FatCamera/E+/GettyImages
Coefficiente di correlazione di Pearson, indicato come r , quantifica l'associazione lineare tra due variabili continue. Il suo valore varia da –1 a +1, dove –1 segnala una relazione negativa perfetta, +1 una relazione positiva perfetta e 0 indica alcuna correlazione lineare. I ricercatori in genere utilizzano software statistici come SPSS o SAS per garantire la precisione, soprattutto quando riportano i risultati in pubblicazioni sottoposte a revisione paritaria.
Scegli due variabili misurate in modo indipendente per evitare distorsioni. La prima è solitamente la variabile dipendente, mentre la seconda è il predittore o l'esposizione di interesse.
Per set di dati di grandi dimensioni, il calcolo manuale diventa poco pratico, quindi utilizzare un software o una calcolatrice scientifica. La formula matematica è disponibile nella sezione di riferimento qui sotto.
Un r vicino allo zero suggerisce che le variabili non condividono una relazione lineare. Tali risultati possono evidenziare variabili che potrebbero non influenzarsi a vicenda.
Un r positivo che si avvicina a +1 indica una forte tendenza lineare:quando una variabile aumenta, l'altra aumenta proporzionalmente. L'interpretazione deve considerare il contesto dello studio.
Un r negativo che si avvicina a –1 riflette una tendenza lineare inversa:all’aumentare di una variabile, l’altra diminuisce di un importo corrispondente. Il contesto è ancora una volta essenziale.
Interpretare r all'interno della specifica domanda di ricerca. Ad esempio, un r pari a 0,912 denota un'associazione positiva molto forte, che potrebbe suggerire un nesso causale che giustifica ulteriori indagini. Al contrario, la stessa r in una relazione consolidata potrebbe segnalare errori nei dati o difetti di progettazione.
Determinare la significatività statistica confrontando r con i valori critici da una tabella di correlazione. I gradi di libertà equivalgono al numero di osservazioni accoppiate meno due. Cerca il valore critico per α =0,05 (confidenza al 95%) o α =0,01 (confidenza al 99%). Se |r| supera il valore critico, la relazione è statisticamente significativa.
Utilizzare gli intervalli di confidenza per r per valutare le correlazioni della popolazione oltre alle stime puntuali.
