Você vai aprender quais cores funcionam no R e como usá-las para visualizar correlações de forma clara e prática.
Se precisa plotar correlações ou destacar grupos no R, entender a função cor e as paletas disponíveis resolve grande parte do trabalho de visualização.
Ao longo deste texto, vou mostrar exemplos de como aplicar cores em gráficos e escolher paletas que evidenciam padrões de correlação.
Você também vai ver práticas que ajudam a evitar interpretações erradas dos dados.
Isso pode deixar suas análises muito mais comunicativas. E, sinceramente, bem mais fáceis de entender.
Como Usar a Função cor no R
A função cor calcula coeficientes de correlação entre vetores ou colunas de um data frame.
Vou explicar como chamar a função, quais argumentos usar, como gerar uma matriz de correlação e quando escolher Pearson, Spearman ou Kendall.
Sintaxe e Argumentos Principais
A chamada básica é cor(x, y = NULL, use = “everything”, method = “pearson”).
x pode ser um vetor numérico ou um data frame/matriz.
y é opcional; se você não passar nada, cor retorna uma matriz de correlação entre as colunas de x.
Sobre os argumentos:
- use: controla como o R trata valores NA. Os mais usados são “everything”, “complete.obs” e “pairwise.complete.obs”.
- method: “pearson”, “spearman” ou “kendall”. Escolha o método certo para seus dados.
A documentação do R (r documentation) traz mais detalhes.
A função aceita matrizes numéricas. Se tiver fatores, o R vai tentar converter, mas é melhor transformar tudo em numérico antes.
Cálculo de Correlação entre Vetores
Para dois vetores, use cor(df$x, df$y).
O resultado é um número só: o coeficiente de correlação.
Exemplo real: r <- cor(df$hours, df$score, use=”complete.obs”).
Pearson mede associação linear entre variáveis contínuas.
Spearman e Kendall já olham para a ordem dos valores (rank correlation) e aguentam melhor outliers e relações não lineares.
Se houver NAs, use=”complete.obs” para remover linhas com NA em qualquer vetor.
Se quiser usar todos os pares possíveis, tente use=”pairwise.complete.obs”, mas saiba que isso muda o tamanho da amostra de cada comparação.
Matriz de Correlação com Data Frames
Passe o data frame direto: cor(df) gera a matriz de correlação entre todas as colunas numéricas.
A saída é uma matriz com 1s na diagonal e coeficientes entre -1 e 1 nos outros lugares.
Antes de rodar cor, selecione só as colunas numéricas.
Exemplo: df_num <- df[sapply(df, is.numeric)].
Remova ou trate valores NA como precisar.
Você pode arredondar a matriz para exibição: round(cor(df_num), 2).
Essa matriz ajuda a ver quais pares têm correlação alta e pode ser base para heatmaps em pacotes como ggplot2.
Escolhendo o Método de Correlação
Escolha o method de acordo com o tipo de dado e o que você quer analisar.
- “pearson”: padrão. Use para variáveis contínuas e relações lineares.
- “spearman”: bom para relações monotônicas ou quando há outliers; transforma os dados em ranks.
- “kendall”: também baseado em ranks; costuma ser preferido em amostras pequenas ou com muitos empates.
Spearman e Kendall são parecidos, mas Kendall geralmente dá valores menores e interpretações um pouco diferentes sobre concordância.
Pearson exige suposições (linearidade, homocedasticidade). Vale a pena checar antes de confiar cegamente no coeficiente.
Teste os métodos nos seus dados. E, se pintar dúvida, a documentação do R explica as fórmulas e limitações.
Práticas Essenciais para Análise de Correlação
Aqui estão passos práticos para tratar dados faltantes, testar significância, criar gráficos de matriz e interpretar coeficientes.
O foco é mostrar como aplicar funções e escolher opções que realmente afetam os números finais.
Tratamento de Valores Ausentes na Correlação
Valores ausentes podem distorcer os coeficientes.
No R, você pode excluir linhas inteiras (listwise/casewise) ou só os pares que faltam (pairwise).
Use cor(x, y, use = “complete.obs”) para excluir observações com qualquer NA nas variáveis analisadas.
Se quiser aproveitar todos os pares possíveis, use cor(x, y, use = “pairwise.complete.obs”), mas saiba que isso muda o tamanho da amostra para cada par.
Com funções do Hmisc, como rcorr(), você vê contagens por par e testes de significância.
Para somas e médias antes de correlacionar, use na.rm = TRUE para remover NAs.
Evite substituir NAs por média a menos que tenha um bom motivo; isso diminui a variância (sd) e afeta o coeficiente de correlação.
Se quiser ser rigoroso, diga qual método usou (complete.obs ou pairwise.complete.obs) e quantas observações restaram por par.
Isso ajuda a entender mudanças em cov, var e correlação.
Testando Significância e Intervalos de Confiança
Use cor.test() para testar hipótese sobre correlação entre duas variáveis.
A função retorna p-value e intervalo de confiança para o coeficiente de Pearson, Spearman ou Kendall.
Sempre cheque as suposições: normalidade para Pearson e monotonicidade para Spearman.
Para matrizes, Hmisc::rcorr() calcula correlações e p-values em bloco.
Combine rcorr() com corrplot para mostrar só relações significativas.
Relate o p-value e o intervalo de confiança ao interpretar força e direção.
Um p < 0.05 indica rejeição da hipótese nula, mas lembre que um coeficiente pequeno pode ser significativo em amostras grandes.
Ao reportar, inclua: coeficiente r, p-value, intervalo de confiança e número de pares usados.
Isso mostra transparência sobre variação (var), desvio padrão (sd) e confiabilidade do resultado.
Visualização da Matriz de Correlação
Use corrplot, ggplot2 ou corrgram para mostrar matrizes de correlação.
corrplot() facilita exibir cores e formas que indicam correlações positivas e negativas.
No ggplot2, transforme a matriz em tabela longa e use geom_tile() com uma escala de cor personalizada.
Inclua elementos úteis:
- Anotações dos valores de r por célula.
- Máscara para metade superior quando a matriz é simétrica.
- Indicação de significância (asteriscos) baseada em p-values de rcorr().
Para conjuntos grandes, ordene variáveis por clustering para revelar blocos correlacionados.
Mostre também a matriz de covariância (cov) se quiser entender escala e unidade, já que cov varia com unidades enquanto correlação é adimensional.
Dicas para Interpretação dos Resultados
Separe direção e força: r > 0 indica correlação positiva. Já r < 0 aponta para uma correlação negativa.
Interprete magnitudes com calma — aquelas regras de 0.1 fraco, 0.3 moderado, 0.5 forte são só guias, não uma verdade absoluta. Olhe para variância e desvio padrão das variáveis também.
Se a variabilidade for baixa, a correlação pode acabar mascarada. E, olha, não caia na armadilha da causalidade: correlação não significa que uma coisa causa a outra.
Fique de olho em outliers, porque eles podem inflar covariância e o r. Recomendo usar scatterplots para cada par antes de confiar cegamente no número.
Se estiver lidando com matrizes grandes, preste atenção nos pares com r alto e p pequeno. Mas, não esqueça de conferir o tamanho da amostra pra cada par (all.obs versus pairwise).
Quando for reportar os resultados, lembre de incluir:
- O método para NAs (por exemplo, use = “complete.obs”),
- Qual função usou (cor, cor.test, rcorr),
- Valores de r, p-values, intervalos de confiança,
- E estatísticas auxiliares (cov, var, sd) se fizerem sentido.