Introdução à Psicologia

Correlational de Pesquisa

Correlação significa que há uma relação entre duas ou mais variáveis (tais como ice cream consumo e o crime), mas essa relação não implica, necessariamente, a causa e o efeito. Quando duas variáveis são correlacionadas, significa simplesmente que como uma variável muda, assim como a outra. Podemos medir a correlação calculando uma estatística conhecida como coeficiente de correlação. Um coeficiente de correlação é um número de -1 a +1 que indica a força e direção da relação entre variáveis. O coeficiente de correlação é geralmente representado pela letra R.

a porção número do coeficiente de correlação indica a força da relação. Quanto mais próximo o número é de 1 (seja negativo ou positivo), mais fortemente relacionadas são as variáveis, e as mudanças mais previsíveis em uma variável será como as outras mudanças variáveis. Quanto mais próximo o número é de zero, mais fraca a relação, e menos previsível a relação entre as variáveis torna-se. Por exemplo, um coeficiente de correlação de 0,9 indica uma relação muito mais forte do que um coeficiente de correlação de 0,3. Se as variáveis não estiverem relacionadas entre si, o coeficiente de correlação é 0. O exemplo acima sobre sorvete e crime é um exemplo de duas variáveis que podemos esperar não ter nenhuma relação um com o outro.

o sinal-positivo ou negativo—do coeficiente de correlação indica a direcção da relação (Figura 1). Uma correlação positiva significa que as variáveis se movem na mesma direção. Dito de outra forma, significa que à medida que uma variável aumenta, a outra aumenta e, inversamente, quando uma variável diminui, a outra diminui. Uma correlação negativa significa que as variáveis se movem em direções opostas. Se duas variáveis estão negativamente correlacionadas, uma diminuição em uma variável é associada com um aumento na outra e vice-versa.

O exemplo de sorvete e taxas de criminalidade é uma correlação positiva porque ambas as variáveis aumentam quando as temperaturas são mais quentes. Outros exemplos de correlações positivas são a relação entre a altura e o peso de um indivíduo ou a relação entre a idade de uma pessoa e o número de rugas. Pode-se esperar que exista uma correlação negativa entre o cansaço de alguém durante o dia e o número de horas que dormiu na noite anterior: a quantidade de sono diminui à medida que os sentimentos de cansaço aumentam. Em um exemplo real de correlação negativa, pesquisadores e estudantes da Universidade de Minnesota descobriu uma fraca correlação negativa (r = -0.29) entre o número médio de dias por semana que os alunos tem menos de 5 horas de sono, e seu GPA (Lowry, Dean, & Manders, 2010). Tenha em mente que uma correlação negativa não é a mesma que nenhuma correlação. Por exemplo, provavelmente não encontraríamos correlação entre horas de sono e tamanho do Sapato.como mencionado anteriormente, as correlações têm valor preditivo. Imagine que você está no comitê de admissões de uma grande universidade. Você é confrontado com um grande número de candidaturas, mas você é capaz de acomodar apenas uma pequena percentagem do pool de candidatos. Como pode decidir quem deve ser admitido? Pode tentar correlacionar a média dos seus alunos com os resultados em testes padronizados como o SAT ou o ACT. Ao observar quais correlações foram mais fortes para seus alunos atuais, você poderia usar esta informação para prever o sucesso relativo dos estudantes que se candidataram à admissão na Universidade.

Figura 1. Scatterplots são uma visão gráfica da força e direção das correlações. Quanto mais forte for a correlação, mais próximos os pontos de dados estão de uma linha reta. Nestes exemplos, vemos que existe (a) uma correlação positiva entre peso e Altura, (B) uma correlação negativa entre cansaço e horas de sono, e (C) nenhuma correlação entre Tamanho do sapato e horas de sono.

Correlação Não Indica o nexo de Causalidade

Correlational pesquisa é útil, pois permite-nos descobrir a força e a direção das relações que existem entre as duas variáveis. No entanto, a correlação é limitada porque estabelecer a existência de uma relação nos diz pouco sobre causa e efeito. Enquanto as variáveis são por vezes correlacionadas porque uma causa a outra, também pode ser que algum outro fator, uma variável confusa, está realmente causando o movimento sistemático em nossas variáveis de interesse. No exemplo do sorvete / taxa de criminalidade mencionado anteriormente, a temperatura é uma variável confusa que poderia explicar a relação entre as duas variáveis.

