FatCamera/E+/GettyImages
Coefficient de corrélation de Pearson, noté r , quantifie l'association linéaire entre deux variables continues. Sa valeur varie de –1 à +1, où –1 signale une relation négative parfaite, +1 une relation positive parfaite et 0 indique aucune corrélation linéaire. Les chercheurs utilisent généralement des logiciels statistiques tels que SPSS ou SAS pour garantir la précision, en particulier lorsqu'ils publient des résultats dans des publications évaluées par des pairs.
Choisissez deux variables mesurées indépendamment pour éviter les biais. La première est généralement la variable dépendante, tandis que la seconde est le prédicteur ou l'exposition qui vous intéresse.
Pour les grands ensembles de données, le calcul manuel devient peu pratique, utilisez donc un logiciel ou une calculatrice scientifique. La formule mathématique est disponible dans la section de référence ci-dessous.
Un r proche de zéro suggère que les variables ne partagent pas de relation linéaire. De tels résultats peuvent mettre en évidence des variables qui peuvent ne pas s'influencer mutuellement.
Un r positif proche de +1 indique une forte tendance linéaire :à mesure qu’une variable augmente, l’autre augmente proportionnellement. L’interprétation doit tenir compte du contexte de l’étude.
Un r négatif proche de –1 reflète une tendance linéaire inverse :à mesure qu’une variable augmente, l’autre diminue d’un montant correspondant. Le contexte est encore une fois essentiel.
Interpréter r dans le cadre de la question de recherche spécifique. Par exemple, un r de 0,912 dénote une association positive très forte, ce qui pourrait suggérer un lien de causalité justifiant une enquête plus approfondie. À l’inverse, le même r dans une relation bien établie peut signaler des erreurs de données ou des défauts de conception.
Déterminez la signification statistique en comparant r aux valeurs critiques d’un tableau de corrélation. Les degrés de liberté sont égaux au nombre d'observations appariées moins deux. Recherchez la valeur critique pour α =0,05 (confiance à 95 %) ou α =0,01 (confiance à 99 %). Si |r| dépasse la valeur critique, la relation est statistiquement significative.
Utilisez des intervalles de confiance pour r pour évaluer les corrélations de population en plus des estimations ponctuelles.
