Veiledning i korrelasjonsanalyse
Korrelasjonsanalyse: finn og tolk sammenhenger i dataene fra undersøkelsen din
En korrelasjonsanalyse viser om to variabler stiger og synker sammen, og hvor sterkt de henger sammen – for eksempel tilfredshet med kundeservice og viljen til å anbefale. Her får du vite hvordan Pearson og Spearman regner, hvordan du vurderer r, hvorfor en sammenheng ikke beviser en årsak, og hva 121surveys beregner for deg.
Det er gratis å bygge og teste. For å publisere velger du en betalt plan.
Det grunnleggende: hva korrelasjonskoeffisienten forteller
Hva måler korrelasjonskoeffisienten r?
Korrelasjonskoeffisienten r oppsummerer sammenhengen mellom to variabler i ett tall mellom −1 og +1. Fortegnet viser retningen: positivt betyr at høye verdier på den ene går sammen med høye verdier på den andre; negativt at den ene øker mens den andre synker. Tallverdien viser styrken: ved 0 er det ingen lineær sammenheng, ved ±1 ligger alle punktene på en rett linje. Husk at r bare fanger lineære (Pearson) eller monotone (Spearman) mønstre. Et omvendt U-formet forløp kan derfor gi en r nær 0 – et spredningsdiagram viser deg om det er slik.
Pearson-korrelasjon: formel og forutsetninger
Pearsons r setter den felles variasjonen til to variabler i forhold til variasjonen i hver av dem: r = Σ(x − x̄)(y − ȳ) / √(Σ(x − x̄)² · Σ(y − ȳ)²). I telleren står summen av avvikenes produkter; nevneren gjør resultatet uavhengig av enheten, så det endrer ikke r om du måler i kroner eller øre. Pearson passer til kvantitative eller nesten kvantitative data: tallsvar, glidebrytere og i praksis vanligvis også vurderingsskalaer med fem eller flere trinn. Sammenhengen bør være omtrent lineær, og bare noen få ekstremverdier kan flytte r kraftig.
Spearmans rangkorrelasjon: for rangeringer og ekstremverdier
Spearmans rho regner ikke med selve verdiene, men med rangplassene deres: hvert svar får en rang, like verdier deler gjennomsnittsrangen, og deretter beregnes Pearsons r på rangene. Slik fanger Spearman enhver monoton sammenheng, også når den ikke er rett, og blir langt mindre påvirket av ekstremverdier. For korte skalaer med få trinn, skjeve fordelinger eller ekte rangeringer er Spearman ofte det forsiktigste valget.
Hvor sterkt er sterkt? Slik vurderer du r
En utbredt tommelfingerregel fra Cohen kaller r rundt 0,1 svak, rundt 0,3 middels og fra 0,5 sterk. Det er en konvensjon, ikke en lov: i holdningsundersøkelser er verdier rundt 0,3 ofte allerede meningsfulle, mens to målinger av det samme bør stemme langt bedre overens. Kvadratet r² hjelper: det viser hvor stor del av variasjonen de to variablene har felles. Ved r = 0,3 er det bare 0,09, altså ni prosent – sammenhengen finnes, men forklarer ikke mesteparten av forskjellene mellom respondentene.
Hvor mange svar
For å oppdage en middels sterk sammenheng (r = 0,3) på en pålitelig måte trenger du rundt 85 svar. Svakere sammenhenger krever langt flere.
Korrelasjon er ikke kausalitet
Hvorfor en sammenheng ikke beviser en årsak
En korrelasjon sier bare at to variabler varierer sammen. Den kan ikke vise at den ene forårsaker den andre. De som er fornøyde med kundestøtten, anbefaler oftere – men kanskje tar fornøyde kunder rett og slett oftere kontakt med kundestøtten og får derfor flere sjanser til gode opplevelser. For å snakke om en årsak trenger du mer: en rekkefølge i tid, en plausibel forklaring og helst et eksperiment der du bevisst endrer én variabel og følger med på den andre.
Tredjevariabler, spuriøs korrelasjon og retning
Ofte står en tredje variabel bak en korrelasjon og påvirker begge. Henger tilfredsheten med en programvare sammen med teamstørrelsen, kan den egentlige årsaken være bransjen der store team er vanligere. Deler du dataene opp etter slike grupper, kan en sammenheng bli svakere, forsvinne eller til og med snu. Også retningen er åpen: fører tillit til tilfredshet, eller tilfredshet til tillit? Én enkelt undersøkelse kan ikke avgjøre det alene.
