KWALIFIKACJA EKA4 - TEST WIEDZY NR 7

PYTANIE NR 5.
Zinterpretuj wynik współczynnika korelacji Pearsona r=0.85 dla dwóch badanych zjawisk.
A.
B.
C.
D.
Wyjaśnienie poprawnej odpowiedzi:
Współczynnik korelacji Pearsona r przyjmuje wartości od -1 do 1. Znak "+" oznacza zależność dodatnią (wzrost jednej zmiennej zwykle towarzyszy wzrostowi drugiej), a wartość bliska 1 oznacza silną zależność liniową. Dla r=0,85 interpretacja to silna dodatnia korelacja.

Pełne wyjaśnienie:

Współczynnik korelacji Pearsona r opisuje kierunek i siłę liniowej zależności między dwiema zmiennymi ilościowymi. Jego wartości mieszczą się w przedziale od -1 do 1.

Kierunek zależności odczytujemy ze znaku:

  • r > 0 – korelacja dodatnia: gdy jedna zmienna rośnie, druga ma tendencję do wzrostu.
  • r < 0 – korelacja ujemna: gdy jedna zmienna rośnie, druga ma tendencję do spadku.
  • r = 0 – brak liniowej zależności (nie oznacza to braku jakiejkolwiek zależności, możliwa jest zależność nieliniowa).

Siłę zależności wiążemy z wartością bezwzględną |r|. Im bliżej 1, tym związek liniowy jest silniejszy (punkty na wykresie rozrzutu układają się bliżej prostej). Dla r=0,85 mamy:

  • wartość dodatnią, więc zależność jest dodatnia,
  • wysoką wartość (blisko 1), więc jest to zależność silna.

Dlatego poprawna interpretacja to: "Istnieje silna dodatnia korelacja między badanymi zjawiskami."

Pozostałe odpowiedzi są niepoprawne z następujących powodów:

  • "Istnieje słaba dodatnia korelacja…" – błędnie zaniża siłę zależności; r=0,85 jest typowo klasyfikowane jako wysokie.
  • "Istnieje silna ujemna korelacja…" – myli znak współczynnika; przy r dodatnim nie ma zależności ujemnej.
  • "Istnieje słaba ujemna korelacja…" – jednocześnie myli znak (powinien być ujemny) i siłę (0,85 nie jest słabe).

Wskazówka egzaminacyjna: najpierw sprawdź znak (kierunek), a dopiero potem wartość bezwzględną (siła). Pamiętaj też, że wysoka korelacja nie dowodzi przyczynowości – to tylko informacja o współzmienności liniowej.

Dodatkowe pytania

Dodatkowe pytania (FAQ):
To miara liniowej zależności między dwiema zmiennymi liczbowymi. Przyjmuje wartości od -1 do 1: znak mówi o kierunku (dodatnia/ujemna), a wartość bezwzględna o sile związku. Im bliżej 1, tym mocniejsza zależność liniowa.
Znak + oznacza, że zmienne rosną "razem" (wyższe X zwykle to wyższe Y). Znak - oznacza zależność odwrotną (wyższe X zwykle to niższe Y). Znak nie mówi, czy związek jest "dobry", tylko jaki ma kierunek.
Bo wartość 0,85 jest bliska 1, czyli wskazuje na mocne dopasowanie do zależności liniowej (punkty na wykresie rozrzutu są relatywnie blisko prostej). Dokładne progi (słaba/umiarkowana/silna) mogą się różnić w podręcznikach, ale 0,85 jest zwykle "wysokie".
Nie. Korelacja opisuje współzmienność, a nie przyczynowość. Wysokie r może wynikać z wpływu trzeciej zmiennej, sezonowości, trendu w czasie lub przypadku. Do wniosków o przyczynach potrzebne są dodatkowe analizy (np. model, eksperyment, kontrola zmiennych).
Najczęściej myli się znak (dodatnia vs ujemna) albo ocenia siłę "na oko" bez odniesienia do wartości bezwzględnej |r|. Częsty jest też błąd: "duże r = na pewno przyczyna". Warto stosować schemat: znak → siła → zastrzeżenie o przyczynowości.
Patrzy się na wartość bezwzględną |r|: im bliżej 0, tym słabszy związek liniowy, im bliżej 1, tym silniejszy. W praktyce ekonomicznej progi są umowne (różne w zależności od dziedziny i danych), ale wartości powyżej ok. 0,7–0,8 często traktuje się jako silne.
Gdy zależność jest wyraźnie nieliniowa, dane mają liczne obserwacje odstające lub zmienne nie są ilościowe w sensie wymaganym do tej miary. Wtedy rozważa się inne podejścia (np. korelacje rangowe) albo analizę wykresu rozrzutu i transformacje danych.
Korelacja mówi, czy i w jakim kierunku zmienne są liniowo powiązane, a regresja opisuje model zależności (np. przewidywanie Y na podstawie X). W praktyce często zaczyna się od korelacji jako szybkiego rozpoznania relacji, a potem buduje model regresji.
Oznacza brak lub bardzo słabą liniową zależność między zmiennymi. To nie wyklucza, że istnieje zależność nieliniowa (np. krzywoliniowa) albo że relacja występuje tylko w części danych. Dlatego warto sprawdzić wykres rozrzutu i kontekst biznesowy.
Stosuj procedurę w dwóch krokach: 1) znak r: dodatnia czy ujemna, 2) wartość |r|: słaba/umiarkowana/silna. Dla r=0,85: dodatnia i wysoka, więc "silna dodatnia". Na końcu pamiętaj: to tylko korelacja, nie dowód przyczynowości.
info

To pytanie poprawnie rozwiązuje 67% zdających egzamin. średnie

Specjaliści zwracają uwagę: "Współczynnik korelacji Pearsona r przyjmuje wartości od -1 do 1."

Źródła:

  • NIST/SEMATECH e-Handbook of Statistical Methods, sekcja "Correlation" (Engineering Statistics Handbook), https://www.itl.nist.gov/div898/handbook/eda/section3/eda33.htm - dostęp 2026-03-01
  • Wikipedia (PL), "Współczynnik korelacji Pearsona", https://pl.wikipedia.org/wiki/Wsp%C3%B3%C5%82czynnik_korelacji_Pearsona - dostęp 2026-03-01
  • Khan Academy, "Correlation coefficient" (interpretacja wartości r), https://www.khanacademy.org/math/statistics-probability/describing-relationships-quantitative-data/correlation-coefficient/v/correlation-coefficient-intuition-examples - dostęp 2026-03-01

Materiały:

  • Podręcznik/statystyka opisowa i wnioskowanie: rozdział o korelacji i kowariancji
  • Materiały dydaktyczne z podstaw statystyki dla ekonomistów (korelacja, regresja)
  • Kursy e-learningowe z analizy danych (interpretacja r oraz przykłady ekonomiczne)

Aktualizacja pytania: 31.03.2026



Aktualizacja pytania: 31.03.2026
📡 Brak połączenia internetowego