Korelacja cząstkowa - jak kontrolować trzecią zmienną, interpretacja i przykład

Korelacja cząstkowa to współczynnik korelacji dwóch zmiennych liczony po usunięciu z obu z nich wpływu trzeciej zmiennej (albo kilku zmiennych). Odpowiada na pytanie, które promotor zadaje bardzo często: czy ten związek nie wynika po prostu z czegoś innego? W tym wpisie znajdziesz wzór i jego sens, przykład liczbowy na przykładowych danych, interpretację korelacji cząstkowej, różnicę między korelacją cząstkową a semicząstkową, ścieżkę w SPSS i jamovi oraz gotowy zapis w APA 7.

Czym jest korelacja cząstkowa

Zwykła korelacja Pearsona mierzy związek dwóch zmiennych i nie wie nic o pozostałych. Jeśli obie zależą od trzeciej zmiennej, korelacja może być wysoka, choć bezpośredniego związku między nimi nie ma. Klasyczny przykład to rozmiar buta i zasób słownictwa u dzieci: korelują silnie, ale oba rosną z wiekiem. Gdy porówna się dzieci w tym samym wieku, związek prawie znika.

Korelacja cząstkowa robi to rachunkowo. Najpierw z każdej z dwóch badanych zmiennych usuwa się tę część zmienności, którą da się przewidzieć zmienną kontrolowaną (czyli liczy się reszty z dwóch prostych regresji). Potem koreluje się te reszty. Wynik zapisuje się jako r_XY·Z: korelacja X i Y przy kontroli Z. Przyjmuje wartości od -1 do 1, a jego znak i siłę odczytuje się tak samo jak w zwykłej korelacji Pearsona.

• Korelacja rzędu zerowego to zwykłe r między dwiema zmiennymi, bez kontroli.
• Korelacja cząstkowa rzędu pierwszego kontroluje jedną zmienną, np. wiek.
• Korelacja cząstkowa rzędu drugiego i wyższych kontroluje dwie i więcej zmiennych jednocześnie, np. wiek i staż pracy.

Wzór na współczynnik korelacji cząstkowej

Dla jednej zmiennej kontrolowanej wystarczą trzy zwykłe korelacje:

r_XY·Z = (r_XY - r_XZ · r_YZ) / √[(1 - r_XZ²)(1 - r_YZ²)]

Licznik pokazuje logikę metody: od obserwowanej korelacji X i Y odejmujesz tę jej część, której można się spodziewać tylko dlatego, że obie zmienne wiążą się z Z. Mianownik przeskalowuje wynik tak, żeby znów mieścił się w przedziale od -1 do 1. Istotność sprawdza się testem t z liczbą stopni swobody N - 2 - k, gdzie k to liczba zmiennych kontrolowanych. Każda kontrolowana zmienna „zabiera” więc jeden stopień swobody.

Kiedy stosować korelację cząstkową

• Gdy podejrzewasz zmienną zakłócającą, która wpływa na obie badane zmienne (wiek, staż, poziom wykształcenia, nasilenie choroby).
• Gdy recenzent pyta, czy związek „utrzymuje się po kontroli” jakiejś zmiennej demograficznej.
• Gdy chcesz wstępnie sprawdzić, czy predyktor wnosi coś ponad inną zmienną, zanim zbudujesz pełny model regresji.
• Gdy masz kilka zmiennych ilościowych i interesuje Cię „czysty” związek jednej pary.

Jeśli zmiennych kontrolowanych jest więcej niż dwie albo chcesz opisać, ile każda z nich wyjaśnia, wygodniejsza jest regresja wieloraka. Korelacja cząstkowa i regresja są zresztą blisko spokrewnione, o czym niżej. Różnicę między samym mierzeniem związku a przewidywaniem opisujemy we wpisie korelacja a regresja.

