Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

O que é Correlação de Spearman?

O Coeficiente de Correlação por Postos de Spearman, é uma medida não paramétrica da dependência dos postos das variáveis.

Este coeficiente também pode ser chamado de ρ (rho) de Spearman, rs de Spearman ou Correlação de Spearman. Como o nome já dá a entender, a correlação de Spearman descreve a relação entre as variáveis através de uma função monotética.

Isso significa, de maneira simplificada, que ele está analisando se, quando o valor de uma variável aumenta ou diminui, o valor da outra variável aumenta ou diminui.

Para interpretarmos esta relação, o coeficiente da correlação de Spearman gera um número que varia de -1 a +1. Quanto mais próximo dos extremos (-1 ou 1), maior é a força da correlação. Já os valores próximos de 0 implicam em correlações mais fracas ou inexistentes.

O quão próximo do zero indica o poder da relação, mas também precisamos interpretar o sinal, se é positivo ou negativo, que indica a direção desta relação. Se positiva, o aumento em uma variável implica no aumento na outra variável. Os valores negativos indicam que o aumento de uma variável implica no decréscimo de outra. Como no gráfico a seguir:

Posso interpretar relações não-lineares com a correlação de Spearman?

Uma vez que a correlação de Spearman segue uma lógica monotética, e não tem pressupostos lineares como na correlação de Pearson, é possível utilizar o rs para relações não lineares. Por isso, no exemplo a seguir a correlação de Spearman é mais eficaz em identificar a relação entre as variáveis:

Como interpretar os coeficientes de correlação de Spearman?

Não existe consenso sobre o a interpretação do poder da correlação, mas existem algumas recomendações. Cohen (1992) sugere os seguintes tamanhos de efeito:

  • r = 0,10 -> correlação fraca.
  • r = 0,30 -> correlação moderada.
  • r = 0,50 -> correlação forte.

(“How to Interpret a Correlation Coefficient r – dummies,” 2019) sugere que:

  • r = 0,30 -> correlação fraca
  • r = 0,50 -> correlação moderada
  • r = 0,70 -> correlação forte

Avaliando a correlação através do coeficiente de determinação (Tamanho de efeito)

O valor bruto do rs indica a força da associação. Entretanto, podemos ter uma melhor noção do significado da correlação através do rs2, que indica a o quanto uma variável encontra-se associada à outra em termos de variância compartilhada.

Esse coeficiente também é chamado de coeficiente de determinação e é considerado o tamanho de efeito da correlação.

Elevando o valor de rs ao quadrado, percebemos que rs = 0,10, significa que 1% da variação de uma variável pode ser explicada pela outra. rs = 0,30 explica 9% da variância total e rs = 0,50 explica 25% da variância total.

Por isso, interpretar o rs2 pode trazer mais clareza sobre o quanto os construtos encontram-se relacionados.

É importante atenção, pois na medida em que o coeficiente de correlação vai aumentando, a variância compartilhada cresce exponencialmente. Por exemplo, a diferença de variância explicada entre os coeficientes de correlação de 0,10 para 0,20, é de apenas 3%. Entretanto, entre rs = 0,80 e rs = 0,90, a diferença na variância explicada já é de 17%.

É importante destacar que para a interpretabilidade do tamanho do efeito das correlações, você pode se basear nas diretrizes mencionadas, mas é a revisão da literatura que irá, de fato, lhe informar se os seus achados são fracos ou fortes.

A correlação de Spearman é uma forma de realizar correlações, dentre várias possíveis. Se você procura analisar relações lineares, o Coeficiente de Pearson é o mais adequado, como explicamos nesta postagem. Também existe outra medida não-paramétrica, o tau de Kendall, que já foi abordado no blog. Em breve teremos postagens sobre outras formas de correlação, como as ponto-biseriais e policóricas, além de correlações parciais e semi-parciais.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

2 respostas

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Teste de Wilcoxon

Teste de Wilcoxon

O teste de Wilcoxon é um teste de hipóteses para analisar a diferença entre duas amostras pareadas. Portanto, podemos usá-lo quando temos duas medidas de uma mesma amostra, isto é,

O que é um teste post hoc?

O que é um teste post hoc?

Alguma vez, durante a sua jornada como pesquisador, já deve ter se perguntado o que é um teste post hoc ou o que significa fazer um teste post hoc. Testes

O que é a distância de Cook?

O que é a distância de Cook?

A distância de cook é uma estatística para avaliar o quanto um único caso é capaz de influenciar a estimativa de um modelo de regressão.

Entenda o que são graus de liberdade

Entenda o que são graus de liberdade

Os graus de liberdade são uma medida que nos ajuda a determinar o número de observações independentes que temos em nossos dados. Em outras palavras, eles indicam quantos valores podemos

O que são parâmetros livres e fixos em uma AFC?

O que são parâmetros livres e fixos em uma AFC?

Parâmetros livres e fixos são uma parte fundamental para o entendimento da Análise Fatorial Confirmatória (AFC). É útil entender estes conceitos, para quando falarmos de índices de modificação e identificação

Teste de Wilcoxon

Teste de Wilcoxon

O teste de Wilcoxon é um teste de hipóteses para analisar a diferença entre duas amostras pareadas. Portanto, podemos usá-lo quando temos duas medidas de uma mesma amostra, isto é,

O que é um teste post hoc?

O que é um teste post hoc?

Alguma vez, durante a sua jornada como pesquisador, já deve ter se perguntado o que é um teste post hoc ou o que significa fazer um teste post hoc. Testes

O que é a distância de Cook?

O que é a distância de Cook?

A distância de cook é uma estatística para avaliar o quanto um único caso é capaz de influenciar a estimativa de um modelo de regressão.

Entenda o que são graus de liberdade

Entenda o que são graus de liberdade

Os graus de liberdade são uma medida que nos ajuda a determinar o número de observações independentes que temos em nossos dados. Em outras palavras, eles indicam quantos valores podemos

O que são parâmetros livres e fixos em uma AFC?

O que são parâmetros livres e fixos em uma AFC?

Parâmetros livres e fixos são uma parte fundamental para o entendimento da Análise Fatorial Confirmatória (AFC). É útil entender estes conceitos, para quando falarmos de índices de modificação e identificação

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.