In het kort
Bij de keuze Pearson of Spearman controleer je eerst het meetniveau, een spreidingsdiagram, opvallende waarden en de onafhankelijkheid van observaties. Voor een standaardtoets of betrouwbaarheidsinterval gelden aanvullende aannames. Spearman is geen automatische oplossing voor ieder probleem met je data.
1. Controleer of je vraag over samenhang gaat
Bij correlatie heeft iedere onderzochte eenheid twee bij elkaar horende waarden. Denk aan studie-uren en een toetsscore van dezelfde student. De analyse onderzoekt of hogere waarden op het ene kenmerk samengaan met hogere of lagere waarden op het andere.
Wil je juist gemiddelde scores van twee groepen vergelijken, dan is een correlatie niet automatisch de analyse die je nodig hebt. Controleer ook hoe de scores tot stand kwamen. Bij samengestelde vragenlijstscores moet je eerst verantwoorden dat je items samen mag nemen; lees daarvoor de uitleg over Likertschalen analyseren.
2. Pearson of Spearman: vergelijk wat de coëfficiënt beschrijft
| Kenmerk | Pearson | Spearman |
|---|---|---|
| Doel | Sterkte en richting van een lineair verband beschrijven. | Sterkte en richting van een monotone samenhang in rangordes beschrijven. |
| Gegevens | Kwantitatieve waarden waarbij afstanden betekenisvol zijn. | Waarden met een betekenisvolle rangorde. |
| Vorm | De samenhang volgt ongeveer een rechte lijn. | De waarden gaan overwegend één richting op, eventueel langs een kromme. |
| Uitschieters | Kan sterk worden beïnvloed door extreme waarden. | Rangschikken beperkt sommige effecten van extreme afstanden, maar verhelpt niet ieder probleem. |
Monotoon betekent dat hogere waarden op de ene variabele doorgaans samengaan met eenzelfde richting op de andere variabele. Bij een U-vorm kunnen beide coëfficiënten rond 0 liggen terwijl er wel een duidelijk patroon is. Een lage correlatie bewijst dus niet dat ieder verband ontbreekt.
3. Bekijk de gegevens voordat je een toets kiest
Maak een spreidingsdiagram en bekijk de verdelingen. Is er een lijn, een kromme, een U-vorm of vooral een losse puntenwolk? Controleer opvallende punten aan de hand van de oorspronkelijke gegevens. Een invoerfout mag je herstellen; een ongunstige geldige waarneming mag je niet zomaar verwijderen.
Controleer daarnaast de opzet. Eén paar waarden per student kan onafhankelijk zijn van andere studenten, maar herhaalde metingen of studenten binnen dezelfde klas kunnen afhankelijkheid geven. Gewone correlatietoetsen houden niet automatisch rekening met zulke structuren. Besteed ook aandacht aan ontbrekende waarden en het geldige aantal paren.
Voorbeeld: een stijgend verband hoeft geen rechte lijn te zijn
Neem vijf fictieve paren: X = 1, 2, 3, 4, 5 en Y = 2, 4, 8, 16, 32. Iedere hogere X hoort bij een hogere Y. De rangordes zijn identiek, dus Spearman is 1,00. Pearson is ongeveer 0,93: de punten volgen een duidelijke stijgende kromme in plaats van een perfecte rechte lijn.
Dit rekenvoorbeeld laat zien dat de coëfficiënten verschillende eigenschappen samenvatten. Het is geen bewijs dat Spearman altijd beter is bij een hoge waarde, en vijf fictieve paren rechtvaardigen geen algemene conclusie. Kies eerst welk type samenhang je vraag betreft en bekijk het patroon.
4. Maak onderscheid tussen beschrijven en statistisch toetsen
Een Pearson-coëfficiënt uitrekenen vereist op zichzelf geen normaal verdeelde gegevens. Voor de gebruikelijke exacte toets wordt wel een bivariate normale populatieverdeling verondersteld, met onafhankelijke observatieparen. Alleen twee losse normaliteitstoetsen uitvoeren beoordeelt die gezamenlijke aanname niet volledig.
Voor Spearman zijn de rangordes het uitgangspunt. De berekening van de p-waarde kan afhangen van steekproefomvang en gelijke rangen. De officiële R-documentatie voor correlatietoetsen beschrijft de gebruikte toetsprocedures. Kies de procedure die bij je ontwerp en software past en rapporteer relevante keuzes.
5. Interpreteer richting, sterkte en onzekerheid
Beide coëfficiënten liggen tussen −1 en 1. Het teken geeft de richting aan. De absolute grootte zegt iets over de sterkte van het type samenhang dat je berekent. Wat inhoudelijk een relevante samenhang is, hangt ook af van je vakgebied, meetkwaliteit en onderzoeksdoel.
Een statistisch significante correlatie hoeft niet groot of praktisch belangrijk te zijn. Een niet-significante uitkomst bewijst geen afwezigheid van samenhang. Rapporteer waar passend een betrouwbaarheidsinterval met een geschikte methode. Gebruik de correlatie evenmin als causaal bewijs: andere kenmerken of selectie kunnen de gevonden samenhang mede verklaren.
Hoe rapporteer je een correlatie in je scriptie?
Benoem variabelen, gekozen coëfficiënt, geldig aantal paren, schatting en p-waarde als je toetst. Voeg waar passend het betrouwbaarheidsinterval en een figuur toe. Vermeld relevante datakeuzes, zoals de omgang met ontbrekende waarden. De jamovi-documentatie over correlatiematrices laat zien welke uitvoer beschikbaar is.
Fictief tekstvoorbeeld zonder verzonnen uitkomsten: “De samenhang tussen [X] en [Y] is onderzocht met [Pearson/Spearman], omdat [inhoudelijke onderbouwing]. Er waren [n] complete paren. De gevonden samenhang was [coëfficiënt], met [onzekerheid en toetsuitkomst].” Vul dit met je eigen gecontroleerde uitvoer en werk de uitkomst uit in het resultatenhoofdstuk. Je methode bevat de keuze en aannames.