Analisi di correlazione - come scegliere Pearson, Spearman e Kendall

L’analisi di correlazione è uno dei primi strumenti che uso quando devo capire se due variabili si muovono insieme, quanto è forte il legame e se quel legame ha una forma lineare oppure solo ordinata. In questa guida trovi come scegliere tra Pearson, Spearman e Kendall, come leggere i coefficienti senza forzare conclusioni e quali errori evitano i report migliori. Il punto non è soltanto calcolare un numero, ma capire se quel numero regge davvero quando lo porti in un’analisi economica o sociale.

Che cosa misura davvero la correlazione

La correlazione serve a descrivere se due variabili tendono a variare insieme. Quando il coefficiente è positivo, in genere una cresce mentre cresce anche l’altra; quando è negativo, una aumenta e l’altra tende a diminuire. Se il valore è vicino a zero, il legame lineare è debole o assente, ma questo non significa automaticamente che le variabili siano indipendenti: potrebbe esserci una relazione non lineare che il coefficiente non cattura bene.

Nella pratica, io separo sempre tre domande diverse: c’è un legame?, quanto è forte? e che forma ha?. Pearson risponde soprattutto alla forma lineare; Spearman guarda la monotonia, cioè se una variabile tende a salire o scendere insieme all’altra anche senza una linea retta perfetta. Questa distinzione sembra teorica, ma nei dati reali cambia parecchio, soprattutto quando entrano in gioco prezzi, redditi, occupazione o indicatori sociali.

• Segno: indica la direzione dell’associazione.
• Intensità: indica quanto il legame è stretto, ma va letta insieme alla dimensione del campione.
• Forma: lineare, monotona o irregolare.

Chiarito questo, la vera scelta diventa: quale coefficiente rappresenta meglio i tuoi dati e il tuo obiettivo analitico?

Come scegliere il coefficiente giusto tra Pearson, Spearman e Kendall

Io scelgo il coefficiente prima di guardare il p-value. Se il tipo di dato è sbagliato, il resto dell’analisi perde solidità. La regola pratica è semplice: Pearson quando le variabili sono quantitative e la relazione appare approssimativamente lineare; Spearman quando i dati sono ordinali, sono presenti asimmetrie marcate oppure il legame è monotono ma non lineare; Kendall quando il campione è piccolo o ci sono molti pari merito, perché spesso offre una lettura più prudente.

Se il tuo dataset contiene variabili economiche con forti picchi, valori estremi o scale di giudizio, Spearman e Kendall meritano più attenzione di quanto si creda. Io li considero spesso un secondo controllo, non un ripiego. Da qui il passo naturale è capire come si imposta un controllo corretto dei dati prima di fidarsi del risultato.

Come si svolge un controllo serio dei dati

Un’analisi ben fatta non parte dal calcolo, ma dalla qualità del dataset. Quando lavoro su serie di dati economici o sociali, seguo sempre una sequenza abbastanza rigida, perché saltare un passaggio significa rischiare una conclusione elegante ma fragile.

1. Definisco le variabili: capisco se sono quantitative, ordinali, binarie o temporali.
2. Guardo il grafico a dispersione: è il modo più rapido per vedere se il rapporto sembra lineare, curvo o confuso da gruppi distinti.
3. Controllo gli outlier: un solo punto anomalo può cambiare molto Pearson e molto meno Spearman.
4. Verifico il contesto del campione: se i dati arrivano da soli territori, da un solo settore o da un periodo ristretto, la correlazione può essere distorta dalla selezione.
5. Scelgo il coefficiente: non scelgo lo strumento più noto, scelgo quello coerente con il tipo di relazione.
6. Leggo anche significatività e intervallo di confidenza: un coefficiente senza misura dell’incertezza racconta solo metà della storia.

Nei dati economici faccio un’attenzione ulteriore alla stagionalità e ai trend temporali. Due variabili possono salire insieme solo perché entrambe seguono l’andamento del ciclo economico, non perché una spieghi davvero l’altra. Questo è uno dei punti in cui la lettura superficiale produce gli errori più costosi.

