Pontos de dicotomização para a obtenção do coeficiente de correlação tetracórico

Existem situações em que a característica de interesse, tratada como variável, não é medida diretamente embora seja possível observar o seu efeito. Essas características são tratadas como variáveis latentes. Assim, uma pessoa pode ser considerada inteligente ou não, ou ainda ser ansiosa ou não, por...

Descripción completa

Detalles Bibliográficos
Autores: Lira, Sachiko Araki, Neto, Anselmo Chaves
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2009
País:Brasil
Institución:Universidade Estadual do Centro-Oeste (UNICENTRO)
Repositorio:Revista Ciências Exatas e Naturais (Online)
Idioma:portugués
OAI Identifier:oai:ojs.revistas.unicentro.br:article/212
Acceso en línea:https://revistas.unicentro.br/index.php/RECEN/article/view/212
Access Level:acceso abierto
Palabra clave:correlação tetracórico, correlação de Pearson, coeficiente de correlação.
Descripción
Sumario:Existem situações em que a característica de interesse, tratada como variável, não é medida diretamente embora seja possível observar o seu efeito. Essas características são tratadas como variáveis latentes. Assim, uma pessoa pode ser considerada inteligente ou não, ou ainda ser ansiosa ou não, por exemplo. O Coeficiente de Correlação Tetracórico é um estimador do grau de associação entre duas variáveis latentes L X e L Y , subjacentes às variáveis dicotômicas X e Y efetivamente observadas. Uma das suposições para a utilização do Coeficiente de Correlação Tetracórico é a de que os pontos de dicotomização das variáveis medidas X e Y estejam o mais próximo possível das respectivas medianas (percentil 50). Foram geradas amostras através de simulações e utilizados o percentil 25 ( P25 ), percentil 50 ( P50 = mediana) e percentil 75 (P75 ) como pontos de dicotomização das variáveis X e Y. Se obteve os desvios absolutos médios, comparando-se os Coeficientes de Correlação Tetracórico e Linear de Pearson. Os resultados comprovam que as estimativas dos coeficientes são melhores, quando se adota a mediana como pontos de dicotomização.