447. p-value dla korelacji a znaczenie efektu

W poprzednich lekcjach omówiliśmy współczynniki korelacji oraz ich przedziały ufności. Kolejny krok polega na rozdzieleniu trzech pytań, które w praktyce bywają niesłusznie utożsamiane: czy obserwowana zależność jest zgodna z hipotezą zerową, jak duża jest ta zależność oraz czy ma ona znaczenie praktyczne. W tej lekcji skupimy się na wartości p dla korelacji, ale potraktujemy ją jako jeden z elementów interpretacji, a nie jako samodzielne podsumowanie wyniku.

Jest to szczególnie ważne w medycynie, zdrowiu publicznym i psychologii. Przy bardzo dużej próbie nawet słaba korelacja może uzyskać małą wartość p. Przy małej próbie korelacja umiarkowana lub duża może pozostać niepewna statystycznie. Sama wartość p nie mówi więc, czy wynik jest ważny dla pacjenta, klinicysty, pielęgniarki, psychologa ani decydenta zdrowia publicznego. Podobne zalecenia wynikają ze stanowiska American Statistical Association oraz standardów raportowania APA, które wskazują na potrzebę łączenia testów istotności z miarami efektu i przedziałami ufności (Wasserstein i Lazar, 2016; Appelbaum i in., 2018).

1. Co oznacza p-value dla korelacji?

Załóżmy, że badacz obliczył współczynnik korelacji Pearsona r albo współczynnik korelacji rang Spearmana r_s. Następnie chce sprawdzić hipotezę, że w populacji nie ma odpowiedniej zależności.

• Hipoteza zerowa H₀: korelacja w populacji jest równa zero, czyli ρ = 0;
• hipoteza alternatywna H₁: korelacja w populacji różni się od zera, czyli ρ ≠ 0.

Wartość p jest prawdopodobieństwem uzyskania wyniku co najmniej tak odległego od wartości przewidywanej przez H₀, jak wynik zaobserwowany, przy założeniu, że H₀ jest prawdziwa i że zastosowany model oraz procedura testowa są adekwatne. Nie jest natomiast prawdopodobieństwem prawdziwości H₀, prawdopodobieństwem powtórzenia wyniku ani bezpośrednią miarą siły związku.

To rozróżnienie ma fundamentalne znaczenie. Zdanie „p = 0,02 oznacza 2-procentowe prawdopodobieństwo, że nie ma korelacji” jest błędne. Poprawniej można powiedzieć: „Przy założeniu braku korelacji w populacji uzyskany wynik lub wynik bardziej skrajny miałby prawdopodobieństwo 2% według przyjętego modelu testowego”. Taki opis nadal nie rozstrzyga, czy korelacja jest duża, użyteczna ani przyczynowa.

2. Test istotności korelacji Pearsona

Dla klasycznego testu istotności współczynnika korelacji Pearsona, przy testowaniu H₀: ρ = 0, często wykorzystuje się statystykę:

t = r √[(n − 2) / (1 − r²)]

gdzie:

• r oznacza zaobserwowany współczynnik korelacji Pearsona;
• n oznacza liczbę par obserwacji;
• t jest statystyką testową;
• statystyka t jest porównywana z rozkładem t-Studenta z n − 2 stopniami swobody.

Wzór pokazuje, dlaczego wartość p zależy zarówno od wielkości korelacji, jak i od liczebności próby. Jeśli r jest większe co do wartości bezwzględnej, statystyka t zwykle rośnie. Jeśli rośnie n, również rośnie precyzja oszacowania, a test łatwiej wykrywa nawet niewielkie odstępstwo od zera.

W przypadku korelacji Spearmana sposób wyznaczania wartości p może zależeć od liczebności próby, obecności remisów w rangach oraz zastosowanej procedury: dokładnej, asymptotycznej albo opartej na permutacjach. Dlatego wynik powinien być interpretowany razem z informacją o rodzaju współczynnika, założeniach i metodzie obliczeń.

3. Dlaczego małe p-value nie oznacza dużego efektu?

Wielkość korelacji jest bezpośrednio opisywana przez współczynnik r, a nie przez wartość p. Współczynnik mieści się w przedziale od −1 do +1. Znak wskazuje kierunek zależności, natomiast wartość bezwzględna opisuje jej siłę w sensie charakterystycznym dla danego współczynnika.

