Bản đồ nhiệt tương quan

Tương quan Pearson là gì?

Hệ số tương quan Pearson (r) đo cường độ và hướng của mối quan hệ tuyến tính giữa hai biến liên tục. Từ −1 (quan hệ âm hoàn hảo) qua 0 (không có quan hệ) đến +1 (quan hệ dương hoàn hảo).

Ma trận tương quan hiển thị giá trị r theo cặp cho mọi tổ hợp biến. Bản đồ nhiệt giúp dễ dàng phát hiện các cặp tương quan mạnh — quan trọng để nhận diện đặc trưng dư thừa.

Tương quan không ngụ ý nhân quả. Giá trị p kiểm tra xem tương quan có ý nghĩa thống kê không (thường p < 0.05). Với dữ liệu lớn, tương quan nhỏ cũng có thể có ý nghĩa.

Formula: r = [nΣxᵢyᵢ − ΣxᵢΣyᵢ] / √[(nΣxᵢ² − (Σxᵢ)²)(nΣyᵢ² − (Σyᵢ)²)] Diễn giải |r|: 0.0–0.3: yếu 0.3–0.7: trung bình 0.7–1.0: mạnh

Ví dụ tính toán

Biến X = [1,2,3,4,5], Y = [2,4,5,4,5]. Σx=15, Σy=20, Σxy=66, Σx²=55, Σy²=86, n=5. r = (330−300)/√((275−225)(430−400)) = 30/√(50×30) = 30/38,73 ≈ 0,775 — tương quan dương khá mạnh, nhưng chỉ có 5 điểm nên không có ý nghĩa ở mức 5% (p ≈ 0,12).

Khi nào sử dụng công cụ này

• Chuyên viên phân tích dữ liệu thực hiện phân tích khám phá để xác định những biến nào liên quan mạnh trước khi xây dựng mô hình dự báo
• Nhà nghiên cứu phát hiện đa cộng tuyến giữa các biến dự báo trước khi chạy phân tích hồi quy
• Kỹ sư chất lượng điều tra những thông số quá trình nào tương quan với lỗi sản phẩm hoặc tỷ lệ thành phẩm
• Chuyên viên phân tích tài chính xem xét mối quan hệ giữa lợi suất các tài sản cho quyết định đa dạng hóa danh mục

Những sai lầm thường gặp

• Diễn giải tương quan thành quan hệ nhân quả — hai biến biến động cùng nhau không có nghĩa là biến này gây ra biến kia; một biến thứ ba (yếu tố gây nhiễu) có thể chi phối cả hai
• Bỏ qua các quan hệ phi tuyến — tương quan Pearson chỉ đo liên hệ tuyến tính; hai biến có thể có quan hệ phi tuyến mạnh (ví dụ: bậc hai) với r gần 0
• Đồng nhất ý nghĩa thống kê với tầm quan trọng thực tiễn — với cỡ mẫu lớn, ngay cả tương quan rất nhỏ (r = 0.05) cũng có thể có ý nghĩa thống kê (p < 0.05) nhưng không có ý nghĩa thực tiễn
• Không kiểm tra giá trị ngoại lai trước khi tính tương quan — một điểm dữ liệu cực đoan duy nhất có thể thổi phồng hoặc làm giảm mạnh hệ số Pearson r; hãy xem biểu đồ phân tán trước

Cách diễn giải kết quả

• Giá trị tương quan gần +1 hoặc -1 cho thấy quan hệ tuyến tính mạnh; gần 0 cho thấy không có quan hệ tuyến tính (nhưng không nhất thiết là không có quan hệ nào)
• Cặp tương quan mạnh nhất được làm nổi bật trong kết quả xác định các biến gắn kết chặt chẽ nhất — hữu ích cho lựa chọn đặc trưng hoặc phát hiện đa cộng tuyến
• Các cụm tương quan cao trong bản đồ nhiệt gợi ý các nhóm biến liên quan có thể đang đo cùng một yếu tố tiềm ẩn

Tiêu chuẩn và tài liệu tham khảo

• Pearson, K. (1896), 'Mathematical Contributions to the Theory of Evolution. III. Regression, Heredity, and Panmixia' — hình thức hóa hệ số tương quan tích-mômen
• Fisher, R. A. (1925), Statistical Methods for Research Workers — kiểm định ý nghĩa cho hệ số tương quan
• NIST/SEMATECH e-Handbook of Statistical Methods — quy trình tham chiếu cho phân tích tương quan và diễn giải biểu đồ phân tán

Câu hỏi thường gặp

Khác biệt giữa tương quan Pearson và Spearman?

Pearson đo quan hệ tuyến tính, giả định phân phối chuẩn. Spearman dùng hạng, phù hợp cho dữ liệu thứ tự và quan hệ đơn điệu phi tuyến.

Cách giải thích p-value trong ma trận tương quan?

p < 0.05 cho thấy tương quan có ý nghĩa thống kê. Nhiều so sánh cặp nên áp dụng hiệu chỉnh Bonferroni.