Pesquisa Correlacional

4.702 visualizações

Publicada em

Método correlacional de pesquisa. Análise de correlação.

Publicada em: Ciências
0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
4.702
No SlideShare
0
A partir de incorporações
0
Número de incorporações
415
Ações
Compartilhamentos
0
Downloads
62
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Pesquisa Correlacional

  1. 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. 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. 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. 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. 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. 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?
  7. 7. PESQUISA CORRELACIONAL
  8. 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. 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. 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).
  11. 11. ANÁLISE DE CORRELAÇÃO METAS E INTERPRETAÇÃO
  12. 12. 1. Aponta a DIREÇÃO do relacionamento entre as variáveis (diagrama de dispersão): POSITIVO NEGATIVO
  13. 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. 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.
  15. 15. Perfeita + 1 - 1 Forte + 0,9 + 0,8 + 0,7 - 0,9 - 0,8 - 0,7 Moderada + 0,6 + 0,5 + 0,4 - 0,6 - 0,5 - 0,4 Fraca + 0,3 +0,2 +0,1 - 0,3 - 0,2 -0,1 Zero 0 Fonte: Dancey & Reidy, 2013, p. 187.
  16. 16. r = 1,0 PERFEITA r = 0,8 FORTE r = 0,2 FRACA
  17. 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. 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. 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. 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. 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. 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. 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.
  24. 24. PASSOS PARA VERIFICAR E INTERPRETAR CORRELAÇÃO
  25. 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. 26. 2º Passo Verificar a direção da correlação (diagrama de dispersão) POSITIVA OU NEGATIVA
  27. 27. 3º Passo Calcular o coeficiente de correlação FRACA MODERADA FORTE
  28. 28. 4º Passo Calcular a significância da relação encontrada r = 0,65; p≤0,05 Pearson r = 0,78; p≤0,01 r = 0,70; p≤0,001 ρ = 0,65; p≤0,05 Spearman ρ = 0,78; p≤0,01 ρ = 0,70; p≤0,001
  29. 29. 5º Passo: Verificar a variância explicada O QUANTO POSSO EXPLICAR UMA PELA OUTRA
  30. 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.

×