Tipos de correlação
Este artigo explica o que são todos os tipos de correlação. Assim, você encontrará diversas formas de classificar a correlação: dependendo se a relação é positiva ou negativa, dependendo do valor do coeficiente de correlação, dependendo do número de variáveis, etc.
Quais são os tipos de correlação linear?
Para classificar a relação entre duas variáveis aleatórias, distinguimos os seguintes tipos de correlação linear :
- Correlação direta (ou correlação positiva) : uma variável aumenta quando a outra também aumenta.
- Correlação inversa (ou correlação negativa) : quando uma variável aumenta, a outra diminui, e vice-versa, se uma variável diminui, a outra aumenta.
- Correlação zero (sem correlação) : Não há relação entre as duas variáveis.
Dependendo da natureza dos dados, a correlação direta também pode ser ao mesmo tempo uma correlação diretamente proporcional, embora para isso o fator que liga as duas variáveis deva ser sempre o mesmo. Portanto, todas as relações diretamente proporcionais são exemplos de correlação direta, uma vez que as duas variáveis aumentam juntas, mas nem todas as relações diretas são diretamente proporcionais porque o grau de correlação pode variar dependendo do escopo.
Da mesma forma, todas as variáveis inversamente proporcionais também apresentam correlação negativa. Porém, nem todas as variáveis com correlação negativa são inversamente proporcionais, pois para serem consideradas como tal, a relação matemática entre elas deve ser constante para todos os pares de dados.
Tipos de correlação dependendo do grau de correlação
Quer a correlação entre as duas variáveis seja direta ou inversa, a correlação também pode ser classificada com base na força ou fraqueza da relação entre as duas variáveis.
- Correlação forte: as duas variáveis estão intimamente ligadas. Se você plotar os dados em um gráfico de dispersão, os pontos ficarão muito próximos. Isso torna mais fácil identificar a relação entre as variáveis.
- Correlação baixa : existe uma relação entre as duas variáveis, mas é difícil de identificar. Os pontos estão distantes um do outro na nuvem de pontos.
Para saber se a correlação entre duas variáveis é forte ou fraca, é necessário calcular o coeficiente de correlação. Quanto maior o valor absoluto do coeficiente de correlação, mais forte é a correlação entre as variáveis.
Assim, com base no valor do coeficiente de correlação, a relação entre duas variáveis estatísticas diferentes pode ser classificada nos seguintes tipos:
Valor do coeficiente de correlação | Correlação típica |
---|---|
-1 | correlação negativa perfeita |
-0,9 a -0,99 | correlação negativa muito forte |
-0,7 a -0,89 | forte correlação negativa |
-0,4 a -0,69 | correlação negativa moderada |
-0,2 a -0,39 | correlação negativa fraca |
-0,01 a -0,19 | correlação negativa muito fraca |
0 | correlação zero |
0,01 a 0,19 | correlação positiva muito fraca |
0,2 a 0,39 | Correlação positiva fraca |
0,4 a 0,69 | correlação positiva moderada |
0,7 a 0,89 | forte correlação positiva |
0,9 a 0,99 | correlação positiva muito forte |
1 | correlação positiva perfeita |
Outros tipos de correlação
Acabamos de ver quais são os diferentes tipos de correlações lineares, porém, devemos ter em mente que existem outras formas de classificar os tipos de correlações de acordo com outros critérios.
Se agruparmos os tipos de correlação de acordo com a natureza da relação entre as variáveis, distinguimos:
- Correlação Linear – A relação entre as duas variáveis pode ser representada por uma linha reta.
- Correlação não linear : a relação entre as duas variáveis não pode ser representada por uma linha reta, mas deve utilizar uma função mais complexa, como uma parábola ou um logaritmo.
Por outro lado, a correlação também pode ser separada em diferentes grupos dependendo do número de variáveis:
- Correlação simples : estuda-se apenas a relação entre duas variáveis.
- Correlação múltipla : estuda-se a relação entre mais de duas variáveis.
- Correlação parcial : quando a relação entre duas variáveis não afeta outras variáveis do conjunto de dados.