Sempre assume um valor entre -1 e 1 onde:<\/span><\/p>\n Contudo, antes de calcular o coeficiente de correla\u00e7\u00e3o de Pearson entre duas vari\u00e1veis, devemos garantir que cinco pressupostos sejam atendidos:<\/span><\/p>\n 1. N\u00edvel de medi\u00e7\u00e3o:<\/strong> Ambas as vari\u00e1veis devem ser medidas no n\u00edvel de intervalo<\/strong> ou raz\u00e3o<\/strong> .<\/span><\/p>\n 2. Rela\u00e7\u00e3o linear:<\/strong> Deve haver uma rela\u00e7\u00e3o linear entre as duas vari\u00e1veis.<\/span><\/p>\n 3. Normalidade:<\/strong> ambas as vari\u00e1veis devem ter distribui\u00e7\u00e3o aproximadamente normal.<\/span><\/p>\n 4. Pares relacionados:<\/strong> Cada observa\u00e7\u00e3o no conjunto de dados deve ter um par de valores.<\/span><\/p>\n 5. Sem valores discrepantes:<\/strong> N\u00e3o deve haver valores discrepantes extremos no conjunto de dados.<\/span><\/p>\n Neste artigo, fornecemos uma explica\u00e7\u00e3o de cada suposi\u00e7\u00e3o e tamb\u00e9m como determinar se a suposi\u00e7\u00e3o foi atendida.<\/span><\/p>\n Para calcular um coeficiente de correla\u00e7\u00e3o de Pearson entre duas vari\u00e1veis, ambas as vari\u00e1veis devem ser medidas no n\u00edvel de intervalo<\/strong> ou raz\u00e3o<\/strong> .<\/span><\/p>\n O gr\u00e1fico a seguir fornece uma explica\u00e7\u00e3o r\u00e1pida dos quatro n\u00edveis em que as vari\u00e1veis podem ser medidas:<\/span> <\/p>\n Aqui est\u00e3o alguns exemplos de vari\u00e1veis que podem ser medidas em uma escala de intervalo<\/strong> :<\/span><\/p>\n Aqui est\u00e3o alguns exemplos de vari\u00e1veis que podem ser medidas em uma escala de propor\u00e7\u00e3o<\/strong> :<\/span><\/p>\n Se as vari\u00e1veis forem medidas em n\u00edvel ordinal<\/strong> , ser\u00e1 necess\u00e1rio calcular o coeficiente de correla\u00e7\u00e3o de Spearman<\/a> entre elas.<\/span><\/p>\n Relacionado:<\/strong> N\u00edveis de Medi\u00e7\u00e3o: Nominal, Ordinal, Intervalo e Raz\u00e3o<\/span><\/p>\n Para calcular um coeficiente de correla\u00e7\u00e3o de Pearson entre duas vari\u00e1veis, deve haver uma rela\u00e7\u00e3o linear entre as duas vari\u00e1veis.<\/span><\/p>\n A maneira mais f\u00e1cil de testar esta hip\u00f3tese \u00e9 simplesmente criar um gr\u00e1fico de dispers\u00e3o das duas vari\u00e1veis. Se os pontos no gr\u00e1fico seguem aproximadamente uma linha reta, ent\u00e3o existe uma rela\u00e7\u00e3o linear:<\/span> <\/p>\n No entanto, se os pontos estiverem espalhados aleatoriamente pelo gr\u00e1fico ou tiverem algum outro tipo de relacionamento (como quadr\u00e1tico), ent\u00e3o n\u00e3o existe um relacionamento linear entre as vari\u00e1veis:<\/span> <\/p>\n Neste caso, um coeficiente de correla\u00e7\u00e3o de Pearson n\u00e3o captar\u00e1 adequadamente a rela\u00e7\u00e3o entre as vari\u00e1veis.<\/span><\/p>\n Um coeficiente de correla\u00e7\u00e3o de Pearson tamb\u00e9m assume que as duas vari\u00e1veis t\u00eam distribui\u00e7\u00e3o aproximadamente normal<\/a> .<\/span><\/p>\n Voc\u00ea pode verificar essa suposi\u00e7\u00e3o visualmente criando um histograma ou gr\u00e1fico QQ para cada vari\u00e1vel.<\/span><\/p>\n 1. Histograma<\/strong><\/span><\/p>\n Se o histograma de um conjunto de dados tiver aproximadamente o formato de um sino, \u00e9 prov\u00e1vel que os dados sejam distribu\u00eddos normalmente.<\/span> <\/p>\n 2. QQTerra<\/strong><\/span><\/p>\n Um gr\u00e1fico QQ, abrevia\u00e7\u00e3o de “quantil-quantil”, \u00e9 um tipo de gr\u00e1fico que exibe quantis te\u00f3ricos ao longo do eixo x (ou seja, onde seus dados estariam se seguissem uma distribui\u00e7\u00e3o normal) e quantis de amostras ao longo do eixo y. (ou seja, onde seus dados realmente residem).<\/span><\/p>\n Se os valores dos dados seguirem uma linha aproximadamente reta formando um \u00e2ngulo de 45 graus, ent\u00e3o os dados ser\u00e3o considerados normalmente distribu\u00eddos.