7/03/2016

PATRICIA ESTEVAN Y ROCÍO FERNÁNDEZ RELACIÓN ENTRE VARIABLES

Si hay relación entre “Pepita y Rosana" (si o no). Cuando decimos que hay relación estamos
comprobando si hay variabilidad conjunta y hay diferentes técnicas (está en las diapositivas):

Diagrama de dispersión: variables cuantitativas ir juntando las parejas de puntos e ir

formando un dibujo (apuntar según las variables los números). Posibilidades;

- Cuando los puntos forman una línea es una distribución perfecta. Línea recta, es una
relación directa y perfecta.

- Cuando una aumenta y la otra disminuye es una relación inversa.

20

10

0
Y

-1 0 1 2 3 4 5 6 7

Nube de puntos: la relación sería directa.

Cómo se calcula el diagrama de dispersion en el SPSS: Gráficos > cuadro de diálogos

antiguos > dispersión puntos.

Distintos tipos de dispersión:

- Dispersión simple: para comparar dos variables, para saber si hay relación entre ellas
- Dispersión matricial: para saber si hay relación entre dos variables pero de dos en dos.

!1
• Covarianza: es la varianza que comparten las dos. Los cambios producidos en una
variable. Conjunto de cambios que tienen en común, puede pasar que no tengan nada en
común (no hay relación), puede pasar que tengan algo en común o puede pasar que tengan
m u c h o e n común:

A) Sin covarianza, no hay relación entre las variables.

B) Covarianza escasa, poca relación entre las variables.

C) Covarianza intensa, mucha relación entre las variables.

Cómo se calcula: (mirar fórmula diapositivas). Si la relación es muy fuerte o no. Si es 0 es

que no hay relación, si es distinta de 0 es que si que hay relación. Sólo se usa para variables
cuantitativas. Si los valores son altos la covarianza es más alta, si son bajos, es más baja.

!2
 8/03/2015

• Coeficiente de correlación de Pearson: nos dice la relación que hay, si es directa o

inversa, su grado entre dos variables cuantitativas. Para variables cuantitativas.

La dirección puede ser:

- directa: la relación nos da 1

- inversa: la relación nos da -1

Pearson tiene valore entre 1 y -1. El 0 significa que no hay relación. El signo indica si
es directa o inversa. Positivo = directa, negativo = inversa. Su interpretación es:

1 - 0’80 Muy alta

0’60 - 0’80 Alta
0’40 - 0’60 Media
0’20 - 0’40 Baja
0 - 0’20 Muy baja

Para comprobar que pareja de variable tiene más relación hemos de calcular el COCIENTE
DE DETERMINACION, que es: el cuadrado del coeficiente de correlación y expresa
(multiplicado por 100 el porcentaje de variación conjunta entre ambas variables).

Cómo se calcula en el Spss:

Analizar > correlaciones > bivariadas > seleccionamos las dos variables que queremos saber
si tienen relación o no:

!3
 — La relación es muy
alta, directa y
significativa.

- La significación (se mira en Sig. (bilateral)) debe ser menor o igual a 0’05 para que esa
relación sea significativa. Sólo tiene sentido cuando es significativa.

Se puede pedir la relación de Pearson de varias variables al mismo tiempo.

Analizar > correlaciones > bivariadas > seleccionamos varias variables.

!4
 Actividades:

1.- La relación entre la nota 3 y la nota 2 es directa y significativa.

- (F): Es inversa porque su resultado es negativo, -0’797 y significativa, porque es

menor que 0’05, (0’000).

2.- La relación entre la nota 1 y la nota 4 es muy baja, directa y significativa.

- (F): La relación es muy baja, porque el valor que nos da es 0’086, que se encuentra
entre los valores de 0 - 0’20. Es directa, porque es positiva, pero no es significativa porque no
es menor que 0’05.

3.- La relación entre la nota 2 y la nota 1 es directa, muy alta y significativa.

- (V): Es directa, porque es positiva, es muy alta porque su valor es 0’838 (1 - 0’80),
y no es significativa porque es mayor de 0’05.

4.- La relación entre la nota 3 y la nota 4 es inversa y no significativa.

- (V): La relación es inversa y no significativa ya que su valor no es menor que 0’05,

(0’345).

- Correlación parcial, (solo se calcula en variables cualitativas), sirve para: comprobar si

una tercera variable influye en la relación de otras dos variables.

Ejemplo: Una pareja y la suegra, la pareja tiene una relación y la suegra está ahí. Hemos
enviado una semana de vacaciones a la suegra. Pueden pasar tres cosas:

- que la pareja continue igual (la suegra no interviene en la relación).

- que la pareja empeore, porque la suegra lo hacia todo, crisis en la relación.
- que desde que no está la suegra la cosa va de maravilla.

Quiero ver si esa tercera variable influye en la relación.

rxy=0,87 rxz=0,561 ryz=0,129

Saber la relación entre x, y. r = relación

Para saber si influye: saber que relación existe entre medio. Calcular el coeficiente de
Pearson.

