STATISTICĂ PSIHOLOGICĂ

Curs 4
Coeficientul de corelaţie

Psih. Dr. Paul Sârbescu

 Despre coeficientul de corelaţie

 Reprezentarea grafică a asocierii dintre variabile

 Cât de puternică este asocierea dintre două variabile?

 Corelaţia parţială
 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
 Corelaţie pozitivă = un nivel ridicat variabilei X se asociază
cu un nivel ridicat al variabilei Y
 Corelaţie negativă = un nivel ridicat variabilei X se asociază
cu un nivel scăzut al variabilei Y
 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
 Ce indicator ne arată dacă avem un rezultat semnificativ
d.p.d.v. statistic?
 Pragul de semnificaţie (p)
 Poate lua valori între 0 şi 1
 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
 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)
 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:
◦ Există două sub-seturi de date distincte (ex. rezultatele bărbaţilor faţă de
cele ale femeilor)
◦ Există o relaţie curbilinie echilibrată ce determină schimbarea norului
de puncte dinspre pozitiv spre negativ sau invers
◦ Există o asociere clară între cele două variabile care este însă mascată de
unele date extreme care reduc valoarea coeficientului de corelaţie
Sub-seturi de date Relaţie non-lineară autentică
 Corelaţia nu presupune cauzalitate
 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
 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 partea de asociere comună a celor două variabile
(procentul de disperse comună)
 Ex. r = .42 → r² = 0,176 → 17,6% din dispersia celor două
variabile are o evoluţie comună
 Ex. r = -.26 → r² = 0,068 → 6,8% din dispersia celor două
variabile are o evoluţie comună
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

 Se utilizează pentru a verifica asocierea dintre două
variabile, menţinând constant efectul altei variabile
 Foarte utilă pentru identificarea relaţiilor false
 Ex. corelaţia dintre variabilele X si Y este semnificativă
(r = .38, p = .03 ), dar în momentul în care ţinem constantă
influenţa lui Z, corelaţia dintre X şi Y devine
nesemnificativă (pr = .26, p = .10)
 Expresiile de genul “eliminând influenţa lui Z” sau “ţinând
constantă influenţa lui Z” sunt specifice interpretării
coeficientului de corelaţie parţială
 Corelaţia negativă (inversă) dintre lungimea părului şi
înălţime
◦ Covariabilă: genul
 Corelaţia pozitivă dintre vârstă şi nivelul salarial
◦ Covariabilă: nivelul de instruire
 Corelaţia pozitivă (foarte puternică) dintre mărimea la
încălţăminte şi abilităţile verbale
◦ Covariabilă: vârsta
 Sava, F.A. (2011). Analiza datelor în cercetarea psihologică
(Ediţia a doua). Cluj-Napoca: Editura ASCR. (cap. 3)
Vă mulţumesc pentru atenţie!

paul.sarbescu@yahoo.com