Korelacja Pearsona czy Spearmana? Wybór, interpretacja i zapis APA

Korelację Pearsona wybierasz, gdy obie zmienne są ilościowe, związek na wykresie układa się wzdłuż linii prostej, a w danych nie ma skrajnych wartości, które ciągną wynik. Korelację Spearmana wybierasz, gdy zmienne są porządkowe, rozkład jest wyraźnie skośny, związek rośnie albo maleje, ale nie po prostej, albo gdy w danych są wartości odstające. Pearson mierzy związek liniowy, Spearman związek monotoniczny, liczony na rangach.

Poniżej: różnica między współczynnikami, założenia, jak interpretować siłę związku i dlaczego progi są umowne, istotność statystyczna korelacji, przykład policzony naprawdę i zapis w stylu APA po polsku. Dane w przykładzie są zmyślone.

Korelacja Pearsona a Spearmana: czym się różnią?

Współczynnik Pearsona (r) opisuje, jak blisko punkty na wykresie rozrzutu leżą prostej. Współczynnik Spearmana to ten sam współczynnik Pearsona policzony nie na wartościach, tylko na ich rangach: najmniejsza wartość dostaje rangę 1, następna 2 i tak dalej¹. Przez to Spearman mierzy, czy jedna zmienna konsekwentnie rośnie (albo maleje) razem z drugą, bez wymogu, żeby działo się to po prostej. Oba przyjmują wartości od −1 do 1.

Z tej różnicy wynikają trzy praktyczne konsekwencje opisane przez Schobera, Boer i Schwartego: Spearman nadaje się do danych porządkowych, do zmiennych ilościowych o rozkładzie dalekim od normalnego i jest względnie odporny na wartości odstające¹. Mukaka w przewodniku dla badaczy medycznych daje tę samą regułę: Pearson, gdy obie zmienne mają rozkład normalny; Spearman, gdy jedna albo obie są skośne lub porządkowe; Spearman jest też odporniejszy na wartości skrajne².

Kiedy korelacja Pearsona, a kiedy Spearmana?

Sytuacja	Wybór
Obie zmienne ilościowe, rozkłady zbliżone do normalnego, związek liniowy	Pearson
Jedna albo obie zmienne porządkowe (np. pojedyncze pytanie „nigdy, rzadko, czasem, często”)	Spearman
Wyraźna skośność albo wartości odstające	Spearman (i sprawdzenie wykresu)
Związek rośnie stale, ale wygina się w krzywą	Spearman
Związek w kształcie litery U	żaden: korelacja go nie opisze

Wynik skali, czyli suma albo średnia kilku pozycji kwestionariusza, w pracach dyplomowych traktuje się zwykle jako zmienną ilościową. Spór o to, czy wolno tak robić z odpowiedziami w skali Likerta, opisuje artykuł o tym, jak analizować skalę Likerta. Test wynika z hipotezy, a nie z tego, który dał „lepszy” wynik: wybór zapisujesz w planie analizy przed zebraniem danych, tak jak w artykule o tym, jak napisać hipotezy badawcze.

Jakie założenia ma korelacja Pearsona?

Schober i współautorzy zwracają uwagę, że w różnych podręcznikach założenia brzmią różnie, a sam współczynnik da się policzyć bez żadnych założeń jako miarę związku liniowego¹. Założenia dotyczą wnioskowania, czyli testu istotności i przedziału ufności. Wymieniają trzy grupy:

1. Obie zmienne są ilościowe i losowe, nie ustalone przez badacza.
2. Wspólny rozkład normalny. W praktyce sprawdzasz dwie rzeczy: czy każda zmienna ma rozkład zbliżony do normalnego i czy na wykresie rozrzutu punkty nie układają się wzdłuż krzywej.
3. Brak istotnych wartości odstających. Pojedynczy skrajny punkt potrafi mocno zmienić r. Usuwanie go bez powodu nie jest uprawnione; autorzy proponują policzyć korelację z nim i bez niego i porównać wyniki, a przy istotnych wartościach odstających wybrać Spearmana¹.

Dlatego pierwszym krokiem każdej korelacji jest wykres rozrzutu, nie tabela. Ten sam współczynnik może opisywać zupełnie różne układy punktów, a r bliskie zera nie wyklucza silnego związku nieliniowego¹.

