5.1 Korrelasjon — å tolke r
Hva r = −0,35 faktisk sier: samvariasjon, retning og styrke med forbehold — og A-markøren som skiller toppbesvarelsene: naturlig variasjon vs. eksperimentets påførte variasjon under kontroll. Den firedelte tolkningsmalen for eksamens vanligste oppgave.
- Nesten alltid starter den likt: «Forskerne finner en korrelasjon på mellom X og Y. Tolk denne.» Å tolke presist og fullstendig er derfor den mest lønnsomme enkeltferdigheten i hele faget.
- Godt nytt: regnes aldri ut på eksamen — det er alltid oppgitt. Jobben din er å tolke tallet. Denne treningen er ren gevinst.
Sensorregelen: en toppbesvarelse tolker i en fast firedelt struktur — retning, styrke (med forbehold), samvariasjon (ikke kausalitet), og hvilken type variasjon dataene bygger på. Å nevne skillet naturlig vs. påført variasjon uoppfordret er en eksplisitt A-markør (et pluss-poeng som løfter mot toppkarakter).
Sist du var her (oppfrisket):
- En variabel er noe som varierer mellom personer (skår, alder, timer).
- I korrelasjonsstudier måler vi begge variablene som de er — vi manipulerer ingen av dem (i motsetning til eksperimentet i kap. 2.1).
- Spredning/variasjon i en variabel (fra 3.1) er nettopp det korrelasjonen undersøker: følger spredningen i X spredningen i Y?
Du trenger ingen ny formel her — er alltid oppgitt. Dette kapitlet handler om å lese tallet.
Målet med kapitlet er at du skal kunne se en verdi som og umiddelbart si hva den betyr — retning, styrke, og hva den ikke sier. Vi bygger tolkningen opp bit for bit, med en øvingsstige som ender på eksamensnivå. ~55 min.
Løkke 1 — Hva r er: retning og styrke (~15 min)
Pearsons tallfester dette med en verdi mellom og :
- Fortegnet gir retningen: betyr at variablene beveger seg i takt (begge opp), betyr motsatt (én opp, den andre ned).
- Tallverdien gir styrken: nær = sterk, nær = svak. betyr ingen lineær sammenheng.
er enhetsløst — det avhenger ikke av skalaene på X og Y. Derfor kan du sammenligne korrelasjoner på tvers av helt ulike mål.
De to spredningsplottene under viser kontrasten: til venstre en sterk positiv sammenheng () der punktene ligger tett rundt en stigende linje, til høyre en moderat negativ () der skyen faller mot høyre og er mer spredt.
Retning først — les fortegnet
Det aller første du gjør med en oppgitt : se på fortegnet.
- Positiv (): mer av X henger sammen med mer av Y. Eksempel: mer søvn ↔ høyere opplagthet.
- Negativ (): mer av X henger sammen med mindre av Y. Eksempel: flere fraværstimer ↔ lavere karakter.
Et vanlig nybegynner-feilgrep er å lese et negativt fortegn som «svak». Fortegn og styrke er to helt ulike ting: er en sterk (negativ) sammenheng, mens er en svak (positiv) sammenheng.
En studie finner mellom antall timer på sosiale medier og timer nattesøvn.
a) Hva er retningen på sammenhengen, og hva betyr det i ord?
b) Er sammenhengen svak eller sterk?
Løkke 2 — Styrke med forbehold: konvensjonene (~12 min)
Det finnes tommelfingerregler for å beskrive styrken på (grovt: svak, moderat, sterk). Men dette er konvensjoner, ikke naturlover — grensene er avtalte, ikke matematisk gitte, og de er kontekstavhengige.
I psykologi, der utfall påvirkes av svært mange faktorer samtidig, kan et være en viktig og etterlengtet sammenheng. I fysikk, der man forventer nesten perfekte lovmessigheter, ville samme vært skuffende svakt. Derfor: oppgi styrken med et forbehold om at grensen er en konvensjon som må vurderes mot fagfeltet.
