Частная (парциальная) корреляция: что это и пример

Вы посчитали корреляцию между двумя переменными и получили красивый коэффициент. Но что, если на обе влияет что-то третье — возраст, стаж, рост — и вся связь держится именно на нём?

Частная (парциальная) корреляция отвечает на этот вопрос: она показывает связь двух переменных, когда влияние третьей «заморожено».

В двух словах

Частная (парциальная) корреляция — это связь между X и Y при условии, что мы убрали влияние третьей переменной Z. Её ещё называют «корреляция при контроле Z».

Если обычная (парная) корреляция между X и Y высокая, а частная — почти нулевая, значит связь была не настоящей: её создавала Z. Это прямой способ поймать ложную корреляцию.

Парную корреляцию для пар X-Y, X-Z, Y-Z удобно посчитать в калькуляторе корреляции Пирсона — из этих трёх чисел и получается частный коэффициент.

Зачем убирать влияние третьей переменной

Представьте, что вы изучаете связь словарного запаса ребёнка и размера его стопы. Корреляция выйдет высокой — но это бессмыслица. На оба показателя влияет возраст: старшие дети и говорят лучше, и ногу имеют больше.

Стоит «зафиксировать» возраст — сравнивать детей одного возраста между собой — и связь словарного запаса со стопой исчезает. Вот это и делает частная корреляция математически, без ручного деления на возрастные группы.

Контролируемая переменная Z — это та, чьё влияние вы хотите вычесть. Чаще всего в дипломах это:

• Возраст — влияет почти на всё в психологии и физиологии;
• Стаж / класс / курс — растёт вместе со многими показателями;
• Рост и вес — тянут за собой силовые и функциональные пробы;
• Пол — иногда контролируют как фоновый фактор.

Формула: как считается частная корреляция

Чтобы получить частный коэффициент, не нужны сырые данные — достаточно трёх обычных корреляций Пирсона между всеми парами переменных:

r(XY·Z) = (r(XY) − r(XZ) · r(YZ)) / √((1 − r(XZ)²) · (1 − r(YZ)²))

где:

• r(XY) — обычная (парная) корреляция X и Y;
• r(XZ) — корреляция X с контролируемой переменной Z;
• r(YZ) — корреляция Y с контролируемой переменной Z;
• r(XY·Z) — искомая частная корреляция X и Y при контроле Z (точка с Z читается «при фиксированном Z»).

Идея формулы простая: из связи X-Y вычитают ту часть, которую можно объяснить через Z (это произведение r(XZ)·r(YZ)), а знаменатель нормирует результат обратно в диапазон от −1 до +1.

Развёрнутый пример с числами

Студентка изучает связь тревожности (X) и успеваемости (Y) у студентов. Подозревает, что обе зависят от уровня стресса перед сессией (Z).

Шаг 1. Считаем три парные корреляции (например, в калькуляторе Пирсона):

Таблица 1 — Исходные парные корреляции (n = 40)

Видно, что «на первый взгляд» тревожность заметно связана с успеваемостью: r(XY) = −0,52, связь средней силы.

Шаг 2. Убираем влияние стресса. Подставляем в формулу:

r(XY·Z) = (−0,52 − 0,70 · (−0,60)) / √((1 − 0,70²) · (1 − 0,60²))

Числитель: −0,52 − (−0,42) = −0,52 + 0,42 = −0,10.

Знаменатель: √((1 − 0,49) · (1 − 0,36)) = √(0,51 · 0,64) = √0,3264 ≈ 0,571.

r(XY·Z) = −0,10 / 0,571 ≈ −0,18

Шаг 3. Сравниваем. Было −0,52, стало −0,18. Связь почти растворилась.

Как интерпретировать результат

Сравнение парного и частного коэффициента даёт три типичных сценария.

• Частная ≈ 0, а парная была сильной. Связь была ложной: её целиком создавала Z. Самостоятельной связи X и Y нет (как в нашем примере: −0,52 → −0,18).
• Частная заметно меньше парной, но не ноль. Z объясняет часть связи. Остаток — собственная связь X и Y.
• Частная почти не изменилась. Связь X и Y настоящая и от Z не зависит — это сильный аргумент в дипломе.

Силу самого частного коэффициента читают по тем же порогам, что и обычный: до 0,3 — слабая, 0,3–0,5 — умеренная, 0,5–0,7 — заметная, выше 0,7 — сильная.

