As determinantes locais da paradiplomacia: o caso dos municípios ...

efere-se ao problema da terceira variável. Em toda correlação não se pode pressupor
causalidade, porque pode haver outras variáveis medidas e não medidas que afetam o
resultado, por exemplo, nas situações em que as duas variáveis são afetadas por uma terceira e
por isso se correlacionam. O segundo tem a ver com a direção da causalidade. Os
coeficientes de correlação não dizem nada sobre qual a variável que causa mudança na outra.
Mesmo se fosse possível ignorar o problema da terceira variável e assumir que somente as
duas variáveis estudadas são correlatas, o coeficiente não diz nada sobre a direção entre elas.
Apesar de não ser possível fazer conclusões diretas sobre a causalidade de uma
relação, pode-se dar um passo adiante com o coeficiente de correlação e elevá-lo ao quadrado.
O coeficiente de correlação elevado ao quadrado é conhecido como coeficiente de
determinação (R²) e mede a quantidade de variabilidade em uma variável que é
compartilhada por outra. Supondo que há duas variáveis (A e B) e o coeficiente de correlação
entre elas é de r = 0,46, pode-se inferir, portanto, que a variabilidade compartilhada entre A e
B é de R² = 0,21.
Se multiplicar esse número por 100 e transformá-lo em valores percentuais, é
possível dizer que A compartilha 21% de sua variabilidade com B. Apesar de A ter um alto
grau de correlação com B, ele responde por 21% da sua variabilidade. Outra forma de ver isso
é dizer que 79% da variabilidade de B são explicados por outras variáveis que não A. Apesar
do R² ser uma medida extremamente útil da importância subjetiva do efeito, ele tampouco
pode identificar uma inferência causal, mesmo que se usem palavras fortes para falar de suas
atribuições, como “responde por” ou “explica a variabilidade”.
Existem ainda outros tipos de coeficientes de correlação. Os mais famosos são o
coeficiente de correlação de Spearman e o tau de Kendall. Ambas são estatísticas não
paramétricas e como tais, podem ser usadas quando os dados infringem pressupostos como os
da normalidade.
Um último ponto importante da correlação é mostrar que ela assume dois tipos de
forma. A correlação bivariada é a correlação entre duas variáveis já apresentadas até o
momento. A correlação parcial, por outro lado, estuda a correlação entre duas variáveis
enquanto controla o efeito de uma ou mais variáveis adicionais. Essa diferença implica em
procedimentos distintos de cálculo, mas que não serão detalhadas neste capítulo.
4.5 Regressão linear simples e múltipla
No segmento anterior, apresentou-se como mensurar relações entre variáveis. Essas
correlações são muito úteis, porém é possível levar essa discussão um pouco mais a frente e,
176