Analyse de corrélation

L'analyse de corrélation montre comment deux variables ou plus évoluent ensemble, avec la corrélation de Pearson pour les relations linéaires et la corrélation de rang de Spearman pour les données ordinales ou les relations monotones. Utilisez-la pour explorer les relations, présélectionner les données et choisir des variables. Les données doivent être continues ou ordinales, avec n ≥ 25 et une distribution à peu près normale bivariée. Les résultats donnent les coefficients de corrélation par paires avec leurs valeurs p et des nuages de points facultatifs.

Dernière révision

Point clé

L'analyse de corrélation quantifie la force et le sens de la relation linéaire entre deux variables continues ou ordinales ou plus, généralement avec le coefficient de Pearson de -1 à +1, sans impliquer de causalité.

Sur cette page
  1. Qu'est-ce que l'analyse de corrélation ?
  2. Quand utiliser l'analyse de corrélation ?
  3. Recommandations pour bien utiliser l'analyse de corrélation
  4. Alternatives : quand ne pas utiliser l'analyse de corrélation
  5. Exemple d'analyse de corrélation
  6. Comment réaliser une analyse de corrélation

Qu'est-ce que l'analyse de corrélation ?

L'analyse de corrélation est une méthode statistique qui quantifie la force et le sens de la relation linéaire entre deux variables ou plus. Elle sert principalement à examiner comment des variables évoluent ensemble à un rythme constant, sans impliquer de causalité. La mesure la plus courante est le coefficient de corrélation de Pearson, qui varie de -1 (relation négative parfaite) à +1 (relation positive parfaite), 0 indiquant l'absence de relation linéaire. Cette analyse s'applique aux variables continues ou ordinales ; pour les données ordinales ou les relations monotones, on utilise la corrélation de rang de Spearman.

Quand utiliser l'analyse de corrélation ?

Elle est couramment utilisée dans de nombreux domaines, dont les statistiques, les sciences sociales, l'économie, la finance et les études de marché. Voici quelques situations où l'analyse de corrélation peut être utile :

  • Explorer les relations : l'analyse de corrélation vous aide à comprendre la relation entre deux variables. Elle peut indiquer si les variables sont corrélées positivement (elles augmentent ou diminuent ensemble), corrélées négativement (l'une augmente pendant que l'autre diminue) ou pas corrélées du tout.
  • Présélection des données : l'analyse de corrélation est souvent utilisée comme étape préliminaire pour repérer des relations potentielles avant des analyses plus complexes. Elle peut aider les chercheurs à identifier les variables qui méritent d'être étudiées plus en détail.
  • Tests d'hypothèses : l'analyse de corrélation peut servir à tester des hypothèses sur les relations entre variables. Par exemple, vous pouvez vouloir tester s'il existe une corrélation significative entre le revenu et le niveau d'études, ou entre la satisfaction des clients et leur comportement d'achat.
  • Prévision : l'analyse de corrélation peut être utilisée dans des modèles de prévision. S'il existe une forte corrélation entre deux variables dans les données historiques, cela suggère que les variations de l'une peuvent aider à prédire celles de l'autre.
  • Choix des variables : lors de la construction de modèles prédictifs, l'analyse de corrélation peut aider à choisir les variables. Si deux variables sont fortement corrélées, inclure les deux dans le modèle peut introduire des problèmes de multicolinéarité. Dans ce cas, vous pouvez choisir de n'inclure qu'une seule des variables ou d'utiliser des techniques de réduction de dimension.
  • Maîtrise de la qualité : l'analyse de corrélation peut être appliquée aux procédés de maîtrise de la qualité pour repérer les relations entre variables susceptibles d'influer sur la qualité du produit. Par exemple, en fabrication, vous pouvez analyser la corrélation entre certaines variables du procédé et les défauts du produit.
  • Gestion de portefeuille : en finance, l'analyse de corrélation est fréquemment utilisée pour évaluer les relations entre différents actifs d'investissement. Comprendre la corrélation entre actifs aide à construire des portefeuilles diversifiés susceptibles de réduire le risque.

Recommandations pour bien utiliser l'analyse de corrélation

  • Incluez au moins 2 colonnes de données numériques ou de type date/heure
  • Toutes les colonnes doivent avoir le même nombre de lignes
  • Les données doivent être continues ou ordinales
  • Pour des données catégorielles, utilisez le tableau croisé et le test du khi-deux
  • L'effectif de l'échantillon doit être moyen à grand (n ≥ 25)
  • Des échantillons plus grands donnent des estimations plus exactes et plus précises
  • La relation entre les variables doit être linéaire ou monotone
  • Utilisez une matrice de graphiques pour repérer et examiner les valeurs aberrantes
  • Les données doivent suivre une distribution normale bivariée
  • Les procédures de valeur p pour les corrélations sont robustes aux écarts à la normalité pour n ≥ 25
  • Les intervalles de confiance de la corrélation de Pearson sont sensibles à l'hypothèse de normalité
  • Les intervalles de confiance des corrélations de Spearman reposent sur les rangs et sont moins sensibles à l'hypothèse de distribution

Alternatives : quand ne pas utiliser l'analyse de corrélation

  • Ajuster un modèle de régression: ajuster un modèle de régression est généralement plus approprié qu'une analyse de corrélation lorsque vous voulez faire des prédictions ou estimer les valeurs de la variable dépendante à partir des variables indépendantes.
  • Nuage de points: un nuage de points peut être plus approprié qu'une analyse de corrélation lorsque les relations peuvent être non linéaires ou que des valeurs aberrantes peuvent être présentes dans les données.

