Calculadora de correlação (Pearson e Spearman)
Meça a força e a direção da relação entre duas variáveis numéricas. Cole duas colunas diretamente do Excel, do Google Sheets ou do SPSS e obtenha o r de Pearson com o seu teste de significância e o intervalo de confiança de 95% de Fisher — e a correlação de postos ρ de Spearman no mesmo ecrã, para ver de imediato se valores atípicos ou não linearidade alteram a conclusão. Uma verificação de normalidade Shapiro-Wilk é executada automaticamente e sugere quando o coeficiente de Spearman, baseado em postos, é a escolha mais segura. Esta é uma ferramenta de correlação estatística (não uma calculadora de carteiras de investimento); os resultados coincidem com o cor.test() do R com pelo menos seis dígitos significativos.
Relatório com IA
Deixe a IA interpretar seus resultados: um documento Word para download em formato APA 7 / relatório de negócios.
Perguntas frequentes
Como relato uma correlação no formato APA 7?
Relate r com os graus de liberdade (N − 2), o valor p e, idealmente, o intervalo de confiança, por exemplo: "O tempo de estudo e a nota do exame apresentaram uma correlação positiva forte, r(10) = .99, p < .001, IC de 95% [.96, 1.00]". O Relatório IA escreve por si a frase APA completa e a interpretação.
Devo usar a correlação de Pearson ou a de Spearman?
O r de Pearson mede a associação linear e assume variáveis aproximadamente normais sem valores atípicos extremos. O ρ de Spearman trabalha com postos, sendo por isso robusto a valores atípicos e capaz de captar qualquer relação monótona. Se os dois divergirem visivelmente, examine um gráfico de dispersão — esta ferramenta mostra ambos por defeito.
O que conta como uma correlação forte?
Referências habituais (Cohen): |r| ≈ 0,10 pequena, 0,30 média, 0,50 ou mais forte. O contexto importa — em psicologia, 0,40 pode ser impressionante; em física, pode ser fraco. A significância estatística apenas indica que é improvável que a correlação seja zero, não que seja grande.
Correlação implica causalidade?
Não. Uma correlação significativa indica que as variáveis se movem em conjunto; não pode dizer qual causa qual, nem se uma terceira variável impulsiona ambas. Afirmações causais exigem desenhos experimentais ou quase-experimentais cuidadosos.