Założenia

• Zmienne X, Y i Z są ilościowe (dopuszczalne są też skale sumaryczne z kwestionariuszy). Zmienna kontrolowana może być dychotomiczna, np. płeć zakodowana 0 i 1.
• Związki między wszystkimi parami zmiennych są w przybliżeniu liniowe. Jeśli Z wiąże się z X krzywoliniowo, liniowa kontrola go nie usunie.
• Brak skrajnych wartości odstających, które potrafią zmienić każdą z trzech korelacji.
• Do testu istotności: reszty w przybliżeniu normalne, co przy kilkudziesięciu osobach i więcej nie jest zwykle problemem.
• Zmienna kontrolowana jest mierzona rzetelnie. Słabo zmierzona zmienna kontroluje tylko częściowo i zostawia w wyniku część zakłócenia.

Przy danych porządkowych albo wyraźnie nienormalnych możesz policzyć cząstkową korelację Spearmana: najpierw zamieniasz wszystkie zmienne na rangi, a potem stosujesz ten sam wzór. Wybór między wersją Pearsona i Spearmana opiera się na tych samych zasadach co przy zwykłej korelacji, opisanych w tekście korelacja Pearsona a Spearmana.

Korelacja cząstkowa: przykład krok po kroku

Przykładowe dane: 120 studentów podało, ile minut dziennie korzysta ze smartfona w łóżku przed zaśnięciem (M = 40,24, SD = 17,28), wypełniło wskaźnik jakości snu PSQI, w którym wyższy wynik oznacza gorszy sen (M = 6,72, SD = 2,93), oraz skalę odczuwanego stresu PSS-10 (M = 18,07, SD = 6,36). Hipoteza brzmi: im dłużej ktoś korzysta ze smartfona przed snem, tym gorzej śpi. Problem polega na tym, że zestresowane osoby mogą zarówno dłużej przeglądać telefon, jak i gorzej spać.

Podstawiamy zaokrąglone korelacje do wzoru:

r_XY·Z = (0,45 - 0,53 · 0,59) / √[(1 - 0,53²)(1 - 0,59²)] = 0,137 / 0,685 = 0,20

Program liczący na pełnych danych podaje r_XY·Z = 0,20, 95% CI [0,02; 0,36], t(117) = 2,15, p = 0,033. Liczba stopni swobody to 120 - 2 - 1 = 117.

Korelacja cząstkowa: interpretacja

Porównujesz dwie liczby: korelację zwykłą i cząstkową. W przykładzie związek spadł z 0,45 do 0,20. Oznacza to, że sporą część obserwowanego związku między korzystaniem ze smartfona a jakością snu da się przypisać wspólnemu związkowi obu zmiennych ze stresem. Po wyrównaniu poziomu stresu zostaje związek słaby, ale nadal istotny: wśród osób o podobnym poziomie stresu dłuższe korzystanie z telefonu przed snem nadal wiąże się z nieco gorszą jakością snu.

Kwadrat korelacji cząstkowej (0,20² ≈ 0,04) mówi, że smartfon wyjaśnia około 4% tej zmienności jakości snu, której nie wyjaśnia stres. Kwadrat zwykłej korelacji to około 20%. Jak opisywać takie wartości słowami i dlaczego progi siły są umowne, wyjaśniamy we wpisie jak interpretować współczynnik korelacji.

Typowe scenariusze, które możesz zobaczyć we własnych danych:

• Korelacja cząstkowa jest niewiele niższa od zwykłej: zmienna kontrolowana niewiele zmienia, związek jest od niej w dużej mierze niezależny.
• Korelacja cząstkowa spada wyraźnie, ale zostaje istotna (jak w przykładzie): część związku wynika ze zmiennej kontrolowanej, część nie.
• Korelacja cząstkowa spada do okolic zera: związek był w całości lub prawie w całości pozorny albo przenoszony przez zmienną kontrolowaną.
• Korelacja cząstkowa jest wyższa od zwykłej albo zmienia znak: zmienna kontrolowana tłumiła prawdziwy związek (tzw. supresja). To rzadsze, ale realne i warte osobnego zdania w dyskusji.

