Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.
- Os dados devem incluir pelo menos 2 colunas de dados no formato data/hora ou numérico
- Todas as colunas devem ter o mesmo número de linhas.
- Os dados devem ser contínuos ou ordinais
- Se você tiver dados categóricos, você deve realizar Tabulação cruzada
e qui-quadrado para examinar a associação entre as variáveis.
- O tamanho amostral deve ser de médio para grande, n ≥ 25
- Embora não haja diretrizes formais para a quantidade de dados necessária para uma correlação, amostras maiores indicam mais claramente os padrões nos dados e fornecem estimativas mais precisas.
- A relação entre as variáveis deve ser linear ou monotônica
- Se as variáveis não tiverem uma relação linear ou monotônica, os resultados da análise de correlação não refletirão com exatidão a força da relação. Examine a matriz de dispersão para procurar outros relacionamentos.
- Valores incomuns podem exercer forte impacto sobre os resultados
- Como valores incomuns podem ter um forte efeito nos resultados, use a matriz de dispersão para identificar esses valores. Você deve investigar outliers porque eles podem fornecer informações úteis sobre os seus dados ou processo.
- Os dados devem seguir uma distribuição normal bivariada
- Os procedimentos de valor-p para as correlações de Pearson e Spearman são robustos para desvios da normalidade. Os valores-p são geralmente precisos para n ≥ 25, independentemente da população de pais da amostra.
- Os intervalos de confiança para a correlação de Pearson são sensíveis à normalidade da distribuição bivariada subjacente. Se os dados se desviarem da normalidade, os intervalos de confiança podem ser imprecisos, independentemente da magnitude do tamanho da amostra.
- Os intervalos de confiança para as correlações de Spearman são baseados em classificações e são menos sensíveis à suposição de distribuição bivariada subjacente.
