1

Richard Lowry, 1999

Correlao parcial
Suponhamos que o nosso interesse seja estudar N indivduos em
trs variveis, X, Y, e Z, com as seguintes correlaes:
X versus Y:
X versus Z:
Y versus Z:

rXY = +.50
rXZ = +.50
rYZ = +.50

r2XY = .25
r2XZ = .25
2
r YZ = .25

Inicialmente, focalize no valor de r2, o qual, para este exemplo,

igual a 0.25. Isto significa que, para cada par de variveis, XY,
XZ, e YZ, a covarincia, ou a sobreposio das varincias de
25%. Como ilustrado no diagrama seguinte, 25% da
variabilidade de X sobrepem com a variabilidade em Y; 25%

da variabilidade de X sobrepem com variabilidade em Z; e

25% da variabilidade de Y tambm sobrepem com
variabilidade em Z.
Note que h uma regio onde todos os trs
crculos de variabilidade se sobrepem. O
significado destas trs sobreposies que certa
quantia da correlao encontrada entre
quaisquer duas variveis equivale correlao
que cada uma dessas duas tem com a terceira
varivel. Assim, 25% das variabilidades
sobrepostas esto entre X e Y, aproximadamente metade
(julgado a olho nu) est empatado com o que existe entre XZ e
YZ. Semelhantemente, para os 25% das variabilidades
sobrepostas entre X e Z, onde metades esto limitadas na parte

superior com a sobreposio de XY e YZ. E, semelhantemente,

para os 25% de sobreposies de YZ, onde metades esto
limitadas na parte superior com a sobreposio de XY e XZ.
A Correlao parcial permite medir a regio de trs
sobreposies precisamente e, ento, remov-lo da figura para
determinar qual seria a correlao entre quaisquer duas variveis
(hipoteticamente) se elas no fossem, cada uma, correlacionada
com a terceira varivel.
Alternativamente, pode-se dizer que a correlao parcial permite
determinar qual a correlao entre quaisquer duas variveis
(hipoteticamente) se a terceira varivel fosse mantida constante.
A correlao parcial de X e Y, com os efeitos de Z removidos
(ou mantido constante), seria dada pela frmula,

a qual, para o presente exemplo seria,

.

Conseqentemente,

A mesma estrutura geral seria aplicada para calcular a correlao

parcial entre X e Z, com os efeitos de Y removidos:
.

e para calcular a correlao parcial de Y e Z, com os efeitos de

X removidos:
.

Exemplo de correlao parcial aplicada a vida real.

O Wechsler Adult Intelligence Scale (WAIS) uma escala
freqentemente utilizada para medir "inteligncia" durante os
anos de infncia.
Entre suas vrias sub-escalas trs esto rotuladas como C, A e
V.

O "C" representa "compreenso", que reflete principalmente na

habilidade do indivduo testado em compreender os significados
e implicaes de passagens escritas.
O "A" refere-se habilidade do indivduo em executar tarefas
que requerem habilidade em aritmtica.
O "V" representa "vocabulrio", que como pode ser imaginado
uma medida que aumenta ou diminui conforme a amplitude do
vocabulrio do indivduo dentro do domnio do idioma no qual o
teste construdo.
A tabela seguinte mostra as correlaes encontradas entre estas
trs sub-escalas tpicas.

C versus A:
C versus V:
A versus V:

rCA = + 0.49
rCV = + 0.73
rAV = + 0.59

r2CA = 0.24
r2CV = 0.53
r2AV = 0.35

Neste exemplo, as sobreposies so diferentes,

embora a lgica seja a mesma. Isto , 24% das
sobreposies das varincias ocorrem na relao entre
compreenso e habilidade em aritmtica, uma poro
significativa reflete o fato de que ambas variveis so
correlacionadas com vocabulrio. Se ns fssemos remover os
efeitos de vocabulrio da relao entre C e A, a correlao
parcial resultante seria,

Conseqentemente,

Em resumo: com os efeitos de vocabulrio removidos, a

correlao entre compreenso e habilidade em aritmtica se
desmorona at quase zero.
A concluso prtica que se ns fssemos administrar o WAIS
a um grupo de indivduos, que eram homogneos com respeito
amplitude de vocabulrio, a correlao entre os escores de

compreenso e aritmtica prova-se bastante escasso, da ordem

de r = +0.11 e r2 = 0.01.
Na maioria dos casos, uma correlao parcial da forma geral
rXY.Z mostrar-se- menor do que a correlao original rXY.
Nesses casos, em que se mostra maior, a terceira varivel, Z,
chamada tipicamente de varivel supressora, uma vez que est
suprimindo a maior correlao que estaria embutida entre X e Y
se Z permanecesse constante.
Por exemplo, suponha que um professor, muito exigente, tenha
administrado uma prova na disciplina de estatstica e que ns
temos as medies obtidas, a cada um dos estudantes do curso,
as trs variveis seguintes:

10

X = O esforo despedido no estudo para o exame

Y = O conceito do estudante na prova da disciplina
Z = Uma medida do grau em que o professor inspira temor e
respeito no estudante

A seguir, apresentam-se as correlaes entre as trs

variveis:
X versus Y:
X versus Z:
Y versus Z:

rXY = +0.20
rXZ = + 0.80
rYZ = - 0.40

r2XY = 0.04
r2XZ = 0.64
r2YZ = 0.16

11

Observem que no estranho a correlao entre X e Y resultar

em baixo valor, rXY = + 0.20 e r2XY = 0.04, indicando mero 4%
de covarincia entre os graus de esforo que os estudantes
dispensaram para o exame e as notas que eles receberam?.
Examine, porm, as outras duas correlaes e observem que no
, afinal de contas, to estranho assim.
Quanto maior o temor e respeito, maior o esforo que os
estudantes tendem a impor para se preparar para o exame;
conseqentemente rXZ = + 0.80 e r2XZ = 0.64.
Por outro lado, quanto maior o medo e respeito, os estudantes
tendem menos a fazer um bom exame, como resultado disso rYZ

12

= - 0.40 e r2YZ = 0.16. Removendo os efeitos supressores, medo

e respeito, da equao, tem-se:

e a correlao entre esforo e o conceito no exame vai de um

pequeno rXY = + 0.20, para um expressivo rXY.Z = +0.95.

13

Ou, alternativamente: removendo-se o medo e o respeito, a

covarincia entre esforo e conceito no exame vai de mero 4%
2
para um valor altamente significativo de 90% (r XY.Z = .90).