mesmo quando não podemos apontar para variáveis de confusão claras, não devemos assumir que uma correlação entre duas variáveis implica que uma variável causa mudanças em outra. Isto pode ser frustrante quando uma relação causa-efeito parece clara e intuitiva. Recordemos a nossa discussão sobre a investigação realizada pela Sociedade Americana do cancro e a forma como os seus projectos de investigação foram algumas das primeiras manifestações da relação entre o tabagismo e o cancro. Parece razoável supor que o tabagismo provoca o cancro, mas se nos limitássemos à investigação correlacionada, estaríamos a ultrapassar os nossos limites fazendo esta suposição.

infelizmente, as pessoas erroneamente fazem alegações de causalidade como uma função de correlações o tempo todo. Tais reivindicações são especialmente comuns em anúncios e histórias de notícias. Por exemplo, uma pesquisa recente descobriu que pessoas que comem cereais regularmente alcançar mais saudável pesos do que aqueles que raramente comem cereais (Frantzen, Treviño, Echon, Garcia-Dominic, & DiMarco, 2013; Barton et al., 2005). Adivinha como as empresas de cereais relatam esta descoberta. Não comer cereais realmente levar um indivíduo a manter um peso saudável, ou existem outras explicações possíveis, tais como, alguém em um peso saudável, é mais provável que regularmente comer um pequeno almoço saudável do que alguém que é obeso ou alguém que evita as refeições em uma tentativa de dieta (Figura 2)? Enquanto a pesquisa correlacional é inestimável na identificação de relações entre variáveis, uma limitação maior é a incapacidade de estabelecer causalidade. Psicólogos querem fazer declarações sobre causa e efeito, mas a única maneira de fazer isso é realizar uma experiência para responder a uma pergunta de pesquisa. A próxima seção descreve como os experimentos científicos incorporam métodos que eliminam, ou controlam, explicações alternativas, que permitem aos pesquisadores explorar como as mudanças em uma variável causam mudanças em outra variável.

Figura 2. Comer cereais faz alguém ter um peso saudável? (crédito: Tim Skillern)

correlações ilusórias

a tentação de fazer afirmações de causa e efeito errôneas baseadas em pesquisa correlacional não é a única maneira que tendemos a interpretar mal os dados. Também tendemos a cometer o erro de correlações ilusórias, especialmente com observações não sistemáticas. Correlações ilusórias, ou falsas correlações, ocorrem quando as pessoas acreditam que as relações existem entre duas coisas quando tal relação não existe. Uma correlação ilusória bem conhecida é o suposto efeito que as fases da lua têm no comportamento humano. Muitas pessoas afirmam apaixonadamente que o comportamento humano é afetado pela fase da lua, e especificamente, que as pessoas agem estranhamente quando a lua está cheia (Figura 3).

Figura 3. Muitas pessoas acreditam que a lua cheia faz com que as pessoas se comportem estranhamente. (credito: Cory Zanker)

não há como negar que a lua exerce uma influência poderosa no nosso planeta. O fluxo e refluxo das marés do oceano estão fortemente ligados às forças gravitacionais da lua. Muitas pessoas acreditam, portanto, que é lógico que também sejamos afetados pela lua. Afinal de contas, os nossos corpos são em grande parte constituídos por água. Uma meta-análise de quase 40 estudos demonstrou consistentemente, no entanto, que a relação entre a lua e o nosso comportamento não existe (Rotton & Kelly, 1985). Embora possamos prestar mais atenção ao comportamento estranho durante a fase completa da lua, as taxas de comportamento estranho permanecem constantes durante todo o ciclo lunar.por que estamos tão aptos a acreditar em correlações ilusórias como esta? Muitas vezes lemos ou ouvimos sobre eles e simplesmente aceitamos a informação como válida. Ou, temos um palpite sobre como algo funciona e, em seguida, procurar provas para apoiar esse palpite, ignorando provas que nos dirão que nosso palpite é falso; isso é conhecido como preconceito de confirmação. Outras vezes, encontramos correlações ilusórias baseadas na informação que vem mais facilmente à mente, mesmo que essa informação seja severamente limitada. E embora possamos nos sentir confiantes de que podemos usar essas relações para melhor entender e prever o mundo ao nosso redor, correlações ilusórias podem ter desvantagens significativas. Por exemplo, pesquisas sugerem que correlações ilusórias—em que certos comportamentos são imprecisamente atribuídos a certos grupos—estão envolvidas na formação de atitudes prejudiciais que podem, em última análise, levar a comportamentos discriminatórios (Fiedler, 2004).