Extras din cartea:Perțea Gh.

(2009),Statistica psihologică şi prelucrarea informatizată: introducere în

aplicaţiile SPSS (PASW), capitolele 7(p.227-248) și 8(p.262-2674), Editura Didactică și Pedagogică, Bucuresti

Extras din Capitolul 7, Teste statistice parametrice pentru date cantitative,

pag. 227-248
Interpretarea coeficienților de corelaţie și de determinare; mărimea efectului
De-a lungul timpului au fost propuse diverse astfel de scale de valorizare, prin atribuirea unor calificative
coeficienţilor de corelaţie, în funcţie de mărimea lor. Această problemă comportă multe discuţii, iar soluţiile oferite de
diferiţi autori sunt deseori diferite. Ca regulă generală, toţi autorii sunt de acord că valorile lui r mai mici de r=±0.1
ale coeficienţilor de corelaţie trebuie să fie considerate „neglijabile”, chiar şi atunci când ating pragul de
semnificaţie statistică.
Oferim, cu caracter orientativ, modelul de descriere propus de Hopkins (2000) cu privire la interpretarea
valorilor coeficienţilor de corelaţie (apud Perțea, 2009):

Tabelul 2. Interpretarea coeficientului de corelaţie-r (Hopkins, 2000)

Coeficientul de Descriptor
corelaţie
0.0-0.1 Foarte mic, neglijabil, nesubstanţial
0.1-0.3 Mic, minor
0.3-0.5 Moderat, mediu
0.5-0.7 Mare, ridicat, major
0.7-0.9 Foarte mare, foarte ridicat(coeficient de fidelitate f.mare, f. ridicat)
0.9-1 Aproape perfect, descrie relaţia dintre două variabile practic indistincte(coeficient de
fidelitate extrem de ridicat)

O altă variantă de interpretare a mărimii efectului, recunoscută, este cea propusă de Davis (citat de Kotrlik şi
Williams, 2003, apud Perțea, 2009).

Tabelul 3. Interpretarea coeficientului de corelaţie-r (Davis, apud Kotrlik şi Williams, 2003 apud Perțea,
2009)
0.70 - 1 asociere foarte puternică(coeficient de fidelitate f.puternic, f. mare,
0.50 – 0.69 asociere
f.ridicat)substanţială
 0.30 – 0.49 asociere moderată
0.10 – 0.29 asociere scăzută
0.01 – 0.09 asociere neglijabilă

Luăm ca exemplu coeficientul de corelație liniară Pearson r=0,54 existent între rezultatele
celor două teste de inteligență B53(Testul Bonardel 53 de inteligență neverbală) și IW(Testul
Wonderlich de eficiență intelectuală, test compozit verbal/neverbal, cu preponderența itemilor
verbali) aplicate pe un eșantion de elevi de liceu din București și-l interpretăm în lumina etaloanelor
prezentate mai sus(tabelele 3 și 4).Putem spune că r=0,54 este un coeficient de corelație mare, arătând
o asociere substanțială între rezultatele obținute de elevi la aceste două teste care au la bază constructe
relativ similare(privind inteligența generală).

Coeficientul de determinare
Valorile lui r trebuie considerate pe o scală ordinală. Ca urmare, nu este corect să afirmăm că un coeficient de
corelaţie de 0.40 este de două ori mai mare decât un altul de 0.20(ci numai faptul că:r=0,40 ˃ decât r=0,20).
Dacă dorim să comparăm în mod direct doi coeficienţi de corelaţie trebuie să ridicăm valorile lui r la pătrat
(r2), obţinând astfel ceea ce se numeşte coeficienții de determinare (prezentați în programele statistice şi ca „r
squared”). Acestia sunt considerați indicatori mai adecvați ai mărimii efectului unei variabile psihice măsurate,
asupra alteia, deoarece iau valori sensibil mai mici decât cele ale coeficienților de corelaţie.
Pentru exemplul nostru de mai sus(r=0,54), coeficientul de determinare este r2 =0,542 = 0,297. Transformat
în procente(adică 0,54*0,54=0,297, prin rotunjire= aprox.0,30, apoi înmulțit cu 100 pentru a-l transforma în
procente, rezultă=30%).Acest rezultat se interpretează astfel: „aproximativ 30% din variaţia (împrăştierea) uneia
dintre cele două variabile este determinată de variaţia celeilalte variabile”. Sau, altfel spus, cele două variabile au în
comun 30% din variaţia care le caracterizează, ceea ce înseamnă că 70% din variabilitatea lor provine din alte
surse/alte variabile/factori de influență.
Atenţie, interpretarea procentuală, în maniera prezentată, este valabilă numai pentru coeficientul de
determinare( r2 ). Coeficientul de corelaţie r nu poate fi interpretat în nici un caz sub formă procentuală!
Cohen (citat de Kotrlik şi Williams, 2003, apud Perțea, 2009) a propus următoarea regulă de evaluare a
mărimii coeficientului de determinare ca indice de mărime a efectului în cazul corelaţiei(vezi Tab.4):
Tabelul 4. Interpretarea coeficientului de determinare si a mărimii efectului - r2 (Davis, apud Kotrlik şi
Williams, 2003, apud Perțea,2009)
0.0196 efect mic
0.1300 efect mediu
r2 (Cohen) 0.2600 efect mare

Extras din Capitolul 8, Teste statistice parametrice cu SPSS, pag. 262-264

8.5.Coeficientul de corelaţie liniară Pearson (r)
Suntem interesaţi dacă scalele de nevrotism incluse în două chestionare de personalitate (EPQ-
Eysenck Personality Questionnaire şi CP 14 F) măsoară aceleaşi construct psihologic. Pentru a evalua
gradul de asociere dintre două variabile în PASW/SPSS se urmăreşte calea:

În caseta de dialog se selectează variabilele care vor fi analizate:

Această casetă permite şi bifarea coeficientului care se doreşte a fi calculat(Pearson), a modului de
testare a ipotezelor (uni-One-tailed sau bi-direcţional/bilateral-Two-tailed) sau a opţiunii de marcare a
valorilor semnificative din punct de vedere statistic(Flag significant correlations).

În tabelul Correlations, de prezentare a rezultatelor sunt prezentate valorile coeficienţilor de

corelaţie(0,712), pragul de semnificaţie(Sig –2 tailed) şi mărimea eşantionului(N=50).
 Correlations

nevrotism cp
14f nevrotism epq

nevrotism cp Pearson 1 .712**

14f Correlation

Sig. (2-tailed) .001

N 50 50

nevrotism epq Pearson .712** 1

Correlation

Sig. (2-tailed) .001

N 50 50

**. Correlation is significant at the 0.01 level (2-tailed).

În cazul prezentat, între cele două variabile există

o corelaţie de nivel ridicat şi semnificativă statistic
(r=0,71, p=0,001). Cercetătorul va concluziona că,
cele două constructe sunt foarte asemănătoare,
dar şi că există diferenţe de care trebuie să ţină
cont în utilizarea celor două instrumente de
psihodiagnoză.

Coeficientul de corelaţie Pearson este util

atunci când datele sunt distribuite relativ
uniform şi nu există valori aberante. Existenţa acestor posibile probleme poate fi evidenţiată cu
ajutorul diagramei de tip Scatterplot, care poate fi creată prin intermediul meniului Graphs şi poate fi
editată în fereastra de rezultate, astfel încât să reprezentată tendinţa datelor şi limitele intervalului de
încredere de 95%.