Korelacja Pearsona: interpretacja siły związku

Znak mówi o kierunku: dodatni, gdy obie zmienne rosną razem, ujemny, gdy jedna rośnie, a druga maleje. Wartość bezwzględna mówi o sile. Do słów „słaby”, „umiarkowany”, „silny” istnieje kilka konwencji i nie są ze sobą zgodne:

Konwencja	Mały / niski	Średni	Duży / wysoki
Cohen (1969), za podręcznikiem G*Power3	0,1	0,3	0,5
Hinkle, Wiersma i Jurs (2003), za Mukaką2	od 0,30 do 0,50 „niska”	od 0,50 do 0,70 „umiarkowana”	od 0,70 do 0,90 „wysoka”, powyżej 0,90 „bardzo wysoka”

U Hinkle'a i współautorów wartości poniżej 0,30 to korelacja pomijalna². Ta sama korelacja 0,35 jest więc według Cohena średnia, a według drugiej konwencji niska. Schober i współautorzy nazywają takie progi arbitralnymi i niespójnymi: trudno uzasadnić, dlaczego 0,39 ma być związkiem słabym, a 0,40 umiarkowanym¹. Proponują interpretować współczynnik w świetle pytania badawczego i zakresu zmierzonych wartości, bo węższy zakres zwykle daje niższą korelację¹.

W pracy robisz tak: wybierasz jedną konwencję, podajesz jej źródło w metodzie albo przy pierwszym użyciu i piszesz, że to konwencja, a nie prawo. Porównanie z literaturą (czy w podobnych badaniach związek był podobnej wielkości) mówi więcej niż sama etykieta.

Istotność statystyczna korelacji

Test istotności sprawdza hipotezę, że w populacji korelacja wynosi zero. Wartość p nie mówi nic o sile związku: przy dużej próbie bardzo słaba korelacja wychodzi istotna¹. Dlatego obok p warto podać przedział ufności. Gdy przedział jest szeroki, dane pasują zarówno do związku pomijalnego, jak i silnego, i nie pozwalają rozstrzygnąć o jego wielkości¹. Do tego dochodzi stara zasada: korelacja nie dowodzi przyczyny.

Przykład: jedna osoba, dwa różne wyniki

Dwanaście osób (dane zmyślone) podało, ile godzin dziennie spędza w mediach społecznościowych, i wypełniło skalę samotności (średnia pozycji, od 1 do 5). Godziny kolejnych osób: 1,0; 1,5; 2,0; 2,0; 2,5; 3,0; 3,0; 3,5; 4,0; 4,5; 5,0; 11,0. Wyniki skali: 2,1; 1,8; 2,4; 2,9; 2,2; 2,6; 3,1; 2,8; 3,3; 3,0; 3,4; 1,9. Ostatnia osoba spędza w sieci 11 godzin i ma niski wynik samotności.

Policzyłem to w Pythonie (biblioteka SciPy 1.17.0, funkcje pearsonr i spearmanr):

Dane	Pearson	Spearman
Wszystkie 12 osób	r(10) = −0,03; p = 0,926	rₛ = 0,48; p = 0,114
Bez osoby 12 (11 osób)	r(9) = 0,83; p = 0,002	rₛ = 0,84; p = 0,001

Jedna skrajna osoba zrobiła z wyraźnego związku dodatniego „brak związku” w Pearsonie. Spearman, liczony na rangach, ucierpiał mniej. Zwróć uwagę na dwie rzeczy. Po pierwsze, przy dwunastu osobach nawet rₛ = 0,48 nie jest istotne. Po drugie, usunięcie osoby 12 tylko dlatego, że psuje wynik, byłoby nadużyciem. Uczciwa droga to wykres, decyzja o teście zapisana w planie analizy i, jeśli wartość odstająca jest prawdziwa, raport z obu wariantów z wyjaśnieniem.

Jak zapisać korelację w stylu APA po polsku?

Polska adaptacja zasad APA 7 (Skimina, Harasimczuk, Cieciuch) mówi, że w polskim tekście ułamki dziesiętne zapisuje się przecinkiem, a zero przed przecinkiem stawia się także wtedy, gdy wartość nie może przekroczyć 1, czyli przy korelacjach, proporcjach i poziomach istotności⁴. Korelacje i statystyki testowe zaokrągla się do dwóch miejsc, a p do dwóch albo trzech; wartości mniejsze niż 0,001 zapisuje się jako p < 0,001⁴. Elementy, które same zawierają przecinek, oddziela się średnikiem, także w przedziale ufności: 95% CI [0,45; 0,95]⁵. Symbole statystyczne pisane literami łacińskimi idą kursywą⁶.

Wzór dla Pearsona (stopnie swobody to liczba par minus 2):

Liczba godzin w mediach społecznościowych wiązała się dodatnio z poczuciem samotności, r(9) = 0,83; p = 0,002; 95% CI [0,45; 0,95].

Wzór dla Spearmana:

Między liczbą godzin w mediach społecznościowych a poczuciem samotności wystąpił związek dodatni, który nie był istotny statystycznie, rₛ = 0,48; p = 0,114; N = 12.

