Documentos de Académico
Documentos de Profesional
Documentos de Cultura
9 Coeficientes de Asociaci N Pearson y Spearman en SPSS
9 Coeficientes de Asociaci N Pearson y Spearman en SPSS
Equipo de ayudantes:
Ignacio Daz
Carolina Garca
Magdalena Len
Felipe Ruiz
Francisca Torres
Noviembre de 2014
Supuestos de la Estadstica inferencial
Muestreos probabilsticos
Unos de los supuestos bsicos de la estadstica paramtrica, es decir, que permite
contrastar hiptesis referidas a algn parmetro (la nocin de parmetro siempre remite
al valor del estadstico en la poblacin); es el cumplimiento de normalidad y el uso de
muestreo aleatorios.
Ambos errores suponen una dificultad para conocer el valor exacto del parmetro en la
poblacin. La experiencia ensea que la probabilidad de errores no muestrales en el
proceso es mayor que el error de muestreo (Vivanco, 2005). En este sentido, el ocupar
muestras bien diseadas cuando tenemos poblaciones grandes presenta una ventaja
esencial que guarda relacin con que trabajamos con un error asociado menor que el
producido por un censo.
Normalidad
Para poder entender como funciona la estadstica paramtrica, es fundamental tener
claro el concepto de curva normal (ver Gua 7 de ayudanta) y la necesidad de que este se
cumpla para poder realizar estimaciones a la poblacin. La manera de comprobar
normalidad univariante ser desarrollada en otro apartado de la misma gua.
Nivel de confianza
Para entender mejor el concepto de error y nivel de confianza, es necesario entender el
concepto de distribucin muestral.
El Teorema del lmite central y la Ley de los grandes nmeros establecen que la
distribucin de medias muestrales extradas de forma aleatoria, independientemente de
la distribucin de la variable en la poblacin, se aproxima a la distribucin normal a
medida que aumenta el tamao de la muestra aumenta. (Vivanco, 2005)
Como ya vimos, la desviacin estndar es una medida de dispersin que describe como las
puntuaciones de una variable se dispersan a lo largo de su distribucin. En rigor,
corresponde a un promedio del cuadrado de las puntuaciones de desviacin de los
individuos en la muestra. Las puntuaciones estandarizadas corresponden a la distancia
estandarizada de un valor X hacia la media. La puntuacin Z indica la direccin de la
puntuacin (- +) y la distancia hacia la media.
Cuando queremos inferir a la poblacin nunca logramos tener la certeza absoluta de que
estamos estimando con perfecta precisin el parmetro. Para conocer la precisin de
nuestra estimacin, el investigador debe elegir un nivel de confianza en funcin de la
exactitud que desea obtener. A mayor nivel de confianza, mayor el tamao de la muestra
(lo que implica una serie de problemas por los costos que supone la realizacin de
muestreos de tamao muy elevado). Por convencin, en ciencias sociales se utiliza un
nivel de confianza de 95%.
Los coeficientes de asociacin son valores numricos que permiten cuantificar el grado de
ajuste y de relacin lineal entre dos variables.
A raz de esta primera diferencia, se van limitando an ms los usos que se le pueden dar
a cada coeficiente. Como el de Pearson es paramtrico y requiere de normalidad
univariante, slo podr calcularse en variables cuantitativas, con niveles de medicin
intervalar o de razn. Por otro lado, si nuestras variables cuantitativas no cumplen con el
supuesto de normalidad (no se distribuyen de acuerdo a la curva normal), o son variables
de tipo cualitativo (ordinal), slo queda usar el coeficiente de correlacin de Spearman.
Ms adelante se ver cun similares, en trminos de interpretacin, son uno y otro, slo
que es primordial tener cuidado en el tipo de variables que se busca correlacionar, y si
cumplen o no el supuesto de normalidad univariante.
