O coeficiente de correlação de Pearson, normalmente denotado como r, é um valor estatístico que mede a relação linear entre duas variáveis. Seu valor varia de +1 a -1, indicando uma relação linear positiva e negativa perfeita, respectivamente, entre duas variáveis. O cálculo do coeficiente de correlação é normalmente realizado por programas estatísticos, como SPSS e SAS, para fornecer os valores mais precisos possíveis para relato em estudos científicos. A interpretação e o uso do coeficiente de correlação de Pearson variam com base no contexto e objetivo do respectivo estudo em que é calculado.
Identifique a variável dependente a ser testada entre duas observações derivadas de forma independente. Um dos requisitos do coeficiente de correlação de Pearson é que as duas variáveis comparadas devem ser observadas ou medidas independentemente para eliminar quaisquer resultados tendenciosos.
Calcule o coeficiente de correlação de Pearson. Para grandes quantidades de dados, o cálculo pode se tornar muito tedioso. Além de vários programas estatísticos, muitas calculadoras científicas têm a capacidade de calcular o valor. A equação real é fornecida na seção Referência.
Relate um valor de correlação próximo a 0 como indicação de que não há relacionamento linear entre as duas variáveis. Conforme o coeficiente de correlação se aproxima de 0, os valores se tornam menos correlacionados, o que identifica variáveis que podem não estar relacionadas entre si.
Relate um valor de correlação próximo a 1 como indicação de que há uma relação linear positiva entre as duas variáveis. Um valor maior que zero que se aproxima de 1 resulta em maior correlação positiva entre os dados. À medida que uma variável aumenta em um determinado valor, a outra variável aumenta em um valor correspondente. A interpretação deve ser determinada com base no contexto do estudo.
Relate um valor de correlação próximo de -1 como indicação de que há uma relação linear negativa entre as duas variáveis. À medida que o coeficiente se aproxima de -1, as variáveis se tornam mais negativamente correlacionadas, indicando que à medida que uma variável aumenta, a outra diminui em uma quantidade correspondente. A interpretação novamente deve ser determinada com base no contexto do estudo.
Interprete o coeficiente de correlação com base no contexto do conjunto de dados específico. O valor de correlação é essencialmente um valor arbitrário que deve ser aplicado com base nas variáveis que estão sendo comparadas. Por exemplo, um valor r resultante de 0,912 indica uma relação linear muito forte e positiva entre duas variáveis. Em um estudo comparando duas variáveis que normalmente não são identificadas como relacionadas, esses resultados fornecem evidências que uma variável pode afetar positivamente a outra variável, resultando em motivo para novas pesquisas entre os dois. No entanto, exatamente o mesmo valor de r em um estudo comparando duas variáveis que comprovadamente têm uma relação linear positiva pode identificar um erro nos dados ou outros problemas potenciais no experimento Projeto. Assim, é importante entender o contexto dos dados ao relatar e interpretar o coeficiente de correlação de Pearson.
Determine a significância dos resultados. Isso é feito usando o coeficiente de correlação, graus de liberdade e uma tabela de Valores Críticos do Coeficiente de Correlação. Os graus de liberdade são calculados como o número de observações emparelhadas menos 2. Usando este valor, identifique o valor crítico correspondente na tabela de correlação para um teste de 0,05 e 0,01 identificando o nível de confiança de 95 e 99 por cento, respectivamente. Compare o valor crítico com o coeficiente de correlação calculado anteriormente. Se o coeficiente de correlação for maior, os resultados são considerados significativos.
Coisas que você precisa
- Calculadora científica ou programa estatístico
- Valores críticos da tabela de coeficientes de correlação
Pontas
Os intervalos de confiança para o coeficiente de correlação também podem ser úteis em estudos populacionais.