Przykładowo korelacja r = 0,12 może być statystycznie istotna w badaniu obejmującym kilka tysięcy osób, ale nadal oznaczać słabą zależność. Z kolei r = 0,45 w próbie 25 osób może nie osiągnąć poziomu p < 0,05, mimo że potencjalnie jest to wynik istotny z punktu widzenia teorii lub praktyki. Duża próba zmniejsza błąd losowy oszacowania, lecz nie zwiększa automatycznie samego efektu.

American Statistical Association podkreśla, że wartość p nie mierzy wielkości efektu ani jego znaczenia naukowego, klinicznego czy ekonomicznego. Mała wartość p może towarzyszyć efektowi bardzo małemu, a duży efekt może uzyskać nieprzekonującą wartość p w małej lub nieprecyzyjnej próbie (Wasserstein i Lazar, 2016). Podobnie Schober i współautorzy wskazują, że interpretacja współczynników korelacji powinna uwzględniać kontekst dziedziny, a sztywne progi należy traktować ostrożnie (Schober i in., 2018).

4. Wielkość efektu: co właściwie opisuje korelacja?

Współczynnik korelacji jest miarą efektu w analizie zależności. Jego interpretacja wymaga odpowiedzi na kilka pytań:

1. Czy analizowana korelacja jest liniowa, monotoniczna czy może ma inny kształt?
2. Czy użyto odpowiedniego współczynnika?
3. Czy zakres wartości w próbie nie został sztucznie ograniczony?
4. Czy występują obserwacje odstające?
5. Czy pomiar zmiennych jest wystarczająco rzetelny?
6. Czy korelacja ma znaczenie dla konkretnej decyzji praktycznej?

Na przykład r = 0,30 nie ma identycznego znaczenia w każdym zastosowaniu. W badaniu dotyczącym jednego, silnie uwarunkowanego biologicznie parametru może być interesującym wynikiem. W badaniu przesiewowym, w którym potrzebna jest bardzo dokładna predykcja indywidualnego ryzyka, taka korelacja może być niewystarczająca.

Można również obliczyć r², czyli kwadrat współczynnika korelacji. W modelu korelacji liniowej bywa on interpretowany jako proporcja zmienności jednej zmiennej liniowo powiązana ze zmiennością drugiej. Trzeba jednak unikać sformułowania „X wyjaśnia r² procent Y”, jeśli badanie nie ma odpowiedniego modelu, nie uwzględnia innych zmiennych lub nie pozwala na wnioskowanie przyczynowe. Przy r = 0,30 wartość r² wynosi 0,09, ale nie oznacza to automatycznie, że badana zmienna jest przyczyną 9% badanego zjawiska.

5. Przedział ufności pomaga ocenić precyzję

Samo oszacowanie r jest wynikiem z próby i podlega zmienności losowej. Dlatego należy raportować przedział ufności, najlepiej 95%, który pokazuje zakres wartości populacyjnych zgodnych z danymi i zastosowanym modelem. Przedział nie mówi, że konkretna wartość populacyjna ma 95-procentowe prawdopodobieństwo znajdowania się w tym jednym już obliczonym przedziale. Jest natomiast narzędziem oceny niepewności estymacji.

Dwa badania mogą mieć tę samą korelację r = 0,30, ale różne przedziały ufności. W badaniu małym przedział może być bardzo szeroki, np. od −0,10 do 0,60. W badaniu dużym może być znacznie węższy, np. od 0,25 do 0,35. W pierwszym przypadku niepewność co do kierunku i wielkości zależności jest duża; w drugim oszacowanie jest bardziej precyzyjne. Właśnie dlatego raportowanie r, przedziału ufności i p daje pełniejszy obraz niż sama klasyfikacja „istotne/nieistotne”.

6. Przykład 1: aktywność fizyczna i ciśnienie tętnicze

W badaniu przekrojowym 180 dorosłych osób z poradni podstawowej opieki zdrowotnej oceniono tygodniową liczbę minut aktywności fizycznej oraz skurczowe ciśnienie tętnicze. Zaobserwowano korelację Spearmana r_s = −0,22, 95% PU [−0,35; −0,07], p = 0,004.

Jak interpretować ten wynik?

• znak ujemny oznacza, że większej aktywności towarzyszyły przeciętnie niższe wartości ciśnienia;
• wartość bezwzględna 0,22 wskazuje na słabą zależność monotoniczną;
• p = 0,004 oznacza, że przy założeniu braku korelacji taki wynik byłby mało zgodny z H₀;
• przedział ufności sugeruje, że populacyjna korelacja może być niewielka, ale prawdopodobnie ujemna w zakresie objętym analizą;
• badanie przekrojowe nie uzasadnia stwierdzenia, że aktywność fizyczna spowodowała obniżenie ciśnienia.