En C-besvarelse skriver « er en moderat sammenheng». En A-besvarelse legger til: «… men grensen er en konvensjon; i psykologi, der mange faktorer virker samtidig, kan være en substansiell sammenheng.» Det lille tillegget viser at du forstår tallet, ikke bare slår opp i en tabell.
To forskere diskuterer et funn: mellom en ny trivselsskala og karaktersnitt hos studenter.
a) Beskriv styrken etter konvensjonen.
b) Forsker A sier « er svakt, glem det». Hva er problemet med den påstanden?
Løkke 3 — Samvariasjon er ikke kausalitet (~14 min)
— naturlig pausepunkt før kjernepoenget —
At X og Y samvarierer (henger sammen) betyr ikke at X forårsaker Y. En korrelasjon forteller bare at to variabler følger hverandre — den sier ingenting om hvorfor.
Det finnes alltid minst tre forklaringer på en korrelasjon: (i) X påvirker Y, (ii) Y påvirker X (motsatt retning), eller (iii) en tredjevariabel påvirker begge. En korrelasjon alene kan ikke skille mellom disse. Å hoppe fra til «X fører til Y» er den klassiske feil #3 (kausal tolkning av korrelasjon) — den drilles i dybden i kap. 5.2.
> Feilkode #3 (glosset her ved første bruk): boka nummererer de vanligste sensor-fellene. #3 = «kausal tolkning av korrelasjon» — å lese en samvariasjon som om den ene variabelen forårsaker den andre. Alle feilkodene er samlet i feilvaksinekapitlet i Del 8.
«Forskere finner mellom hvor mye studenter lytter til faglige podkaster og eksamenskarakterene deres.» Gi en full tolkning slik en toppbesvarelse gjør det.
En A-besvarelse går gjennom fire ledd:
1. Retning. Fortegnet er positivt: mer podkast-lytting henger sammen med høyere karakter — de to beveger seg i takt.
2. Styrke (med forbehold). er etter konvensjonen en svak-til-moderat sammenheng. Men grensen er en konvensjon: i utdanningsforskning, der karakterer avhenger av utallige faktorer, kan likevel være en meningsfull sammenheng.
3. Samvariasjon ≠ kausalitet. Vi kan ikke konkludere at podkast-lytting hever karakteren. Kanskje flittige studenter både lytter mer og skårer bedre (en tredjevariabel: generell studieinnsats), eller kanskje sammenhengen delvis går motsatt vei. Dette er en korrelasjonsstudie, ikke et eksperiment.
4. Variasjonstype. Dataene bygger på naturlig variasjon — forskerne har målt studentene slik de er, uten å manipulere podkast-lyttingen. Hadde de i stedet tildelt studenter tilfeldig til «mye/lite podkast» (påført variasjon under kontroll), kunne de trukket en kausal slutning. Nettopp derfor stopper korrelasjonen ved samvariasjon.
Legg merke til at leddene 3 og 4 er A-laget: det er der du viser at du forstår hvorfor en korrelasjon ikke kan si mer.
En undersøkelse rapporterer mellom antall timer skjermtid før leggetid og selvrapportert søvnkvalitet.
a) Tolk i den firedelte malen: retning, styrke (med forbehold), samvariasjon vs. kausalitet, og variasjonstype.
b) Gi ett konkret alternativ til at skjermtid forårsaker dårlig søvn.
Løkke 4 — Naturlig vs. påført variasjon; hva r ikke sier (~10 min)
Dette er A-skillet sensor ser etter.
Naturlig variasjon: forskeren måler variablene slik de allerede varierer i verden, uten å gripe inn. En korrelasjonsstudie bruker naturlig variasjon — og derfor kan den aldri utelukke tredjevariabler eller retningsproblemet.
Påført variasjon under kontroll: forskeren manipulerer den uavhengige variabelen og tildeler deltakere tilfeldig til betingelser (som i det ekte eksperimentet, kap. 2.1). Randomiseringen jevner ut tredjevariabler, så en sammenheng kan tolkes kausalt.
Kort sagt: det er hvordan variasjonen oppsto (naturlig eller påført) som avgjør om du kan snakke om årsak — ikke størrelsen på .
