Автор:
Станислав Вичиновский
Менеджер проектов any
Станислав занимается комьюнити-маркетингом, контентом, вебинарами и исследованиями в any. Пишет об AI, e-commerce и практиках, которые помогают командам лучше понимать рынок.
- Формула коэффициента корреляции Пирсона
- Что означают элементы формулы корреляции Пирсона
- Как работает расчёт корреляции Пирсона
- Мини-разбор расчёта
- Как интерпретировать коэффициент корреляции Пирсона
- Когда формулу Пирсона применять осторожно
- Чем формула Пирсона не является
- Главное о формуле корреляции Пирсона
Коэффициент корреляции Пирсона показывает, насколько две количественные переменные связаны между собой линейно. Его обозначают буквой r. По этому значению можно понять направление связи и её выраженность: переменные чаще растут вместе, меняются в противоположные стороны или не образуют заметного линейного рисунка.
Сначала — самое важное:
r > 0 — положительная линейная связь;
r < 0 — отрицательная линейная связь;
r около 0 — выраженной линейной связи может не быть;
r не доказывает причинность: корреляция показывает связь, но не объясняет, почему она возникла.
Главная формула корреляции Пирсона:
r = Σ[(xi − x̄)(yi − ȳ)] / √(Σ(xi − x̄)² · Σ(yi − ȳ)²)
Ниже разберём, что означают элементы формулы, как работает расчётная логика, как читать коэффициент r и где у метода есть ограничения.
Формула коэффициента корреляции Пирсона
Формула коэффициента корреляции Пирсона сравнивает не сами значения двух переменных, а их отклонения от средних значений:
r = Σ[(xi − x̄)(yi − ȳ)] / √(Σ(xi − x̄)² · Σ(yi − ȳ)²)
Где:
xi — значение первой переменной X в конкретном наблюдении;
yi — значение второй переменной Y в том же наблюдении;
x̄ — среднее значение переменной X;
ȳ — среднее значение переменной Y;
Σ — суммирование по всем парам наблюдений;
r — итоговый коэффициент корреляции Пирсона.
Смысл формулы в том, чтобы оценить, насколько согласованно X и Y отклоняются от своих средних. Если отклонения чаще идут в одну сторону, связь будет положительной. Если в противоположные стороны — отрицательной. Если устойчивого линейного рисунка нет, r будет ближе к нулю.
Что означают элементы формулы корреляции Пирсона
Формула Пирсона работает с парными наблюдениями. Для каждого объекта, периода или случая есть значение X и связанное с ним значение Y. Это могут быть две количественные метрики, которые нужно сравнить между собой.
Разберём ключевые элементы.
Средние значения x̄ и ȳ
Это точки отсчёта для каждой переменной. Сначала определяется средний уровень X и средний уровень Y.
Это точки отсчёта для каждой переменной. Сначала определяется средний уровень X и средний уровень Y.
Отклонения xi − x̄ и yi − ȳ
Они показывают, насколько конкретное значение выше или ниже среднего. Если значение выше среднего, отклонение положительное. Если ниже — отрицательное.
Они показывают, насколько конкретное значение выше или ниже среднего. Если значение выше среднего, отклонение положительное. Если ниже — отрицательное.
Произведение отклонений
Этот элемент показывает, в одну сторону отклонились две переменные или в разные. Если X и Y одновременно выше своих средних или одновременно ниже них, произведение положительное. Если одна переменная выше среднего, а другая ниже, произведение отрицательное.
Этот элемент показывает, в одну сторону отклонились две переменные или в разные. Если X и Y одновременно выше своих средних или одновременно ниже них, произведение положительное. Если одна переменная выше среднего, а другая ниже, произведение отрицательное.
Знаменатель формулы
Он нормирует результат. Благодаря этому коэффициент r остаётся в диапазоне от −1 до +1 и не зависит напрямую от масштаба измерения переменных.
Он нормирует результат. Благодаря этому коэффициент r остаётся в диапазоне от −1 до +1 и не зависит напрямую от масштаба измерения переменных.
В итоге формула превращает набор парных значений в одно число, которое описывает направление и выраженность линейной связи.
Как работает расчёт корреляции Пирсона
Чтобы понять расчёт корреляции Пирсона, не обязательно выводить формулу математически. Достаточно разобрать её логику.
Для каждой пары значений формула отвечает на два вопроса:
1. Насколько значение X отличается от среднего X?
2. Насколько связанное с ним значение Y отличается от среднего Y?
Затем сравнивается направление этих отклонений.
Если X и Y чаще отклоняются от средних в одну сторону, коэффициент r становится положительным. Например, большие значения X чаще соответствуют большим значениям Y, а малые значения X — малым значениям Y.
Если переменные чаще отклоняются в разные стороны, коэффициент становится отрицательным: большие значения X чаще идут рядом с малыми значениями Y.
Если единого линейного рисунка нет, положительные и отрицательные отклонения частично компенсируют друг друга. Тогда r приближается к нулю.
Мини-разбор расчёта
Числовой пример полезен только тогда, когда исходные значения и итоговый коэффициент r заранее проверены. В этой версии статьи безопаснее использовать смысловой разбор, а не придумывать таблицу данных.
Представим, что есть несколько пар наблюдений X и Y. Сначала для каждой переменной считается среднее значение. Затем каждое наблюдение сравнивается со своим средним.
Дальше возможны три ситуации:
если X выше среднего и Y тоже чаще выше среднего, связь стремится к положительной;
если X выше среднего, а Y чаще ниже среднего, связь стремится к отрицательной;
если отклонения не образуют устойчивого линейного рисунка, итоговый r будет ближе к нулю.
Поэтому коэффициент Пирсона лучше воспринимать не как самостоятельный вывод, а как сжатое описание того, как две переменные совместно отклоняются от своих средних значений.
