị bị giới hạn: nếu bạn chỉ lấy mẫu trong một khoảng hẹp của các giá trị X, r thường nhỏ hơn so với khi xét trên toàn bộ khoảng.
- Mẫu nhỏ: với ít cặp dữ liệu, r có thể lớn chỉ do ngẫu nhiên. Ví dụ, với n = 3, hầu như mọi giá trị đều có thể xảy ra. Kiểm định ý nghĩa thống kê hoặc khoảng tin cậy giúp ích trong trường hợp này.
- Bộ tứ Anscombe: bốn bộ dữ liệu khác nhau có các thống kê tóm tắt gần như giống hệt nhau (r ≈ 0.816, cùng trung bình và phương sai, cùng đường hồi quy được khớp) nhưng trông hoàn toàn khác khi vẽ biểu đồ. Điều này cho thấy chỉ riêng r thì không bao giờ là đủ.
- Tương quan không có nghĩa là nhân quả: một r mạnh có thể xuất phát từ một biến gây nhiễu, quan hệ nhân quả ngược hoặc sự trùng hợp ngẫu nhiên.
Thuật ngữ và định nghĩa chính
- Hệ số tương quan (r)
- Một số không có đơn vị, từ −1 đến +1, đo độ mạnh và chiều của mối quan hệ tuyến tính giữa hai biến.
- Hệ số xác định (r²)
- Bình phương của r. Đây là tỷ lệ phương sai của Y được giải thích tuyến tính bởi X, có giá trị từ 0 đến 1.
- Hiệp phương sai
- Thước đo mức độ hai biến cùng biến thiên, có đơn vị là đơn vị của X nhân với đơn vị của Y. Hiệp phương sai mẫu chia \(S_{xy}\) cho \(n-1\). Hiệp phương sai tổng thể chia cho \(n\).
- Hệ số góc hồi quy
- Mức thay đổi của Y dự đoán khi X tăng một đơn vị: \(b = S_{xy}/S_{xx}\).
- Hệ số chặn
- Giá trị dự đoán của Y khi X = 0: \(a = \bar{y} - b\bar{x}\).
- Đường bình phương tối thiểu
- Đường thẳng \(\hat{y} = a + bx\) làm cực tiểu tổng bình phương các khoảng cách thẳng đứng giữa các điểm quan sát và đường thẳng.
- Dữ liệu ghép cặp
- Các quan sát trong đó mỗi giá trị X được ghép với một giá trị Y từ cùng một đối tượng hoặc trường hợp. Cả hai dãy phải có cùng độ dài.
- Điểm ngoại lai
- Một điểm dữ liệu nằm xa so với xu hướng chung. Nó có thể làm sai lệch mạnh r, hệ số góc và hệ số chặn.
- Quan hệ tuyến tính so với đơn điệu
- Quan hệ tuyến tính đi theo một đường thẳng. Quan hệ đơn điệu luôn tăng hoặc luôn giảm nhưng không nhất thiết với tốc độ không đổi, nên có thể là đường cong.
- Hệ số tương quan hạng Spearman
- Phương án thay thế cho r của Pearson đối với dữ liệu đơn điệu nhưng không tuyến tính, hoặc dữ liệu có điểm ngoại lai hay giá trị thứ bậc. Nó được tính trên thứ hạng của các giá trị thay vì trên chính các giá trị gốc.
Câu hỏi thường gặp
r² cho tôi biết điều gì? Đó là r bình phương, biểu thị tỷ lệ phần biến thiên của Y được giải thích bởi quan hệ tuyến tính với X. Với \(r = 0{,}7746\) thì \(r^2 \approx 0{,}6\), nghĩa là khoảng 60% phương sai được giải thích.
Tương quan có chứng minh nhân quả không? Không. Một giá trị r cao chỉ cho thấy hai biến cùng biến thiên, chứ không khẳng định biến này gây ra biến kia.
Nếu r đúng bằng 0 thì sao? Khi đó không có liên hệ tuyến tính nào, dù vẫn có thể tồn tại một quan hệ phi tuyến mà hệ số Pearson r không phát hiện được.