Ved korrelasjon er det et valg, ikke noe dataene bestemmer, hvilken variabel du kaller X og hvilken Y. Korrelasjonen mellom søvn og karakter er nøyaktig den samme uansett hvilken du setter først: er symmetrisk. Dette skiller korrelasjon fra regresjon (kap. 5.3), der rollene (prediktor vs. kriterium) faktisk betyr noe. At rollene er vilkårlige er også en påminnelse om at ikke peker ut en årsaksretning.
Når r ≈ 0 ikke betyr «ingen sammenheng»
Et lavt (nær 0) betyr bare at det ikke finnes en lineær sammenheng. To variabler kan henge tett sammen på en kurvlineær (buet) måte og likevel gi — for eksempel aktivering og prestasjon, som først stiger og så faller (omvendt U). Da vil en rett linje passe dårlig, og blir nær null selv om sammenhengen er sterk. Dette får dybde i kap. 5.4; her er poenget bare: utelukker ikke en ikke-lineær sammenheng.
Et forskerteam måler mellom deltakelse i et frivillig mestringskurs og psykisk velvære, i et utvalg der folk selv har valgt om de vil delta.
a) Hvorfor kan de ikke konkludere at kurset bedrer velvære, tross et ganske sterkt ?
b) Hvilken type variasjon bygger studien på, og hva måtte de gjort for å kunne trekke en kausal slutning?
c) En kollega sier: « er sterkt, altså er sammenhengen sikkert lineær og kausal.» Pek på to feil i utsagnet.
Å lese fortegnet som styrke. er sterk (negativ), ikke svak. Fortegn = retning, tallverdi = styrke.
Å tolke som prosent. betyr ikke «35 %». Prosent-tolkningen gjelder (delt varians, kap. 5.3), ikke selv. tilsvarer bare , altså 12 % delt varians.
Å avfeie et moderat uten forbehold. « er svakt» uten å nevne at grensen er en konvensjon, mister A-poenget — og kan være direkte feil i et fagfelt der er substansielt.
Begrepsbank — korrelasjon
Flashcard-/repetisjonsstoff — hopp trygt over ved førstegangslesing; tidsanslaget over gjelder kjernestoffet.
Fortegnet til gir retningen: = variablene beveger seg i takt (begge opp), = motsatt (én opp, den andre ned). Retning er uavhengig av styrke.
At X og Y samvarierer betyr at de følger hverandre systematisk — måltall for dette er . Samvariasjon er en beskrivelse av mønster, ikke en forklaring på hvorfor.
En korrelasjon kan alltid skyldes at X→Y, at Y→X, eller at en tredjevariabel påvirker begge. alene kan ikke skille disse. Å slutte «X forårsaker Y» fra er feil #3.
Selv om X og Y henger sammen, kan årsaksretningen gå motsatt vei av det man antar (Y→X). En korrelasjon er symmetrisk og peker ikke ut hvilken variabel som «kom først».
En buet (ikke-lineær) sammenheng — f.eks. aktivering og prestasjon (først opp, så ned). Pearsons fanger den dårlig og kan gi selv om sammenhengen er sterk.
En studietype der begge variabler måles uten manipulasjon. Gir samvariasjon, ikke kausalitet. Kontrasteres med eksperimentet, som manipulerer og randomiserer for å kunne slutte om årsak.
I motsetning til korrelasjonsdesign manipulerer eksperimentet den uavhengige variabelen og randomiserer deltakere til betingelser. Det er dette som gir kausal tolkning — ikke størrelsen på en sammenheng.
Fast svarstruktur for korrelasjonsoppgaven: (1) retning, (2) styrke med forbehold, (3) samvariasjon ≠ kausalitet, (4) variasjonstype (naturlig vs. påført). Leddene 3–4 er A-laget.
En variabel som påvirker både X og Y og dermed kan skape en samvariasjon mellom dem uten at de påvirker hverandre. Grunnleggende grunn til at korrelasjon ikke er kausalitet. Dybde i kap. 5.2.
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.
Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Innholdet er læringsstoff, ikke helse- eller medisinske råd. Les mer.