Znaczenie praktyczne wymaga dodatkowych informacji: jaka była różnica ciśnienia między osobami o różnym poziomie aktywności, jak mierzono aktywność, czy kontrolowano wiek, leczenie, masę ciała i choroby współistniejące oraz czy wynik może zmienić postępowanie kliniczne. Statystyczna istotność jest tutaj argumentem za dalszą analizą, a nie samodzielnym dowodem skuteczności interwencji.

7. Przykład 2: stres pielęgniarek a jakość snu

Załóżmy, że w badaniu 42 pielęgniarek oceniono nasilenie stresu zawodowego oraz jakość snu za pomocą dwóch kwestionariuszy. Otrzymano korelację Pearsona r = 0,41, p = 0,007, a 95% PU wyniosło [0,12; 0,63].

Wynik jest statystycznie istotny i wskazuje na umiarkowaną dodatnią zależność: wyższemu nasileniu stresu towarzyszyła przeciętnie gorsza jakość snu, jeśli większe wartości skali oznaczały gorszy sen. Nie oznacza to jednak, że stres zawodowy jest jedyną przyczyną problemów ze snem. Możliwe są czynniki zakłócające, takie jak praca zmianowa, liczba dyżurów, opieka nad dziećmi, objawy depresyjne lub stan zdrowia.

W tym przykładzie r² = 0,168, czyli około 16,8% kwadratowej zmienności wyników jest związane liniowo w tej próbie. Nie należy przekładać tego mechanicznie na „16,8% problemów ze snem wyjaśnionych przez stres”. Przy takiej liczebności przedział ufności jest dość szeroki, dlatego właściwa konkluzja powinna być umiarkowana: wynik wskazuje na zależność o potencjalnym znaczeniu praktycznym, ale wymaga potwierdzenia w większych badaniach i przy lepszej kontroli zmiennych towarzyszących.

8. Jak raportować wynik?

Minimalny, czytelny zapis powinien zawierać:

• rodzaj współczynnika, np. korelacja Pearsona lub Spearmana;
• liczebność próby;
• wartość współczynnika wraz ze znakiem;
• przedział ufności;
• wartość p, najlepiej dokładną, jeśli nie jest bardzo mała;
• kierunek i kontekst zależności;
• ograniczenia badania oraz ostrożność w interpretacji przyczynowej.

Przykładowe zdanie: „Wśród 180 uczestników stwierdzono słabą ujemną korelację Spearmana między aktywnością fizyczną a skurczowym ciśnieniem tętniczym, r_s = −0,22, 95% PU [−0,35; −0,07], p = 0,004. Wynik wskazuje na zależność zgodną z niższym ciśnieniem przy większej aktywności, ale ze względu na przekrojowy charakter badania nie uzasadnia wniosku o przyczynowości”. Taki sposób raportowania jest zgodny z zaleceniem, aby łączyć istotność statystyczną, wielkość efektu i miarę niepewności (Appelbaum i in., 2018).

Najczęstsze błędy

1. „p < 0,05 oznacza silną korelację”

Nie. O sile zależności informuje przede wszystkim współczynnik korelacji i jego przedział ufności. Wartość p dotyczy zgodności danych z określoną hipotezą zerową.

2. „p > 0,05 dowodzi braku korelacji”

Nieistotny wynik nie dowodzi, że efekt wynosi dokładnie zero. Może oznaczać także małą próbę, duży błąd pomiaru, małą precyzję lub nietrafnie określony model. Altman i Bland podkreślali, że brak przekonujących dowodów na efekt nie jest dowodem jego nieobecności (Altman i Bland, 1995).

3. „Im mniejsze p, tym ważniejszy wynik”

Nie. Mniejsze p nie musi oznaczać większej korelacji. Na wartość p wpływają między innymi liczebność próby i precyzja pomiaru.

4. Pomijanie wykresu rozrzutu

Współczynnik może być mylący przy obserwacjach odstających, ograniczeniu zakresu lub zależności nieliniowej. W analizie korelacji wykres rozrzutu jest ważnym elementem kontroli danych.

5. Zamiana korelacji na przyczynowość

Korelacja opisuje współwystępowanie wartości. Sama nie rozstrzyga, czy X wpływa na Y, Y wpływa na X, obie zmienne zależą od trzeciego czynnika, czy też związek wynika z błędu pomiaru. Ograniczenia i pułapki analiz korelacyjnych omawiają między innymi Janse i współautorzy (2021).

