Сообщить об ошибкеКороткий ответ
Коэффициент Пирсона r принимает значения от −1 до 1 и измеряет силу и направление линейной связи между двумя количественными переменными: r близко к 1 — сильная положительная связь, к −1 — сильная отрицательная, около 0 — линейной связи почти нет.
Как это работает подробнее
r считается через ковариацию переменных, нормированную на произведение их стандартных отклонений; формула чувствительна именно к линейной зависимости. Диапазон коэффициента универсален для любых количественных данных, что делает его удобным для быстрого сравнения разных пар переменных.
Пример кода
Пример на Python
import pandas as pd
df = pd.DataFrame({'ad_spend': [100,200,300,400,500],
'revenue': [1200,2300,2900,4100,5050]})
print(df['ad_spend'].corr(df['revenue'])) # близко к 0.99Что использовать на практике
- На практике: перед использованием r стоит визуализировать данные на scatter plot — коэффициент может быть близок к нулю даже при сильной нелинейной связи (например, параболической), и наоборот, один-два выброса могут создать иллюзию сильной корреляции при её отсутствии в основной массе данных. Значение r ничего не говорит о причинности и о наклоне линии (это разные величины). На практике также полезно considered проверять статистическую значимость самого коэффициента через p-value отдельно от его величины, особенно при небольших выборках, где даже высокий r может быть недостоверным.
- Проверка: построить scatter plot этих точек — убедиться, что связь визуально действительно похожа на прямую линию, а высокий r не вызван единственной выпадающей точкой.
Подводные камни
- Частые ошибки: интерпретировать r=0 как «переменные совсем не связаны»; делать причинные выводы напрямую из высокого r; не проверять данные на выбросы и нелинейность перед расчётом; путать силу связи (величина r) со статистической значимостью связи (нужен отдельный p-value, особенно важный при маленьких выборках). Ещё одна ошибка — рассчитывать r по данным с существенной долей пропусков без проверки, не искажает ли их обработка саму оценку связи.