Tilbake
7.2
Korrelasjon og kausalitet

7.2 Korrelasjon og kausalitet

Alle fag for VG2

Pearsons korrelasjonskoeffisient, spuriøs korrelasjon og konfunderende variabler.

50 min
17 oppgaver
KorrelasjonPearsons rKausalitetKonfunderende variabelSpuriøs korrelasjon
Du leser den tradisjonelle versjonen
Din fremgang i kapitlet
0 / 17 oppgaver
Kapitlets plass i kurset

Pearsons korrelasjonskoeffisient

I førre kapittel lærte vi om R2R^2 som eit mål på kor godt regresjonslinja passar. No skal vi sjå på eit anna viktig mål: korrelasjonskoeffisienten rr, som måler styrken og retninga til den lineære samanhengen mellom to variablar.

Pearsons korrelasjonskoeffisient
Pearsons korrelasjonskoeffisient rr for eit datasett (x1,y1),…,(xn,yn)(x_1, y_1), \ldots, (x_n, y_n) er:

r=∑i=1n(xi−xˉ)(yi−yˉ)∑i=1n(xi−xˉ)2⋅∑i=1n(yi−yˉ)2=SxySxx⋅Syyr = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i - \bar{x})^2 \cdot \sum_{i=1}^{n}(y_i - \bar{y})^2}} = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}

Eigenskapar:
- −1≤r≤1-1 \leq r \leq 1
- r>0r > 0: Positiv lineær samanheng (begge aukar)
- r<0r < 0: Negativ lineær samanheng (ein aukar, den andre søkk)
- r=0r = 0: Ingen lineær samanheng
- ∣r∣|r| nær 1: Sterk lineær samanheng
- ∣r∣|r| nær 0: Svak lineær samanheng

Samanheng med R2R^2: For enkel lineær regresjon gjeld R2=r2R^2 = r^2.

Tolking av rr

Ein vanleg tommelfingerregel for styrken til korrelasjonen:

∣r∣|r|Styrke
0,0−0,30{,}0 - 0{,}3Svak
0,3−0,70{,}3 - 0{,}7Moderat
0,7−1,00{,}7 - 1{,}0Sterk

Viktig: rr måler berre lineær samanheng. To variablar kan ha ein sterk ikkje-lineær samanheng sjølv om r≈0r \approx 0.
✏️Eksempel 1: Utrekning av $r$

Rekn ut korrelasjonskoeffisienten for datasettet frå kapittel 7.1:

xx (timar)2356810
yy (poeng)455560727890

Løysing:

Vi fann R2≈0,976R^2 \approx 0{,}976 i førre kapittel.

r=R2=0,976≈0,988r = \sqrt{R^2} = \sqrt{0{,}976} \approx 0{,}988

Sidan samanhengen er positiv (meir studietid gir høgare poengsum), er r≈+0,988r \approx +0{,}988.

Tolking: Det er ein svært sterk positiv lineær samanheng mellom studietimar og poengsum.

📝Oppgave 1

Løys oppgåvene:

a

Viss R2=0,81R^2 = 0{,}81, kva er ∣r∣|r|?

b

Viss r=−0,6r = -0{,}6, kva er R2R^2?

c

Viss r=0,95r = 0{,}95, skildra samanhengen.

Løs oppgavenTren
📝Oppgave 2

Vurder om følgjande samanhengar truleg har positiv, negativ eller ingen korrelasjon:

a

Alder og reaksjonstid hos vaksne.

b

Temperatur og straumforbruk til oppvarming.

c

Skostorleik og IQ.

📝Oppgave 3

Gitt datapunkta (1,10)(1, 10), (2,8)(2, 8), (3,6)(3, 6), (4,4)(4, 4), (5,2)(5, 2). Rekn ut rr manuelt.

📝Oppgave 4

Fire spreiingsplott gir følgjande rr-verdiar: 0,020{,}02, −0,85-0{,}85, 0,550{,}55, 0,980{,}98. Ranger dei frå svakast til sterkast lineær samanheng.

Korrelasjon tyder ikkje kausalitet

Ei av dei viktigaste innsiktene i statistikk er at korrelasjon ikkje tyder årsakssamanheng. Berre fordi to variablar korrelerer, tyder det ikkje at den eine forårsakar endringar i den andre.

Det finst fleire grunnar til at to variablar kan korrelere utan at den eine forårsakar den andre:

Konfunderande variabel

Ein konfunderande variabel (lurande variabel, bakanforliggjande variabel) er ein tredje variabel som påverkar begge variablane vi studerer, og som dermed skaper ein tilsynelatande samanheng.