1=Muy mala
2=Mala
3=Ni buena ni mala
4=Buena
5=Muy buena
8=No sabe
9=No responde
Daremos por perdidos los valores 8 y 9. Como es una variable ordinal de al menos 5
categoras de respuesta, la tomaremos como una variable cuantitativa ordinal, para as
poder calcular normalidad y utilizarla para el coeficiente de asociacin de Pearson. Hay
que tener muy en cuenta que el uso de esta variable es meramente para fines de
ejemplificar la comprobacin de supuestos. Si bien hemos establecido que con un mnimo
de 5 categoras de respuesta una variable ordinal (nunca nominal) puede ser tomada
como intervalar, sta sigue siendo mayoritariamente cualitativa, por lo que hay un gran
sesgo a la hora de calcular normalidad con estas variables (recordar que slo las variables
cuantitativas pueden tener una distribucin normal). Las variables ms idneas, entonces,
para llevar a cabo una correlacin con un coeficiente de Pearson, sern siempre las
realmente intervalares o de razn. Si se toman ordinales como intervalares, hay que
asumir el riesgo de que, aun cuando las pruebas arrojen normalidad, habr un sesgo por el
hecho de que la variable es cualitativa.
La siguiente variable que usaremos esa una recodificacin de la variable DDP03 Cuntos
aos de estudios aprobados tiene Ud.?. Esta variable escalar slo incluye los valores
0=Nunca estudi y 99=No responde. Al ver las frecuencias de las respuestas, vemos que,
dando por perdido el 99, el rango es de 0 a 80, siendo ste un valor muy extremo (y casi
imposible en la realidad), que dificultara mucho el cumplimiento de la normalidad.
1= Nunca estudi
2=1-8 aos de estudios (Enseanza Bsica)
3=9-12 aos de estudios (Enseanza Media)
4=13-18 aos de estudios (Educacin Superior)
5=19 o ms aos de estudios (Postgrado)
De esta forma, los tramos tienen una justificacin en trminos de ciclos de estudio, y,
como es ordinal y tiene 5 categoras de respuesta, tambin la usaremos como cuantitativa
(asumiendo todo lo explicitado anteriormente).
Esta tabla nos muestra el resumen de los casos. Vemos que en las dos variables hay slo 7
casos perdidos, por lo que se trabajar con un total de 1557 casos vlidos.
Descriptivos
Error
Estadstico estndar
Cmo calificara Ud. Media 2,97 ,019
su actual situacin 95% de intervalo de Lmite inferior 2,93
econmica? confianza para la media Lmite
3,00
superior
Media recortada al 5% 2,98
Mediana 3,00
Varianza ,586
Desviacin estndar ,765
Mnimo 1
Mximo 5
Rango 4
Rango intercuartil 0
Asimetra -,150 ,062
Curtosis ,068 ,124
Cuntos aos de Media 3,0157 ,02159
estudios aprobados 95% de intervalo de Lmite inferior 2,9733
tiene Ud.? (TRAMOS) confianza para la media Lmite
3,0580
superior
Media recortada al 5% 3,0035
Mediana 3,0000
Varianza ,726
Desviacin estndar ,85205
Mnimo 1,00
Mximo 5,00
Rango 4,00
Rango intercuartil 2,00
Asimetra ,092 ,062
Curtosis -,619 ,124
La tabla de estadsticos descriptivos nos muestra varios valores que permiten tener un
primer acercamiento a la variable (la estamos explorando), como la media, la mediana, la
desviacin estndar y el rango. Adems entrega los valores de la asimetra y la curtosis,
con los que podemos calcular el Z de simetra y el Z de curtosis, respectivamente:
=
6
=
24
Como ya vimos, si el valor Z da entre -1,96 y 1,96 (1,96 como el valor crtico ms comn,
aunque puede ampliarse a 2,58 si se aumenta el nivel de confianza), entonces se
considera que la variable es normal. Veamos cmo se comportan nuestras dos variables.
0,150
1 = = = 2,416
6 61557
0,068
1 = = = 0,547
24 241557
Vemos que el valor del Z de simetra se escapa de los rangos de -1,96 y +1,96, por lo que la
distribucin de esta variable no sera normal (no se asemeja a la distribucin real de la
poblacin), sin embargo, el valor no es tan lejano (unos 0,5 bajo el rango), y an est
dentro del criterio mayor de 2,58, por lo que s sera normal si se estuviese trabajando
con un mayor nivel de confianza (lo que implicara reducir el error alfa y los niveles de
significacin, as como aumentar el tamao de la muestra).
