As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
efere-se ao problema <strong>da</strong> terceira variável. Em to<strong>da</strong> correlação não se pode pressupor<br />
causali<strong>da</strong>de, porque pode haver outras variáveis medi<strong>da</strong>s e não medi<strong>da</strong>s que afetam o<br />
resultado, por exemplo, nas situações em que as duas variáveis são afeta<strong>da</strong>s por uma terceira e<br />
por isso se correlacionam. O segundo tem a ver com a direção <strong>da</strong> causali<strong>da</strong>de. Os<br />
coeficientes de correlação não dizem na<strong>da</strong> sobre qual a variável que causa mu<strong>da</strong>nça na outra.<br />
Mesmo se fosse possível ignorar o problema <strong>da</strong> terceira variável e assumir que somente as<br />
duas variáveis estu<strong>da</strong><strong>da</strong>s são correlatas, o coeficiente não diz na<strong>da</strong> sobre a direção entre elas.<br />
Apesar de não ser possível fazer conclusões diretas sobre a causali<strong>da</strong>de de uma<br />
relação, pode-se <strong>da</strong>r um passo adiante com o coeficiente de correlação e elevá-lo ao quadrado.<br />
O coeficiente de correlação elevado ao quadrado é conhecido como coeficiente de<br />
determinação (R²) e mede a quanti<strong>da</strong>de de variabili<strong>da</strong>de em uma variável que é<br />
compartilha<strong>da</strong> por outra. Supondo que há duas variáveis (A e B) e o coeficiente de correlação<br />
entre elas é de r = 0,46, pode-se inferir, portanto, que a variabili<strong>da</strong>de compartilha<strong>da</strong> entre A e<br />
B é de R² = 0,21.<br />
Se multiplicar esse número por 100 e transformá-lo em valores percentuais, é<br />
possível dizer que A compartilha 21% de sua variabili<strong>da</strong>de com B. Apesar de A ter um alto<br />
grau de correlação com B, ele responde por 21% <strong>da</strong> sua variabili<strong>da</strong>de. Outra forma de ver isso<br />
é dizer que 79% <strong>da</strong> variabili<strong>da</strong>de de B são explica<strong>dos</strong> por outras variáveis que não A. Apesar<br />
do R² ser uma medi<strong>da</strong> extremamente útil <strong>da</strong> importância subjetiva do efeito, ele tampouco<br />
pode identificar uma inferência causal, mesmo que se usem palavras fortes para falar de suas<br />
atribuições, como “responde por” ou “explica a variabili<strong>da</strong>de”.<br />
Existem ain<strong>da</strong> outros tipos de coeficientes de correlação. Os mais famosos são o<br />
coeficiente de correlação de Spearman e o tau de Ken<strong>da</strong>ll. Ambas são estatísticas não<br />
paramétricas e como tais, podem ser usa<strong>da</strong>s quando os <strong>da</strong><strong>dos</strong> infringem pressupostos como os<br />
<strong>da</strong> normali<strong>da</strong>de.<br />
Um último ponto importante <strong>da</strong> correlação é mostrar que ela assume dois tipos de<br />
forma. A correlação bivaria<strong>da</strong> é a correlação entre duas variáveis já apresenta<strong>da</strong>s até o<br />
momento. A correlação parcial, por outro lado, estu<strong>da</strong> a correlação entre duas variáveis<br />
enquanto controla o efeito de uma ou mais variáveis adicionais. Essa diferença implica em<br />
procedimentos distintos de cálculo, mas que não serão detalha<strong>da</strong>s neste capítulo.<br />
4.5 Regressão linear simples e múltipla<br />
No segmento anterior, apresentou-se como mensurar relações entre variáveis. Essas<br />
correlações são muito úteis, porém é possível levar essa discussão um pouco mais a frente e,<br />
176