A correlação entre duas variáveis descreve a probabilidade de que uma mudança em uma variável cause uma mudança proporcional na outra variável. Uma alta correlação entre duas variáveis sugere que elas compartilham uma causa comum ou que uma mudança em uma das variáveis é diretamente responsável por uma mudança na outra variável. O valor r de Pearson é usado para quantificar a correlação entre duas variáveis discretas.
Identifique a variável que você acredita estar causando a mudança para a outra variável como x (a variável independente) e a outra variável y (a variável dependente
Construa uma tabela com cinco colunas e quantas linhas houver pontos de dados para x e y. Rotule as colunas de A a E da esquerda para a direita.
Preencha cada linha com os seguintes valores para cada ponto de dados (x, y) na primeira coluna - o valor de x na Coluna A, o valor de x ao quadrado na Coluna B, o valor de y na Coluna C, o valor de y ao quadrado na Coluna Deo valor x vezes y na Coluna E.
Faça uma linha final na parte inferior da tabela e coloque a soma de todos os valores de cada coluna em sua célula correspondente.
Calcule o produto das células finais na Coluna A e C.
Multiplique a célula final na Coluna E pelo número de pontos de dados.
Subtraia o valor obtido na Etapa 5 do valor obtido na Etapa 6 e sublinhe a resposta.
Multiplique a célula final da Coluna B pelo número de pontos de dados. Subtrair desse valor o quadrado do valor da célula final da Coluna A.
Multiplique a célula final da Coluna D pelo número de pontos de dados e subtraia o quadrado do valor da célula final da Coluna C
Multiplique os valores encontrados nas Etapas 8 e 9 juntos e, em seguida, obtenha a raiz quadrada do resultado.
Divida o valor obtido na Etapa 7 (deve ser sublinhado) pelo valor obtido. na etapa 10. Este é o coeficiente de correlação de Pearson, também conhecido como coeficiente de correlação. Se r é próximo de 1, existe uma forte correlação positiva. Se r é próximo de -1, há uma forte correlação negativa. Se r é próximo de 0, existe uma correlação fraca.