6.2 Korrelasjon

Korrelasjon, kausalitet og forklaringsgrad.

50 min

19 oppgaver

KorrelasjonKorrelasjonskoeffisientR²Kausalitet

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 19 oppgaver

Kapitlets plass i kurset

Bygger på

6.1Lineær regresjon

Brukes videre i

6.3Ikke-lineær regresjon

Kva er korrelasjon?

Korrelasjon måler styrken og retninga på den lineære samanhengen mellom to variablar. Til forskjell frå regresjon, der éin variabel er «forklaringsvariabel» og den andre «respons», behandlar korrelasjon begge variablane symmetrisk.

Spørsmålet er: Varierer $x$ og $y$ saman? Og i så fall, kor sterkt?

Pearsons korrelasjonskoeffisient

r

r = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \cdot \sum(y_i - \bar{y})^2}} = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}

Tolking av $r$

Styrken på korrelasjonen blir typisk vurdert slik:

$\|r\|$	Styrke
0,00 - 0,19	Svært svak
0,20 - 0,39	Svak
0,40 - 0,59	Moderat
0,60 - 0,79	Sterk
0,80 - 1,00	Svært sterk

Merk: Desse grensene er retningslinjer, ikkje absolutte reglar. Kva som blir rekna som «sterk» avheng av fagfeltet. I fysikk kan

r = 0{,}7

reknast som svak, medan det i samfunnsvitskap kan reknast som sterkt.

✏️Rekne ut korrelasjonskoeffisienten

Rekn ut $r$ for dataa: $(1, 3)$ , $(2, 5)$ , $(3, 6)$ , $(4, 8)$ , $(5, 9)$ .

n = 5

\bar{x} = 3

\bar{y} = 6{,}2

$\sum x_iy_i = 3 + 10 + 18 + 32 + 45 = 108$
$\sum x_i = 15$ , $\sum y_i = 31$
$\sum x_i^2 = 55$ , $\sum y_i^2 = 9 + 25 + 36 + 64 + 81 = 215$

$r = \frac{5 \cdot 108 - 15 \cdot 31}{\sqrt{(5 \cdot 55 - 225)(5 \cdot 215 - 961)}}$
$= \frac{540 - 465}{\sqrt{50 \cdot 114}} = \frac{75}{\sqrt{5700}} = \frac{75}{75{,}50} \approx 0{,}993$

Svært sterk positiv korrelasjon. Sjekk: $r^2 = 0{,}987 = R^2$ frå førre kapittel ✓

Korrelasjon betyr ikkje kausalitet

Eit av dei viktigaste prinsippa i statistikk:

Korrelasjon mellom $x$ og $y$ betyr IKKJE at $x$ forårsakar $y$ (eller omvendt).

Moglege forklaringar på korrelasjon:
1. $x$ forårsakar $y$ : Røyking forårsakar lungekreft
2. $y$ forårsakar $x$ : Omvendt kausalitet
3. Felles årsak: Ein tredje variabel påverkar begge (konfundering)
4. Tilfeldigheit: Korrelasjonen er berre støy
5. Spuriøs samanheng: Tilsynelatande korrelasjon utan reell forbindelse

For å påvise kausalitet trengst kontrollerte eksperiment eller spesielle statistiske metodar (instrumentvariablar, naturlege eksperiment, osv.).

Spuriøs korrelasjon

Ein spuriøs korrelasjon er ein tilsynelatande samanheng mellom to variablar som skuldast tilfeldigheiter eller ein felles underliggjande faktor, og ikkje ein reell forbindelse. Klassiske eksempel: - Iskremsal og drukningsulukker (begge aukar om sommaren - felles årsak: varmt vêr) - Talet på piratar og global temperatur (begge endrar seg over tid - trendkorrelasjon) - Forbruket av margarin og skilsmisseraten i Maine (rein tilfeldigheit) Med nok variablar og data vil ein alltid finne nokre tilfeldige korrelasjonar. Difor er det viktig å ha ei teoretisk grunngjeving for samanhengen.

✏️Konfunderande variabel

Ei studie finn sterk positiv korrelasjon ( $r = 0{,}82$ ) mellom talet på brannbilar ved ein brann og skadeomfanget. Betyr dette at fleire brannbilar forårsakar meir skade?

Nei, dette er eit eksempel på konfundering. Den konfunderande variabelen er storleiken på brannen:

- Store brannar → mange brannbilar blir sende ut
- Store brannar → stort skadeomfang

Både talet på brannbilar og skadeomfang er konsekvensar av storleiken på brannen. Samanhengen er reell, men tolkinga «brannbilar forårsakar skade» er feil.

Rett forklaring: Storleiken på brannen er ein konfunderande variabel som påverkar begge dei observerte variablane.

