Статистична залежність між змінними; кореляційний зв'язок; критерії статистичної значущості лінійного зв'язку

📌 Про що ця тема

Тут перевіряють, чи вмієш ти відрізняти функціональну залежність від статистичної (кореляційної), вимірювати силу й напрям звʼязку між економічними показниками (наприклад, обсяг реклами і виручка) та оцінювати, наскільки знайдений лінійний звʼязок надійний, а не випадковий. Ключове поняття — коефіцієнт кореляції.

📖 Головне

• Функціональний звʼязок — кожному значенню X відповідає ЄДИНЕ точне значення Y (наприклад, виручка = ціна × кількість). Статистичний — одному значенню X відповідає розподіл значень Y, бо діють інші чинники.

• Кореляційний звʼязок — окремий випадок статистичного: зі зміною середнього X змінюється СЕРЕДНЄ значення Y. Це звʼязок між середніми, а не між окремими точками.

• Коефіцієнт кореляції Пірсона r вимірює силу й напрям ЛІНІЙНОГО звʼязку. Діапазон: −1 ≤ r ≤ +1.

• r > 0 — прямий звʼязок (X росте → Y росте); r < 0 — обернений; r = 0 — лінійного звʼязку немає.

• Шкала тісноти (орієнтовно): |r| до 0,3 — слабкий; 0,3–0,7 — помірний; понад 0,7 — сильний; близько 1 — майже функціональний.

• Формула: r = Σ(xᵢ−x̄)(yᵢ−ȳ) / √[Σ(xᵢ−x̄)² · Σ(yᵢ−ȳ)²]. Чисельник — коваріація, знаменник нормує її до [−1; 1].

• Коефіцієнт детермінації R² = r². Показує частку варіації Y, яку пояснює X. R² = 0,64 → 64% змін Y пояснено звʼязком з X.

• Кореляція ≠ причинність. Наявність r не доводить, що X спричиняє Y (може бути третій чинник чи випадковий збіг).

• Статистична значущість: перевіряють, чи r справді відмінний від нуля, а не отриманий випадково на малій вибірці. Чим більша вибірка n і чим більший |r|, тим надійніший звʼязок.

• Критерій: обчислений показник порівнюють із табличним (критичним) значенням на заданому рівні значущості (зазвичай 0,05). Якщо розрахунковий перевищує критичний — звʼязок значущий.

🔢 Як це працює на прикладі

Є 5 магазинів. X — витрати на рекламу (тис. грн): 2, 4, 6, 8, 10. Y — виручка (тис. грн): 20, 25, 33, 40, 42.

Крок 1. Середні: x̄ = 6; ȳ = 32.

Крок 2. Відхилення X: −4, −2, 0, 2, 4. Відхилення Y: −12, −7, 1, 8, 10.

Крок 3. Добутки: 48, 14, 0, 16, 40 → Σ = 118.

Крок 4. Σ(x−x̄)² = 16+4+0+4+16 = 40. Σ(y−ȳ)² = 144+49+1+64+100 = 358.

Крок 5. r = 118 / √(40·358) = 118 / √14320 ≈ 118 / 119,7 ≈ 0,986.

Висновок: дуже сильний прямий звʼязок. R² ≈ 0,97 — 97% змін виручки пояснено витратами на рекламу.

⚠️ Типові помилки

• Плутають функціональний і кореляційний звʼязок: при кореляції точного значення Y за X передбачити НЕ можна, лише середнє.

• Вважають, що кореляція доводить причинність — це груба логічна помилка.

• Думають, що r = 0 означає «звʼязку немає зовсім». Насправді немає лише ЛІНІЙНОГО; нелінійний (наприклад, параболічний) може бути.

• Забувають, що r безрозмірний і не залежить від одиниць виміру.

• Ігнорують розмір вибірки: при малому n навіть велике |r| може бути статистично незначущим.

🎯 Що завчити напамʼять

• −1 ≤ r ≤ +1; знак = напрям, модуль = сила.

• R² = r² — частка поясненої варіації.

• Формула r через суми добутків відхилень.

• Кореляція не дорівнює причинності.

• Значущість зростає з n і |r|; порівняння з критичним значенням при α = 0,05.

🧠 Перевір себе

1. Що означає r = −0,85?

2. Чому r = 0 не завжди означає відсутність будь-якого звʼязку?

3. Якщо R² = 0,49, чому дорівнює |r| і що це означає?

4. Чим кореляційний звʼязок відрізняється від функціонального?

Відповіді: 1 — сильний обернений лінійний звʼязок (X росте → Y спадає); 2 — відсутній лише лінійний, може існувати нелінійний; 3 — |r| = 0,7, звʼязок пояснює 49% варіації Y; 4 — при функціональному кожному X відповідає одне точне Y, при кореляційному — змінюється лише середнє значення Y.