<\/span> <\/p>\n Voc\u00ea tamb\u00e9m pode realizar um teste estat\u00edstico formal para determinar se uma vari\u00e1vel tem distribui\u00e7\u00e3o normal.<\/span><\/p>\n Se o valor p<\/a> do teste estiver abaixo de um certo n\u00edvel de signific\u00e2ncia (como \u03b1 = 0,05), ent\u00e3o voc\u00ea tem evid\u00eancias suficientes para dizer que os dados n\u00e3o<\/em> s\u00e3o normalmente distribu\u00eddos.<\/span><\/p>\n Existem tr\u00eas testes estat\u00edsticos comumente usados para testar a normalidade:<\/span><\/p>\n 1. O teste Jarque-Bera<\/strong><\/span><\/p>\n 2. O teste de Shapiro-Wilk<\/strong><\/span><\/p>\n 3. O teste Kolmogorov-Smirnov<\/strong><\/span><\/p>\n Um coeficiente de correla\u00e7\u00e3o de Pearson tamb\u00e9m assume que cada observa\u00e7\u00e3o<\/a> no conjunto de dados deve ter um par de valores.<\/span><\/p>\n Esta hip\u00f3tese \u00e9 f\u00e1cil de verificar. Por exemplo, se voc\u00ea estiver calculando a correla\u00e7\u00e3o entre peso e altura, basta verificar se cada observa\u00e7\u00e3o no conjunto de dados possui uma medida de peso e uma medida de altura.<\/span><\/p>\n Um coeficiente de correla\u00e7\u00e3o de Pearson tamb\u00e9m pressup\u00f5e que n\u00e3o h\u00e1 valores discrepantes extremos no conjunto de dados, porque os valores discrepantes afetam fortemente o c\u00e1lculo do coeficiente de correla\u00e7\u00e3o.<\/span><\/p>\n Para ilustrar isso, considere o seguinte conjunto de dados:<\/span> <\/p>\n O coeficiente de correla\u00e7\u00e3o de Pearson entre X e Y \u00e9 0,949<\/strong> .<\/span><\/p>\n No entanto, suponha que tenhamos um valor discrepante no conjunto de dados:<\/span> <\/p>\n O coeficiente de correla\u00e7\u00e3o de Pearson entre X e Y \u00e9 agora 0,711<\/strong> .<\/span><\/p>\n Um valor discrepante altera significativamente o coeficiente de correla\u00e7\u00e3o de Pearson entre as duas vari\u00e1veis. Nesse caso, pode fazer sentido remover o valor discrepante do conjunto de dados.<\/span><\/p>\n Relacionado:<\/strong> O guia completo: quando remover valores discrepantes nos dados<\/a><\/span><\/p>\n Os tutoriais a seguir fornecem informa\u00e7\u00f5es adicionais sobre a correla\u00e7\u00e3o de Pearson:<\/span><\/p>\n Introdu\u00e7\u00e3o ao Coeficiente de Correla\u00e7\u00e3o de Pearson<\/a> O coeficiente de correla\u00e7\u00e3o de Pearson (tamb\u00e9m conhecido como \u201ccoeficiente de correla\u00e7\u00e3o produto-momento\u201d) mede a associa\u00e7\u00e3o linear entre duas vari\u00e1veis. Sempre assume um valor entre -1 e 1 onde: -1 indica uma correla\u00e7\u00e3o linear perfeitamente negativa entre duas vari\u00e1veis 0 indica nenhuma correla\u00e7\u00e3o linear entre duas vari\u00e1veis 1 indica uma correla\u00e7\u00e3o linear perfeitamente positiva entre […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2441","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Hip\u00f3tese 1: N\u00edvel de medi\u00e7\u00e3o<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/niveaux_mesure.jpg\")
<\/p>\n\n
\n
Hip\u00f3tese 2: Relacionamento linear<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer1.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer2.png\")
<\/p>\n Hip\u00f3tese 3: normalidade<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/normaliteassume1.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/normaliteassume2.png\")
<\/p>\n\n
\n
\n
Hip\u00f3tese 4: Pares relacionados<\/strong><\/span><\/h2>\n
Hip\u00f3tese 5: Sem valores discrepantes<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer3.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supposer4.png\")
<\/p>\n Recursos adicionais<\/strong><\/span><\/h3>\n
Como relatar a correla\u00e7\u00e3o de Pearson no formato APA<\/a>
Como calcular manualmente um coeficiente de correla\u00e7\u00e3o de Pearson<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"