En cuanto a la variable sobre los aos de escolaridad, se ve una asimetra de 0,092 y una
curtosis de -0,619.
0,092
2 = = = 1,482
6 61557
0,619
1 = = = 4,986
24 241557
El valor del Z de simetra de esta variable es de 1,48, que cae dentro del rango del valor
crtico (1,96), lo que quiere decir que esta variable s tiene un comportamiento y una
distribucin normal.
Pruebas de normalidad
Kolmogorov-Smirnova
Estadstico gl Sig.
Cmo calificara Ud.
su actual situacin ,275 1557 ,000
econmica?
Cuntos aos de
estudios aprobados ,209 1557 ,000
tiene Ud.? (TRAMOS)
a. Correccin de significacin de Lilliefors
Como podemos observar, ninguna de las dos variables tiene un valor p superior a 0,05,
por lo que ninguna sera normal segn esta prueba. Sin embargo, hay que recordar que el
test K-S slo es vlido para muestras de entre 50 y 1000 casos, y la nuestra tiene 1557, por
lo que podra ocurrir que, dado el alto tamao muestral, la prueba arroje un valor que
indica que no hay normalidad cuando s la hay, as como tambin puede pasar que el
estadstico est en lo correcto.
Lo ms seguro sera slo ocupar este test en muestras del tamao correcto, y, para
muestras ms grandes, valerse de las otras dos pruebas.
Por ltimo estn los histogramas de ambas variables. Se ve que en los dos hay una
distribucin bastante cercana a la normal, con un valor central que acumula a la mayor
cantidad de respuestas (moda), y valores extremos con muy pocos casos. Es decir, el
anlisis grfico nos dira que las variables si son normales. De nuevo, hay que tener en
cuenta que se est trabajando con una variable de slo 5 categoras de respuesta, por lo
que, si bien los casos se acumulan en el centro, la distribucin tiene un sesgo.
De este modo, podemos concluir que las dos variables s tienen normalidad univariante y
que s sirven para medir asociacin entre ellas con el coeficiente de correlacin de
Pearson. Es cierto que no se pudo comprobar normalidad con la prueba K-S, debido al
tamao muestral, pero la apariencia normal de los histogramas de ambas variables
indican que stas s tendran una distribucin bastante normal. Adems, con los Z de
simetra se apoya esta normalidad, a pesar de que el valor de la variable sobre la situacin
econmica se escape del intervalo 1,96, ste podra agrandarse hasta 2,58 si se
aumenta el nivel de confianza.
Para la interpretacin de los resultados, tanto para Pearson y Spearman hay que
considerar lo siguiente: Si el coeficiente de correlacin arrojado va entre 0 y 0,2, entonces
la correlacin es mnima; si va entre 0,2 y 0,4, es una correlacin baja; si va entre 0,4 y 0,6,
entonces es una correlacin moderada, ya entre 0,6 y 0,8 es una correlacin buena;
finalmente, entre 0,8 y 1, es una correlacin muy buena. Esto mismo aplica en negativo.
Luego nos aparece un cuadro de dilogo. Aqu ingresamos las variables que vamos a
utilizar como es de costumbre, seleccionndolas de la lista de variables del costado
izquierda, y apretando el botn que contiene una flecha para ingresarlas al anlisis. En
este caso, como hemos visto, trabajaremos con las variables MBP04 y la reconfigurada
aosesc_tramos. Ahora, dentro de las opciones posibles, marcamos dentro de los
coeficientes de correlacin la casilla que dice Pearson. En prueba de significacin
marcamos bilateral, lo que quiere decir que nuestra prueba de significacin sobre
nuestro coeficiente de correlacin ser de dos colas, sin especificar la direccin del efecto
de la correlacin que vamos a encontrar, pueden encontrarse valores extremos hacia
ambas direcciones, al contrario de la opcin unilateral. Adems, marcamos la casilla de
marcar las correlaciones significativas, que aade un asterisco en la tabla de frecuencias
de los resultados cuando la significacin de la correlacin sea bajo 0,05, y dos asteriscos
cuando sea 0,01, lo que permite saber ms rpidamente si es que existe correlacin.
