Calculateur de corrélation de Pearson

Qu'est-ce que la corrélation de Pearson ?

Le coefficient de corrélation de Pearson ($r$) mesure la force et la direction de la relation linéaire entre deux variables continues. Il quantifie à quel point les points de données suivent une ligne droite.

Question à laquelle il répond : « Ces deux variables sont-elles linéairement liées, et à quel point ? »

Exemples :

• « Le temps d'étude est-il lié aux scores d'examen ? »
• « Y a-t-il une relation entre la taille et le poids ? »
• « Les dépenses publicitaires et les ventes évoluent-elles ensemble ? »

Le coefficient de corrélation

$r$ varie de -1 à +1 :

Comprendre la direction

Corrélation positive ($r > 0$) : Quand X augmente, Y tend à augmenter. Exemple : Taille et poids

Corrélation négative ($r < 0$) : Quand X augmente, Y tend à diminuer. Exemple : Prix et demande

Corrélation nulle ($r \approx 0$) : Pas de pattern linéaire. Note : Les relations non linéaires peuvent avoir $r \approx 0$ !

La formule

$r = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i - \bar{x})^2 \times \sum_{i=1}^{n}(y_i - \bar{y})^2}}$

Ou de manière équivalente :

$r = \frac{S_{xy}}{\sqrt{S_{xx} \times S_{yy}}}$

Où :

• $S_{xy}$ = somme des produits croisés des écarts
• $S_{xx}$ = somme des écarts carrés pour X
• $S_{yy}$ = somme des écarts carrés pour Y

Exemple de calcul

Données : Heures d'étude (X) et scores d'examen (Y)

Calculs :

• $\bar{x} = 4$, $\bar{y} = 74,4$
• $S_{xy} = 36$, $S_{xx} = 10$, $S_{yy} = 258,8$

$r = \frac{36}{\sqrt{10 \times 258,8}} = \frac{36}{50,87} = 0,708$

Corrélation positive forte : plus d'heures d'étude sont associées à des scores plus élevés.

Coefficient de détermination ($r^2$)

$r^2 = \text{proportion de la variance de Y expliquée par X}$

Pour $r = 0,708$ : $r^2 = 0,50$

Interprétation : 50% de la variation des scores d'examen est « expliquée » par les heures d'étude.

Les 50% restants sont dus à d'autres facteurs.

Tester la signification

La corrélation est-elle significativement différente de zéro ?

$t = r \times \sqrt{\frac{n-2}{1-r^2}}$

Avec $dl = n - 2$

Pour $r = 0,708$, $n = 5$ :

$t = 0,708 \times \sqrt{\frac{3}{0,50}} = 0,708 \times 2,45 = 1,73$

Valeur p $\approx 0,18$ (non significatif à $\alpha = 0,05$)

Avec seulement 5 points, même une corrélation modérée peut ne pas être significative.

Utilisez le calculateur de valeur p de corrélation pour des valeurs précises.

Taille d'échantillon et signification

Les petites corrélations deviennent significatives avec de grands échantillons. Rapportez toujours $r$ en plus de la valeur p.

Corrélation ≠ Causalité

Avertissement critique : La corrélation n'implique pas la causalité.

Explications possibles d'une corrélation :

1. X cause Y
2. Y cause X
3. Une troisième variable cause les deux
4. Coïncidence

Exemple : Les ventes de glaces et les noyades sont corrélées. Réalité : Le temps chaud cause les deux. Les glaces ne causent pas les noyades.

Quand la corrélation de Pearson échoue

Relations non linéaires

Une relation parabolique parfaite peut avoir $r = 0$.

Visualisez toujours vos données d'abord !

Valeurs aberrantes

Des points extrêmes uniques peuvent changer dramatiquement $r$.

Les valeurs aberrantes peuvent gonfler ou masquer la vraie corrélation.

Étendue restreinte

Si X a une variabilité limitée, la corrélation est atténuée.

Étudier uniquement les étudiants méritants peut cacher la corrélation complète entre le temps d'étude et les notes.

Hétéroscédasticité

Si la dispersion de Y change à travers les valeurs de X, le $r$ de Pearson peut être trompeur.

Hypothèses

Linéarité

La relation entre X et Y est linéaire.

Vérifiez avec un nuage de points.

Variables continues

X et Y sont mesurées sur des échelles d'intervalle ou de ratio.