Spearmana oznacza się rₛ albo greckim ρ (rho)¹; którą postać przyjąć, ustal z promotorem i trzymaj się jej w całej pracy. Część wydziałów i promotorów każe pisać po angielsku, z kropką i bez zera (r = .83); jak zapisać wyniki w jednym i drugim wariancie, pokazuje artykuł o tym, jak opisać wyniki statystyczne. Wytyczne wydziału mają pierwszeństwo; adaptacja to dobre źródło, gdy wytyczne milczą.

Korelacja Pearsona w Excelu i w programie statystycznym

Excel ma funkcje PEARSON i WSP.KORELACJI; obie zwracają sam współczynnik, bez wartości p i przedziału ufności⁷. Do pracy potrzebujesz programu statystycznego. W darmowym jamovi analiza „Macierz korelacji” liczy r Pearsona, rho Spearmana i tau-b Kendalla, pozwala wybrać hipotezę dwustronną albo kierunkową i dodać przedziały ufności⁸; opisuje to instrukcja jamovi dla studenta.

Jak AI pomaga przy korelacji?

Model nie liczy korelacji na Twoich danych i nie dostaje surowych odpowiedzi badanych. Może wyjaśnić kolumny w tabeli z programu i sprawdzić zapis: czy stopnie swobody pasują do liczby osób, czy wszędzie jest ten sam separator i to samo zero przed przecinkiem, czy w tekście nie ma słów przyczynowych. Każdą liczbę porównujesz z wydrukiem z programu.

Plan analizy, wybór testu do hipotezy, założenia i zapis wyników przechodzisz na własnej pracy w kursie Badania własne krok po kroku. Każda lekcja kończy się ćwiczeniem i kartą do wydruku.

Przypisy

1. P. Schober, C. Boer, L. A. Schwarte, Correlation Coefficients: Appropriate Use and Interpretation, „Anesthesia & Analgesia” 126 (5), 2018, s. 1763-1768, https://doi.org/10.1213/ANE.0000000000002864 (dostęp: 27 października 2026). ↑ ↑² ↑³ ↑⁴ ↑⁵ ↑⁶ ↑⁷ ↑⁸ ↑⁹ ↑¹⁰

2. M. M. Mukaka, A guide to appropriate use of Correlation coefficient in medical research, „Malawi Medical Journal” 24 (3), 2012, s. 69-71, tabela 1 (za: D. E. Hinkle, W. Wiersma, S. G. Jurs, Applied Statistics for the Behavioral Sciences, 2003), https://pmc.ncbi.nlm.nih.gov/articles/PMC3576830/ (dostęp: 27 października 2026). ↑ ↑² ↑³

3. Heinrich-Heine-Universität Düsseldorf, G*Power 3.1 manual, 1 czerwca 2023, rozdz. 3.1 (konwencje Cohena z 1969 roku dla korelacji: 0,1; 0,3; 0,5), https://www.psychologie.hhu.de/fileadmin/redaktion/Fakultaeten/Mathematisch-Naturwissenschaftliche_Fakultaet/Psychologie/AAP/gpower/GPowerManual.pdf (dostęp: 27 października 2026). ↑

4. E. Skimina, J. Harasimczuk, J. Cieciuch, Podstawowe standardy edytorskie naukowych tekstów psychologicznych w języku polskim na podstawie reguł APA 7, Wydawnictwo Liberi Libri 2022, część 5.1.3 „Ułamki dziesiętne”, s. 60 (strona 61 pliku PDF), https://doi.org/10.47943/lib.9788363487560 (dostęp: 27 października 2026). ↑ ↑²

5. Tamże, część 3.1.4 „Średnik”, s. 40-41 (strony 41-42 pliku PDF). ↑

6. Tamże, część 5.2.3 „Symbole statystyczne”, s. 62-63 (strony 63-64 pliku PDF). ↑

7. Microsoft, PEARSON (funkcja) i WSP.KORELACJI (funkcja), support.microsoft.com, https://support.microsoft.com/pl-pl/office/pearson-funkcja-0c3e30fc-e5af-49c4-808a-3ef66e034c18, https://support.microsoft.com/pl-pl/office/wsp-korelacji-funkcja-995dcef7-0c0a-4bed-a3fb-239d7b68ca92 (dostęp: 27 października 2026). ↑

8. The jamovi project, moduł jmv, definicja analizy Correlation Matrix (opcje Pearson, Spearman, Kendall's tau-b, Hypothesis, Confidence intervals), https://github.com/jamovi/jmv/blob/master/jamovi/corrmatrix.a.yaml; polskie nazwy z tłumaczenia modułu w serwisie Weblate, https://hosted.weblate.org/projects/jamovi/jmv-i18n/pl/ (dostęp: 27 października 2026). ↑