Corrélation négative

Cet article explique quelle est la corrélation négative entre deux variables statistiques et montre un exemple de ce type de corrélation. De plus, vous pourrez voir comment la corrélation négative est interprétée.

Qu’est-ce qu’une corrélation négative ?

En statistiques, une corrélation négative est un type de corrélation entre deux variables différentes qui indique qu’elles sont inversement liées. Autrement dit, si deux variables ont une corrélation négative, cela signifie que lorsqu’une variable augmente en valeur, l’autre variable diminue.

Lorsque deux variables ont une corrélation négative, la valeur du coefficient de corrélation est comprise entre -1 (inclus) et 0 (non inclus).

La corrélation négative est également connue en statistique sous le nom de corrélation inverse .

Exemple de corrélation négative

Maintenant que nous connaissons la définition de la corrélation négative, nous allons voir un exemple de deux variables avec ce type de corrélation pour mieux assimiler le concept.

• Une entreprise internationale a enregistré dans un tableau de données la température moyenne du mois et les ventes de pulls réalisés au cours de ce mois dans plusieurs de ses magasins. Analysez la corrélation entre ces deux variables statistiques.

La première chose que nous devons faire pour étudier la corrélation entre ces deux variables est de représenter l’ensemble de données dans un graphique. Par conséquent, nous élaborons le nuage de points des paires de données :

Comme vous pouvez le voir sur le nuage de points, la corrélation entre les deux variables semble au premier abord négative, puisque lorsque l’une augmente, l’autre diminue et vice versa. Il faut cependant vérifier quelle est la corrélation entre les variables en calculant le coefficient de corrélation :

La valeur du coefficient de corrélation est négative, il est donc confirmé que la corrélation entre les deux variables étudiées est négative.

Interprétation de la corrélation négative

Dans cette section, nous allons voir comment interpréter la valeur d’une corrélation négative entre deux variables, afin que vous compreniez mieux la signification d’une corrélation négative.

Plus le coefficient de corrélation négatif est petit, plus les deux variables sont corrélées négativement. Ainsi , lorsque le coefficient de corrélation entre deux variables est très proche de -1, plus la corrélation négative est significative. En revanche, si la valeur du coefficient de corrélation est proche de 0, cela signifie que la corrélation entre les deux variables est faible.

De plus, si le coefficient de corrélation devient 0, la corrélation entre les variables est nulle. Et même si la valeur du coefficient est positive, cela signifie que la corrélation est positive. Ci-dessous, nous discuterons des différents types de corrélation.

Enfin, vous devez garder à l’esprit qu’une corrélation négative n’implique pas de lien de causalité entre les variables. Autrement dit, si deux variables ont une corrélation négative, cela signifie qu’elles sont liées de manière linéaire et négative, mais la cause de l’augmentation d’une variable n’est pas nécessairement la diminution de l’autre variable.

Pour en savoir plus, consultez l’article suivant :

Corrélation négative, positive et nulle

Dans cet article, nous nous sommes concentrés sur en quoi consiste la corrélation négative, cependant, en statistiques, deux variables peuvent également avoir une corrélation positive ou nulle.

• Corrélation positive – Une variable augmente lorsque l’autre augmente également. La valeur du coefficient de corrélation est comprise entre 0 (non inclus) et 1 (inclus).
• Corrélation négative : lorsqu’une variable augmente, l’autre diminue, et vice versa, si une variable diminue, l’autre augmente. La valeur du coefficient de corrélation est comprise entre -1 (inclus) et 0 (non inclus).
• Corrélation nulle : il n’y a aucune relation entre les deux variables. Le coefficient de corrélation est égal à 0.

Dans les graphiques suivants, vous pouvez voir les différents types de corrélation représentés :