Exemple d'analyse de corrélation

Une banque exige de ses demandeurs de prêt huit informations précises : revenu, niveau d'études, âge, durée de résidence actuelle, ancienneté chez l'employeur actuel, épargne, dettes et nombre de cartes de crédit. Un administrateur de la banque veut savoir lesquelles de ces informations sont fortement liées entre elles. Il rassemble ces données pour 30 demandeurs de prêt et réalise une analyse de corrélation afin d'obtenir les coefficients de corrélation par paires et leurs valeurs p pour les huit variables. Les étapes sont les suivantes :

  1. Rassembler les données nécessaires.
Correlation Analysis — figure 1
  1. Analysez maintenant les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  2. Pour trouver Correlation Analysis, choisissez Statistical module> Graphical analysis> correlation analysis.
  3. Dans l'outil, saisissez les données ainsi que les autres paramètres comme suit :
Correlation Analysis — figure 2

5. Après avoir utilisé l'outil ci-dessus, récupérez les résultats comme suit :

Correlation Analysis — figure 3

Comment réaliser une analyse de corrélation

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Graphical analysis > correlation analysis.
  3. Ensuite, saisissez les données manuellement, ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V), ou encore utilisez l'option Load Example pour charger les données d'exemple.
  4. Ensuite, associez les colonnes aux paramètres.
  5. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de Correlation Analysis, la fenêtre est divisée en deux parties.

Correlation Analysis — figure 4

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement, ou copiées (Ctrl+C) depuis une feuille Excel et collées (Ctrl+V) ici.

Load example : des données d'exemple sont chargées.

Load File: permet de charger directement les données Excel.

Dans la partie droite, il suffit de renseigner :

Variables : pour sélectionner plusieurs variables pour l'analyse de corrélation, identifiez d'abord les variables quantitatives qui vous intéressent dans votre jeu de données. Calculez ensuite les coefficients de corrélation par paires entre ces variables pour comprendre la force et le sens de leurs relations linéaires. Cette démarche permet de déterminer quelles variables sont fortement liées, ce qui aide à la sélection de variables et à l'analyse multivariée pour de futures recherches ou modélisations.

Display Scatter : afficher un nuage de points dans l'analyse de corrélation représente visuellement la relation entre deux variables, en montrant leur association dans un repère cartésien. Il aide à repérer des motifs, des tendances et des valeurs aberrantes, en complément du coefficient de corrélation numérique. Cette visualisation donne une meilleure compréhension de la force et du sens de la relation linéaire entre les variables.

 Download as Excel: affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.

Questions fréquentes

Que nous apprend un coefficient de corrélation ?

Le coefficient de corrélation de Pearson mesure la force et le sens de la relation linéaire entre deux variables. Il varie de -1, relation négative parfaite, à +1, relation positive parfaite, 0 signifiant l'absence de relation linéaire. La corrélation montre comment les variables évoluent ensemble mais n'implique pas de causalité.

Quelles sont les hypothèses de l'analyse de corrélation ?

Utilisez au moins deux colonnes de données continues ou ordinales ayant le même nombre de lignes. La relation doit être linéaire ou monotone, et les données doivent suivre une distribution normale bivariée. Les intervalles de confiance de la corrélation de Pearson sont sensibles à l'hypothèse de normalité ; ceux de Spearman, fondés sur les rangs, le sont moins.

De combien d'échantillons a-t-on besoin pour une analyse de corrélation ?

Un échantillon moyen à grand, d'au moins 25, est recommandé, et des échantillons plus grands donnent des estimations plus exactes et plus précises. Pour n ≥ 25, les procédures de valeur p pour les corrélations sont robustes aux écarts à la normalité. Utilisez une matrice de graphiques pour repérer et examiner les valeurs aberrantes avant de vous fier aux coefficients.

Quand utiliser une régression ou un nuage de points plutôt qu'une corrélation ?

Ajustez un modèle de régression lorsque vous voulez prédire ou estimer les valeurs de la variable dépendante à partir des variables indépendantes. Utilisez un nuage de points lorsque la relation peut être non linéaire ou que des valeurs aberrantes peuvent être présentes. Pour des données catégorielles, utilisez le tableau croisé et le test du khi-deux plutôt que l'analyse de corrélation.