Konfunderande variablar

Ein konfunderande variabel (lurking variable) er ein variabel som:
1. Påverkar både $x$ og $y$
2. Skaper ein tilsynelatande samanheng mellom $x$ og $y$
3. Ikkje er inkludert i analysen

Korleis handtere konfundering:
- Kontrollert eksperiment: Tilfeldig tildeling (randomisering) eliminerer konfundering
- Stratifisering: Analysere innanfor undergrupper
- Multippel regresjon: Inkludere den konfunderande variabelen i modellen
- Kritisk tenking: Vurder alltid om det finst alternative forklaringar

📝Oppgave 1

Løys oppgåvene:

Kva betyr $r = -0{,}85$ ?

Kva betyr $r = 0{,}05$ ?

📝Oppgave 2

Løys oppgåvene:

Viss $R^2 = 0{,}64$ , kva er $|r|$ ?

Viss $r = 0{,}70$ , kva er $R^2$ ?

Løs oppgaven Tren

📝Oppgave 3

Løys oppgåvene:

Kva betyr uttrykket «korrelasjon inneber ikkje kausalitet»?

📝Oppgave 4

Løys oppgåvene:

Rekn ut $r$ for $(1, 10)$ , $(2, 8)$ , $(3, 6)$ , $(4, 4)$ , $(5, 2)$ . Kva slags samanheng er dette?

Løs oppgaven Tren

📝Oppgave 5

Løys oppgåvene:

Gi eit eksempel på spuriøs korrelasjon og forklar kvifor han er villeiande.

📝Oppgave 6

Løys oppgåvene:

Ei studie finn at barn som et frukost gjer det betre på skulen ( $r = 0{,}45$ ). Kan vi konkludere med at frukost forårsakar betre skuleresultat?

📝Oppgave 7

Løys oppgåvene:

Forklar forskjellen mellom korrelasjon og regresjon. Når brukar vi kva?

📝Oppgave 8

Løys oppgåvene:

Rekn ut $r$ for: $(2, 15)$ , $(4, 25)$ , $(6, 30)$ , $(8, 40)$ , $(10, 45)$ .

Løs oppgaven Tren

📝Oppgave 9

Løys oppgåvene:

Kan $r = 0$ bety at det finst ein sterk samanheng mellom $x$ og $y$ ? Gi eit eksempel.

📝Oppgave 10

Løys oppgåvene:

Identifiser den konfunderande variabelen: «Det er positiv korrelasjon mellom talet på kyrkjer og talet på brotsverk i amerikanske byar.»

📝Oppgave 11

Løys oppgåvene:

Vis at dersom vi byter $x$ og $y$ (altså byter rollene til variablane), held $r$ seg uendra. Kva skjer med stigingstalet $a$ i regresjonslinja?

📝Oppgave 12

Løys oppgåvene:

Ein forskar finn $r = 0{,}95$ mellom skostorleik og leseferdigheit hos barn i alderen 5-15 år. Kva er den mest sannsynlege forklaringa?

📝Oppgave 13

Løys oppgåvene:

Forklar Simpsons paradoks med eit eksempel, og knyt det til konfunderande variablar.

📝Oppgave 14

Løys oppgåvene:

Forklar kvifor eit kontrollert eksperiment med randomisering er den beste metoden for å påvise kausalitet. Kva gjer randomisering?

Oppsummering

Læringspunkt:
- Pearsons korrelasjonskoeffisient $r \in [-1, 1]$ måler styrken og retninga på ein lineær samanheng.
- $r$ nær $\pm 1$ : sterk lineær samanheng; $r$ nær 0: svak eller ingen lineær samanheng (det kan likevel finnast ein sterk ikkje-lineær samanheng).
- $r^2 = R^2$ er forklaringsgraden ved enkel lineær regresjon.
- $r$ er symmetrisk i $x$ og $y$ , og endrar seg ikkje av lineære transformasjonar av variablane.
- Korrelasjon inneber ikkje kausalitet: spuriøse samanhengar og konfunderande variablar kan skape samvariasjon utan årsaksforhold.

Nøkkelomgrep	Forklaring
Korrelasjonskoeffisient $r$	Styrke og retning på lineær samvariasjon
Spuriøs korrelasjon	Samvariasjon utan årsakssamanheng
Konfunderande variabel	Tredje variabel som påverkar begge
Kausalitet	Årsakssamanheng — krev meir enn korrelasjon

Viktige formlar:

r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2\sum(y_i - \bar{y})^2}}, \qquad R^2 = r^2

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.

Kva er korrelasjon?

Tolking av rrr

Korrelasjon betyr ikkje kausalitet

Konfunderande variablar

Oppsummering

Tolking av $r$