!5
 Enviamos a la suegra de vacaciones y controlamos.

Cuando tenemos la de Pearson y la parcial las restamos. Para no liarnos, hacemos la más
grande primero. No importa el orden, si la resta es más grande o = a 0’1, si que influye la
tercera variable, (la suegra influye).
Tenemos que ver si la influencia es positiva o negativa.

- Si Pearson es más grande que la parcial, influye positivamente.

- Si Pearson es más pequeño que la parcial, influye negativamente.

¿Influye la nota 3 entre la relación de la nota 1 y la nota 2?

1. Calcular Pearson, entre la nota1 y la nota2. ( analizar > correlaciones > bivariadas,
selecciono la nota 1 y 2.)

2.- Analizar > correlaciones > parciales, selecciono arriba la nota1 y la nota2 y bajo la nota3.

- Restar al 0’838 (correlación de

Pearson), 0’429 (correlación parcial).
Nos da un resultado de 0’409. Al ser más
grande que 0’1, si que influye. Como
0’838 es mayor que 0’429 influye
positivamente.

TABLAS DE CONTINGENCIA: para saber si hay relación o no en variables categóricas, es

decir variables cualitativas y cuasi cuantitativas, NUNCA CUANTITATIVAS.(chi- cuadrado)

- La x (sexo) 1 =hombre, 2 =mujer.

- La y (nivel de acuerdo con la asignatura), 1 = desacuerdo, 2 = indiferente, 3 = deacuerdo.

!6
¿Cuántos hombres están en desacuerdo? Un hombre en desacuerdo, y 3 mujeres.

% de la fila (y) (el primero).

% de la columna (x) (el segundo).

Actividad:

Tabla de contingencia Y * X

X
1 2 Total
Y 1 Recuento 1 3 4
% de Y 25.0% 75.0% 100.0%
% de X 20.0% 60.0% 40.0%
% del total 10.0% 30.0% 40.0%
2 Recuento 3 3
% de Y 100.0% 100.0%
% de X 60.0% 30.0%
% del total 30.0% 30.0%
3 Recuento 1 2 3
% de Y 33.3% 66.7% 100.0%
% de X 20.0% 40.0% 30.0%
% del total 10.0% 20.0% 30.0%
Total Recuento 5 5 10
% de Y 50.0% 50.0% 100.0%
% de X 100.0% 100.0% 100.0%
% del total 50.0% 50.0% 100.0%

1.- De las mujeres el 66’7% están de acuerdo.

- (F). Es el 40%.

2.- Del total, el 30 % son hombres que son indiferentes a la asignatura.

- (V)

3.- De los hombres, el 20% están de acuerdo con la asignatura.

- (V). Hombres, nos fijamos en columna.

4.- De los indiferentes, el 60% son hombres.

- (F). Es el 100 %.

- Lo que nos dice si hay o no relación entre las variables es el chi - cuadrado. A la hora de
mirar debemos mirar la significación (sig. asint).

!7
Cómo se interpreta el chi cuadrado:

- o = a 0’05, si que hay relación.

Más grande de 0’05, no hay relación.

Cómo se calcula con el spss:

Analizar > estadísticos descriptivos > tablas cruzadas

!8
 14/03/2016

Práctica

1.- Explorar gráficamente la relación entre Peso en kilos y Altura en centímetros.

Interpreta la gráfica obtenida.
— Como peso en kg y altura en cm son variables cuantitativas el paso a realizar es
diagrama de dispersión.
Gráficos > Cuadros de diálogos antiguos > dispersión/puntos > dispersión simple.

Hay reacción entre peso y

altura ya que tendemos a
poder hacer una linea
recta aunque no sería
perfecta. La relación es
directa.

!9
2.- Indicar gráficamente y mediante un índice la relación entre Peso en kilos y Metros
cuadrados del aula.
— Variables cuantitativas, el gráfico sigue siendo diagrama de dispersión y el índice
correlación de Pearson.
a) Analizar > correlaciones > bivariadas > peso en kg + metros cuadrados > aceptar
b) Gráficos > cuadro de diálogos antiguos > dispersión /puntos

La relación es muy muy baja y directa porque

es positiva, porque la correlación de Pearson
nos da 1. No es significativa porque es mayor
que 0’05, el valor obtenido es 0’945.

Con el grafico observamos que no hay

relación entre peso en kg y metros
cuadrados del aula.

3.- Obtener una matriz de correlaciones para cinco de las variables cuantitativas
presentes en el archivo. Indica entre que variables existe una mayor o menor grado de
relación. Utiliza tanto gráficos como indicadores.
— Variables cuantittativas, diagrama de dispersión y Pearson.
Gráficos > cuadros de diálogos antiguos > dispersión/puntos > dispersión matricial > definir
y seleccionamos las 5 variables cuantitativas.
Analizar > correlaciones > bivariadas > seleccionar cinco de las variables cuantitativas.
Las variables que más relación tienen son el peso en kg y la altura en metros. Aunque
también observamos que el peso en kg también tiene mucha relación con el IMC.

