Documente Academic
Documente Profesional
Documente Cultură
Curs 4
Coeficientul de corelaţie
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
paul.sarbescu@yahoo.com