Coefficiente di correlazione
| Comando: | Statistiche CorrelazioneCoefficiente di correlazione |
|---|
L'analisi di correlazione serve a determinare se i valori di due variabili sono associati. Le due variabili devono essere campioni casuali e devono avere una distribuzione normale (eventualmente dopo una trasformazione).
Input richiesto
Questa finestra va compilata in modo simile a quella delle statistiche di riepilogo, ma ora devi selezionare 2 variabili. Se vuoi selezionare le variabili dall'elenco delle variabili, fai clic sul pulsante a discesa e seleziona la variabile nell'elenco visualizzato. Poi sposta il cursore nel campo Variabile X e fai di nuovo clic sul pulsante a discesa per selezionare la variabile nell'elenco.
Infine puoi selezionare una trasformazione logaritmica per una o entrambe le variabili, per ottenere distribuzioni normali. Vedi Trasformazione logaritmica.
Dopo aver fatto clic su OK ottieni le statistiche richieste nella finestra dei risultati.
Risultati
Variabile Y | WEIGHT |
|---|---|
Variabile X | LENGTH |
Dimensione campione | 100 |
|---|---|
Coefficiente di correlazione r | 0.4459 |
Livello di significatività | P<0.0001 |
Intervallo di confidenza al 95% per r | 0.2734 a 0.5906 |
  | Diagramma a dispersione |
Dimensione del campione: il numero di coppie di dati
Coefficiente di correlazione di Pearson r con valore P. Il coefficiente di correlazione di Pearson è un numero compreso tra -1 e 1. In generale, la correlazione esprime la misura in cui, in media, due variabili variano in modo corrispondente.
Se una variabile aumenta quando aumenta la seconda, c'è una correlazione positiva. In questo caso il coefficiente di correlazione sarà più vicino a 1. Ad esempio, l'altezza e l'età dei bambini sono correlate positivamente.
Se una variabile diminuisce quando l'altra aumenta, c'è una correlazione negativa e il coefficiente di correlazione sarà più vicino a -1.
Il valore P è la probabilità di aver trovato il risultato attuale se il coefficiente di correlazione fosse in realtà zero (ipotesi nulla). Se questa probabilità è inferiore al convenzionale 5% (P<0,05), il coefficiente di correlazione si dice statisticamente significativo.
È tuttavia importante non confondere la correlazione con la causalità. Quando due variabili sono correlate, può esserci o meno un nesso causale, e questo nesso può inoltre essere indiretto. La correlazione può essere interpretata in termini di causalità solo se le variabili studiate forniscono una base logica (biologica) per tale interpretazione.
Intervallo di confidenza (IC) al 95% del coefficiente di correlazione di Pearson: è l'intervallo di valori che contiene con una confidenza del 95% il coefficiente di correlazione "vero".
Presentazione dei risultati
Vanno riportati il numero di coppie di dati (dimensione del campione) e il coefficiente di correlazione (due decimali), insieme al valore P e all'intervallo di confidenza al 95%: il coefficiente di correlazione era 0,45 (P<0,0001, IC al 95% da 0,27 a 0,59).
La relazione tra due variabili può essere facilmente rappresentata con un diagramma a dispersione.
Letteratura
- Armitage P, Berry G, Matthews JNS (2002) Statistical methods in medical research. 4th ed. Blackwell Science.
- Bland M (2000) An introduction to medical statistics, 3rd ed. Oxford: Oxford University Press.
- Altman DG (1991) Practical statistics for medical research. London: Chapman and Hall.