Корреляция: Оценка взаимосвязей между переменными

Мы изучили, как распределяются данные. Но в аналитике переменные редко существуют сами по себе. Продажи зависят от сезона, клики по рекламе — от дизайна баннера, а текучесть кадров — от зарплат. Чтобы измерить эти связи, используют корреляцию.

Что такое корреляция и зачем она аналитику

Корреляция — это статистический показатель, который определяет, насколько две переменные изменяются синхронно. Если при росте одной величины вторая тоже растет (или предсказуемо падает), между ними есть взаимосвязь.

Для аналитика корреляция — это способ быстро проверить гипотезы. Она помогает отсеять случайный шум и сфокусироваться на факторах, которые действительно влияют на бизнес.

Визуализация связи: Диаграмма рассеяния

Прежде чем считать коэффициенты, постройте диаграмму рассеяния (Scatter Plot). На ней каждая точка — это пара значений (X и Y). Визуальный анализ защитит вас от ложных выводов.

График 1 демонстрирует, как выглядят типы связей на плоскости.

1. Положительная корреляция: точки выстраиваются в линию, идущую вверх. Растет X — растет Y.
2. Отрицательная корреляция: точки уходят вниз. Растет X — падает Y.
3. Нулевая корреляция: точки рассыпаны хаотично. Изменение X никак не объясняет поведение Y.

Коэффициент корреляции: Пирсон vs Спирмен

Силу связи выражают числом в диапазоне от -1 до 1:

• 1 — идеальная прямая связь.
• 0 — линейная связь отсутствует.
• -1 — идеальная обратная связь.

В работе вы будете выбирать между двумя основными методами:

1. Коэффициент Пирсона ($r$)

Используется для поиска линейных зависимостей. Он эффективен, если данные распределены нормально (форма «колокола») и в них нет резких выбросов.

Формула для понимания логики: $r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}}$

2. Коэффициент Спирмена ($\rho$)

Это ранговая корреляция. Выбирайте её, если связь между данными нелинейная (кривая) или в выборке много аномалий. Спирмен оценивает не сами значения, а их порядок (ранг).

Пример: Влияние цены на спрос В ритейле при росте цены спрос обычно падает (отрицательная корреляция). Если точки на графике образуют прямую — считайте Пирсона. Если из-за праздничных распродаж данные «скачут» — Спирмен даст более точный результат 📉

Главная ловушка: Корреляция не равна причине

Связь между А и Б не означает, что А вызывает Б.

Классический пример: Продажи мороженого и количество солнечных ожогов сильно коррелируют. Но мороженое не вызывает ожоги. У них есть общая причина — жаркая погода.

В бизнесе такие «ложные корреляции» встречаются часто. Рост числа подписчиков может совпадать с ростом выручки, но оба показателя могут быть результатом работы отдела маркетинга, а не влиять друг на друга напрямую.

Практическая работа с выбросами

Выбросы (аномальные значения) искажают результат. Один ошибочный ввод в Excel может превратить слабую связь в сильную.

Мини-исследование в Excel 📊 У вас есть данные о расходах на рекламу и заказах за 10 дней:

1. Введите данные в два столбца.
2. Примените функцию =КОРРЕЛ(массив1; массив2).
3. Оцените результат: > 0.7 — связь сильная, < 0.3 — связи почти нет.
4. Замените одно число на экстремально большое и посмотрите, как изменится коэффициент.

Мы научились находить скрытые связи в данных — это база для любых прогнозов. Однако считать корреляцию вручную для каждой пары признаков долго.

В следующем модуле мы перейдем к Excel для аналитика. Вы узнаете, как с помощью сводных таблиц мгновенно группировать данные и находить закономерности в масштабах целого бизнеса.