Tras esto, seleccionamos el botn Opciones, ubicado a la derecha del cuadro. All
verificamos que est slo seleccionada la opcin excluir casos segn pareja, en la seccin
de valores perdidos, lo que har que se excluyan de cada anlisis los casos que tengan
valores perdidos en cualquiera de las dos variables o en ambas variables utilizadas en el
clculo del estadstico.
Luego damos clic en continuar, y luego en pegar, con lo que se nos debera abrir la
ventana de sintaxis, presentndose la siguiente sintaxis para el anlisis:
CORRELATIONS
/VARIABLES=MBP04 aosesc_tramos
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Correlaciones
N 1563 1563
Para interpretar estos datos entonces, vemos que el coeficiente de correlacin de Pearson
entre estas dos variables es de 0,172. Como los valores de Pearson van de -1 a 1, siendo el
0 el indicador de que no existe correlacin, vemos que entre estas dos variables existe una
correlacin mnima, ya que no es 0, pero es muy cercano. La direccin de la correlacin es
positiva, es decir, es directa, por lo tanto al aumentar los aos de escolaridad, mejorara la
autopercepcin de la situacin econmica, y viceversa.
Al analizarla entonces para este caso, vemos que esta es de 0,000, es decir, est bajo el
0,05 (y est marcada con dos asteriscos por ser bajo 0,01), por lo que estara indicando
que existe una fuerte correlacin y que es verdadera la correlacin encontrada por el
estadstico de Pearson.
Para calcular el coeficiente de Spearman seleccionaremos dos variables ordinales que nos
permitan realizar el anlisis, a las que no les haremos ninguna prueba ya que no necesita
cumplir supuestos:
Por un lado la variable MBP02.- Cmo calificara Ud. la actual situacin del pas?, cuyas
alternativas de respuesta son: 1=muy mala; 2=mala; 3= ni buena ni mala; 4= buena; 5=
muy buena; 8 = no sabe; 9= no contesta. En este caso se dan por perdidos los valores 8 y
9. La otra variable a correlacionar es la MBP18_29.- Cul de ests frases describe mejor
su opinin sobre Camila Vallejo?, cutas alternativas de respuesta son: 1= muy negativa; 2=
negativa; 3= ni negativa ni positiva; 4= positiva; 5= muy positiva; 6= no conoce a la
persona; 8= no sabe; 9= no contesta. Se dan por perdidos los valores 6, 8 y 9.
Para llevar a cabo el anlisis es muy similar el procedimiento. Vamos a analizar >
correlaciones > bivariadas:
Luego en el cuadro que se nos abre, seleccionamos la casilla Spearman, y el resto lo
dejamos tal como en Pearson.
NONPAR CORR
/VARIABLES=MBP02 MBP18_29
/MISSING=PAIRWISE.
Correlaciones
Cul de
ests frases
Cmo describe
calificara mejor su
Ud. la actual opinin
situacin del sobre Camila
pas? Vallejo?
Rho de Cmo calificara Ud. la Coeficiente de 1,000 -,137**
Spearman actual situacin del correlacin
pas? Sig. (bilateral) . ,000
N 1541 1300
Cul de ests frases Coeficiente de -,137** 1,000
describe mejor su correlacin
opinin sobre Camila Sig. (bilateral) ,000 .
Vallejo? N 1300 1304
**. La correlacin es significativa al nivel 0,01 (bilateral).
Al analizar la tabla que nos entrega el SPSS vemos que se establece un nivel de correlacin
mnimo (-0,137), siendo que est mucho ms cercano a 0 que a -1. Por otro lado, se
establece que es una correlacin negativa, es decir, inversa, por lo que a mayor nivel de
aprobacin de Camila Vallejo, peor ser la calificacin que se le otorga a la situacin del
pas, y viceversa, por lo tanto se cumple lo que se plante al escoger las variables. Al
analizar la significacin, vemos que es de 0,000 nuevamente, por lo que se cumple que sea
menor a 0,05, e incluso es menor a 0,01, lo que indica que la correlacin que se ha
establecido (mnima) es muy probablemente cierta.