Kanttekeningen bij correlatie

Inleiding tot statistiek in R

Maggie Matsui

Content Developer, DataCamp

Niet-lineaire relaties

spreidingsdiagram van variabelen met een kwadratische relatie

$$r = 0.18$$

Niet-lineaire relaties

Wat wij zien:

spreidingsdiagram van variabelen met een kwadratische relatie met een kwadratische trendlijn

Wat de correlatiecoëfficiënt ziet:

spreidingsdiagram van variabelen met een kwadratische relatie met een lineaire trendlijn

Correlatie dekt alleen lineaire relaties

Gebruik correlatie niet blindelings

cor(df$x, df$y)

0.1786163

Visualiseer je data altijd

spreidingsdiagram van variabelen met een kwadratische relatie

Slaappatronen bij zoogdieren

msleep

   name                       vore  sleep_total awake  bodywt
 1 Cheetah                    carni        12.1  11.9  50    
 2 Owl monkey                 omni         17     7     0.48 
 3 Mountain beaver            herbi        14.4   9.6   1.35 
 4 Greater short-tailed shrew omni         14.9   9.1   0.019
 5 Cow                        herbi         4    20   600    
 6 Three-toed sloth           herbi        14.4   9.6   3.85 
 ...

Lichaamsgewicht vs waaktijd

Spreidingsdiagram van lichaamsgewicht vs waaktijd

cor(msleep$bodywt, msleep$awake)

0.3119801

Verdeling van lichaamsgewicht

Histogram van de variabele bodywt

Log-transformatie

msleep %>%
  mutate(log_bodywt = log(bodywt)) %>%

  ggplot(aes(log_bodywt, awake)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

cor(msleep$log_bodywt, msleep$awake)

0.5687943

Spreidingsdiagram van log bodywt vs waaktijd

Andere transformaties

Log-transformatie (log(x))
Worteltransformatie (sqrt(x))
Reciproke transformatie (1 / x)
Combinaties hiervan, bijv.:
- log(x) en log(y)
- sqrt(x) en 1 / y

Waarom een transformatie gebruiken?

Sommige statistische methoden vereisen een lineaire relatie tussen variabelen
- Correlatiecoëfficiënt
- Lineaire regressie

Introduction to Regression in R

Correlatie impliceert geen causaliteit

x is gecorreleerd met y betekent niet x veroorzaakt y

Spreidingsdiagram van margarineconsumptie per hoofd van de bevolking in de VS vs echtscheidingscijfer in Maine. De variabelen zijn sterk gecorreleerd met een correlatiecoëfficiënt van 0,99

Verstorende variabele

Koffiedrinken (x) wijst naar longkanker (y)

Verstorende variabele

Koffiedrinken (x) wijst naar longkanker (y) met roken (verstorende variabele) erboven

Verstorende variabele

Koffiedrinken (x) wijst naar longkanker (y) met roken (verstorende variabele). Dubbele pijl tussen roken en koffiedrinken, gelabeld "associatie".

Verstorende variabele

Koffiedrinken (x) wijst naar longkanker (y) met roken (verstorende variabele). Dubbele pijl tussen roken en koffiedrinken, gelabeld "associatie". Pijl van roken naar longkanker gelabeld "causaliteit"

Verstorende variabele

Koffiedrinken (x) met dubbele pijl naar longkanker (y) gelabeld "associatie". Dubbele pijl tussen roken en koffiedrinken, gelabeld "associatie". Pijl van roken naar longkanker gelabeld "causaliteit".

Feestdagen (x) wijst naar detailhandelsverkopen (y). Speciale aanbiedingen (verstorende variabele) heeft een dubbele pijl naar feestdagen en een enkele pijl naar detailhandelsverkopen.

Laten we oefenen!

Inleiding tot statistiek in R