Korelacja cząstkowa i semi-cząstkowa — kontrolowanie zmiennych

Problem zmiennej zakłócającej

Klasyczna korelacja Pearsona między X i Y może być zakłócona przez zmienną Z która jest związana zarówno z X jak i Y. Korelacja cząstkowa pozwala zbadać „czysty” związek X-Y po usunięciu wpływu Z.

Korelacja cząstkowa (partial correlation)

Korelacja cząstkowa r_XY.Z to korelacja między resztami regresji X na Z i resztami regresji Y na Z. Innymi słowy: kontrolujemy Z przez „odejmowanie” jego wpływu od obu zmiennych.

Przykład: korelacja między IQ (X) a wynikami egzaminu (Y) może być spowodowana wykształceniem rodziców (Z). Korelacja cząstkowa r_IQ.wynik.wykształcenie pokazuje związek IQ z wynikami przy stałym poziomie wykształcenia rodziców.

Korelacja semi-cząstkowa (part correlation)

Korelacja semi-cząstkowa (part lub semi-partial) kontroluje Z tylko dla jednej zmiennej. Kontrolujesz wpływ Z na X, ale nie na Y. Jej kwadrat (sr²) informuje o unikalnym wkładzie predyktora do R² — ile dodatkowej wariancji wyjaśnia po odjęciu wszystkich innych predyktorów.

Zastosowanie w regresji

W regresji wielorakiej korelacje semi-cząstkowe odpowiadają beta standaryzowanym gdy predyktory są ortogonalne (nieskorelowane). W praktyce podają unikalny wkład każdego predyktora do wyjaśnionej wariancji R².

Kiedy używać korelacji cząstkowej?

• Gdy chcesz zweryfikować czy związek X-Y przetrwa kontrolę zmiennej Z
• Gdy podejrzewasz konfounding (zmienna zakłócająca)
• Gdy chcesz porównać siłę predyktorów przy kontroli innych

Interpretacja

Jeśli korelacja r_XY = .60 ale r_XY.Z = .15 (po kontroli Z), to Z „wyjaśnia” większość związku X-Y. Może to sugerować że związek X-Y był pseudokorelacją napędzaną przez Z.

Podsumowanie

Korelacje cząstkowe to ważne narzędzie do eksplorowania złożonych związków między zmiennymi. W badaniach obserwacyjnych pomaga identyfikować potencjalne confounderów i „czyścić” obserwowane korelacje.