Tilbake
2.5
Korrelasjon og regresjon

2.5 Korrelasjon og regresjon

Alle fag for VG2

Korrelasjon, regresjonsanalyse og bestemmelseskoeffisient.

35 min
5 oppgaver
KorrelasjonRegresjonR-kvadrat
Du leser den tradisjonelle versjonen
Din fremgang i kapitlet
0 / 5 oppgaver

Korrelasjon og regresjon

Så langt har vi sett på korleis vi skildrar éin variabel om gongen – med gjennomsnitt, standardavvik og diagram. Men i forsking og dataanalyse er vi ofte interesserte i samanhengen mellom to variablar. Er det ein samanheng mellom talet på timar ein les og resultatet på ei prøve? Heng temperatur og issal saman?

I dette kapittelet lærer du å måle og skildre slike samanhengar ved hjelp av korrelasjon og regresjon.

Korrelasjon
Korrelasjon er eit statistisk mål på styrken og retninga av den lineære samanhengen mellom to variablar. Korrelasjonskoeffisienten rr (Pearsons rr) ligg alltid mellom −1-1 og 11.

Tolking av rr:
- r=1r = 1: Perfekt positiv korrelasjon – når den eine variabelen aukar, aukar den andre proporsjonalt
- r=−1r = -1: Perfekt negativ korrelasjon – når den eine aukar, søkk den andre proporsjonalt
- r=0r = 0: Ingen lineær korrelasjon – ingen lineær samanheng

Tommelfingerregel for styrke:

∣r∣|r|Styrke
0,0–0,3Svak korrelasjon
0,3–0,7Moderat korrelasjon
0,7–1,0Sterk korrelasjon

Viktig: Korrelasjon tyder ikkje årsakssamanheng. At to variablar korrelerer, tyder ikkje at den eine forårsakar den andre.
✏️Eksempel: Tolke korrelasjon

Ein forskar undersøkjer samanhengen mellom talet på timar studietid per veke og poeng på ein eksamen for 8 studentar. Ho bereknar r=0,82r = 0{,}82. Kva fortel dette oss?

Tolking av r=0,82r = 0{,}82:

1. Retning: rr er positiv, så samanhengen er positiv – meir studietid heng saman med høgare poeng.

2. Styrke: ∣r∣=0,82>0,7|r| = 0{,}82 > 0{,}7, så korrelasjonen er sterk. Det er ein tydeleg lineær samanheng.

3. Kva vi IKKJE kan seie: Vi kan ikkje konkludere med at meir studietid forårsakar betre resultat. Det kan finnast andre faktorar (t.d. motivasjon, forkunnskapar) som påverkar båe variablane. Men samanhengen er tydeleg og i forventa retning.

📝Oppgave 1

Ein studie viser at korrelasjonen mellom iskremforbruk og talet på drukningsulykker per månad er r=0,87r = 0{,}87. Kva er den beste tolkinga?

Lineær regresjon
Lineær regresjon er ein metode for å finne den rette linja som best skildrar samanhengen mellom to variablar. Linja blir kalla regresjonslinja og blir skriven:

y^=ax+b\hat{y} = ax + b

der:
- y^\hat{y} er den predikerte verdien av yy
- aa er stigingstalet – kor mykje yy endrar seg når xx aukar med 1
- bb er konstantleddet – verdien av y^\hat{y} når x=0x = 0
- xx er den forklarande variabelen (uavhengig variabel)

Regresjonslinja blir bestemt ved minste kvadraters metode – den linja som minimerer summen av dei kvadrerte avstandane mellom dei faktiske punkta og linja.

✏️Eksempel: Tolke ei regresjonslinje

Ein regresjonsanalyse av samanhengen mellom studietid (timar/veke) og eksamenspoeng (av 100) gjev likninga y^=3,5x+42\hat{y} = 3{,}5x + 42. Tolk stigingstalet og konstantleddet, og prediker poengsummen for ein student som studerer 12 timar per veke.

Tolking:
- Stigingstal a=3,5a = 3{,}5: For kvar ekstra time studietid per veke, aukar forventa poengsum med 3,5 poeng.
- Konstantledd b=42b = 42: Ein student som studerer 0 timar per veke, blir forventa å få 42 poeng. (Merk: dette er ei matematisk ekstrapolering – i praksis studerer alle noko.)

Prediksjon for x=12x = 12 timar:
y^=3,5⋅12+42=42+42=84 poeng\hat{y} = 3{,}5 \cdot 12 + 42 = 42 + 42 = 84 \text{ poeng}

Ein student som studerer 12 timar per veke, kan forventast å oppnå ca. 84 poeng på eksamen ifølgje modellen.

Åtvaring: Modellen er berre gyldig innanfor det dataområdet han er basert på. Å bruke han for x=30x = 30 timar ville gje y^=147\hat{y} = 147 poeng, noko som er umogleg med maks 100 poeng. Slik ekstrapolering er upåliteleg.

