Kanttekeningen bij correlatie

Inleiding tot statistiek in R

Maggie Matsui

Content Developer, DataCamp

Niet-lineaire relaties

spreidingsdiagram van variabelen met een quadratische relatie

$$r = 0,18$$

Niet-lineaire relaties

Wat we zien:

spreidingsdiagram van variabelen met een quadratische relatie met quadratische trendlijn

Wat de correlatiecoëfficiënt ziet:

spreidingsdiagram van variabelen met een quadratische 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 quadratische relatie

Slaaptijden van 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. wakkere tijd

Spreidingsdiagram van lichaamsgewicht vs. wakkere tijd

cor(msleep$bodywt, msleep$awake)

0.3119801

Verdeling van lichaamsgewicht

Histogram van variabele bodywt

Logtransformatie

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. awake

Andere transformaties

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

Waarom transformeren?

Sommige methoden vereisen een lineaire relatie
- Correlatiecoëfficiënt
- Lineaire regressie

Introduction to Regression in R

Correlatie is geen causaliteit

x correleert met y betekent niet x veroorzaakt y

Spreidingsdiagram van margarineconsumptie per hoofd in de VS vs. echtscheidingscijfer in Maine. Sterke correlatie met correlatiecoëfficiënt 0,99

Confounding

Koffiedrinken (x) wijst naar longkanker (y)

Confounding

Koffiedrinken (x) wijst naar longkanker (y) met roken (confounder) erboven

Confounding

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

Confounding

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

Confounding

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 (confounder) heeft dubbele pijl naar feestdagen en enkelvoudige pijl naar detailhandelsverkopen.

Laten we oefenen!

Inleiding tot statistiek in R