Hệ số tương quan Pearson và Spearman là gì? r, R² và bẫy nhân quả | Ví dụ

Một xưởng gỗ nội thất ở Bình Dương nhận thấy: mẻ nào sấy nóng hơn thì gỗ ra lò khô hơn. Câu hỏi tiếp theo của kỹ sư là “mạnh đến mức nào?” và “có thể dùng nhiệt độ để kiểm soát độ ẩm không?”. Câu thứ nhất do hệ số tương quan trả lời; câu thứ hai cần hồi quy.

Tóm tắt nhanh

• Tương quan đo mức hai biến liên tục biến thiên cùng nhau theo đường thẳng, hệ số r từ −1 đến 1.
• r ≈ 0 chỉ là không có quan hệ tuyến tính – vẫn có thể có quan hệ cong; luôn vẽ biểu đồ phân tán trước.
• Pearson cho dữ liệu liên tục, tuyến tính, gần chuẩn; Spearman khi có ngoại lai hoặc quan hệ đơn điệu.
• Lỗi lớn: coi tương quan là nhân quả, vùng dữ liệu hẹp, đánh đồng p nhỏ với quan hệ mạnh (n = 500, r = 0,1 chỉ R² 1%).

Tương quan là gì?

Tương quan (correlation) đo mức độ hai biến liên tục biến thiên cùng nhau theo đường thẳng. Kết quả là hệ số r nằm trong khoảng −1 đến +1:

• r > 0: X tăng thì Y có xu hướng tăng.
• r < 0: X tăng thì Y có xu hướng giảm.
• r ≈ 0: không có quan hệ tuyến tính (vẫn có thể có quan hệ cong).

Trước khi tính r luôn vẽ biểu đồ phân tán - r chỉ là một con số, biểu đồ mới cho thấy hình dạng, ngoại lai và cụm dữ liệu.

Công thức Pearson và Spearman

Pearson (dữ liệu liên tục, quan hệ tuyến tính, gần chuẩn):

r = Sxy / √(Sxx · Syy), với Sxy = Σ(x − x̄)(y − ȳ), Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)²

Kiểm định H0: ρ = 0 bằng t = r·√(n − 2) / √(1 − r²), df = n − 2.

Spearman (ρs) là Pearson tính trên thứ hạng. Dùng khi dữ liệu thứ bậc, có ngoại lai, hoặc quan hệ đơn điệu nhưng cong. Khi không có hạng trùng:

ρs = 1 − 6Σd² / [n(n² − 1)], d là chênh lệch hạng của từng cặp.

R² (hệ số xác định) = r² trong hồi quy tuyến tính đơn: tỷ lệ biến động của Y được giải thích bởi X.

| |r| (tham khảo) | Diễn giải thường dùng | |---|---| | ≥ 0,7 | Mạnh | | 0,3 - 0,7 | Trung bình | | < 0,3 | Yếu / không đáng kể |

Ngưỡng chỉ mang tính tham khảo; trong kỹ thuật, r = 0,6 với một X dễ điều khiển có thể giá trị hơn r = 0,9 với X không can thiệp được.

Ví dụ: nhiệt độ sấy và độ ẩm gỗ ra lò

10 mẻ sấy (minh hoạ):

Mẻ	1	2	3	4	5	6	7	8	9	10
Nhiệt độ X (°C)	60	62	64	66	68	70	72	74	76	78
Độ ẩm Y (%)	8,4	8,3	7,7	7,6	7,0	7,2	6,5	6,8	6,1	6,2

Bước 1: x̄ = 69; ȳ = 7,18.

Bước 2: Sxy = −42,8; Sxx = 330; Syy = 5,956.

Bước 3: r = −42,8 / √(330 × 5,956) = −42,8 / 44,33 = −0,965.

Bước 4 - kiểm định: t = −0,965 × √8 / √(1 − 0,932) = −10,47; df = 8; p ≈ 0,000006 → tương quan âm có ý nghĩa.

