CORRELAÇÃO E REGRESSÃO

Mestrandos: Fernanda Lima, Paulo Vitor

Albuquerque e Poliane Alvares

Programa de Pós-Graduação em Educação Física – PPGEF

Disciplina de Metodologia da Pesquisa
Prof. Christian Emmanuel Torres Cabido
 CORRELAÇÃO
 É uma técnica estatística usada para determinar a relação entre variáveis;

 Expressada através de gráficos chamado de diagrama de pontos ou

diagrama de dispersão.

ã o
s o c i aç
as
?
2

(THOMAS, NELSON e SILVERMAN, 2012)

 PODE ENVOLVER - DUAS VARIÁVEIS

Massa corporal
Estatura 3

Fonte das imagens:Google

 PODE ENVOLVER – TRÊS OU MAIS VARIÁVEIS

relação
integrada

Fonte das imagens:Google

 PODE ENVOLVER – TRÊS OU MAIS VARIÁVEIS

Variável dependente:
Condicionamento físico

Variáveis independentes:

velocidade 5

Massa Corp.
Fonte das imagens:Google %G
CORRELAÇÃO (r)

Fonte das imagens:Google

 GRÁFICOS DE CORRELAÇÃO POSITIVA
Força (N)

Massa Corporal (kg)

7
 GRÁFICOS DE CORRELAÇÃO POSITIVA PERFEITA
Força (N)

Massa Corporal (kg) 8

(THOMAS, NELSON e SILVERMAN, 2012)

GRÁFICO DE CORRELAÇÃO NEGATIVA

9
 GRÁFICO DE CORRELAÇÃO NEGATIVA PERFEITA
PO2 atmosférico (mmHg)

Altitude (m) 10

Fonte dos dados: http://www.fisfar.ufc.br

GRÁFICO SEM
CORRELAÇÃO

11

Fonte da imagem: Google (THOMAS, NELSON e SILVERMAN, 2012)

 CORRELAÇÃO
E
FATORES DE CAUSA-
EFEITO
12
Exemplo geral: “Quanto maiores são os pés de uma criança, maior a capacidade para
resolver problemas de matemática... 
Portanto, ter pés grandes faz ter melhores notas de matemática

DESENVOLVIMENTO
Desenv. em matemática

INFANTIL

Tamanho do pé (cm)

13

Fonte das imagens:Google

COEFICIENTE DE CORRELAÇÃO DE
PEARSON (R)
 Tem uma variável critério (dependente) e outra preditora (independente);

 Cada participante tem dois escores (um de cada variável);

 O uso do r pressupõe uma relação linear entre as variáveis (uma linha reta é o
melhor modelo de relação);

 Quando isso não acontece r é inadequado para analisar os dados;

 O cálculo: envolve as distâncias relativas dos escores em comparação com as

médias das distribuições;

14
EXEMPLIFICANDO: CÁLCULO DE R PARA ACERTOS DE GREENS
NO REGULAMENTO E PUTTS POR RODADA PARA 10 JOGADORES
TOPS DA PGA

N= 10 Soma X=663,8 S=44.121,98 Soma Y= 291 S=8.471,4 P=19.329,4

4

1. Some cada conjunto de escores.

2. Eleve ao quadrado e some cada conjunto de escores.
3. Multiplique cada par de escores e obtenha a soma cumulativa desses produtos. 15
(variável independente é acertos de greens no regulamento)
 n.SomaX .Y  ( somaX )( somaY )
r
n.somaX² - (somaX)² n.somaY ²  ( somaY )²

 Correlação positiva forte 16

DIAGRAMA DE DISPERSÃO

17
r= 0,925 - Correlação linear
positiva
INTERPRETAÇÃO DA FIDEDIGNIDADE
DE R

 Fidedignidade da (ou confiança na) probabilidade de

recorrência da estatística caso o estudo seja repetido;

 Greens e putts r= 0,925;

 Graus de liberdade: N – 2 = 10 – 2 = 8

18
 19

(THOMAS, NELSON e SILVERMAN, 2012)

INTERPRETAÇÃO DA SIGNIFICAÇÃO
DE R
 Coeficiente de determinação
 Trata-se do coeficiente de correlação elevado ao
quadrado (r²) usado na interpretação da significação de
correlações.
r=0,71

20

(THOMAS, NELSON e SILVERMAN, 2012)

INTERPRETAÇÃO DA SIGNIFICAÇÃO
DE R
 Salto em distância e salto vertical;

 r=0,70 a 0,80;

 Fatores associados 49% e 64%;

 Variância 51%;

 Tamanho das correlações;

 0,90 não é três vezes maior do que 0,30;

21
 (0,302 = 0,09 ou 9% e 0,902 = 0,81 ou 81%).
(THOMAS, NELSON e SILVERMAN, 2012)
A TRANSFORMAÇÃO Z DE R
 Determinar a média de duas ou mais correlações;

 Maio correlação,mais desviada a distribuição;

 Método para aproximar da normalidade a distribuição de

amostragem de relações lineares que consiste na
transformação de coeficientes de correlação em valores
Z.

22

(THOMAS, NELSON e SILVERMAN, 2012)

A TRANSFORMAÇÃO Z DE R
 Registramos as correlações entre o consumo máximo de
oxigênio e a corrida em distância (p. ex., 8 min de
corrida/caminhada) de quatro grupos de sujeitos de
diferentes idades;

 Combinar essas correlações da amostra para obter uma

estimativa válida e confiável da relação entre essas duas
medidas de resistência cardiorrespiratória.

