Erilaisia korrelaatioita käytetään tilastoissa mittaamaan muuttujien suhteita toisiinsa. Esimerkiksi käyttämällä kahta muuttujaa - lukion luokkaa ja korkeakoulun GPA: ta - tarkkailija voi piirtää a korrelaatio siitä, että keskimääräistä korkeampien lukioluokkien opiskelijat saavuttavat tyypillisesti keskimääräistä korkeamman korkeakoulun GPA. Korrelaatioilla mitataan myös suhteen vahvuutta ja sitä, onko muuttujien välinen korrelaatio positiivinen vai negatiivinen. Suoritetun korrelaation tyyppi riippuu siitä, ovatko muuttujat ei-numeerisia vai välitietoja, kuten lämpötila.
Pearsonin tuotehetken korrelaatio
Pearsonin tuotemomenttikorrelaatio nimettiin matemaattisten tilastojen kurinalaisuuden perustajan Karl Pearsonin mukaan. Sitä pidetään yksinkertaisena lineaarisena korrelaationa, mikä tarkoittaa, että kahden muuttujan välinen suhde riippuu niiden pysyvyydestä. Pearsonia käytetään intervallitietojen kanssa korrelaation voimakkuuden mittaamiseen, jota yhtälössä edustaa kirjain r. Tämä korrelaatio osoittaa myös, onko suhde positiivinen vai negatiivinen; edustavat luvut, joiden arvo on välillä +1 ja -1. Mitä lähempänä r: n arvo on -1,00 tai +1,00, sitä vahvempi korrelaatio on. Mitä lähempänä r: n arvo tulee lukua 0, sitä heikompi korrelaatio. Esimerkiksi, jos r on -90 tai 0,90, se tarkoittaa vahvempaa suhdetta kuin -,09 tai .09.
Spearmanin sijoituskorrelaatio
Spearmanin sijoituskorrelaatio nimettiin tilastotieteilijä Charles Edward Spearmanin mukaan. Spearmanin yhtälö on yksinkertaisempi ja sitä käytetään usein tilastoissa Pearsonin sijaan, vaikka se onkin vähemmän vakuuttava. Sosiaalitieteilijät voivat myös käyttää Spearmania kuvaamaan kvalitatiivisten tietojen, kuten etnisen alkuperän tai sukupuolen, ja kvantitatiivisten tietojen, kuten tehtyjen rikosten määrän, välistä korrelaatiota. Korrelaatio lasketaan käyttämällä nollahypoteesia, joka myöhemmin hyväksytään tai hylätään. Nollahypoteesi koostuu yleensä kysymyksestä, johon on vastattava; Esimerkiksi onko tehtyjen rikosten määrä miehillä ja naisilla sama.
Kendall Rank korrelaatio
Brittiläiseltä tilastolliselta Maurice Kendallilta nimetty Kendall Rank Correlation mittaa riippuvuuden voimaa kahden satunnaismuuttujan joukon välillä. Kendallia voidaan käyttää edelleen tilastollisiin analyyseihin, kun Spearmanin korrelaatio hylkää nullhypoteesin. Se saavuttaa korrelaation, kun yhden muuttujan arvo pienenee ja toisen muuttujan arvo kasvaa; tähän korrelaatioon viitataan ristiriitaisina pareina. Korrelaatio voi ilmetä myös, kun molemmat muuttujat kasvavat samanaikaisesti, joita kutsutaan konkordanttiksi pariksi.