Coeficiente de Correlação — r de Pearson e Interpretação

O coeficiente de correlação normalmente se refere ao coeficiente de correlação de Pearson, escrito como $r$. Ele mede a direção e a força de uma relação linear entre duas variáveis numéricas.

Se $r$ for positivo, as variáveis tendem a aumentar juntas. Se $r$ for negativo, uma tende a diminuir enquanto a outra aumenta. Se $r$ estiver perto de $0$, o $r$ de Pearson está dizendo que há pouco padrão linear, não necessariamente ausência total de relação.

O $r$ de Pearson é mais útil quando os dados vêm em pares, as duas variáveis são numéricas e a tendência em linha reta é o padrão que você quer resumir.

O Que o Coeficiente de Correlação Mostra

O $r$ de Pearson é uma medida padronizada de como duas variáveis variam juntas. Para uma amostra de dados emparelhados, a fórmula é

$$r = \frac{\sum_{i=1}^n (x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum_{i=1}^n (x_i-\bar{x})^2 \sum_{i=1}^n (y_i-\bar{y})^2}}$$

O numerador é positivo quando as variáveis tendem a se mover na mesma direção e negativo quando tendem a se mover em direções opostas. O denominador reescala esse movimento conjunto usando a dispersão de cada variável.

Quando o $r$ de Pearson está definido, ele deve satisfazer

$$-1 \le r \le 1$$

Se uma das variáveis não tiver variação nenhuma, o denominador se torna $0$, então o $r$ de Pearson fica indefinido.

Como Interpretar Valores Positivos, Negativos e Próximos de Zero

Comece pelo sinal:

• $r > 0$: associação linear positiva
• $r < 0$: associação linear negativa
• $r = 0$: ausência de associação linear

Depois observe o módulo $|r|$. Valores mais próximos de $1$ significam que os pontos ficam mais próximos de um padrão em linha reta. Valores mais próximos de $0$ significam que o padrão linear é mais fraco.

Tenha cuidado com rótulos como "fraca", "moderada" ou "forte". Esses cortes dependem do contexto. Em uma área, $r = 0.3$ pode ser importante. Em outra, pode ser pequeno demais para sustentar uma decisão.

O hábito mais seguro é interpretar $r$ junto com um gráfico de dispersão. O número é um resumo do padrão que você vê; ele não deve substituir a figura.

Exemplo Resolvido: Calculando $r = 0.9$

Suponha que os dados emparelhados sejam

$$(1,2),\ (2,3),\ (3,5),\ (4,4),\ (5,6)$$

Primeiro, calcule as médias:

$$\bar{x} = \frac{1+2+3+4+5}{5} = 3$$ $$\bar{y} = \frac{2+3+5+4+6}{5} = 4$$

Agora liste os desvios em relação às médias:

• Para $x$: $-2, -1, 0, 1, 2$
• Para $y$: $-2, -1, 1, 0, 2$

Multiplique os desvios emparelhados e some:

$$(-2)(-2) + (-1)(-1) + (0)(1) + (1)(0) + (2)(2) = 4 + 1 + 0 + 0 + 4 = 9$$

Agora calcule as duas somas de quadrados:

$$\sum (x_i-\bar{x})^2 = 4+1+0+1+4 = 10$$ $$\sum (y_i-\bar{y})^2 = 4+1+1+0+4 = 10$$

Então,

$$r = \frac{9}{\sqrt{10 \cdot 10}} = \frac{9}{10} = 0.9$$

Isso mostra que há uma forte associação linear positiva nessa amostra. À medida que $x$ aumenta, $y$ geralmente também aumenta, e os pontos ficariam relativamente próximos de uma reta crescente.

Erros Comuns ao Interpretar Correlação

Tratar Correlação como Causalidade

Uma correlação alta não prova que uma variável causa a outra. Um terceiro fator pode influenciar ambas, ou a relação pode ser apenas coincidência nos dados observados.

Esquecer que o $r$ de Pearson é Linear

O $r$ de Pearson só mede bem associação linear. Uma relação curva pode produzir uma correlação pequena mesmo quando as variáveis estão claramente relacionadas.

Ignorar Outliers

Um único ponto incomum pode alterar bastante o valor de $r$. Se o gráfico de dispersão tiver um outlier, a correlação pode contar uma história enganosa sobre o padrão geral.

Usar o $r$ de Pearson Quando o Contexto Não se Encaixa

O $r$ de Pearson foi feito para dados numéricos emparelhados e associação linear. Se uma variável for categórica, ou se o padrão for claramente curvo, esse coeficiente pode não responder à pergunta que realmente importa.

Interpretar Demais um Valor Próximo de Zero

Um valor próximo de $0$ significa "pouca associação linear", não "nenhuma relação de qualquer tipo".

Quando o Coeficiente de Correlação de Pearson é Usado

O $r$ de Pearson é muito usado em estatística, ciência, economia, pesquisa social e aprendizado de máquina como um resumo rápido de dados numéricos emparelhados. Ele é mais útil quando você quer saber se existe um padrão em linha reta antes de passar para um modelo como a regressão linear.

Na prática, um gráfico de dispersão deve vir primeiro. O coeficiente é um resumo, não um substituto para olhar os dados.

Tente um Problema Parecido

Pegue um pequeno conjunto de dados que você já entenda, faça o gráfico dos pontos e estime se a tendência parece positiva, negativa ou pouco clara antes de calcular $r$. Essa comparação rápida é uma das formas mais eficientes de desenvolver intuição sobre o que o coeficiente de correlação realmente está dizendo.

Se quiser ir um passo além, explore os mesmos dados com uma reta de regressão linear simples. Isso facilita ver como correlação e previsão estão relacionadas, mas não são a mesma coisa.