23

(THOMAS, NELSON e SILVERMAN, 2012)

A TRANSFORMAÇÃO Z DE R

 137,70/135 = 1,02.

24

(THOMAS, NELSON e SILVERMAN, 2012)

25
CORRELAÇÃO PARA PREDIÇÃO
(PREVISÃO)
 Tentativa de prever critérios através de variáveis de predição;
 Porque prever? As variáveis de predição consomem menos tempo e são mais
baratas e praticáveis em testes de massa do que a variável de critério;
 Desenvolve-se, então, uma equação de predição, também chamada de equação
de regressão;
 Baseia-se na correlação;

Relação entre as variáveis Mais precisa será a predição

 Se a correlação fosse perfeita (o que nunca é com seres humanos), poderia haver
predição com precisão total;

26
 EQUAÇÕES DE REGRESSÃO
 Podemos hipoteticamente prever com
perfeita exatidão a renda anual de
professores, multiplicando os salários
mensais por 12;

 Distribuindo os salários mensais na tabela (o

X ou a variável de predição), podemos obter
a renda anual prevista (o Y ou a variável
critério);

 Se a Sra. Brooks recebe um salário mensal

de 1.750 dólares:
 Esse valor (1.750 dólares) fica no eixo
horizontal (x, variável de predição) e
intercepta o eixo vertical (y, variável
critério) no ponto correspondente.
 A equação para predição é Y= 12X.
27
 Região Taxa de Taxa de X.Y X²
mortalidade analfabetismo (Y)
infantil (x)
Norte
S 35,6 12,7 452,12 1267,36 y  0,56. X  4,5
Nordeste 59 29,4 1734,60 3481

Sudeste 25,5 8,6 216,72 635,04 Agora vejamos, se São

Luís tiver taxa de
Sul 22,5 8,3 186,75 506,25
mortalidade infantil de
Centro-oeste 25,41 12,4 314,96 645,16 30%, qual seria a taxa de
TOTAIS 167,7 71,4 2905,15 6534,81 analfabetismo prevista?
Médias 33,54 14,28 - -

y  a. X  b Onde:
X: variável independente
Y: variável dependente
N . xy   x. y b: coeficiente angular (acréscimo ou
a decréscimo de y para cada unidade

N  x ²  ( x)²
de x)
a: coeficiente linear (valor de y
quando x=0)

b  y  a.x 28
 30

25
Taxa de analfabetismo

20

15

10

0
0 10 20 30 40 50 60 70
Taxa de mortalidade infantil
29
REGRESSÃO MÚLTIPLA

• Também quer predizer uma variável critério;

• Essa predição é dada através de uma equação que relaciona

essa variável critério com várias variáveis preditivas;

• Outro fator importante, é que variáveis critério que você

não tinha, através da equação você pode ter;

30

(THOMAS, NELSON e SILVERMAN, 2012)

REGRESSÃO MÚLTIPLA

Y = a + bX.
Linear simples

var. critério var. pred. var. pred. 31

PODEMOS ATRAVÉS DA RLM:

 Verificar a contribuição das variáveis preditivas para a de

critério;

 Predizer valores que não estão ali.

32
 MEIOS DE ESCOLHA

33

(THOMAS, NELSON e SILVERMAN, 2012)

Um psicólogo está investigando a relação entre o tempo que o indivíduo leva para
reagir a um certo estimulo (em segundos) e algumas de suas características tais como
sexo, idade (em anos completos) e acuidade visual (medida em porcentagem).

Dados

34

(Adaptado de Bussab, 1986)

EXCEL PASSO 1

35
EXCEL PASSO 2

36
EXCEL PASSO 3

37
 Y = a + b1X1+b2X2.

tempo de reação = a + b1.idade+b2.acuidade

Predizer valores que não estão ali.

Qual o T.R de uma mulher com 27 anos de idade e

acuidade visual de 95%
tempo de reação = a + b1.idade+b2.acuidade
tempo de reação = 123,80 + 0,63*27 – 0,39*95
tempo de reação = 123,80 + 17,1 – 37,05
tempo de reação = 140,9 – 37,05
tempo de reação = 103s

38
 EXEMPLOS DE EQUAÇÕES DE
PREDIÇÃO
Estimar 1RM

Estimar VO2máx.

Estimar VO2máx.

39

(WILMORE & BEHNKE, 1969)

RECAPITULANDO

 Posso correlacionar variáveis múltiplas;

 Dessas variáveis eu estabeleço uma critério (quero explicar) e as outras serão

preditivas;

 Eu consigo observar o grau de contribuição total das preditivas para a de critério;

 Ao invés de ter ao final do teste um valor de “r” e “p” como nas correlações que
mostram um grau de relação de uma variável preditiva sobre a de critério. Na
regressão o teste me dar uma equação preditiva;

 Equação que me dar possibilidade de ESTIMAR valores que não possuo.

40
REFERÊNCIA

THOMAS, J. R; NELSON, J. K; SILVERMAN, S.

J. Métodos de pesquisa em atividade física. Porto Alegre:
Artmed, 2012. 6º ed.

41