Как интерпретировать коэффициент корреляции Пирсона
Коэффициент r всегда находится в диапазоне от −1 до +1.
Если r > 0, связь положительная: при росте одной переменной другая в среднем тоже растёт. Чем ближе r к +1, тем более выраженной выглядит положительная линейная связь.
Если r < 0, связь отрицательная: при росте одной переменной другая в среднем снижается. Чем ближе r к −1, тем более выраженной выглядит отрицательная линейная связь.
Если r около 0, выраженной линейной связи может не быть. Но это не доказывает, что между переменными вообще нет зависимости. Связь может быть нелинейной, данные могут содержать выбросы, а сама зависимость может быть сложнее, чем показывает коэффициент Пирсона.
Не стоит превращать интерпретацию r в универсальную таблицу вроде «0,3 — слабая связь, 0,7 — сильная». Такие шкалы встречаются как ориентиры в учебных контекстах, но их нельзя автоматически применять к любым данным и задачам.
Когда формулу Пирсона применять осторожно
Формула корреляции Пирсона подходит для оценки линейной связи между двумя количественными переменными. Если связь нелинейная, коэффициент может быть близок к нулю даже при заметной зависимости между переменными.
Перед интерпретацией результата стоит проверить несколько вещей.
Линейный характер связи
Если точки на графике образуют кривую или другой сложный рисунок, коэффициент Пирсона может описывать данные слишком грубо.
Если точки на графике образуют кривую или другой сложный рисунок, коэффициент Пирсона может описывать данные слишком грубо.
Выбросы
Одно или несколько нетипичных наблюдений могут сильно изменить r, особенно если выборка небольшая.
Одно или несколько нетипичных наблюдений могут сильно изменить r, особенно если выборка небольшая.
Контекст расчёта
Важно различать простое описание связи и статистический вывод. Для описания связи можно аккуратно рассчитать и интерпретировать r в рамках конкретных данных. Если по коэффициенту делают статистический тест или обобщают результат на более широкую совокупность, требования к данным и проверкам становятся строже.
Важно различать простое описание связи и статистический вывод. Для описания связи можно аккуратно рассчитать и интерпретировать r в рамках конкретных данных. Если по коэффициенту делают статистический тест или обобщают результат на более широкую совокупность, требования к данным и проверкам становятся строже.
Причинность
Даже сильная корреляция не доказывает, что X влияет на Y. Между переменными может быть третий фактор, обратная связь или простое совпадение в данных.
Даже сильная корреляция не доказывает, что X влияет на Y. Между переменными может быть третий фактор, обратная связь или простое совпадение в данных.
Чем формула Пирсона не является
Формула Пирсона — не универсальный способ найти любую зависимость. Она описывает именно линейную связь. Если зависимость нелинейная, коэффициент может её недооценить или не показать.
Формула Пирсона также не является доказательством причинно-следственной связи. Для причинных выводов нужны другой дизайн исследования, контроль факторов, экспериментальная логика или дополнительные модели.
И наконец, формула не заменяет инструкции по Excel, SPSS, Python или другим инструментам. В разных программах коэффициент можно посчитать автоматически, но смысл результата остаётся тем же: важно понимать, какие данные используются и что именно показывает r.
Главное о формуле корреляции Пирсона
Формула корреляции Пирсона нужна, чтобы оценить линейную связь между двумя количественными переменными. Она сравнивает, как значения X и Y отклоняются от своих средних, и переводит этот рисунок в коэффициент r.
Что важно запомнить:
r находится в диапазоне от −1 до +1;
знак r показывает направление линейной связи;
близость r к 1 или −1 говорит о более выраженной линейной связи;
r около нуля не исключает нелинейную зависимость;
корреляция не доказывает причинность;
результат нужно читать с учётом данных, выбросов и задачи анализа.
Если нужна только формула, достаточно понять её запись и обозначения. Если нужно сделать вывод по данным, важно смотреть шире: на характер связи, качество данных и ограничения метода.
Автор:
Станислав Вичиновский
Менеджер проектов any
Станислав Вичиновский — MarCom Manager в any. Он занимается ведением комьюнити, контентом, вебинарами и исследованиями, а также пишет материалы об AI и e-commerce.
В any Станислав работает с задачами на стыке продукта, клиентского сервиса и маркетинга. Он участвовал в продуктовом развитии, помогал выстраивать процессы в команде, занимался клиентским сервисом и экспериментальными AI-направлениями.
До перехода в маркетинг Станислав работал с продажами, аккаунт-менеджментом, операционными процессами, розницей, недвижимостью, обучением и управлением. Такой опыт помогает ему разбирать e-commerce-задачи не только как контентные темы, но и как реальные процессы внутри команд.
В работе Станислав опирается на структурный подход: собрать контекст, разложить задачу на этапы и двигаться к решению без лишней драматизации. Вне работы увлекается Формулой-1, русским бильярдом, силовыми тренировками и квизами.
В any Станислав работает с задачами на стыке продукта, клиентского сервиса и маркетинга. Он участвовал в продуктовом развитии, помогал выстраивать процессы в команде, занимался клиентским сервисом и экспериментальными AI-направлениями.
До перехода в маркетинг Станислав работал с продажами, аккаунт-менеджментом, операционными процессами, розницей, недвижимостью, обучением и управлением. Такой опыт помогает ему разбирать e-commerce-задачи не только как контентные темы, но и как реальные процессы внутри команд.
В работе Станислав опирается на структурный подход: собрать контекст, разложить задачу на этапы и двигаться к решению без лишней драматизации. Вне работы увлекается Формулой-1, русским бильярдом, силовыми тренировками и квизами.
Увеличим продажи вашего интернет-магазина