STATISTICĂ PSIHOLOGICĂ

Curs 6
Coeficientul de corelaţie

Conf. Dr. Paul Sârbescu

În programul de azi...

Despre coeficientul de corelaţie

Reprezentarea grafică a asocierii dintre variabile

Cât de puternică este asocierea dintre două variabile?

Pentru început

Sperăm că testul n-a fost prea greu ☺

Dacă totul a fost ok – Felicitări! Însă nu vă „culcați pe-o ureche”

– mai sunt 6 puncte de luat în al doilea test.

Dacă n-a fost chiar așa ok – nu e o problemă, puteți recupera în al

doilea test.

Săptămâna viitoare – surpriză!

Introducere

Studiu corelațional – legături între variabile.

Ex. Există o legătură între nivelul de stres și consumul de alcool.

Studiu comparativ – diferențe între grupuri.

Ex. Există diferențe între bărbați și femei privind comportamentul
în trafic.

Studiu corelațional – coeficientul de corelație (r).
Reamintire
Mai departe..

Aplic un test – toți participanții obțin același scor.

Indicator al tendinței centrale?

Indicator al dispersiei?

Nu există dispersie (variație) – nu pot utiliza datele.

Corelație: în ce măsură variația a două variabile este comună (în

ce măsură variază la fel).
Despre coeficientul de corelaŃ
corelaŃie
(1)

Prin analiza corelaţională urmărim în ce măsură schimbările
dintr-o variabile sunt însoţite de schimbări într-o altă variabilă

Coeficientul de corelaţie r este cel mai întâlnit indicator de
măsurare a gradului de asociere dintre două variabile.

Poate lua valori cuprinse între -1 şi +1
Despre coeficientul de corelaŃ
corelaŃie
(2)

Corelaţie pozitivă = un nivel ridicat variabilei X se asociază
cu un nivel ridicat al variabilei Y (ambele cresc)

Corelaţie negativă = un nivel ridicat variabilei X se asociază
cu un nivel scăzut al variabilei Y (una crește, cealaltă scade).

Cu cât valoarea coeficientului de corelaţie este mai aproape de
oricare dintre cei doi poli (-1 sau +1), cu atât relaţia dintre cele
două variabile este mai puternică

Cu cât valoarea coeficientului de corelaţie este mai aproape de
0, cu atât relaţia dintre cele două variabile este mai slabă

Ex. r = .70 > r = .42; r = -.55 > r = -.31

Ex. r = .48 ? r = -.64

r = .48 < r = -.64 Video
Să ne reamintim...
reamintim...

Pragul de semnificaţie (p) ne arată dacă avem un rezultat

semnificativ d.p.d.v. statistic.

Dacă p < .05 – corelaţie semnificativă

Dacă p > .05 – corelaţie nesemnificativă

Ex. r = .45, p = .01 = ?

= corelaţie pozitivă semnificativă

Ex. r = .12, p = .31 = ?

= corelaţie pozitivă nesemnificativă

Ex. r = -.38, p = .03 = ?

= corelaţie negativă semnificativă

Ex. r = -.22, p = .09 = ?

= corelaţie negativă nesemnificativă
Reprezentarea grafică a asocierii
dintre variabile

Scatterplot (norul de puncte) – un grafic cu două axe, fiecare

dintre axe reprezentând una dintre cele două variabile

Fiecare punct din grafic reprezintă scorul unui participant la
cele două variabile în cauză

Pe baza norului de puncte se pot identifica:
◦ Forma relaţiei dintre variabile (liniară, non-liniară sau absentă)
◦ Direcţia relaţiei dintre variabile (pozitivă sau negativă)
◦ Intensitatea relaţiei dintre variabile (puternică, medie sau scăzută)
Exemplu
DirecŃ
DirecŃia relaŃ
relaŃiei: pozitivă
pozitivă
DirecŃ
DirecŃia relaŃ
relaŃiei: negativă
negativă
Forma relaŃ
relaŃiei: liniară
liniară
Forma relaŃ
relaŃiei: non-
non-liniară
Forma relaŃ
relaŃiei: absenŃ
absenŃa
relaŃ
relaŃiei
Intensitatea relaŃ
relaŃiei:
foarte puternică (r=1.00)
Intensitatea relaŃ
relaŃiei:
puternică
Intensitatea relaŃ
relaŃiei:
medie
Intensitatea relaŃ
relaŃiei: scăzută
scăzută
sau chiar absentă
ImportanŃ
ImportanŃa reprezentării grafice
prin norul de puncte

Există situaţii în care interpretarea coeficientului de corelaţie

poate fi făcută greşit în absenţa verificării norului de puncte

Ex. Situaţii în care coeficientul de corelaţie este foarte apropiat

de 0 (semnificând absenţa relaţiei), dar în realitate:
ExistenŃ
ExistenŃa a două sub-
sub-seturi
de date distincte
ExistenŃ
ExistenŃa unei relaŃ
relaŃii curbilinii
echilibrate (1)
ExistenŃ
ExistenŃa unei relaŃ
relaŃii curbilinii
echilibrate (1)
Sub-seturi de date Relaţie non-lineară autentică
ExistenŃ
ExistenŃa unor valori extreme
AtenŃ
AtenŃie !!!

Coeficientul de corelaţie arată doar dacă există o asociere între

cele două variabile

Ipoteze de cercetare de genul: “Inteligenţa influenţează
performanţa şcolară”, sau “Consumul de alcool determină
creşterea agresivităţii” nu pot fi testate prin intermediul
coeficientului de corelaţie r

Evitaţi folosirea unor termeni ce presupun cauzalitate atunci
când interpretaţi rezultate obţinute în urma aplicării
coeficientului de corelaţie
Extra
Extra
Cât de puternică este asocierea
dintre două variabile?
variabile?

Cel mai utilizat indicator pentru a aprecia intensitatea asocierii
dintre două variabile este coeficientul de determinare (r²)

Se calculează ridicând coeficientul de corelaţie la pătrat

Reprezintă procentul de dispersie comună a celor două
variabile (în ce măsură/proporție depind variabilele una de alta)

Ex. r = .42 → r² = 0,176 → variabilele depind una de alta în
proporție de 17,6%

Ex. r = -.26 → r² = 0,068 → variabilele depind una de alta în
proporție de 6,8%
Interpretarea lui r²

Mărimea Coeficientul de
efectului determinare r²

Efect scăzut în jurul a 0,01

Efect mediu în jurul a 0,06

Efect puternic în jurul a 0,14

Take away ☺

În studiile corelaționale, pentru a verifica dacă există o legătură

între variabile se utilizează coeficientul de corelație.

Corelația nu presupune cauzalitate.

Verificarea legăturii dintre variabile prin intermediul norului de

puncte poate releva aspecte foarte importante despre relație.
Bibliografie

Sava, F.A. (2011). Analiza datelor în cercetarea psihologică

(Ediţia a doua). Cluj-Napoca: Editura ASCR. (cap. 3)
Vă mulŃumesc pentru atenŃie!

paul.sarbescu@e-uvt.ro