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 forrige kapittel lærte vi om R2R^2 som et mål på hvor godt regresjonslinjen passer. Nå skal vi se på et annet viktig mål: korrelasjonskoeffisienten rr, som måler styrken og retningen av den lineære sammenhengen mellom to variabler.

Pearsons korrelasjonskoeffisient
Pearsons korrelasjonskoeffisient rr for et 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}}}

Egenskaper:
- −1≤r≤1-1 \leq r \leq 1
- r>0r > 0: Positiv lineær sammenheng (begge øker)
- r<0r < 0: Negativ lineær sammenheng (en øker, den andre synker)
- r=0r = 0: Ingen lineær sammenheng
- ∣r∣|r| nær 1: Sterk lineær sammenheng
- ∣r∣|r| nær 0: Svak lineær sammenheng

Sammenheng med R2R^2: For enkel lineær regresjon gjelder R2=r2R^2 = r^2.

Tolkning av rr

En vanlig tommelfingerregel for styrken av 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 bare lineær sammenheng. To variabler kan ha en sterk ikke-lineær sammenheng selv om r≈0r \approx 0.
✏️Eksempel 1: Beregning av $r$

Beregn korrelasjonskoeffisienten for datasettet fra kapittel 7.1:

xx (timer)2356810
yy (poeng)455560727890

Løsning:

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

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

Siden sammenhengen er positiv (mer studietid gir høyere poengsum), er r≈+0,988r \approx +0{,}988.

Tolkning: Det er en svært sterk positiv lineær sammenheng mellom studietimer og poengsum.

📝Oppgave 1

Løs oppgavene:

a

Hvis R2=0,81R^2 = 0{,}81, hva er ∣r∣|r|?

b

Hvis r=−0,6r = -0{,}6, hva er R2R^2?

c

Hvis r=0,95r = 0{,}95, beskriv sammenhengen.

Løs oppgavenTren
📝Oppgave 2

Vurder om følgende sammenhenger trolig har positiv, negativ eller ingen korrelasjon:

a

Alder og reaksjonstid hos voksne.

b

Temperatur og strømforbruk til oppvarming.

c

Skostørrelse og IQ.

📝Oppgave 3

Gitt datapunktene (1,10)(1, 10), (2,8)(2, 8), (3,6)(3, 6), (4,4)(4, 4), (5,2)(5, 2). Beregn rr manuelt.

📝Oppgave 4

Fire spredningsplott gir følgende rr-verdier: 0,020{,}02, −0,85-0{,}85, 0,550{,}55, 0,980{,}98. Ranger dem fra svakest til sterkest lineær sammenheng.

Korrelasjon betyr ikke kausalitet

En av de viktigste innsiktene i statistikk er at korrelasjon ikke betyr årsakssammenheng. Bare fordi to variabler korrelerer, betyr det ikke at den ene forårsaker endringer i den andre.

Det finnes flere grunner til at to variabler kan korrelere uten at den ene forårsaker den andre:

Konfunderende variabel

En konfunderende variabel (lurende variabel, bakenforliggende variabel) er en tredje variabel som påvirker begge variablene vi studerer, og som dermed skaper en tilsynelatende sammenheng.

Eksempel: Det er korrelasjon mellom issalg og drukningsulykker. Men is forårsaker ikke drukningsulykker. Den konfunderende variabelen er temperatur/sommer: Varmt vær fører til både mer issalg og mer bading (og dermed flere drukningsulykker).

Spuriøs korrelasjon

En spuriøs korrelasjon er en statistisk sammenheng som oppstår tilfeldig eller på grunn av en konfunderende variabel, uten at det finnes noen reell årsakssammenheng.

Kjente eksempler:
- Antall filmer Nicolas Cage spilte i per år korrelerer med antall drukningsulykker i svømmebasseng
- Per capita forbruk av margarin korrelerer med skilsmisseraten i Maine
- Utgifter til romforskning korrelerer med antall selvmord

Disse korrrelasjonene er tilfeldige og har ingen kausal forklaring.

✏️Eksempel 2: Identifisere konfunderende variabel

Forskning viser en positiv korrelasjon mellom antall brannmenn som sendes ut og størrelsen på brannskadene. Kan vi konkludere med at flere brannmenn forårsaker mer skade?

Løsning:

Nei! Den konfunderende variabelen er brannens størrelse.

- Store branner fører til at mange brannmenn sendes ut
- Store branner gir også store skader

Det er brannen selv (og dens størrelse) som forårsaker begge de observerte variablene. Det ville vært absurd å redusere antall brannmenn for å redusere skade.

Diagram:
Brannens størrelse → Flere brannmenn
Brannens størrelse → Større skade

Korrelasjonen mellom brannmenn og skade er spuriøs — den forklares av den felles årsaken.

📝Oppgave 5

For hvert par av variabler, identifiser en mulig konfunderende variabel:

a

Solkremsalg og hudkreft (positiv korrelasjon).

b

Antall sykehus i en by og antall forbrytelser (positiv korrelasjon).

c

Barns skostørrelse og leseferdighet (positiv korrelasjon).

📝Oppgave 6

En avisartikkel skriver: «Studie viser: Barn som spiser frokost får bedre karakterer.» Diskuter om vi kan konkludere med at frokosten forårsaker bedre karakterer.

📝Oppgave 7

En studie av 1000 personer finner r=0,45r = 0{,}45 mellom antall timer trening per uke og selvrapportert livskvalitet. Tolk denne korrelasjonen og diskuter begrensninger.

📝Oppgave 8

Løs oppgavene:

a

Forklar forskjellen mellom en observasjonsstudie og et eksperiment.

b

Hvorfor er randomisering viktig i eksperimenter?

📝Oppgave 9

Variabler XX og YY har verdiene:

XX−3-3−2-2−1-10123
YY9410149

Beregn rr. Er det en sterk sammenheng mellom XX og YY? Forklar.

📝Oppgave 10

En avis rapporterer: «Kommuner med flere vinmonopol har lavere kriminalitet.» Gi minst tre alternative forklaringer på denne korrelasjonen.

📝Oppgave 11

Forklar hva som menes med «omvendt kausalitet» og gi to eksempler fra virkeligheten.

📝Oppgave 12

En studie finner r=−0,72r = -0{,}72 mellom antall timer brukt på sosiale medier og søvnkvalitet. Drøft resultatet grundig: tolkning, mulige forklaringer, og hva som trengs for å konkludere med kausalitet.

Oppsummering

I dette kapittelet har du lært:

- Korrelasjonskoeffisienten rr måler styrken og retningen på en lineær sammenheng: −1≤r≤1-1 \leq r \leq 1.
- Tolkning: ∣r∣|r| nær 1 er sterk sammenheng, nær 0 svak. Fortegnet gir retningen.
- Korrelasjon er ikke kausalitet: En samvariasjon kan skyldes en konfunderende variabel eller ren tilfeldighet (spuriøs korrelasjon).
- Kausalitet krever mer: kontrollerte eksperimenter eller solid faglig begrunnelse med kontroll for andre variabler.

Nøkkelbegreper


BegrepForklaring
Korrelasjonskoeffisientr∈[−1,1]r \in [-1, 1] — lineær samvariasjon
KausalitetÅrsakssammenheng
Konfunderende variabelSkjult variabel som påvirker begge
Spuriøs korrelasjonTilfeldig/villedende samvariasjon

Viktige formler


- R2=r2R^2 = r^2
- r>0r > 0: positiv samvariasjon, r<0r < 0: negativ
Repetisjonsoppgaver
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.