1.13: Correlações

Correlação significa que existe uma relação entre duas ou mais variáveis (como consumo de sorvete e crime), mas essa relação não implica necessariamente causa e efeito. Quando duas variáveis estão correlacionadas, significa simplesmente que, à medida que uma variável muda, a outra também muda. Podemos medir a correlação calculando uma estatística conhecida como coeficiente de correlação. Um coeficiente de correlação é um número de -1 a +1 que indica a força e a direção da relação entre as variáveis. O coeficiente de correlação é geralmente representado pela letra r.

A parte numérica do coeficiente de correlação indica a força da relação. Quanto mais próximo o número estiver de 1 (seja negativo ou positivo), mais fortemente relacionadas serão as variáveis e mais previsíveis serão as mudanças em uma variável à medida que a outra variável mudar. Quanto mais próximo o número estiver de zero, mais fraca será a relação e menos previsíveis se tornarão as relações entre as variáveis. Por exemplo, um coeficiente de correlação de 0,9 indica uma relação muito mais forte do que um coeficiente de correlação de 0,3. Se as variáveis não estiverem relacionadas entre si, o coeficiente de correlação é 0.

O sinal – positivo ou negativo – do coeficiente de correlação indica a direção da relação. Uma correlação positiva significa que as variáveis se movem na mesma direção. Dito de outra forma, significa que, à medida que uma variável aumenta, a outra também aumenta e, inversamente, quando uma variável diminui, a outra também diminui. Uma correlação negativa significa que as variáveis se movem em direções opostas. Se duas variáveis estão negativamente correlacionadas, uma diminuição em uma variável está associada a um aumento na outra e vice-versa.

Exemplos de correlações positivas são a relação entre a altura e o peso de um indivíduo ou a relação entre a idade de uma pessoa e o número de rugas. Pode-se esperar que exista uma correlação negativa entre o cansaço de alguém durante o dia e o número de horas que dormiu na noite anterior: a quantidade de sono diminui à medida que a sensação de cansaço aumenta. Em um exemplo real de correlação negativa, estudantes pesquisadores da Universidade de Minnesota encontraram uma correlação negativa fraca (r = -0,29) entre o número médio de dias por semana em que os alunos dormiam menos de 5 horas e seu GPA (Lowry, Dean e Manders, 2010). Lembre-se de que uma correlação negativa não é o mesmo que nenhuma correlação. Por exemplo, provavelmente não encontraríamos correlação entre horas de sono e tamanho do sapato.

As correlações têm valor preditivo. Imagine que você está no comitê de admissão de uma grande universidade. Você se depara com um grande número de inscrições, mas pode acomodar apenas uma pequena porcentagem do pool de candidatos. Como você pode decidir quem deve ser admitido? Você pode tentar correlacionar o GPA da faculdade de seus alunos atuais com suas pontuações em testes padronizados como o SAT ou ACT. Ao observar quais correlações foram mais fortes para seus alunos atuais, você pode usar essas informações para prever o sucesso relativo dos alunos que se inscreveram para admissão na universidade.

A correlação não indica causalidade

A pesquisa correlacional é útil porque nos permite descobrir a força e a direção das relações que existem entre duas variáveis. No entanto, a correlação é limitada porque estabelecer a existência de uma relação nos diz pouco sobre causa e efeito. Embora as variáveis às vezes sejam correlacionadas porque uma causa a outra, também pode ser que uma terceira variável esteja realmente causando o movimento sistemático em nossas variáveis de interesse. Por exemplo, a riqueza pode estar positivamente correlacionada com a inteligência, mas isso é provável porque as pessoas ricas podem pagar o ensino superior, o que, por sua vez, aumenta a inteligência.

Este texto foi adaptado de OpenStax, Psicologia. OpenStax CNX.