Calculadora de correlação parcial
Calcule a correlação parcial entre duas variáveis controlando uma terceira. Digite três colunas de dados emparelhados ou três correlações de Pearson dois a dois e obtenha o coeficiente de correlação parcial com sua interpretação.
Encontre a relação entre duas variáveis controlando uma terceira
Fórmula da correlação parcial
Onde:
- \(r_{XY \cdot Z}\) — correlação parcial de X e Y, controlando Z
- \(r_{XY}\) — correlação de Pearson entre X e Y
- \(r_{XZ}\) — correlação de Pearson entre X e Z
- \(r_{YZ}\) — correlação de Pearson entre Y e Z
A fórmula elimina a parte da relação entre X e Y que é explicada pelas associações lineares que cada uma delas tem com Z, separadamente. O resultado fica entre −1 e 1, como qualquer coeficiente de correlação comum.
Correlação parcial – Exemplo de cálculo
Exemplo: oito observações com X = 1; 2; 3; 4; 1; 2; 3; 4, Y = 3; 3; 5; 9; 4; 8; 10; 10 e uma variável de controle binária Z = 0; 0; 0; 0; 1; 1; 1; 1 (os valores padrão da calculadora).
Primeiro calcule as três correlações de Pearson dois a dois:
\[ r_{XY} = 0.7785, \qquad r_{XZ} = 0.0000, \qquad r_{YZ} = 0.5222 \]
Em seguida, aplique a fórmula da correlação parcial:
\[ r_{XY \cdot Z} = \frac{0.7785 - (0)(0.5222)}{\sqrt{(1 - 0^{2})(1 - 0.5222^{2})}} = \frac{0.7785}{0.8528} \approx 0.9129 \]
Resultado: a correlação parcial é de aproximadamente 0,9129. Controlar Z fortalece a associação entre X e Y, que passa de 0,78 para 0,91 — neste conjunto de dados, Z está relacionado a Y, mas não a X.
Como usar a calculadora
- Escolha o Método de entrada: "Três colunas de dados emparelhados" se você tem as medidas brutas, ou "Três correlações dois a dois" se já conhece os três coeficientes de Pearson.
- Com dados brutos, cole os valores em Variável X, Variável Y e Variável de controle Z. Separe os valores com espaços, ponto e vírgula ou quebras de linha; vírgulas decimais são aceitas. Mantenha as três colunas na mesma ordem de observações e com o mesmo tamanho (de 4 a 2.000 valores).
- Com coeficientes, informe a Correlação de X e Y, a Correlação de X e Z e a Correlação de Y e Z, cada uma entre −1 e 1.
- Leia o resultado: a correlação parcial de X e Y controlando Z, as três correlações dois a dois, o número de observações emparelhadas (no modo de dados) e uma interpretação em linguagem simples.
O que é correlação parcial?
A correlação parcial mede a força da relação linear entre duas variáveis depois de removida a influência de uma ou mais variáveis de controle. No caso de uma única variável de controle, que é o que esta calculadora trata, ela responde à pergunta: qual a força da relação entre X e Y quando se elimina a variação que cada um deles compartilha com Z?
Isso importa porque uma correlação comum pode ser enganosa. Duas variáveis podem parecer correlacionadas simplesmente porque ambas são influenciadas por uma terceira — a clássica situação de confusão. Por exemplo, as vendas de sorvete e os afogamentos se correlacionam ao longo do ano, mas ambos são influenciados pela temperatura. A correlação parcial ajuda a verificar se ainda existe uma associação direta depois de levar em conta a causa comum.
O resultado é interpretado como qualquer coeficiente de correlação: valores próximos de +1 ou −1 indicam associação linear forte, positiva ou negativa, e valores próximos de 0 indicam pouca ou nenhuma associação. Uma correlação parcial pode ser maior ou menor em magnitude do que a correlação bruta. Ela fica maior quando Z mascara parte da relação verdadeira (como no exemplo acima) e menor quando a correlação bruta é basicamente um artefato de Z.
Vale lembrar que a correlação parcial, como qualquer correlação, mede associação, não causalidade. Remover a influência linear de Z elimina uma possível fonte de associação espúria, mas não estabelece a direção da causalidade nem descarta outros fatores de confusão. Para modelar vários preditores em conjunto, a calculadora de regressão linear múltipla é o próximo passo natural.
Premissas, limitações e dicas
- Linearidade. A fórmula baseia-se na correlação de Pearson; portanto, captura apenas relações lineares. Se as associações forem monotônicas, mas curvas, considere medidas baseadas em postos, como a correlação de postos de Spearman.
- Uma variável de controle. Esta calculadora controla uma única variável Z. Com vários controles, a mesma ideia se generaliza por meio da matriz de precisão (inversa da matriz de correlação), mas os cálculos passam a ser matriciais.