Zmienna zakłócająca czy mediator

Sama liczba nie powie Ci, dlaczego związek spadł. Jeśli stres powoduje zarówno dłuższe korzystanie z telefonu, jak i gorszy sen, jest zmienną zakłócającą i kontrola ma sens. Jeśli jednak to korzystanie z telefonu zwiększa stres, a stres psuje sen, stres jest mediatorem. Wtedy kontrolując go, „odcinasz” część prawdziwego efektu i zaniżasz związek. Rozstrzyga teoria i projekt badania, nie statystyka. Jeśli Twoja hipoteza dotyczy mechanizmu, przyda Ci się analiza opisana we wpisie mediacja i moderacja.

Korelacja cząstkowa nadal jest korelacją. Kontroluje tylko te zmienne, które zmierzyłeś. Nie dowodzi przyczynowości i nie wyklucza, że za związkiem stoi coś, czego nie było w ankiecie.

Korelacja cząstkowa a semicząstkowa

W korelacji cząstkowej wpływ Z usuwa się z obu zmiennych. W korelacji semicząstkowej (w SPSS nazywanej part correlation) usuwa się go tylko z jednej, zwykle z predyktora. W przykładzie usunięcie stresu tylko ze zmiennej „smartfon” daje r = 0,16 (p = 0,087). Jej kwadrat, 0,025, to dokładnie przyrost R² w regresji, gdy do modelu ze stresem dodasz smartfon: z 0,350 do 0,375. Mówi więc, jaką część całej zmienności jakości snu wyjaśnia wyłącznie smartfon.

Test istotności korelacji cząstkowej daje dokładnie to samo t i p co test współczynnika przy X w regresji Y na X i Z. W przykładzie w obu analizach t = 2,15 i p = 0,033. Dlatego nie raportuj obu jako dwóch niezależnych potwierdzeń. O tym, co jeszcze sprawdzić w takim modelu, piszemy w tekście regresja liniowa: które założenia sprawdzić.

Korelacja cząstkowa w SPSS i jamovi

• SPSS: Analyze > Correlate > Partial. Badane zmienne przenieś do pola Variables, zmienną kontrolowaną do Controlling for. W Options zaznacz Zero-order correlations, a dostaniesz w jednej tabeli korelacje zwykłe i cząstkowe, co ułatwia porównanie. Tabela podaje współczynnik, istotność i df.
• SPSS, wersja semicząstkowa: Analyze > Regression > Linear, w Statistics zaznacz Part and partial correlations. Kolumna Partial to korelacja cząstkowa, kolumna Part to semicząstkowa.
• jamovi: Analyses > Regression > Partial Correlation. Zmienne kontrolowane wpisujesz w pole Controlling for, a w ustawieniach wybierasz typ (partial lub semipartial) i współczynnik (Pearson lub Spearman).

Jak zapisać korelację cząstkową w APA 7

Podaj zmienną kontrolowaną, współczynnik zwykły dla porównania, współczynnik cząstkowy, stopnie swobody i p. Zapis z liczbą stopni swobody w nawiasie jest zgodny z APA:

Czas korzystania ze smartfona przed snem korelował dodatnio z wynikiem PSQI, r(118) = 0,45, p < 0,001, co oznacza gorszą jakość snu u osób dłużej korzystających z telefonu. Po kontroli poziomu odczuwanego stresu związek osłabł, ale pozostał istotny, r(117) = 0,20, p = 0,033, 95% CI [0,02; 0,36].

Przy kilku parach zmiennych zbierz współczynniki w tabeli z dwiema kolumnami (zwykła i cząstkowa), a w nocie pod tabelą wymień zmienne kontrolowane. Ogólne zasady zapisu wyników znajdziesz w poradniku jak zaraportować wynik testu w APA 7.

Macierz korelacji cząstkowych

Przy trzech zmiennych możesz policzyć korelację cząstkową dla każdej pary, kontrolując za każdym razem trzecią zmienną. Takie zestawienie pokazuje, który związek jest „samodzielny”, a który zależy od pozostałych zmiennych.

