SPSS: PROGRAMAS E ROTINAS COMPLEMENTARES (SYNTAX
FILES) |
|||
|
|||
Correlação e Regressão |
|||
|
|||
Teste para uma correlação igual a zero
na população (r = 0) |
|||
*** Teste para uma correlação igual a zero na população
(r = 0) *** [Nível de significação de um coeficiente de correlação] *** Valentim Rodrigues Alferes (Universidade de Coimbra, 2002) *** ** ** Esta sintaxe efectua o teste de uma correlação igual a zero na ** população. A probabilidade associada ao t de Student, geralmente ** designada por nível de significação de um coeficiente de correlação, ** corresponde ao erro de tipo I: rejeição da hipótese nula (correla- ** ção igual a zero na população) quando ela é verdadeira. O
exemplo ** é de Guilford e Fruchter (1978, pp. 141-143). INPUT
PROGRAM. END CASE. END END FILE. END INPUT
PROGRAM. * Introduza o coeficiente
de correlação. COMPUTE R = 0.30. * Introduza o N
(número de pares de observações). COMPUTE N = 52. COMPUTE
T=(R*SQR(N-2))/SQR(1-R*R). COMPUTE GL=N-2. COMPUTE TABS=ABS(T). COMPUTE P_BI=(1-CDF.T(TABS,GL))*2. COMPUTE P_UNI=1-CDF.T(TABS,GL). FORMATS R (F8.2) T(F8.4) N(F8.0) GL(F8.0)
P_BI(F8.4) P_UNI(F8.4). LIST R N T GL
P_BI P_UNI. |
|||
Output (exemplo) |
|||
*** Teste para uma correlação igual a zero na população
(r = 0) *** [Nível de significação de um coeficiente de correlação] *** Valentim Rodrigues Alferes (Universidade de Coimbra, 2002) *** ** ** Esta sintaxe efectua o teste de uma correlação igual a zero na [...] * Introduza o coeficiente de correlação. COMPUTE R = 0.30.
* Introduza o N
(número de pares de observações). COMPUTE N = 52. [...]
List
R N T GL P_BI P_UNI
,30 52 2,2237 50 ,0307 ,0154
Number of cases read: 1 Number of cases listed: 1 |
|||
Nota 1 Sempre que tiver as variáveis na file activa, este teste é feito
directamente através dos menus do SPSS Data Editor (Analyze / Correlate / Bivariate... / Pearson). Nota 2 Nunca confunda o nível de significação e a magnitude
de um coeficiente de correlação. O nível de significação apenas nos
indica a probabilidade que temos de nos enganarmos ao declararmos que a
correlação na população é diferente de zero.
Uma vez garantido que tal
probabilidade é inferior a 0.05, todas
as interpretações devem ser feitas em termos de magnitude do próprio coeficiente de correlação. A melhor
estratégia consiste em calcular r2
(coeficiente de determinação) e
considerar esta quantidade (multiplicada por 100) como a percentagem de variância comum às duas variáveis, ou, nos casos
em que é legítimo distinguir entre VI e VD, a percentagem da variância da VD
explicável pela VI (cf. Cohen
& Cohen, 1983, pp. 46-51). A propósito, experimente esta sintaxe com os valores N = 3000 e r =
0.04 e verá que uma correlação de 0.04 é significativamente diferente de uma
correlação de 0.00 (pbi = 0.0285) . É claro que não tem motivos
para se sentir particularmente satisfeito caso resolva comunicar aos leitores
do relatório científico que está a preparar que as duas variáveis têm em
comum 0.16% de variância . |
|||
Referências |
|||
Cohen, J., & Cohen, P. (1983). Applied multiple regression/correlation analysis for
the behavioral sciences (2nd ed.). |
|||
|
|||
Última actualização: 2002-10-19 |
|||