Связь с ложной корреляцией

Ложная (мнимая) корреляция — это когда X и Y коррелируют не потому, что связаны друг с другом, а потому, что оба зависят от общей причины Z. Классика — «мороженое и утопления»: оба растут летом, общая причина — жара.

Частная корреляция — это инструмент проверки на такую ловушку. Вы берёте подозрительную переменную Z (жару, возраст, стаж), контролируете её — и смотрите, осталась ли связь.

Подробный разбор самого явления и других способов с ним бороться — в статье «Ложная корреляция».

Что писать в дипломе

Готовые формулировки — подставьте свои числа:

• «Для исключения влияния возраста рассчитана частная корреляция тревожности и успеваемости при контроле уровня стресса».
• «Парная корреляция составила r = −0,52 (p < 0,05); после контроля переменной "стресс" частный коэффициент снизился до r(XY·Z) = −0,18 и утратил значимость».
• «Снижение коэффициента при контроле третьей переменной указывает на то, что значительная часть исходной связи опосредована уровнем стресса».
• «Частная корреляция сохранилась на уровне r = 0,48, что подтверждает самостоятельный характер связи независимо от стажа».

Частые ошибки

• Контролировать переменную «для красоты». Z выбирают по теории (есть причина думать, что она влияет на X и Y), а не перебором всех подряд.
• Путать, что контролируется. В записи r(XY·Z) после точки стоит убираемая переменная. Поменяете местами — получите другой смысл.
• Считать частную корреляцию причинностью. Даже устоявшая связь — это всё ещё корреляция, а не доказательство «X вызывает Y».
• Брать частную корреляцию Пирсона на ненормальных данных. Формула — для линейных связей и количественных шкал; для рангов и порядковых шкал берут ранговый вариант (на основе Спирмена).
• Контролировать слишком много переменных при маленькой выборке. На каждую Z нужны «лишние» наблюдения, иначе результат неустойчив.

Частые вопросы

Чем частная корреляция отличается от обычной?

Обычная (парная) корреляция меряет связь X и Y «как есть», вместе со всеми посторонними влияниями. Частная — ту же связь, но с вычтенным влиянием выбранной переменной Z. Это как сравнивать людей одного возраста вместо всех подряд.

Сколько переменных можно контролировать?

Сколько угодно, но на практике в студенческих работах хватает одной (реже двух). Каждая добавленная Z требует больше данных и усложняет интерпретацию. Если контролируемых факторов много, удобнее перейти к множественной регрессии.

Можно ли считать частную корреляцию для рангов?

Да. Если данные порядковые или связь нелинейная, считают три ранговые корреляции Спирмена и подставляют их в ту же формулу — получится частная ранговая корреляция.

Если частная корреляция выросла, а не упала — это нормально?

Да, такое бывает. Это значит, что Z «маскировала» связь (эффект подавления). После её контроля настоящая связь X и Y проявилась сильнее. Редкий, но валидный результат — опишите его честно.

Чем частная корреляция отличается от регрессии?

Частная корреляция отвечает на вопрос «есть ли связь X и Y без учёта Z». Множественная регрессия идёт дальше — строит уравнение, по которому Y можно прогнозировать сразу по нескольким предикторам. Если задача — именно прогноз, берите регрессию.

Короткий алгоритм

1. Назовите переменные: X и Y (что связываем) и Z (что хотим «заморозить»).
2. Посчитайте три парные корреляции — r(XY), r(XZ), r(YZ) — в калькуляторе Пирсона.
3. Подставьте их в формулу частной корреляции r(XY·Z).
4. Сравните частный коэффициент с парным: исчез → связь была ложной; ослаб → Z влияет частично; устоял → связь настоящая.
5. Опишите вывод словами и укажите, какую переменную контролировали.

Что ещё почитать

• Калькулятор корреляции Пирсона — посчитать три парные корреляции для формулы.
• Ложная корреляция — почему две переменные «связаны» через скрытую третью и как это ловить.
• Множественная регрессия — когда контролируемых факторов много и нужен прогноз.
• Корреляция Спирмена — ранговый вариант для порядковых данных.
• База методов StatBlank — все калькуляторы и методики в одном месте.

Не уверены, какую переменную контролировать и как описать результат в дипломе — загляните в базу методов или закажите консультацию.