Eddington, D. 2015. Statistics for Linguists: a Step-by-Step Guide for Novices. Newcastle upon Tyne: Cambridge Scholars Publishing.
En estatística, medida da correlación entre dúas variables. O seu valor varía entre 1.00 (correlación positiva perfecta) e -1.00 (correlación negativa perfecta), e o valor cero indicará a ausencia de correlación. Por exemplo, se un grupo de estudantes obtén puntuacións bastante similares en dúas probas, esas puntuacións terán unha correlación positiva elevada; se obteñen nunha das probas un resultado contrario ao da outra, as puntuacións terán unha correlación negativa; finalmente, se non se observa ningunha relación entre as puntuacións das dúas probas, a correlación aproximarase a cero. Para variables de intervalo ou de proporción adóitase utilizar o chamado coeficiente de correlación produto-momento de Pearson (r); este é o caso, por exemplo, de se se desexa comprobar o grao de correlación existente entre as puntuacións obtidas por un grupo de discentes en dous exames de distintas linguas (inglés e francés). Se as variables son de tipo ordinal, recórrese ao coeficiente de correlación xerárquica de Spearman (p); así, por exemplo, cando un grupo de estudantes realiza unha proba de lectura e outra de escritura, puntúanse as dúas en escalas de menor a maior habilidade (de 1 a 10), e o que se pretende pescudar é se existe unha correlación entre elas. Finalmente, se se trata de variables nominais ou dicótomas, adóitase empregar o Coeficiente phi (ф), por exemplo, no caso de que se desexe saber se unha resposta correcta nun exercicio A se correlaciona de forma significativa con outra resposta correcta nun exercicio B.
Fulcher, G. 2010. Practical Language Testing. London: Hodder Education.
Gries, S. 2013. Statistics for Linguistics with R: A Practical Introduction. Berlin: Walter de Gruyter.
Larson-Hall, Jennifer. 2010. A guide to Doing Statistics in Second Language Research Using SPSS. New York: Routledge.
Turner, J. L. 2014. Using Statistics in Small-Scale Language Education Research: Focus on Non-Parametric Data. London: Routledge.