Come interpretare il risultato senza semplificare troppo

Il valore del coefficiente dice qualcosa, ma non dice tutto. Una soglia molto diffusa è questa: valori assoluti vicini a 0 indicano legame debole, intorno a 0,4 o 0,5 suggeriscono una relazione moderata, oltre 0,7 parlano spesso di associazione forte. Io però tratto queste soglie come orientamento, non come legge universale, perché ogni disciplina ha il suo livello di rumore e ogni dataset ha una scala diversa.

Due correzioni importanti. La prima: un risultato può essere statisticamente significativo ma poco utile sul piano pratico, soprattutto con campioni molto grandi. La seconda: un coefficiente alto non basta per parlare di relazione utile in senso decisionale. Se il contesto è instabile, se il campione è piccolo o se i dati sono stati raccolti male, la forza apparente del legame può essere ingannevole. In altre parole, la significatività risponde a “c’è un segnale?”, mentre l’utilità risponde a “quel segnale mi serve davvero?”.

Da qui conviene passare agli errori più frequenti, perché sono proprio quelli a far deragliare le conclusioni migliori.

Gli errori che vedo più spesso nei report statistici

• Confondere correlazione e causalità: due variabili che si muovono insieme non implicano che una provochi l’altra.
• Ignorare la forma del grafico: una relazione a U o a curva può produrre un coefficiente vicino a zero pur essendo molto reale.
• Trascurare gli outlier: un valore estremo può gonfiare o annullare Pearson in modo drastico.
• Usare Pearson su dati inadatti: se le variabili sono ordinali o molto asimmetriche, il risultato può essere tecnicamente corretto ma poco rappresentativo.
• Mescolare gruppi diversi: un’unica correlazione su regioni, settori o fasce d’età differenti può nascondere dinamiche opposte.
• Leggere il coefficiente senza il contesto temporale: nelle serie storiche, trend e stagionalità possono creare legami fittizi.

Quando spiego questi punti a chi lavora con dati pubblici, uso sempre un criterio semplice: se il risultato non si riesce a raccontare senza abusare del linguaggio causale, allora non è ancora pronto per essere usato come evidenza forte. È una regola severa, ma salva da molte forzature.

Dove questa lettura è davvero utile in economia e società

Su un sito che parla di economia, società e istituzioni europee, la correlazione è utile soprattutto come strumento di orientamento. Ti aiuta a capire dove cercare relazioni interessanti, quali variabili meritano approfondimento e dove invece il rumore è troppo alto per trarre conclusioni rapide. Io la uso spesso come primo filtro prima di costruire modelli più complessi o analisi causali.

Questi esempi sono utili perché mostrano un punto che molti sottovalutano: una correlazione può essere informativa anche quando non è abbastanza forte da sostenere una conclusione operativa immediata. In pratica, ti dice dove guardare meglio, non sempre cosa decidere subito. La lettura migliore nasce quasi sempre dall’unione tra coefficiente, grafico e conoscenza del fenomeno osservato.

La griglia che uso prima di fidarmi di un coefficiente

• Il grafico a dispersione mostra davvero un andamento coerente?
• Il coefficiente scelto è adatto al tipo di dato?
• Ci sono outlier spiegabili o ancora sospetti?
• Il risultato resta simile se cambio periodo, territorio o sottogruppo?
• Il valore è solo statisticamente significativo o è anche utile sul piano pratico?
• Posso descriverlo senza trasformarlo in una storia causale che i dati non supportano?

Se una sola di queste risposte resta incerta, io considero il risultato un’indicazione preliminare, non una prova conclusiva. Ed è proprio questo il punto che fa la differenza tra una lettura rapida dei dati e un’interpretazione davvero solida: la correlazione funziona bene quando resta uno strumento di verifica, non quando viene scambiata per una spiegazione completa.