Correlação em Psicometria

Prévia do material em texto

📊 Correlação em Psicometria
📌 1. Conceito de Correlação
A correlação é uma medida estatística que indica a direção e a força da relação entre duas variáveis. Na psicometria, é usada para entender como duas medidas estão relacionadas – por exemplo, se uma alta pontuação em um teste de inteligência está associada com alto desempenho escolar.
· É não causal: correlação não implica que uma variável causa a outra.
· É expressa por um coeficiente de correlação, geralmente simbolizado por r (correlação de Pearson).
📈 2. Coeficiente de Correlação (r)
O valor de r varia entre -1,0 e +1,0:
	Valor de r
	Tipo de Correlação
	Interpretação
	+1,0
	Correlação positiva perfeita
	As variáveis aumentam juntas
	+0,7 a +0,9
	Correlação positiva forte
	Aumento em uma variável se associa com aumento na outra
	+0,4 a +0,6
	Correlação positiva moderada
	
	0
	Nenhuma correlação
	As variáveis não têm relação linear
	-0,4 a -0,6
	Correlação negativa moderada
	Aumento em uma variável se associa com diminuição na outra
	-0,7 a -0,9
	Correlação negativa forte
	
	-1,0
	Correlação negativa perfeita
	Uma variável aumenta exatamente quando a outra diminui
➕ 3. Correlação Positiva
· Definição: Quando aumentos em uma variável estão associados a aumentos na outra.
· Exemplo: Quanto maior o tempo de estudo, maior a nota na prova.
· Gráfico:
java
CopiarEditar
 |
 y | * *
 | * * 
 | * 
 | * 
 |_____________________
 x (tempo de estudo)
➖ 4. Correlação Negativa
· Definição: Quando aumentos em uma variável estão associados a diminuições na outra.
· Exemplo: Quanto mais horas de TV por dia, menor o desempenho acadêmico.
· Gráfico:
java
CopiarEditar
 |
 y | * 
 | * 
 | * 
 | * * 
 |_____________________
 x (horas de TV)
🚫 5. Correlação Nula (r ≈ 0)
· Definição: Quando não há relação linear entre duas variáveis.
· Exemplo: Cor da roupa usada e nota da prova.
· Gráfico:
markdown
CopiarEditar
 |
 y | * * * * 
 | * * * 
 | * * * 
 | * * * 
 |_____________________
 x
📚 Aplicações da Correlação na Psicometria
· Avaliar a consistência entre testes (ex.: Teste A vs. Teste B).
· Verificar validade preditiva (ex.: nota no ENEM e sucesso na universidade).
· Estimar confiabilidade (ex.: correlação entre metades de um teste).
🧠 Dicas Importantes
· Correlação não implica causa.
· A presença de variáveis de confusão pode distorcer a interpretação.
· Para medir relações não lineares, outros métodos devem ser usados (ex.: correlação de Spearman, regressão não linear).