- Coeficientes coerentes. No modo de coeficientes, as três correlações precisam ser mutuamente compatíveis — a calculadora rejeita combinações que não formam uma matriz de correlação válida.
- Casos indefinidos. O resultado fica indefinido quando X ou Y está perfeitamente (ou quase perfeitamente) correlacionado com Z, porque o denominador se aproxima de zero.
- Tamanho da amostra. Amostras pequenas geram estimativas instáveis. Com poucas observações, uma correlação parcial de tamanho moderado pode surgir facilmente por acaso; uma verificação de poder estatístico ajuda a avaliar se sua amostra é capaz de detectar o efeito esperado.
- Pares completos. Cada linha precisa ter um valor de X, Y e Z. Valores ausentes em uma coluna quebram o emparelhamento, então limpe seus dados antes.
Perguntas frequentes
Como calcular uma correlação parcial manualmente?
Primeiro calcule as três correlações de Pearson \(r_{XY}\), \(r_{XZ}\) e \(r_{YZ}\) a partir dos seus dados emparelhados. Em seguida, substitua-as em \( r_{XY \cdot Z} = \frac{r_{XY} - r_{XZ} r_{YZ}}{\sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)}} \). Multiplique as duas correlações com Z, subtraia de \(r_{XY}\) e divida pela raiz quadrada dos dois termos restantes. A calculadora executa todas as etapas de uma vez e mostra os coeficientes dois a dois que utilizou.
Minha correlação parcial é estatisticamente significativa?
A calculadora não realiza um teste de significância, mas você mesmo pode fazer isso com \( t = r_{XY \cdot Z}\sqrt{\frac{n-3}{1 - r_{XY \cdot Z}^2}} \), onde \(n\) é o número de observações completas. Compare \(t\) com uma distribuição t com \(n - 3\) graus de liberdade. Como referência aproximada, com \(n = 50\), uma correlação parcial acima de cerca de \(\pm 0.28\) é significativa ao nível de 5% (bilateral).
O que é considerado uma correlação parcial forte ou boa?
Não existe um valor "bom" universal — depende da sua área. Como regras gerais usadas nas ciências do comportamento, magnitudes próximas de 0,1 são consideradas pequenas, as próximas de 0,3 moderadas e as de 0,5 ou mais fortes. Em contextos de física ou engenharia, correlações muito mais fracas ainda podem ser relevantes. Avalie o valor junto com o tamanho da amostra: um coeficiente pequeno de uma amostra grande pode ser significativo, enquanto um grande obtido com poucas observações pode ser puro acaso.
A correlação parcial pode ser maior que a correlação comum, ou até mudar de sinal?
Sim, nos dois casos. Quando Z suprime parte da verdadeira relação entre X e Y, a correlação parcial sai maior em magnitude do que \(r_{XY}\). Uma mudança de sinal (correlação parcial negativa a partir de uma correlação bruta positiva) indica supressão clássica — a variável de controle revela uma relação oposta à sugerida pela correlação bruta. Ambos são resultados legítimos, e não erros, embora geralmente mereçam uma interpretação cuidadosa de como Z se relaciona com X e Y.
Qual a diferença entre correlação parcial e semiparcial (parte)?
A correlação parcial remove a influência de Z de ambas, X e Y, e depois correlaciona o que sobra. A correlação semiparcial remove Z de apenas uma variável, digamos Y, deixando X intacto. Use a correlação parcial quando a pergunta for "X está relacionado a Y além de Z, para ambos?" e a semiparcial quando for "X explica a parte de Y que Z não explica?" Esta calculadora calcula a versão parcial.
Por que a calculadora rejeitou meus três coeficientes de correlação?
No modo de coeficientes, os três valores precisam ser mutuamente coerentes: eles devem formar uma matriz de correlação válida, ou seja, \( |r_{XY} - r_{XZ}\, r_{YZ}| \) não pode exceder \( \sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)} \). Se exceder, nenhum conjunto de dados real poderia produzir essa combinação. As causas mais comuns são: trovar qual coeficiente pertence a qual par, ou usar correlações de amostras ou estudos diferentes que não compartilharam as mesmas observações.
Posso controlar mais de uma variável?
Esta calculadora trabalha com uma única variável de controle Z. Com vários controles, é preciso usar a abordagem da matriz de precisão: inverta a matriz de correlação completa de todas as variáveis, torne negativas as células fora da diagonal e reescale-as de volta para correlações. Na prática, a maioria das pessoas prefere rodar uma regressão linear múltipla e analisar os coeficientes padronizados ou os valores de \(R^2\) parcial, que generalizam a mesma ideia e fornecem intervalos de confiança e valores-p.