Иногда корреляция между двумя переменными обусловлена не связью между соответствующими свойствами, а влиянием некоторой общей причины совместной изменчивости этих переменных, которая зачастую выпадает из поля зрения исследователя. Эта общая причина может быть измерена как некоторая «третья» переменная, представленная либо в номинативной шкале, либо в ранговой шкале.
Если истинная причина корреляции представляет собой номинативную переменную, то это проявляется в характерной неоднородности выборки: в ней можно обнаружить различные группы, для которых согласованно меняются средние двух переменных, в то время как внутри групп эти переменные не коррелируют. Если возможно, необходимо вычислить корреляцию не только для всей выборки, но и для каждой группы в отдельности.
Пример. Если мы возьмем достаточно большую группу людей - мужчин и женщин, то обнаружим существенную отрицательную корреляцию роста и длины волос: чем больше рост, тем короче волосы. Однако, рассматривая график рассеивания роста и длины волос с выделением групп мужчин и женщин, мы обнаружим истинную причину этой корреляции - пол Корреляции роста и длины волос отдельно для мужчин и отдельно для женщин будут близки к нулю.
Другой случай «ложной» корреляции - когда «третья» переменная может быть представлена в числовой шкале.
Пример. Число церквей и количество увеселительных заведений в городах, как известно, сильно коррелируют, «третьей» переменной является численность городского населения, Если истинная причина корреляции между двумя переменными Х и Y измерена, как количественная переменная 2, то предположение о том, что именно она является причиной корреляции можно проверить
За редким исключением факт наличия или отсутствия корреляции может быть объяснен влиянием некоторой «третьей» переменной, упущенной из поля зрения исследователя. Таким образом, всегда остается возможность альтернативной интерпретации обнаруженной корреляции.
Поможем написать любую работу на аналогичную тему