Eksempel: Det er korrelasjon mellom issal og drukningsulykker. Men is forårsakar ikkje drukningsulykker. Den konfunderande variabelen er temperatur/sommar: Varmt vêr fører til både meir issal og meir bading (og dermed fleire drukningsulykker).

Spuriøs korrelasjon

Ein spuriøs korrelasjon er ein statistisk samanheng som oppstår tilfeldig eller på grunn av ein konfunderande variabel, utan at det finst nokon reell årsakssamanheng.

Kjende eksempel:
- Talet på filmar Nicolas Cage spelte i per år korrelerer med talet på drukningsulykker i symjebasseng
- Per capita-forbruk av margarin korrelerer med skilsmisseraten i Maine
- Utgifter til romforsking korrelerer med talet på sjølvmord

Desse korrelasjonane er tilfeldige og har inga kausal forklaring.

✏️Eksempel 2: Identifisere konfunderande variabel

Forsking viser ein positiv korrelasjon mellom talet på brannmenn som blir sende ut og storleiken på brannskadane. Kan vi konkludere med at fleire brannmenn forårsakar meir skade?

Løysing:

Nei! Den konfunderande variabelen er storleiken på brannen.

- Store brannar fører til at mange brannmenn blir sende ut
- Store brannar gir òg store skadar

Det er brannen sjølv (og storleiken hans) som forårsakar begge dei observerte variablane. Det ville vore absurd å redusere talet på brannmenn for å redusere skade.

Diagram:
Storleiken på brannen → Fleire brannmenn
Storleiken på brannen → Større skade

Korrelasjonen mellom brannmenn og skade er spuriøs — han blir forklart av den felles årsaka.

📝Oppgave 5

For kvart par av variablar, identifiser ein mogleg konfunderande variabel:

a

Solkremsal og hudkreft (positiv korrelasjon).

b

Talet på sjukehus i ein by og talet på brotsverk (positiv korrelasjon).

c

Skostorleiken til barn og leseferdigheit (positiv korrelasjon).

📝Oppgave 6

Ein avisartikkel skriv: «Studie viser: Barn som et frukost får betre karakterar.» Diskuter om vi kan konkludere med at frukosten forårsakar betre karakterar.

📝Oppgave 7

Ein studie av 1000 personar finn r=0,45r = 0{,}45 mellom talet på timar trening per veke og sjølvrapportert livskvalitet. Tolk denne korrelasjonen og diskuter avgrensingar.

📝Oppgave 8

Løys oppgåvene:

a

Forklar skilnaden mellom ein observasjonsstudie og eit eksperiment.

b

Kvifor er randomisering viktig i eksperiment?

📝Oppgave 9

Variablane XX og YY har verdiane:

XX−3-3−2-2−1-10123
YY9410149

Rekn ut rr. Er det ein sterk samanheng mellom XX og YY? Forklar.

📝Oppgave 10

Ei avis rapporterer: «Kommunar med fleire vinmonopol har lågare kriminalitet.» Gi minst tre alternative forklaringar på denne korrelasjonen.

📝Oppgave 11

Forklar kva som blir meint med «omvend kausalitet» og gi to eksempel frå verkelegheita.

📝Oppgave 12

Ein studie finn r=−0,72r = -0{,}72 mellom talet på timar brukte på sosiale medium og søvnkvalitet. Drøft resultatet grundig: tolking, moglege forklaringar, og kva som trengst for å konkludere med kausalitet.

Oppsummering

I dette kapittelet har du lært:

- Korrelasjonskoeffisienten rr måler styrken og retninga på ein lineær samanheng: −1≤r≤1-1 \leq r \leq 1.
- Tolking: ∣r∣|r| nær 1 er sterk samanheng, nær 0 svak. Forteiknet gir retninga.
- Korrelasjon er ikkje kausalitet: Ei samvariasjon kan skuldast ein konfunderande variabel eller rein tilfeldigheit (spuriøs korrelasjon).
- Kausalitet krev meir: kontrollerte eksperiment eller solid fagleg grunngiving med kontroll for andre variablar.

Nøkkelomgrep


OmgrepForklaring
Korrelasjonskoeffisientr∈[−1,1]r \in [-1, 1] — lineær samvariasjon
KausalitetÅrsakssamanheng
Konfunderande variabelSkjult variabel som påverkar begge
Spuriøs korrelasjonTilfeldig/villeiande samvariasjon

Viktige formlar


- R2=r2R^2 = r^2
- r>0r > 0: positiv samvariasjon, r<0r < 0: negativ
Repetisjonsoppgåver
Din fremgang
0deloppgaver0 / 5 oppgaver

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.