Sisu
Statistiliselt kasutatakse erinevat tüüpi korrelatsioone, et mõõta muutujate omavahelist seost. Näiteks kasutades kahte muutujat - keskkooli klassiastme ja kolledži GPA - võib vaatleja teha seose, et keskmisest kõrgema keskkooli astmega õpilased saavutavad tavaliselt keskmisest kõrgema kolledži GPA. Korrelatsioonid mõõdavad ka suhte tugevust ja seda, kas muutujate vaheline korrelatsioon on positiivne või negatiivne. Teostatava korrelatsiooni tüüp sõltub sellest, kas muutujad on mittearvulised või intervallandmed, näiteks temperatuur.
Pearsoni toote hetkeline korrelatsioon
Pearsoni toote hetkeline korrelatsioon sai oma nime matemaatilise statistika distsipliini rajaja Karl Pearsoni järgi. Seda peetakse lihtsaks lineaarseks korrelatsiooniks, mis tähendab, et suhe kahe muutuja vahel sõltub sellest, kas nad on püsivad. Pearsoni kasutatakse intervalliandmetega korrelatsiooni tugevuse mõõtmiseks, mida võrrandis tähistab täht r. See korrelatsioon näitab ka seda, kas suhe on positiivne või negatiivne; mida tähistavad numbrid vahemikus +1 kuni -1. Mida lähemale r väärtusele jõuab -1,00 või +1,00, seda tugevam on korrelatsioon. Mida lähemal on r väärtus numbrile 0, seda nõrgem on korrelatsioon. Näiteks kui r võrdub -0,90 või 0,90, näitab see tugevamat seost kui -.09 või .09.
Spearmans Rank korrelatsioon
Spearmansi järgu korrelatsioon sai nime statistik Charles Edward Spearmani järgi. Spearmansi võrrand on lihtsam ja seda kasutatakse Pearsoni asemel statistikas sageli, ehkki see pole nii lõplik. Sotsiaalteadlased võivad Spearmansi kasutada ka kvalitatiivsete andmete, näiteks etnilise kuuluvuse või soo, ja kvantitatiivsete andmete, näiteks toimepandud kuritegude arvu seose kirjeldamiseks. Korrelatsiooni arvutamiseks kasutatakse nullhüpoteesi, mis hiljem aktsepteeritakse või lükatakse tagasi. Nullhüpotees koosneb tavaliselt vastatavast küsimusest; näiteks kas sooritatud kuritegude arv on meestel ja naistel sama või mitte.
Kendalli astme korrelatsioon
Briti statistikule Maurice Kendallile nimetatud Kendalli järgu korrelatsioon mõõdab kahe juhusliku muutuja hulga vahelise sõltuvuse tugevust. Kendalli saab kasutada täiendavaks statistiliseks analüüsiks, kui Spearmani korrelatsioon lükkab hüpoteesi nullist tagasi. See saavutab korrelatsiooni, kui ühe muutuja väärtus väheneb ja teise muutuja väärtus suureneb; seda korrelatsiooni nimetatakse lahknevateks paarideks. Korrelatsioon võib tekkida ka siis, kui mõlemad muutujad suurenevad üheaegselt, viidates kui samaaegsele paarile.