6. Stosowanie sztywnych progów bez kontekstu

Podział na korelacje „słabe”, „umiarkowane” i „silne” może być pomocny dydaktycznie, ale nie zastępuje oceny dziedzinowej. Progi nie powinny decydować samodzielnie o znaczeniu klinicznym lub społecznym (Schober i in., 2018).

Analiza przypadku: duża próba i mały efekt

W krajowym badaniu internetowym 12 000 osób oceniono czas korzystania z mediów społecznościowych oraz wynik skali samotności. Zaobserwowano r = 0,08, 95% PU [0,06; 0,10], p < 0,001.

Wynik jest bardzo precyzyjny i statystycznie istotny, ale sama korelacja jest słaba. Jej kwadrat wynosi 0,0064, czyli około 0,64% zmienności liniowej wyników samotności wiąże się z czasem korzystania z mediów społecznościowych w tej próbie. Nie należy z tego wyciągać wniosku, że temat jest całkowicie nieistotny. Może być interesujący dla badań populacyjnych, lecz prawdopodobnie nie wystarczy do trafnego przewidywania samotności pojedynczej osoby ani do uzasadnienia konkretnej interwencji bez dodatkowych danych.

Przykład pokazuje, że interpretacja powinna przejść przez trzy poziomy: istotność statystyczna — czy dane są niezgodne z H₀; wielkość efektu — jak duża jest zależność; oraz znaczenie praktyczne — czy obserwowany efekt może zmienić rozumienie problemu lub decyzję.

Co warto zapamiętać?

• p-value dla korelacji nie jest miarą siły związku.
• p-value nie jest prawdopodobieństwem prawdziwości hipotezy zerowej.
• Mała wartość p może towarzyszyć bardzo małemu efektowi, zwłaszcza w dużej próbie.
• Duża korelacja może nie osiągnąć konwencjonalnej istotności w małej lub nieprecyzyjnej próbie.
• Najlepiej raportować współczynnik korelacji, 95% przedział ufności, wartość p i kontekst praktyczny.
• r² opisuje kwadratową miarę związku liniowego, ale nie jest automatycznie miarą przyczynowego „wyjaśnienia”.
• Brak istotności statystycznej nie dowodzi braku efektu.
• Korelacja nie uzasadnia wniosku przyczynowego bez odpowiedniego schematu badania i dodatkowych założeń.

W ramach publicznego szkolenia na statystyk.edu.pl warto połączyć tę lekcję z wcześniejszymi tematami dotyczącymi wyboru współczynnika korelacji oraz interpretacji przedziału ufności. Dopiero zestawienie tych elementów pozwala ocenić, czy wynik jest nie tylko formalnie istotny, lecz także precyzyjny, wiarygodny i użyteczny w określonej dziedzinie.

Źródła i dalsza lektura

1. Ronald L. Wasserstein; Nicole A. Lazar (2016). The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician, 70(2), 129–133. DOI: 10.1080/00031305.2016.1154108.
2. Douglas G. Altman; J. Martin Bland (1995). Absence of evidence is not evidence of absence. BMJ, 311(7003), 485. DOI: 10.1136/bmj.311.7003.485.
3. Patrick Schober; Christa Boer;文章? Ian A. Schwarte (2018). Correlation Coefficients: Appropriate Use and Interpretation. Anesthesia & Analgesia, 126(5), 1763–1768. DOI: 10.1213/ANE.0000000000002864.
4. Janse J. Roemer; Marlies M. P. van der Laan; Johannes H. M. van der Heijden; et al. (2021). Conducting correlation analysis: important limitations and pitfalls. Clinical Kidney Journal, 14(11), 2332–2337. DOI: 10.1093/ckj/sfab085.
5. Anne C. Appelbaum; Harris Cooper; Rex B. K. Kline; et al. (2018). Journal Article Reporting Standards for Quantitative Research in Psychology: The APA Publications and Communications Board Task Force Report. American Psychologist, 73(1), 3–25. DOI: 10.1037/amp0000191.
6. Patrick Schober; Christa Boer; Ian A. Schwarte (2021). Statistics From A (Agreement) to Z (z Score): A Guide to Interpreting Common Measures of Association, Agreement, Diagnostic Accuracy, Effect Size, Heterogeneity, and Reliability in Medical Research. Anesthesia & Analgesia, 133(6), 1633–1641. DOI: 10.1213/ANE.0000000000005773.