Interpretar todas as estatísticas e gráficos para Correlação

A matriz de correlação mostra os valores de correlação de Pearson, que medem o grau de relação linear entre cada par de variáveis. Os valores de correlação podem cair entre -1 e +1. Se as duas variáveis tendem a aumentar e diminuir juntas, o valor de correlação é positivo. Se uma variável aumenta enquanto a outra variável diminui, o valor de correlação é negativo.

Use o coeficiente de correlação de Spearman para analisar a intensidade e a direção da relação monótona entre duas variáveis contínuas ou ordinais. Em uma relação monotônica, as variáveis tendem a mover-se na mesma direção relativa, mas não necessariamente a uma taxa constante. Para calcular a correlação de Spearman, o Minitab atribui postos para os dados brutos. Em seguida, o Minitab calcula o coeficiente de correlação com os dados atribuídos em postos.

Resistência

O coeficiente de correlação pode variar em termos de valor de -1 a +1. Quanto maior for o valor absoluto do coeficiente, mais forte é a relação entre as variáveis.

Para a correlação de Spearman, um valor absoluto de 1 indica que os dados ordenados por posto são perfeitamente lineares. Por exemplo, uma correlação de Spearman de -1 significa que o maior valor para a variável A está associado ao menor valor para a variável B, o segundo maior valor para a variável A está associado com o segundo menor valor para a variável B, e assim por diante.

Direção

O sinal de cada coeficiente indica a direção da relação. Se ambas as variáveis tendem a aumentar ou diminuir em conjunto, o coeficiente é positivo, e a linha que representa a correlação inclina para cima. Se uma variável tende a aumentar à medida que os outras diminuem, o coeficiente é negativo, e a linha que representa a correlação inclina para baixo.

Os gráficos a seguir mostram os dados com valores de coeficiente de correlação de Spearman específicos para ilustrar padrões diferentes na força e direção das relações entre as variáveis.

Nunca é adequado concluir que as mudanças em uma variável causam mudanças em outra variável com base apenas na correlação. Somente experimentos adequadamente controlados permitem que você determine se uma relação é causal.

O número de linhas usadas é exibido na tabela método. É o número de linhas de dados, incluindo valores ausentes.

Quando você tem valores ausentes, o número de linhas usadas não é o mesmo que o tamanho real da amostra usado no cálculo do intervalo de confiança.

O intervalo de confiança fornece um intervalo de valores prováveis para os coeficientes de correlação. Como as amostras são aleatórias, é improvável que duas amostras de uma população produzam intervalos de confiança idênticos. Mas, se você repetir sua amostra várias vezes, uma determinada porcentagem dos intervalos de confiança ou limites resultantes conteria o coeficiente de correlação desconhecido. A porcentagem desses intervalos de confiança ou limites que contêm o coeficiente de correlação é o nível de confiança do intervalo.

Por exemplo, um nível de confiança de 95% indica que, se você extrair 100 amostras aleatórias da população, poderia esperar que, aproximadamente, 95 das amostras produza intervalos que contêm o coeficiente de correlação.

Uma fronteira superior define um valor provável que a diferença da população seja menor. Uma fronteira inferior define um valor provável que a diferença da população seja maior.

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.

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. Um valor-p menor fornece uma evidência mais forte contra a hipótese nula.

A matriz de dispersão é uma matriz de gráficos de dispersão. Cada gráfico de dispersão na matriz representa graficamente os escores de um par de itens nos eixos x e y.

Interpretação

Use o gráfico para avaliar visualmente a relação entre cada combinação de variáveis. As relações podem ser lineares, monótonas ou nenhuma. Use também a matriz de dispersão para procurar outliers que possam influenciar fortemente os resultados. Para mais informações sobre os tipos de relacionamentos, acesse Relações lineares, não lineares e monotônicas.