Olika typer av korrelationer används i statistik för att mäta hur variabler relaterar till varandra. Till exempel, genom att använda två variabler – gymnasieklassranking och college GPA – kan en observatör dra en korrelation att elever med en gymnasierankning över genomsnittet vanligtvis uppnår en college-GPA över genomsnittet. Korrelationer mäter också styrkan i sambandet och om korrelationen mellan variabler är positiv eller negativ. Vilken typ av korrelation som utförs beror på om variablerna är icke-numeriska eller intervalldata, såsom temperatur.
Pearson Product Moment Correlation
Pearson Product Moment Correlation är uppkallad efter Karl Pearson, grundare av matematisk statistikdisciplin. Det anses vara en enkel linjär korrelation, vilket betyder att förhållandet mellan två variabler beror på att de är konstanta. Pearson används med intervalldata för att mäta styrkan av en korrelation, som representeras av bokstaven r i ekvationen. Denna korrelation visar också om sambandet är positivt eller negativt; representeras av siffror värderade mellan +1 och -1. Ju närmare värdet på r kommer -1,00 eller +1,00, desto starkare är korrelationen. Ju närmare värdet på r kommer talet 0, desto svagare är korrelationen. Till exempel, om r är lika med -.90 eller .90 skulle det indikera ett starkare samband än -.09 eller .09.
The Spearman’s Rank Correlation fick sitt namn efter statistikern Charles Edward Spearman. Spearmans ekvation är enklare och används ofta i statistik i stället för Pearson, även om den är mindre avgörande. Samhällsvetare kan också använda Spearmans för att beskriva sambandet mellan kvalitativa data, såsom etnicitet eller kön, och kvantitativa data, såsom antalet begångna brott. Korrelationen beräknas med hjälp av en nollhypotes som sedan accepteras eller förkastas. En nollhypotes består normalt av en fråga som ska besvaras; till exempel om antalet begångna brott är detsamma för män och kvinnor.
Kendall Rank-korrelation
Kendall Rank Correlation, uppkallad efter den brittiske statistikern Maurice Kendall, mäter styrkan i beroendet mellan uppsättningarna av två slumpvariabler. Kendall kan användas för ytterligare statistisk analys när en Spearman’s Correlation förkastar nollhypotesen. Den uppnår en korrelation när en variabels värde minskar och den andra variabelns värde ökar; denna korrelation kallas diskordanta par. En korrelation kan också uppstå när båda variablerna ökar samtidigt, kallat ett konkordant par.