!10
 -Podemos observar que hay
distintas variables significativas,
como pueden ser la altura en
cm, el peso en kg, ya que son
menores de 0’05.

Mirar que puntos se acercan

mas a una línea recta y los
puntos están más juntos.

Nos fijaremos el que tiene

la correlación más alta, en
este caso es peso en kg.
En nuestro caso la que
más relación tiene es masa
corporal y peso en kg, con
una correlación de 0’843,
y significativa ya que es
menor de 0’05. También
es directa porque es
positiva.

4.- ¿ En qué medida la relación entre Metros cuadrados del aula y N. de escalones se ve
afectada por la variable Peso en kilos? Razona tu respuesta.
— Queremos saber si una tercera variable influye entre las otras dos.

1.- Analizar > correlaciones > bivariadas > metros cuadrados del aula y nº de escalones >
aceptar.

2.- Analizar > correlaciones > parciales > metros cuadrados del aula, nº de escalones y peso
en kg.

!11
 Hay una relación muy baja, directa y
no significativa.

Podemos observar que la correlación

es muy baja, directa y no significaiva.

Restar 0’169 (correlación de Pearson) a 0’169 (correlación parcial). Nos da 0, como es más
pequeño que 0’1, no influye.

5.- Verifica la influencia de la variable Edad sobre la relación entre las variables Edad
sobre la relación entre las variables Peso en kg y Altura en cm, en función del Sexo del
aluno. Compara los dos resultados.

Datos > Segmentar archivo > comparar los grupos > variable sexo.
Analizar > correlaciones > bivariadas > peso en kg + altura en cm.
Analizar > correlaciones > parciales > peso en kg + altura en cm > sexo > aceptar.

Hay una relación media, directa y

significativa en hombres y mujeres.

!12
 No interfiere la edad, en
hombres Pearson y parcial es en

Hombres: 0’576 - 0’564 = 0’012

Mujeres: 0’423 - 0’423 = 0

No influye ni en peso ni en
altura.

Datos > segmentar archivos > restablecer > aceptar. Para que las variables no estén
segmentadas.

6.- Obtener la relación entre el Sexo del alumno y la Opción de BUP. Interpreta y
razona los resultados.

Variables cualitativas, no nos sirve Pearson, tendremos que calcular las tablas cruzadas y el
chicuadrado.

Analizar > estadísticos descriptivos > tablas de contingencia o tablas cruzadas > estadísticos
> pedimos el chi-cuadrado > aceptar > casillas > porcentaje, pedimos filas, columnas y total,
y seleccionamos los gráficos agrupados > aceptar.

Tenemos que mirar la significación, entonces miramos el chi-cuadrado (0’624), como es más
grande que 0’05 no hay relación entre variables sexo y la opción de BUP.

!13
 2. columna

1.fila

AFRIMACIONES (de tipo examen):

1.- Las que tienen la opción en ciencias, el 38’6% son mujeres. (F) son 58’6%.
2.- De los hombres, el 29’6% han elegido la opción mixta. (V).
3.- Del total, el 12’7% son mujeres que han elegido letras. (V).
4.- De las mujeres, el 56’3% han elegido letras. (F) son el 20’5%.

!14
7.- Comprueba si existe relación entre la Nota final asignatura y Deporte preferido.
Interpreta y razona los resultados

Cuasi cuantitativa y cualitativa, tablas cruzadas y chi-cuadrado.

Analizar > estadísticos descriptivos > tablas cruzadas > nota de la asignatura y deporte
preferido.

!15
Si que hay relación entre la nota final de la asignatura y el deporte preferido, ya que el chi-
cuadrado es menor que 0’05. Como hay relación vamos a buscar las diferencias. Observamos
que el 100% de los que han sacado matrícula no han triado ningún deporte. Los aprobados,
notables y suspendidos, mayoritariamente eligen otros deportes.

AFIRMACIONES:

1.- De los sujetos con notable, el 30% tienen como deporte favorito el tenis. (F), son el
23’1%.
2.- De los sujetos que tienen como deporte favorito el basquet, el 12% tienen aprobado.
(F), son el 85’7%.
3.- De los alumnos que tienen excelente, el 0% han elegido ciclismo como deporte
favorito. (V).
4.- Del total, el 1’4% tienen matrícula y no les gusta ningún deporte. (V).

APUNTES:

Variable CUALITATIVA: (nominal), no es numérico: soltero casado, metro autobus, hombre

mujer…

CUASI CUANTITATIVAS: (ordinales) tienen orden: primero, segundo, aprobado

notable sobresaliente…

CUANTITATIVAS: de razón, no tienen 0 absoluto (no puedes tener 0 años, o no puedes

pesar 0kg) de intervalo (el resto).

!16
!17