Driveranalyse i undersøkelser
I kunde- og medarbeiderundersøkelser brukes korrelasjon ofte som en rask driveranalyse: hvilken enkeltvurdering – pris, leveringstid, rådgivning – henger sterkest sammen med samlet tilfredshet eller NPS? Det er et godt første blikk. Men driverne henger som regel også sammen med hverandre; den som liker rådgivningen, gir ofte også leveringen en bedre vurdering. Hva hver driver bidrar med på egen hånd, viser først en multippel regresjon, som du for eksempel kan kjøre i SPSS.
Korrelasjonsanalyse i 121surveys
En korrelasjonsmatrise over alle tallspørsmål
Analysen beregner Pearson-korrelasjonen for hvert par av tallspørsmål i undersøkelsen din og viser den som en matrise: vurderingsskalaer, stjernevurderinger, NPS, eNPS, CSAT, CES, pulse check, glidebrytere og tallfelt. Fanen vises så snart undersøkelsen har minst to slike spørsmål.
Beregnet parvis, med antall per celle
For hvert spørsmålspar teller alle som har svart på begge spørsmålene. Matrisen viser antallet i hver celle, slik at du ikke forveksler en verdi basert på noen få svar med en som bygger på mange. For få felles svar gir ingen verdi.
Filtre og periode i analysen
Korrelasjonene følger filtrene og perioden du har valgt i analysen. Slik kan du for eksempel sjekke om sammenhengen mellom service og anbefaling ser annerledes ut hos nye kunder enn hos faste kunder. De utvidede analysene er tilgjengelige fra rollen Analytiker.
Eksport for Spearman og regresjon, MCP for KI-assistenter
Spearman-korrelasjoner, signifikanstester og regresjoner beregner du i statistikkprogrammet ditt etter at du har eksportert rådataene som SPSS-fil, Excel, CSV, ODS eller JSON. En KI-assistent henter matrisen via MCP-verktøyet get_correlations.
Ofte stilte spørsmål
Hva er en korrelasjonsanalyse?
En korrelasjonsanalyse undersøker om og hvor sterkt to variabler henger sammen. Resultatet er en koeffisient mellom −1 og +1: fortegnet viser retningen, tallverdien styrken. I en undersøkelse ser du på den måten for eksempel hvor tett vurderingen av enkelttjenester henger sammen med den samlede tilfredsheten.
Når velger jeg Pearson, og når Spearman?
Pearson passer til tall og lengre skalaer med en omtrent lineær sammenheng. Spearman arbeider med rangplasser og egner seg for korte ordinale skalaer, skjeve fordelinger og data med ekstremverdier. Ligger de to verdiene nær hverandre, er resultatet robust; avviker de mye, lønner det seg å se på spredningsdiagrammet.
Beregner 121surveys også Spearman-korrelasjon?
Nei. Korrelasjonsmatrisen i 121surveys viser Pearson-korrelasjoner. For Spearman, signifikanstester eller partielle korrelasjoner eksporterer du rådataene – for eksempel som SPSS-, Excel- eller CSV-fil – og jobber videre i statistikkprogrammet ditt.
Hvor mange svar trenger jeg til en korrelasjonsanalyse?
Det avhenger av hvor sterk sammenheng du vil kunne oppdage: svake sammenhenger krever langt flere svar enn sterke. Pass også på at nok personer har svart på begge spørsmålene i hvert par – matrisen i 121surveys viser antallet i hver celle. Hvor mange svar du trenger for en bestemt presisjon, anslår du med utvalgskalkulatoren.
Betyr en høy korrelasjon at jeg bør sette inn tiltak akkurat der?
Den er et hint, ikke et bevis. En sterk sammenheng mellom en enkeltvurdering og samlet tilfredshet gjør punktet til en kandidat. Om en forbedring der faktisk øker tilfredsheten, viser først en før-og-etter-sammenligning eller en målrettet test – og en regresjon skiller bidraget fra drivere som overlapper.
Finn sammenhenger, test årsaker
Med korrelasjonsmatrisen i 121surveys ser du med en gang hvilke vurderinger som stiger og synker sammen. Bruk den som et kart for de neste spørsmålene dine – og test årsaker med gruppesammenligninger, en regresjon eller en målrettet test.
