1. PESQUISA CORRELACIONAL
Profa. Dra. Hilma Khoury
Universidade Federal do Pará/Instituto de Filosofia e Ciências
Humanas/Faculdade de Psicologia
Hospital Universitário João de Barros Barreto/Programa de Residência
Multiprofissional em Saúde
E-mail: hilmatk@yahoo.com.br
Fones: 98112-4808/ 98800-5762/ 3201-8057
2. “De modo geral, os cientistas sociais
querem mais do que descrever o
comportamento social. Um dos objetivos
da ciência social é compreender as
relações entre variáveis e predizer
quando ocorrerão diferentes tipos de
comportamento social”
(Aronson, Wilson & Akert, 2002, p.23).
3. Algumas perguntas de pesquisa
indagam sobre relações entre variáveis.
Contudo, envolvem variáveis que não
podem ser manipuladas.
Ou por real impossibilidade, ou
dificuldade, ou por razões éticas ou
práticas.
4. Qual a relação entre a renda mensal das pessoas e
seu grau de escolaridade?
Pessoas bem informadas sobre a transmissão do
vírus HIV têm maior probabilidade de praticar
sexo seguro?
Idosos com crença de auto-eficácia elevada teriam
maior nível de independência que idosos com
baixa auto-eficácia?
5. Nesse caso, pode-se estabelecer uma
relação de predição entre elas.
Conhecendo-se X, pode-se predizer Y?
Quanto posso prever a ocorrência de
uma variável com base na outra?
6. Pode-se prever a renda mensal das pessoas com
base em seu grau de escolaridade?
Pode-se prever a prática de sexo seguro com base
no conhecimento que as pessoas têm sobre a
transmissão do vírus HIV?
Pode-se prever a independência na velhice com
base na crença de auto-eficácia?
8. Indica se duas ou mais variáveis têm algo em
comum.
Se elas compartilham algo, então elas estão
correlacionadas (ou co-relacionadas) uma com
a outra.
9. Pode-se prever a renda mensal das pessoas
com base em seu grau de escolaridade?
Obtém-se medidas das variáveis a serem
investigadas – Renda Mensal e Grau de Escolaridade
Verifica-se, por meio do método estatístico
apropriado, as relações existentes entre elas.
Descreve a relação linear entre duas ou mais
variáveis, sem pretensão de atribuir causalidade.
(Mostrar o exemplo no SPSS)
10. OBJETIVO DA PESQUISA
CORRELACIONAL
Descobrir se existe um relacionamento
entre as variáveis, que seja improvável
de acontecer devido ao erro amostral, ou
seja, um relacionamento real entre as
duas variáveis (Dancey & Reidy, 2013).
12. 1. Aponta a DIREÇÃO do relacionamento entre as
variáveis (diagrama de dispersão):
POSITIVO NEGATIVO
13. DIRETA OU POSITIVA: quando uma variável
muda de valor, a outra muda na mesma direção.
INVERSA OU NEGATIVA: quando uma variável
muda de valor em uma direção, a outra muda na
direção oposta.
14. 2. Indica a FORÇA ou magnitude da relação
(coeficiente de correlação):
COEFICIENTE DE CORRELAÇÃO (r)
Varia de –1,0 a +1,0.
Quanto mais próximo de 1, mais forte é a
correlação.
Reflete o grau da relação entre duas variáveis.
Quanto mais duas variáveis têm em comum,
tanto mais fortemente relacionadas serão uma com
a outra.
17. 3. Determina se a RELAÇÃO entre as variáveis é
SIGNIFICATIVA (teste de significância).
Existe de fato na população de onde a amostra foi
retirada ou é fruto de erro amostral (obra do acaso)?
18. TESTES DE SIGNIFICÂNCIA
Testa-se a hipótese nula:
Não existe correlação entre x e y na população (r = 0).
Seleciona-se um nível de significância igual a
0,05 ou menor:
5/100 = p≤ 0,05
1/100 = p≤ 0,01
1/1000 = p≤ 0,001
19. O nível de significância refere-se à
PROBABILIDADE DA HIPÓTESE NULA SER
VERDADEIRA:
5% 1% 1/1000
Em contrapartida, a hipótese alternativa se
sustenta em 95% ou em 99% respectivamente.
Mesmo uma correlação fraca pode ser
estatisticamente significativa se a amostra sobre a
qual está baseada é grande o bastante e se foi
selecionada de forma aleatória.
Mas, nesse caso, não seria seguro fazer predições.
20. 4. Calcula o montante de VARIÂNCIA que pode
ser EXPLICADA pela relação entre as duas
variáveis:
Em que medida uma depende da outra?
(coeficiente de determinação).
Qual o grau de compartilhamento entre elas?
21. Se a correlação entre duas variáveis, anos de
escolaridade e renda mensal, é de 0,80.
O coeficiente de determinação é: 0,80 x 0,80=
0,64 ou 64%.
Assim, neste exemplo, 64% da variância no
salário pode ser explicada pela variância nos anos
de escolaridade.
36% da variância não é explicada por essa
relação e sim por outros fatores.
VARIÂNCIA EXPLICADA
22. O PROBLEMA DA TERCEIRA VARIÁVEL
Uma correlação entre duas variáveis pode ser forte,
mas isso não significa que podemos explicar uma pela
outra.
Se for encontrada uma forte correlação positiva entre o
número de palavras conhecidas por crianças e o tamanho
do pé, isso não significa que o tamanho do pé possa ser
explicado pela dimensão do vocabulário ou vice versa.
Seria mais coerente pensar numa relação triangular,
onde a própria idade é responsável tanto pelo tamanho
do pé quanto do vocabulário (Levin, 1987).
Isto é conhecido como o problema da terceira variável.
23. A correlação entre duas variáveis pode ser útil na
previsão dos valores de uma delas (y) a partir do
conhecimento dos valores da outra (x). Tal
previsão é obtida com mais segurança pela
técnica da análise de regressão.
A regressão linear, técnica multivariada,
responde à pergunta: Quanto y irá mudar se x
mudar? Quer dizer, se x mudar em certo valor,
poderemos ter uma estimativa de quanto y
mudará.
25. Se a distribuição for normal e se tiver
utilizado medidas intervalares ou de razão, o
coeficiente indicado é o de Pearson.
Se a distribuição não é normal e/ou utilizou-se
medida ordinal, o coeficiente indicado é o de
Spearmann.
1º Passo
Verificar se a distribuição é normal
(histograma + testes estatísticos)
26. 2º Passo
Verificar a direção da correlação
(diagrama de dispersão)
POSITIVA OU NEGATIVA
30. Referências e Bibliografia Consultada
Aronson, .E., Wilson, T. D., & Akert, R. M. (2002).
Psicologia Social. Rio de Janeiro: LTC.
Dancey, C. P., & Reidy, J. (2013). Estatística sem
matemática para psicologia. 5ª Ed. Porto Alegre/RS:
Penso, 606pp.
Field, A. (2009). Descobrindo a estatística usando o SPSS,
2ª Ed. Porto Alegre/RS: Artmed, 688p.
Gerrig, R. J., & Zimbardo, P. G. (2005). A psicologia e a
vida, 16ª Ed. (pp.51-70). Porto Alegre/RS: Artmed.
Levin, J. (1987). Estatística aplicada a ciências humanas, 2ª
Ed. São Paulo: Harbra, 310p.
Rodrigues, A., Assmar, E. M. L, & Jablonski, B. (2015).
Psicologia Social (Parte 1). Petrópolis/RJ: Vozes.