Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Análise de correlação no R

Já vimos aqui no blog que geralmente, é interessante para pesquisadores saber qual é o relacionamento que existe, se existe algum, entre duas ou mais variáveis. Uma correlação é uma medida do relacionamento linear entre variáveis (clique aqui para saber mais).

Também já vimos aqui no blog como executar uma análise de correlação utilizando um o JASP, um software de livre uso e bem intuitivo.

Agora, fazer uma análise no R pode parecer algo difícil e complexo no primeiro momento mas não é um bicho de sete cabeças! Quem faz parte da Psicometria Online Academy já viu que o R é extremamente útil e se pintar aquela dúvida, conta com suporte exclusivo para executar as análises.

Para quem ainda não faz parte, vamos deixar aqui um passo a passo para executar a correlação no R.

Vamos lá!

O primeiro passo é instalar e ativar o pacote psych. Você pode fazer isso utilizando os comandos:

install.package(“psych”) #instalar o pacote
library(psych) #ativar o pacote

O segundo passo é carregar o banco de dados de vocês. Para realizar esse procedimento existem diversas maneiras, a mais simples é clicar em Import Dataset e escolher o formato do arquivo em que está salvo seu banco de dados (ex. SPSS, Excel, CSV, etc.), localizar o arquivo no seu computar e abrir. A Figura 1, mostra, em destaque vermelho, onde localizar a função Import Dataset.

Figura 1

Pronto! Com seu banco de dados carregados é hora de colocar mãos na massa!

Para checar as variáveis que estão no seu banco de dados, você pode utilizar a função head

head(dados)

Como saída, você tem todas as variáveis que fazem parte do seu banco de dados. Agora é selecionar apenas aquelas que você deseja correlacionar. Vamos criar um objeto apenas com essas variáveis.

vars <- dados[7:10] #cria o objeto apenas com as variáveis que desejo utilizar

descritivos <- describe(vars) #executo análise descritivas dessas variáveis selecionadas
descritivos #chamo o objeto que criei

Com o comando acima você já tem uma análise descritiva dos seus dados. Agora, na sequência, vamos realizar a correlação em si. Para isso, basta executar a função corr.test que faz parte do pacote psych. Detalhe é que criaremos um objeto novo, chamado cor, pois irá facilitar a visualização dos resultados. O argumento x está relacionado ao seus dados. No nosso exemplo x = vars porque especificamos no passo anterior.

cor <- corr.test(x = vars, # Dados
use = “complete”, # Como vamos lidar com missings
method = “pearson”) #tipo de correlação

O argumento use é utilizado para lidar com os dados ausentes. No caso, complete somente utilizará casos completos. E o argumento method que seria a correlação de Pearson, o qual você pode utilizar Spearman e Kendall.

Pronto! Para obter os resultados basta chamar o novo objeto criado.

cor

Você vai obter uma matriz de correlação como na Figura 2, abaixo.

Figura 2

Viu como não é um bicho de sete cabeças! Com poucos comandos você realiza facilmente uma análise de correlação no R. Agora basta você analisar os seus resultados!

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.