Главная · Справочник · Ковариация и корреляция
Ковариация и корреляция: отличия, расчёт и трактовка
Обновлено: август 2026
- Ковариация зависит от единиц измерения, корреляция — нет.
- Коэффициент корреляции всегда в пределах от −1 до 1.
- Пирсон измеряет линейную связь, Спирмен — монотонную.
- Нулевая корреляция не означает независимости: связь может быть нелинейной.
- Корреляция не доказывает причинность ни при каком значении коэффициента.
Как считаются обе величины
Ковариация — среднее произведение отклонений от средних: cov(X,Y) = E[(X − EX)(Y − EY)]. Если величины меняются согласованно, произведения преимущественно положительны и ковариация положительна.
Коэффициент корреляции Пирсона нормирует эту величину: r = cov(X,Y) / (σx · σy). Нормировка убирает зависимость от единиц: ковариация роста и веса изменится при переходе из сантиметров в метры, а корреляция — нет.
Что означают значения коэффициента
Знак говорит о направлении, модуль — о тесноте линейной связи. Границы достигаются только при строгой линейной зависимости. Общепринятых порогов «слабая — сильная» не существует: в физическом эксперименте r = 0,8 может быть плохим результатом, а в социологии — заметным.
| Значение r | Как обычно читают | Осторожно |
|---|---|---|
| около 0 | линейной связи не видно | нелинейная связь возможна |
| ±0,1…0,3 | слабая | легко получить случайно на малой выборке |
| ±0,3…0,7 | умеренная | зависит от области и объёма данных |
| ±0,7…0,9 | тесная | проверить выбросы и однородность |
| близко к ±1 | почти линейная | часто признак избыточности признаков |
Чем корреляция Пирсона отличается от Спирмена
Пирсон измеряет линейную связь и чувствителен к выбросам: одно далёкое наблюдение способно изменить коэффициент существенно. Спирмен считает то же по ранговым номерам, поэтому реагирует на любую монотонную зависимость и устойчив к выбросам.
Практическое правило выбора: если зависимость монотонна, но не линейна, или в данных есть выбросы — ранговый коэффициент честнее. Если важна именно линейность (например, для последующей линейной модели) — Пирсон.
Почему связь не означает причинность
Наблюдаемая связь объясняется минимум четырьмя способами: X влияет на Y; Y влияет на X; на оба влияет третий фактор; связь возникла случайно на конкретной выборке. Коэффициент не различает эти варианты — он вычисляется одинаково во всех.
Классический пример третьего фактора: продажи мороженого связаны с числом утоплений, потому что оба зависят от жары. Различить варианты может только эксперимент или специальные методы причинного вывода, но не величина коэффициента.
Частые ошибки
Первая — вывод о независимости из нулевой корреляции. Для точек, лежащих на параболе, линейный коэффициент может быть равен нулю при полной детерминированности.
Вторая — расчёт по неоднородным данным. Если выборка состоит из двух групп с разными средними, появляется связь, которой внутри групп нет; это парадокс Симпсона.
Третья — сравнение ковариаций разных пар величин. Они выражены в произведениях разных единиц и несопоставимы; сравнивать нужно нормированные коэффициенты.
Пока журнал рецензирует — препринт закрепляет приоритет
арХиворг.ру — открытый архив препринтов по физике, математике, Computer Science и инженерии. Если ваша работа из этих или смежных областей, вы можете бесплатно закрепить приоритет уже сегодня.
Частые вопросы
Может ли корреляция быть больше единицы?
Нет. Модуль коэффициента ограничен единицей — это следствие неравенства Коши — Буняковского. Значение вне интервала означает ошибку в вычислениях.
Что делать при нелинейной зависимости?
Использовать ранговый коэффициент, либо преобразовать переменные, либо оценивать связь методами, не предполагающими линейности. Линейный коэффициент в таком случае недооценивает силу связи.
Сколько наблюдений нужно?
Зависит от ожидаемой силы связи: чем она слабее, тем больше данных требуется. На выборке из десяти точек даже r = 0,6 может оказаться статистически незначимым, поэтому коэффициент всегда приводят с интервальной оценкой.
Как связаны корреляция и коэффициент детерминации?
Для простой линейной регрессии коэффициент детерминации равен квадрату корреляции: при r = 0,7 моделью объясняется около 49 % дисперсии. Это полезное отрезвляющее соотношение.
Смотрите также: Справочник · Нормальное распределение · Доверительный интервал · Погрешности измерений · Распределение Лапласа · Теорема Байеса
арХиворг.ру — независимый российский открытый архив научных препринтов по физике, математике, Computer Science и инженерии; он не является рецензируемым журналом, изданием Перечня ВАК и не индексируется в РИНЦ. Сведения носят справочный характер — актуальные требования проверяйте на официальных сайтах изданий и профильных реестров.