Calculadora de correlação de postos de Spearman
Digite dois conjuntos de valores emparelhados e esta calculadora calcula o coeficiente de correlação de postos de Spearman (ρ), atribui postos a cada variável e testa a associação com um valor-p aproximado.
Ordene duas variáveis e teste sua relação monotônica
Fórmula da correlação de postos de Spearman
- \(d_i\) — diferença entre o posto da i-ésima observação em X e o seu posto em Y
- \(n\) — número de observações emparelhadas
Correlação de postos de Spearman – Exemplo de cálculo
Exemplo: dez estudantes estudam por um número crescente de horas (X) e obtêm as notas de prova listadas em Y. Usamos os valores padrão da calculadora: X = 2; 4; 6; 8; 10; 12; 14; 16; 18; 20 e Y = 55; 62; 58; 70; 70; 71; 80; 85; 82; 90.
Os postos de X são simplesmente de 1 a 10. Já a ordenação de Y dá 1; 3; 2; 4,5; 4,5; 6; 7; 9; 8; 10 (as duas notas 70 recebem a média dos postos 4 e 5). Por causa desse empate, \(\rho\) é calculado como a correlação de Pearson dos postos:
\[ \rho = \frac{\sum r_x r_y - n \bar{r}_x \bar{r}_y}{\sqrt{\left(\sum r_x^2 - n \bar{r}_x^2\right)\left(\sum r_y^2 - n \bar{r}_y^2\right)}} = \frac{80}{\sqrt{82.5 \times 82}} \approx 0.973 \]
Ao testar \(H_0: \rho = 0\) com \(t = \rho\sqrt{\frac{n-2}{1-\rho^2}} \approx 11.84\) e 8 graus de liberdade, obtém-se \(p < 0.0001\).
Resultado: \(\rho \approx 0.973\) com \(n = 10\) pares — uma relação monotônica crescente muito forte, estatisticamente significativa ao nível de 0,05.
Como usar a calculadora
- Digite os valores de X no primeiro campo — um número por observação, separados por espaços, ponto e vírgula ou quebras de linha (vírgulas decimais são aceitas).
- Digite os valores de Y no segundo campo, exatamente na mesma ordem, para que cada X seja pareado com o Y correspondente.
- Escolha a hipótese alternativa: bicaudal (\(\rho \neq 0\)), cauda direita (\(\rho > 0\)) ou cauda esquerda (\(\rho < 0\)). Essa escolha define a cauda do teste de significância usada para o valor-p.
- Leia os resultados: o \(\rho\) de Spearman, o número de observações emparelhadas \(n\), o valor-p aproximado e uma tabela detalhada mostrando cada valor com seus postos, as diferenças de postos e o método utilizado.
As duas listas devem conter o mesmo número de valores (no mínimo 3), e nenhuma das variáveis pode ser constante — caso contrário, a correlação fica indefinida.
O que é a correlação de postos de Spearman?
O coeficiente de correlação de postos de Spearman, geralmente escrito \(\rho\) (rho) ou \(r_s\), mede a força e a direção da relação monotônica entre duas variáveis: se uma variável tende a subir quando a outra sobe (\(\rho > 0\)) ou a cair quando a outra sobe (\(\rho < 0\)). Seu funcionamento consiste em substituir cada valor pelo seu posto dentro da própria variável e, em seguida, correlacionar os postos. Os valores de \(\rho\) ficam sempre entre −1 e +1: +1 significa que as duas ordenações são idênticas e −1, que são exatamente invertidas.
A diferença crucial em relação ao coeficiente de correlação de Pearson está no tipo de relação capturada. Pearson mede o quão bem uma reta se ajusta aos dados, enquanto Spearman apenas pergunta se a relação é consistentemente crescente ou decrescente — qualquer curva monotônica serve. Isso torna Spearman a escolha natural quando os dados são ordinais (postos, avaliações, notas), fortemente assimétricos ou contêm valores atípicos, pois um único valor extremo pode distorcer drasticamente o \(r\) de Pearson, mas quase não altera um posto.
O valor-p responde à seguinte pergunta: se na verdade não houvesse nenhuma associação monotônica na população (\(\rho = 0\)), qual seria a probabilidade de surgir por acaso uma correlação amostral desse tamanho? Um valor-p pequeno (convencionalmente abaixo de 0,05) é evidência de uma associação real. Se você tiver dúvidas sobre como interpretar valores-p em geral, a calculadora de valor-p explica o conceito com mais detalhes.
Como interpretar o resultado
Use o sinal e a magnitude de \(\rho\), junto com o valor-p:
- Sinal: \(\rho > 0\) indica uma relação crescente; \(\rho < 0\), uma relação decrescente.
- Magnitude (guia aproximado): |\(\rho\)| ≥ 0,9 muito forte, 0,7–0,9 forte, 0,4–0,7 moderada, 0,2–0,4 fraca, abaixo de 0,2 desprezível.
- Valor-p: indica se a associação é estatisticamente distinguível de zero. Um \(\rho\) alto obtido com uma amostra minúscula ainda pode não ser significativo.
Lembre-se de que correlação não é causalidade: mesmo uma associação monotônica muito forte não prova que uma variável determina a outra. As duas podem estar sob a influência de um terceiro fator, ou o padrão pode ser mera coincidência.