W przykładzie związek stresu z jakością snu niewiele traci po kontroli smartfona (z 0,59 do 0,47), a związek smartfona z jakością snu traci ponad połowę wartości po kontroli stresu (z 0,45 do 0,20). To spójne z interpretacją, że stres jest silniejszym korelatem jakości snu niż sam czas spędzany z telefonem. W SPSS taką macierz dostaniesz, uruchamiając procedurę Partial osobno dla każdej zmiennej kontrolowanej.

Ile osób potrzeba

Korelacje cząstkowe są zwykle niższe od zwykłych, więc wymagają większych prób. Do wykrycia korelacji 0,30 z mocą 80% przy poziomie istotności 0,05 potrzeba około 85 osób, a do wykrycia korelacji 0,20 już około 195. Każda zmienna kontrolowana zwiększa ten wymóg o jedną osobę, ale ważniejsze jest to, że po kontroli związek zwykle maleje. Przy 30-40 osobach umiarkowany związek po kontroli często przestaje być istotny, co nie znaczy, że zniknął. Jak planować liczebność próby, opisujemy we wpisie ile respondentów potrzebujesz.

Korelacja cząstkowa na tle pokrewnych metod

Typowe błędy

• Kontrolowanie mediatora i pisanie, że związek „okazał się pozorny”.
• Kontrolowanie wielu zmiennych „na wszelki wypadek” bez uzasadnienia teoretycznego, co obniża moc i utrudnia interpretację.
• Raportowanie samej korelacji cząstkowej bez zwykłej, przez co czytelnik nie widzi, jak bardzo zmienił się związek.
• Zapisywanie df jak dla zwykłej korelacji (N - 2) zamiast N - 2 - k.
• Pisanie o wpływie lub przyczynie na podstawie samego współczynnika.
• Kontrolowanie zmiennej nominalnej o wielu kategoriach (np. kierunek studiów) jako jednej liczby. Taką zmienną trzeba zamienić na zmienne zero-jedynkowe i użyć regresji.

Wyliczenie automatyczne zamawiane w kreatorze wyceny obejmuje korelacje Pearsona i Spearmana oraz regresję liniową, w której możesz kontrolować zmienne takie jak wiek czy stres. Jeśli promotor wymaga właśnie tabeli korelacji cząstkowych, przygotuje ją statystyk w ramach indywidualnej wyceny.

Najczęstsze pytania

Co to jest korelacja cząstkowa?

To korelacja dwóch zmiennych liczona po usunięciu z obu z nich wpływu jednej lub kilku innych zmiennych. Pokazuje, jaki związek zostaje u osób o takim samym poziomie zmiennej kontrolowanej, np. w tym samym wieku.

Jak interpretować korelację cząstkową?

Tak jak zwykłe r Pearsona: znak to kierunek, wartość bezwzględna to siła. Najważniejsze jest porównanie ze zwykłą korelacją: duży spadek oznacza, że związek w dużej mierze wynikał ze zmiennej kontrolowanej, mały spadek, że jest od niej niezależny.

Czym różni się korelacja cząstkowa od semicząstkowej?

W cząstkowej wpływ zmiennej kontrolowanej usuwa się z obu zmiennych, w semicząstkowej tylko z jednej, zwykle z predyktora. Kwadrat korelacji semicząstkowej to przyrost R² w regresji po dodaniu tego predyktora.

Ile stopni swobody ma korelacja cząstkowa?

N - 2 - k, gdzie k to liczba zmiennych kontrolowanych. Przy 120 osobach i jednej zmiennej kontrolowanej df = 117.

Jak policzyć korelację cząstkową w SPSS?

Analyze > Correlate > Partial: badane zmienne do pola Variables, zmienną kontrolowaną do Controlling for. W Options zaznacz Zero-order correlations, żeby od razu porównać wynik ze zwykłą korelacją.

Czy korelacja cząstkowa może być wyższa niż zwykła?

Tak. Dzieje się tak, gdy zmienna kontrolowana tłumiła związek, czyli działa jak supresor. Bywa też, że po kontroli zmienia się znak współczynnika. Taki wynik warto omówić w dyskusji.