O Excel detém uma vasta gama de funções estatísticas. Dentre muitas outras, é possível calcular sem grandes dificuldade o coeficiente de correlação de Pearson usando a formula “=CORREL(matriz1;matriz2)” onde as matrizes 1 e 2 são os dados referentes as variáveis que se deseja correlacionar.
Por exemplo, uma correlação de Spearman de -1 significa que o maior valor para a variável A está associado ao menor valor para a variável B, o segundo maior valor para a variável A está associado com o segundo menor valor para a variável B, e assim por diante. O sinal de cada coeficiente indica a direção da relação.
Quando o coeficiente de correlação se aproxima de 1, nota-se um aumento no valor de uma variável quando a outra também aumenta, ou seja, há uma relação linear positiva. ... Isso é o que é chamado de correlação negativa ou inversa.
O objetivo do estudo da correlação é determinar (mensurar) o grau de relacionamento entre duas variáveis. Caso os pontos das variáveis, representados num plano cartesiano (X, Y) ou gráfico de dispersão, apresentem uma dispersão ao longo de uma reta imaginária, dizemos que os dados apresentam uma correlação linear.
O coeficiente de correlação é um número entre -1 e 1. Quanto mais próximo de 1, mais forte é a associação positiva entre as variáveis. Em outras palavras, a linha de tendência é ascendente, e se ajusta muito bem aos dados.
A análise de regressão pode ser utilizada para resolver os seguintes tipos de problemas: Determinar quais variáveis explanatórias estão relacionadas à variável dependente. Entender o relacionamento entre as variáveis dependentes e explanatórias. Prever valores desconhecidos da variável dependente.
Os dados para a análise de regressão e correlação provém de observações de variáveis emparelhadas, isto significa que cada observação origina dois valores, um para cada variável, com estes valores constrói-se o digrama de dispersão.
O objetivo é prever os valores de uma variável dependente com base em resultados da variável independente. Então, da fórmula de regressão linear Y = ax + b, x é a variável independente e y é a variável dependente, uma vez que y depende de x.