Pour les données ordinales, utilisez la corrélation de Spearman.

Normalité bivariée

Pour les tests de signification, la distribution conjointe devrait être approximativement normale.

Pas de valeurs aberrantes significatives

Les valeurs aberrantes influencent de manière disproportionnée $r$.

Homoscédasticité

La variance de Y est constante à travers les niveaux de X.

Applications

Recherche et science

Tester des relations hypothétisées entre variables.

« Y a-t-il des preuves d'une relation entre l'exposition et le résultat ? »

Finance

Mesurer comment les actifs évoluent ensemble.

La diversification de portefeuille repose sur des corrélations faibles ou négatives.

Contrôle qualité

Relier les paramètres de processus à la qualité de sortie.

« À quel point la température affecte-t-elle la résistance du produit ? »

Psychologie

Valider les instruments de mesure.

Fiabilité test-retest, validité convergente.

Médecine

Relier les biomarqueurs aux résultats.

« À quel point ce marqueur prédit-il la sévérité de la maladie ? »

Matrice de corrélation

Pour plusieurs variables, calculez toutes les corrélations par paires :

La matrice est symétrique ; la diagonale est toujours 1.

Corrélation partielle

Contrôler une troisième variable :

$r_{xy.z}$ = corrélation entre X et Y, en maintenant Z constant.

Révèle si la relation X-Y persiste après avoir pris en compte Z.

Intervalle de confiance pour r

Utilisez la transformation z de Fisher :

$z' = \frac{1}{2} \ln\left(\frac{1+r}{1-r}\right)$

$ES$ de $z' = 1/\sqrt{n-3}$

Calculez l'IC dans l'espace z, puis transformez en retour.

Comparer les corrélations

Pour tester si deux corrélations diffèrent :

Convertissez les deux en $z'$ (transformation de Fisher)

$z = \frac{z'_1 - z'_2}{\sqrt{\frac{1}{n_1-3} + \frac{1}{n_2-3}}}$

Rapporter les résultats

Format APA :

« Il y avait une corrélation positive forte entre les heures d'étude et les scores d'examen, r(3) = 0,71, p = 0,18. Cependant, avec seulement 5 participants, cette corrélation n'a pas atteint la signification statistique. »

Pour les résultats significatifs :

« Les heures de sommeil étaient significativement corrélées au temps de réaction, r(98) = -0,45, p < 0,001, indiquant que moins de sommeil était associé à des réponses plus lentes. »

Contexte historique

Karl Pearson a développé ce coefficient de corrélation dans les années 1890, s'appuyant sur les travaux antérieurs de Francis Galton.

Galton a d'abord utilisé le concept de corrélation pour étudier l'hérédité — comment les caractéristiques des parents et des descendants sont liées.

Pearson a formalisé les mathématiques et nous a donné la formule encore utilisée aujourd'hui. Son travail a établi la corrélation comme un outil fondamental pour comprendre les relations entre variables.

Erreurs courantes

Confondre corrélation et causalité

L'erreur la plus courante. Considérez toujours les explications alternatives.

Ignorer la non-linéarité

Un nuage de points révèle des patterns que $r$ manque.

Sur-interpréter les petites corrélations

Avec un grand $n$, des $r$ trivialement petits peuvent être « significatifs ».

Rapporter $r^2$ comme $r$

$r = 0,30$ n'est pas la même chose que $r^2 = 0,30$.

Calculs associés

• Corrélation de Spearman — Corrélation basée sur les rangs
• Valeur p de corrélation — Test de signification
• Calculateur de R-carré — Coefficient de détermination
• Régression linéaire — Prédire Y à partir de X

Résumé

Le coefficient de corrélation de Pearson ($r$) mesure la relation linéaire entre deux variables continues, variant de -1 (négative parfaite) à +1 (positive parfaite). Calculez en utilisant la formule impliquant les produits croisés des écarts, puis testez la signification en utilisant un test t avec $dl = n-2$. Visualisez toujours les données avec un nuage de points d'abord — $r$ ne capture que les relations linéaires. Rapportez à la fois $r$ et la valeur p, reconnaissez que la corrélation n'implique pas la causalité, et soyez prudent avec les valeurs aberrantes. Pour les données ordinales ou les relations monotones non linéaires, utilisez plutôt la corrélation de Spearman.