Pearson correlation
Meet hoe sterk twee numerieke metingen rechtlijnig samenhangen, van −1 tot 1.
Statistisch beoordeeld door Daniel Wolff op 4 november 2026 (op basis van de Engelse versie).
Klinisch voorbeeld
Hoe sterk de body-mass-index en de systolische bloeddruk samen bewegen in een groep patiënten. Leeftijd beïnvloedt beide, dus om daarvoor te corrigeren stapt u over op lineaire regressie.
Wanneer te gebruiken
- U hebt twee metingen per patiënt en wilt weten hoe sterk ze samen bewegen.
- Het verband is een rechte lijn in een spreidingsdiagram. Voor het BI en de p-waarde moeten beide variabelen ongeveer normaal zijn, en uitschieters tellen zwaarder dan normaliteit.
- U beschrijft een samenhang. U laat niet zien dat twee methoden dezelfde waarden geven.
- Correlatie beschrijft alleen samenhang. Voor hoeveel de ene variabele verandert per eenheid van de andere, of om te corrigeren voor een confounder, gebruikt u lineaire regressie.
Aannames om te controleren
Een rechtlijnig verband
Maak eerst een spreidingsdiagram. Een kromme die steeds dezelfde kant op gaat (een monotoon verband) wijst op Spearman. Een U-vormig of omgekeerd U-vormig verband kan zowel Pearson als Spearman rond 0 laten uitkomen: gebruik regressie met een gekromde term, bijvoorbeeld een spline.
Ongeveer normaal, voor het BI en de p-waarde
Als beschrijvende maat heeft r geen normaliteit nodig. Voor het BI en de p-waarde moeten beide variabelen ongeveer normaal zijn: kijk naar een histogram van elk. Uitschieters tellen zwaarder: één extreme patiënt kan r maken of breken.
Onafhankelijke waarnemingen
Eén paar waarden per patiënt. Meerdere metingen per patiënt vragen herhaalde-metingencorrelatie of een gemengd model.
Het volledige waardenbereik
De steekproef moet het volledige bereik aan waarden beslaan waarover u conclusies wilt trekken (zie bereikbeperking onder veelgemaakte fouten).
Wat te rapporteren
- r met het 95%-BI, en een spreidingsdiagram
- Het aantal volledige paren dat echt is geanalyseerd
- De exacte p-waarde. Die toetst alleen of r = 0, wat zelden de interessante vraag is
Veelgemaakte fouten
Een correlatie lezen als causaliteit.
r gebruiken om te beweren dat twee methoden overeenstemmen. Twee methoden kunnen sterk correleren en toch afwijken: gebruik een Bland-Altman-plot.
r rapporteren zonder de gegevens te plotten. Een r rond 0 kan een gekromd verband verbergen, en één uitschieter kan een correlatie maken of vernietigen.
Bereikbeperking: r hangt af van hoe gespreid de steekproef is. Alleen patiënten met hypertensie bestuderen geeft een lagere r voor hetzelfde onderliggende verband, dus r vergelijken tussen studies met verschillende populaties is misleidend.
Significantie gelijkstellen aan sterkte. Bij een grote n is een minuscule r significant.
Subgroepen samenvoegen, zoals mannen en vrouwen of twee ziekenhuizen. Dat kan een correlatie creëren of verbergen.
Verandering correleren met de uitgangswaarde. Regressie naar het gemiddelde bouwt een negatieve correlatie in.
Meerdere metingen per patiënt behandelen als onafhankelijke paren.
Alternatieven
| Als uw situatie is… | Gebruik |
|---|---|
| Scheve of ordinale gegevens, of een kromme die steeds dezelfde kant op gaat (monotoon) | Spearman rank correlation |
| U wilt de grootte van de verandering per eenheid, moet corrigeren voor andere variabelen, of het verband is U-vormig (regressie met een gekromde term) | Linear regression |
| Meerdere metingen per patiënt (herhaalde-metingencorrelatie, of een gemengd model) | Linear mixed model |
| U wilt eigenlijk laten zien dat twee methoden dezelfde waarden geven | Bland-Altman plot and ICC |
In uw software
# R
plot(d$bmi, d$sbp) # plot altijd eerst
res <- cor.test(d$bmi, d$sbp, method = "pearson")
res # de schatting is r, en het 95%-BI is voor r (Fisher z)
sum(complete.cases(d$bmi, d$sbp)) # geanalyseerde paren: onvolledige paren vallen stilzwijgend weg
* Pearson Correlation is r, Sig. (2-tailed) is de p-waarde, en N is het aantal paren.
* NOSIG markeert significante correlaties met sterretjes.
* Het BI vraagt SPSS 27 of nieuwer. In oudere versies berekent u het met de hand met Fisher z.
CORRELATIONS
/VARIABLES=bmi sbp
/PRINT=TWOTAIL NOSIG
/CI CILEVEL(95).