<\/p>\n
Nas estat\u00edsticas, costumamos usar o coeficiente de correla\u00e7\u00e3o de Pearson<\/a> para medir a rela\u00e7\u00e3o linear entre duas vari\u00e1veis.<\/span><\/p>\n Por\u00e9m, \u00e0s vezes queremos entender a rela\u00e7\u00e3o entre duas vari\u00e1veis enquanto controlamos uma terceira vari\u00e1vel<\/strong> .<\/span><\/p>\n Por exemplo, suponha que queiramos medir a associa\u00e7\u00e3o entre o n\u00famero de horas de estudo de um aluno e a nota do exame final, controlando a nota atual do aluno na turma.<\/span><\/p>\n Neste caso, poder\u00edamos utilizar a correla\u00e7\u00e3o parcial<\/strong> para medir a rela\u00e7\u00e3o entre as horas estudadas e a nota do exame final.<\/span><\/p>\n Este tutorial explica como calcular uma correla\u00e7\u00e3o parcial em R.<\/span><\/p>\n Suponha que temos o seguinte quadro de dados que exibe a nota atual, o total de horas estudadas e a nota do exame final para 10 alunos:<\/span><\/p>\n Para calcular a correla\u00e7\u00e3o parcial entre cada combina\u00e7\u00e3o de vari\u00e1veis em pares no dataframe, podemos usar a fun\u00e7\u00e3o pcor()<\/strong> da biblioteca ppcor<\/a> :<\/span><\/p>\n Veja como interpretar o resultado:<\/span><\/p>\n Correla\u00e7\u00e3o parcial entre horas estudadas e nota do exame final:<\/strong><\/span><\/p>\n A correla\u00e7\u00e3o parcial entre horas estudadas e nota do exame final \u00e9 de 0,191<\/strong> , o que representa uma pequena correla\u00e7\u00e3o positiva. \u00c0 medida que o n\u00famero de horas de estudo aumenta, as notas dos exames tamb\u00e9m tendem a aumentar, assumindo que a nota atual permanece constante.<\/span><\/p>\n O valor p para esta correla\u00e7\u00e3o parcial \u00e9 0,623<\/strong> , o que n\u00e3o \u00e9 estatisticamente significativo para \u03b1 = 0,05.<\/span><\/p>\n Correla\u00e7\u00e3o parcial entre a nota atual e a nota do exame final:<\/strong><\/span><\/p>\n A correla\u00e7\u00e3o parcial entre a nota atual e a nota do exame final \u00e9 de 0,736<\/strong> , o que representa uma forte correla\u00e7\u00e3o positiva. \u00c0 medida que a nota atual aumenta, as notas dos exames tamb\u00e9m tendem a aumentar, assumindo que o n\u00famero de horas estudadas permanece constante.<\/span><\/p>\n O valor p para esta correla\u00e7\u00e3o parcial \u00e9 0,024<\/strong> , o que \u00e9 estatisticamente significativo para \u03b1 = 0,05.<\/span><\/p>\n Correla\u00e7\u00e3o parcial entre a nota atual e as horas estudadas:<\/strong><\/span><\/p>\n A correla\u00e7\u00e3o parcial entre nota atual, horas estudadas e nota do exame final \u00e9 de -0,311<\/strong> , o que representa uma correla\u00e7\u00e3o ligeiramente negativa. \u00c0 medida que a nota atual aumenta, a nota do exame final tende a diminuir, assumindo que a nota do exame final se mant\u00e9m constante.<\/span><\/p>\n O valor p<\/a> para esta correla\u00e7\u00e3o parcial \u00e9 0,415<\/strong> , o que n\u00e3o \u00e9 estatisticamente significativo para \u03b1 = 0,05.<\/span><\/p>\n O resultado tamb\u00e9m nos diz que o m\u00e9todo utilizado para calcular a correla\u00e7\u00e3o parcial foi o \u201cPearson\u201d.<\/span><\/p>\n Na fun\u00e7\u00e3o pcor()<\/strong> , tamb\u00e9m poder\u00edamos especificar \u201ckendall\u201d ou \u201cpearson\u201d como m\u00e9todos alternativos para calcular correla\u00e7\u00f5es.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como calcular a correla\u00e7\u00e3o de classifica\u00e7\u00e3o de Spearman em R<\/a> Nas estat\u00edsticas, costumamos usar o coeficiente de correla\u00e7\u00e3o de Pearson para medir a rela\u00e7\u00e3o linear entre duas vari\u00e1veis. Por\u00e9m, \u00e0s vezes queremos entender a rela\u00e7\u00e3o entre duas vari\u00e1veis enquanto controlamos uma terceira vari\u00e1vel . Por exemplo, suponha que queiramos medir a associa\u00e7\u00e3o entre o n\u00famero de horas de estudo de um aluno e a nota […]<\/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-912","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo: correla\u00e7\u00e3o parcial em R<\/strong><\/span><\/h2>\n
#create data frame<\/span>\ndf <- data. frame<\/span> (currentGrade = c(82, 88, 75, 74, 93, 97, 83, 90, 90, 80),\n hours = c(4, 3, 6, 5, 4, 5, 8, 7, 4, 6),\n examScore = c(88, 85, 76, 70, 92, 94, 89, 85, 90, 93))\n\n#view data frame\n<\/span>df\n\n currentGrade hours examScore\n1 82 4 88\n2 88 3 85\n3 75 6 76\n4 74 5 70\n5 93 4 92\n6 97 5 94\n7 83 8 89\n8 90 7 85\n9 90 4 90\n10 80 6 93\n<\/strong><\/pre>\n library<\/span> (ppcor)<\/span>\n\n#calculate partial correlations<\/span>\npcor(df)\n\n$estimate\n currentGrade hours examScore\ncurrentGrade 1.0000000 -0.3112341 0.7355673\nhours -0.3112341 1.0000000 0.1906258\nexamScore 0.7355673 0.1906258 1.0000000\n\n$p.value\n currentGrade hours examScore\ncurrentGrade 0.00000000 0.4149353 0.02389896\nhours 0.41493532 0.0000000 0.62322848\nexamScore 0.02389896 0.6232285 0.00000000\n\n$statistic\n currentGrade hours examScore\ncurrentGrade 0.0000000 -0.8664833 2.8727185\nhours -0.8664833 0.0000000 0.5137696\nexamScore 2.8727185 0.5137696 0.0000000\n\n$n\n[1] 10\n\n$gp\n[1] 1\n\n$method\n[1] \"pearson\"\n<\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como calcular a correla\u00e7\u00e3o cruzada em R<\/a>
Como calcular a correla\u00e7\u00e3o deslizante em R<\/a>
Como calcular a correla\u00e7\u00e3o ponto-bisserial em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"