Bước 5 - R² = 0,965² = 0,932: khoảng 93% biến động độ ẩm trong mẫu đi cùng nhiệt độ sấy.

Spearman: xếp hạng X (1→10) và Y (độ ẩm lớn nhất hạng 10). Σd² = 324 → ρs = 1 − 6 × 324 / (10 × 99) = −0,964. Gần bằng Pearson vì quan hệ gần thẳng và không có ngoại lai.

Nối sang hồi quy: phương trình bình phương nhỏ nhất Y = 16,13 − 0,130·X. Mỗi +1 °C giảm khoảng 0,13% độ ẩm trong vùng 60-78 °C. Không ngoại suy ra 90 °C - dữ liệu không nói gì về vùng đó (và gỗ có thể nứt). Chi tiết xem hồi quy tuyến tính.

Tương quan không phải nhân quả

r cao chỉ nói hai biến đi cùng nhau. Có ít nhất bốn khả năng khác ngoài “X gây ra Y”:

1. Biến ẩn (confounder): mẻ sấy nóng thường là mẻ gỗ mỏng - độ dày mới là nguyên nhân chính.
2. Nhân quả ngược: Y ảnh hưởng X (ít gặp trong ví dụ này, nhưng phổ biến ở dữ liệu vận hành, ví dụ máy lỗi nhiều nên được bảo trì nhiều).
3. Trùng hợp trong mẫu nhỏ.
4. Gộp nhóm (nghịch lý Simpson): hai dây chuyền riêng biệt mỗi cái tương quan âm, gộp lại thành dương.

Để chứng minh nhân quả cần thí nghiệm có kiểm soát - thay đổi X có chủ đích, giữ các yếu tố khác cố định: DOE.

Làm trong Excel và Minitab

Excel:

• =CORREL(X; Y) hoặc =PEARSON(X; Y) → r; =RSQ(Y; X) → R².
• p-value: tính t rồi =T.DIST.2T(ABS(t); n-2).
• Spearman: tạo cột hạng bằng =RANK.AVG(ô; vùng; 1) cho X và Y, rồi =CORREL trên hai cột hạng.
• Data → Data Analysis → Correlation cho ma trận nhiều biến; Insert → Scatter + Add Trendline (tick Display R-squared).

Minitab:

• Stat → Basic Statistics → Correlation → chọn biến; Method: Pearson hoặc Spearman rho; tick Display p-values.
• Graph → Scatterplot (With Regression) hoặc Stat → Regression → Fitted Line Plot để có phương trình và R².
• Nhiều biến: Graph → Matrix Plot.

Lỗi thường gặp

• Không vẽ biểu đồ: quan hệ hình chữ U cho r ≈ 0 nhưng thực tế phụ thuộc mạnh.
• Một điểm ngoại lai kéo r lên/xuống mạnh - kiểm tra bằng box plot, cân nhắc Spearman.
• Vùng dữ liệu hẹp: chỉ lấy 68-70 °C thì r rất thấp dù quan hệ có thật.
• Đánh đồng p nhỏ với quan hệ mạnh: n = 500 thì r = 0,1 cũng “có ý nghĩa” nhưng R² chỉ 1%.
• Kết luận nhân quả từ dữ liệu quan sát.

Câu hỏi thường gặp

r = 0,8 nghĩa là X giải thích 80% Y? Không. X giải thích R² = 64%.

Khi nào dùng Spearman thay Pearson? Dữ liệu thứ bậc (điểm đánh giá 1-5), có ngoại lai, phân phối lệch, hoặc quan hệ đơn điệu nhưng không thẳng.

Tương quan với dữ liệu OK/NG? Không dùng Pearson cho biến phân loại; dùng Chi-bình phương hoặc hồi quy logistic.

Bước tiếp theo

• Mô hình hoá quan hệ: hồi quy tuyến tính.
• Chứng minh nhân quả: thiết kế thí nghiệm DOE.
• Dữ liệu không chuẩn: kiểm định phi tham số.