Korrelation (statistik)

Korrelation i statistik: mått på hur två variabler samvarierar — riktning och styrka. Genomgång av Pearson, Spearman, Kendall, visualiseringar och tolkning med varning för korrelation ≠ kausalitet.

Författare: Leandro Alegsa

10-04-2026

Inom statistik och sannolikhetsteori avser korrelation ett mått på hur två variabler eller två uppsättningar data samvarierar. Korrelation beskriver både riktning (om de rör sig åt samma eller motsatt håll) och styrka (hur väl sambandet kan förutsägas), men säger i sig inget om orsakssamband.

Grundläggande begrepp

Positiv korrelation: när en variabel ökar tenderar den andra också att öka.
Negativ korrelation: när en variabel ökar tenderar den andra att minska.
Ingen korrelation: ingen systematisk samvariation kan observeras.
Styrka: uttrycks ofta med en koefficient som ligger mellan −1 och 1, där absolutvärdet nära 1 indikerar ett starkt samband.

Vanliga korrelationsmått

Pearsons korrelationskoefficient (r): mäter linjärt samband och definieras som kovariansen mellan variablerna delat med produkten av deras standardavvikelser. Kräver i praktiken ungefär linjäritet och påverkas av extremvärden.
Spearmans rangkorrelation (rho): ett icke-parametriskt mått som bygger på rangordningar och fångar monotona samband, robustare mot outliers.
Kendalls tau: ett annat rangbaserat mått som uppskattar överensstämmelse i rangordningar.
Andra mått: punktbisär korrelation, phi-koefficient och Cramérs V används för kategoriska variabler.

Visualisering

Ett vanligt sätt att undersöka korrelation visuellt är ett spridningsdiagram. På ett sådant diagram ritas punkter för varje observation; en linje för bästa anpassning kan illustrera riktning och avståndet från linjen visar hur starkt sambandet är. Se exempel på spridningsdiagram.

Tolkning och vanliga fallgropar

Korrelations≠kausalitet: att två variabler korrelerar innebär inte att den ena orsakar den andra — en tredje variabel (konfounder) kan påverka båda.
Spurious correlation: slumpmässiga samband eller beroenden som uppstår i stora datamängder utan verklig relation.
Outliers kan kraftigt påverka vissa korrelationsmått, särskilt Pearsons.
Ej-linjära samband kan ge låg korrelation trots ett tydligt icke-linjärt samband; rangbaserade mått kan vara lämpligare.
Tidsseriedata: autokorrelation kan ge missvisande resultat om man inte tar hänsyn till tidsberoende.

Användningsområden

Utforskande dataanalys inom natur- och samhällsvetenskaper
Ekonomisk och finansiell analys
Medicinsk forskning och epidemiologi
Maskininlärning och prediktiva modeller

Praktiska råd

Välj korrelationsmått utifrån datas natur (kontinuerlig vs. ordinal/kategorisk) och utvärdera antaganden.
Visualisera alltid relationer med t.ex. ett spridningsdiagram innan du rapporterar en siffra.
Undersök möjliga konfounders och kontrollera för outliers och icke-linjäritet.
Använd lämplig statistisk inferens (t.ex. konfidensintervall eller permutations-/bootstrap-test) för att bedöma betydelsen av en observerad korrelation.

Sammanfattningsvis är korrelation ett värdefullt verktyg för att beskriva samband i data, men kräver försiktig tolkning och kompletterande analyser för att dra tillförlitliga slutsatser om orsak och verkan.

Detta spridningsdiagram har en positiv korrelation. Det kan du se eftersom trenden är uppåt och åt höger. Den röda linjen är en linje som passar bäst.

Förklaring av korrelation

Stark och svag är ord som används för att beskriva korrelation. Om det finns en stark korrelation ligger punkterna nära varandra. Om korrelationen är svag är punkterna spridda från varandra. Det finns sätt att få siffror att visa hur stark korrelationen är. Dessa mått kallas korrelationskoefficienter. Den mest kända är Pearsons produkt-momentkorrelationskoefficient. Du lägger in data i en formel och den ger dig ett tal. Om siffran är 1 eller -1 är korrelationen stark. Om svaret är 0 finns det ingen korrelation. En annan typ av korrelationskoefficient är Spearmans rangkorrelationskoefficient.

Korrelation och orsakssamband

Korrelation innebär inte alltid att en sak orsakar en annan sak (kausalitet), eftersom något annat kan ha orsakat båda sakerna. Till exempel köper folk glass när det är varmt, och folk går också till stranden där vissa blir uppätna av hajar. Det finns ett samband mellan glassförsäljning och hajattacker (båda ökar när temperaturen stiger i det här fallet). Men bara för att försäljningen av glass ökar betyder det inte att försäljningen av glass orsakar (kausalitet) fler hajattacker eller vice versa.

Eftersom korrelation inte innebär orsakssamband testar forskare, ekonomer osv. sina teorier genom att skapa isolerade miljöer där endast en faktor ändras (om det är möjligt). Politiker, försäljare, nyhetsbyråer och andra antyder dock ofta att en viss korrelation innebär ett orsakssamband. Detta kan bero på okunskap eller en önskan att övertyga. En nyhetsrapport kan således väcka uppmärksamhet genom att säga att människor som konsumerar en viss produkt oftare har ett visst hälsoproblem, vilket antyder ett orsakssamband som i själva verket kan bero på något annat.

Relaterade sidor

Cohen, J., Cohen P., West, S.G., & Aiken, L.S. (2003). Tillämpad multipel regressions-/korrelationsanalys för beteendevetenskap. (3rd ed.) Hillsdale, NJ: Lawrence Erlbaum Associates.

Frågor och svar

F: Vad är korrelation?

S: Korrelation är ett sätt att ange hur nära besläktade två uppsättningar data är.

F: Betyder korrelation att en uppsättning data orsakar den andra?

S: Nej, korrelation betyder inte alltid att en uppsättning data orsakar den andra. I själva verket är det ofta en tredje faktor som är inblandad.

F: Vilka är de två riktningarna för korrelation?

S: De två riktningarna för korrelation är positiv och negativ.

F: Vad innebär en positiv korrelation?

S: En positiv korrelation innebär att de två datauppsättningarna går upp tillsammans.

F: Vad innebär en negativ korrelation?

S: En negativ korrelation innebär att en uppsättning data går upp medan den andra går ner.

F: Finns det olika sätt att mäta korrelation?

S: Ja, många olika korrelationsmått används i olika situationer.

F: Hur visar man ofta korrelationens riktning i ett spridningsdiagram?

S: Man ritar ofta en linje med bästa passform för att visa korrelationens riktning i ett spridningsdiagram.