- Este tópico contém 6 respostas, 6 vozes e foi atualizado pela última vez 4 anos, 3 meses atrás por
.
-
Posts
-
-
-
Beleza, Marco.
Uma outra explicação:
O valor de r te indicará o grau de associação entre as variáveis. Mas essa associação pode acontecer por acaso. Ou seja, a relação é real ou fruto do acaso?
O valor do p te indicará esse grau de “certeza” da relação.
Assim, um valor de r alto associado a um valor de p < 0,05 (quase padrão) indica que a relação é forte e significativa.
-
-
Bom dia srs.
Tradicionalmente, a partir de uma distribuição normal o valor de corte para rejeitar a hipótese nula geralmente é visto em 0,05, o que significa que, quando não há nenhuma diferença, um valor tão extremo para a estatística de teste é esperado em menos de 5% das vezes.
No entanto, ao olharmos para o valor-p de forma isolada, temos que analisar também o valor do tamanho do efeito.
Outro equívoco é achar que se o valor-p for maior do que 5%, a intervenção não tem nenhum efeito, porém, os dados podem mostrar uma tendência de aumento/diminuição.
Isso pode ser causado pelo número de amostras, que as vezes é pequena, não sendo suficiente para detectá-lo.
O r mede em que grau e sentido crescente/decrescente, observa-se a relação linear entre duas grandezas, porém não sendo possível determinar a relação causa-efeito.
Outro fator é o R2 (coeficiente de determinação), que mostra quão próximos os dados estão da linha de regressão ajustada, que na prática mostra a porcentagem da variação da variável resposta que é explicada por um modelo linear, que varia de 0% (modelo não explica nenhuma variabilidade, a 100% (toda a variabilidade). -
-
-
Você deve fazer login para responder a este tópico. Login here