Premissas, limitações e dicas práticas
- Monotônica, não linear: Spearman detecta qualquer padrão consistentemente crescente ou decrescente. Se a relação sobe e depois cai (por exemplo, em formato de U), \(\rho\) pode ficar próximo de zero mesmo com as variáveis claramente relacionadas.
- Dados ordinais são bem-vindos: não há premissa de normalidade — basta que os valores possam ser ordenados de forma sensata.
- Empates: quando o mesmo valor aparece mais de uma vez em uma variável, as observações empatadas dividem a média dos seus postos, e \(\rho\) é calculado como a correlação de Pearson dos postos. A fórmula clássica \(1 - 6\sum d^2 / (n(n^2-1))\) é exata apenas sem empates; com muitos empates, a abordagem de Pearson sobre os postos é a correta — por isso a calculadora sempre a utiliza.
- Amostras pequenas: o valor-p baseia-se na aproximação padrão \(t = \rho\sqrt{(n-2)/(1-\rho^2)}\) com \(n-2\) graus de liberdade, que é precisa para \(n \geq 10\). Para \(n < 10\), compare \(\rho\) com tabelas de valores críticos exatos de Spearman antes de tirar conclusões.
- O pareamento importa: o k-ésimo X precisa corresponder ao k-ésimo Y. Uma lista de valores de Y embaralhada produz um resultado sem sentido.
- Valores atípicos: as medidas baseadas em postos são robustas a eles, mas verifique se uma observação extrema é um dado genuíno ou um erro de registro.
Se você quer ir além da associação e de fato prever uma variável a partir da outra, a calculadora de regressão linear ajusta um modelo e informa seus coeficientes, enquanto a calculadora de d de Cohen é útil para quantificar diferenças entre grupos, e não associações.
Perguntas frequentes
Como calcular o rho de Spearman manualmente?
Ordene cada variável separadamente, do menor (1) ao maior (n), subtraia os dois postos de cada par para obter \(d_i\), eleve ao quadrado e some essas diferenças e, por fim, aplique \( \rho = 1 - \frac{6\sum d_i^2}{n(n^2-1)} \). Com 5 pares e \(\sum d^2 = 4\), tem-se \( \rho = 1 - \frac{6 \times 4}{5(25-1)} = 0.8 \). Se houver empates, atribua aos valores empatados a média dos seus postos e use o método de Pearson sobre os postos, pois a fórmula simplificada fica enviesada.
Qual é um valor bom ou forte para a correlação de Spearman?
Não existe um corte universal — depende da sua área e do tamanho da amostra. Como guia aproximado, |ρ| acima de 0,7 costuma ser considerado forte e acima de 0,9 muito forte, enquanto valores abaixo de 0,2 são desprezíveis. Sempre leia a magnitude junto com o valor-p: um ρ de 0,9 obtido com 4 observações pode ser estatisticamente insignificante, ao passo que um ρ de 0,25 com 1.000 pares pode ser altamente significativo, embora pequeno na prática.
Quando usar o rho de Spearman em vez do r de Pearson?
Use Spearman quando a relação pode ser monotônica, mas não linear (crescimento exponencial, curvas de saturação), quando os dados são ordinais (classificações, escalas de Likert, notas), quando as distribuições são muito assimétricas ou quando há valores atípicos — os postos limitam os valores extremos, impedindo que dominem o resultado. Pearson é preferível quando você precisa especificamente medir uma relação linear em dados aproximadamente de escala de intervalo.
Como os empates são tratados na correlação de Spearman?
As observações empatadas recebem a média dos postos que ocupariam — dois valores empatados nos 4º e 5º lugares recebem ambos o posto 4,5. Devido a essa média, a fórmula clássica \( 1 - 6\sum d^2/(n(n^2-1)) \) deixa de ser exata, de modo que o coeficiente deve ser calculado como a correlação de Pearson dos postos, que é o que esta calculadora faz. Com poucos empates a diferença é mínima, mas com muitos empates ela importa.
O rho de Spearman pode ser calculado com dados já ordenados ou ordinais?
Sim — esse é um dos seus principais pontos fortes. Você pode digitar dados que já são postos, avaliações ou categorias ordenadas (por exemplo, 1º, 2º, 3º ou notas de 1 a 5), já que o método exige apenas que os valores possam ser ordenados. Não é necessária nenhuma premissa de normalidade. Só verifique se as duas listas usam a mesma direção de ordenação: se números altos significam "melhor" em uma variável, mas "pior" na outra, o ρ sairá corretamente negativo.
Por que minha correlação de Spearman está baixa se as variáveis estão claramente relacionadas?
Spearman detecta apenas padrões monotônicos — aqueles que sobem ou descem de forma consistente. Se a relação tem formato de U, sobe e depois estabiliza, ou muda de direção, o ρ pode ficar próximo de zero apesar de uma associação forte. Faça um gráfico dos dados antes de concluir. Outras causas incluem um número pequeno de pares, desalinhamento na ordem de X e Y, ou muitos empates comprimindo a variação efetiva dos postos.
Uma correlação de Spearman significativa prova causalidade?
Não. Um ρ significativo apenas indica uma associação monotônica entre as duas variáveis na sua amostra. Uma variável pode determinar a outra, as duas podem ser influenciadas por um terceiro fator, ou o padrão pode ser mera coincidência. Sobretudo em dados observacionais, trate a significância como um convite a investigar mais — são os experimentos controlados e o desenho do estudo, e não a correlação em si, que estabelecem a causalidade.