📝Oppgave 2

Regresjonslinja for samanhengen mellom alder (år) og lungekapasitet (liter) hos barn er y^=0,25x+0,5\hat{y} = 0{,}25x + 0{,}5. Kva tyder stigingstalet?

Bestemmingskoeffisienten R²
Bestemmingskoeffisienten R2R^2 angir kor stor del av variasjonen i den avhengige variabelen (yy) som blir forklart av regresjonsmodellen. R2R^2 er kvadratet av korrelasjonskoeffisienten: R2=r2R^2 = r^2.

- R2=1R^2 = 1 (100 %): Modellen forklarar all variasjon – alle punkt ligg nøyaktig på linja.
- R2=0R^2 = 0 (0 %): Modellen forklarar ingen variasjon – xx og yy har ingen lineær samanheng.

Eksempel: Dersom r=0,82r = 0{,}82, er R2=0,822=0,67R^2 = 0{,}82^2 = 0{,}67. Det tyder at modellen forklarar 67 % av variasjonen i yy. Dei resterande 33 % skuldast andre faktorar eller tilfeldig variasjon.

Tommelfingerregel:
- R2>0,7R^2 > 0{,}7: God modell
- R2=0,4–0,7R^2 = 0{,}4\text{–}0{,}7: Moderat modell
- R2<0,4R^2 < 0{,}4: Svak modell – andre faktorar spelar stor rolle

✏️Eksempel: Vurdere kvaliteten på modellen

Ein forskar undersøkjer samanhengen mellom dagleg skjermtid (timar) og søvnkvalitet (skala 1–10). Regresjonsanalysen gjev y^=−0,6x+8,2\hat{y} = -0{,}6x + 8{,}2 med R2=0,45R^2 = 0{,}45. Tolk resultata.

Regresjonslinje: y^=−0,6x+8,2\hat{y} = -0{,}6x + 8{,}2
- Stigingstal a=−0,6a = -0{,}6: For kvar ekstra time skjermtid søkk søvnkvaliteten med 0,6 poeng. Samanhengen er negativ.
- Konstantledd b=8,2b = 8{,}2: Utan skjermtid er forventa søvnkvalitet 8,2 av 10.

R2=0,45R^2 = 0{,}45: Modellen forklarar 45 % av variasjonen i søvnkvalitet. Det tyder at skjermtid bidreg til å forklare nesten halvparten av skilnadene i søvnkvalitet.

Dei resterande 55 % skuldast andre faktorar som modellen ikkje fangar opp, til dømes stress, fysisk aktivitet, koffeininntak, soveromsmiljø, søvnvanar med meir.

Vurdering: Modellen er moderat (R2R^2 mellom 0,4 og 0,7). Skjermtid er ein relevant faktor, men langt frå den einaste forklaringa på søvnkvalitet.

📝Oppgave 3

Ein regresjonsmodell har R2=0,81R^2 = 0{,}81. Kva tyder dette?

Oppsummering

- Korrelasjon (rr) måler styrken og retninga av lineær samanheng mellom to variablar. Verdien ligg mellom −1-1 og 11.
- Korrelasjon tyder ikkje årsakssamanheng – bakanforliggjande variablar kan forklare tilsynelatande samanhengar.
- Lineær regresjon finn den rette linja (y^=ax+b\hat{y} = ax + b) som best skildrar samanhengen.
- Stigingstalet aa fortel kor mykje yy endrar seg når xx aukar med 1.
- R2R^2 (bestemmingskoeffisienten) angir kor stor del av variasjonen i yy som blir forklart av modellen.
- Ver forsiktig med ekstrapolering – å bruke modellen utanfor dataområdet han er basert på er upåliteleg.

📝Oppgave 4

Ein forskar måler samanhengen mellom gjødslingsmengd (kg per dekar) og avlingsmengd (tonn per dekar) for åtte gardar. Regresjonsanalysen gjev y^=0,08x+2,1\hat{y} = 0{,}08x + 2{,}1 med r=0,76r = 0{,}76.

a) Tolk stigingstalet og konstantleddet.
b) Berekn R2R^2 og vurder kvaliteten på modellen.
c) Prediker avlingsmengda for ein gard som brukar 50 kg gjødsel per dekar.

📝Oppgave 5

Du les ein avisartikkel med overskrifta «Studien bevisar: Meir sjokolade gjev betre karakterar!» Artikkelen refererer til ein studie som viser ein positiv korrelasjon (r=0,45r = 0{,}45) mellom sjokoladeforbruk og skuleresultat.

a) Kva er problematisk med avisoverskrifta?
b) Føreslå minst to bakanforliggjande variablar som kan forklare samanhengen.
c) Korleis ville du designa ein studie for å teste om sjokolade faktisk påverkar skuleprestasjonar?

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.