UNIDAD N° 4

RELACIÓN ENTRE
VARIABLES
 Bibliografía
CORTADA DE KOHAN, Nuria (1994) “Diseño Estadístico”.
Editorial EUDEBA. Buenos Aires. Argentina

BOTELLA, Juan et. Al (1997) “Análisis de datos en Psicología”.

Editorial PIRÁMIDE. Madrid. España.

BOLOGNA, Eduardo (2011) “Estadística para Psicología y

Educación”. Editorial BRUJAS. Córdoba. Argentina.
 Años de escolaridad
Edad del padre
Años de escolaridad
de la madre
Coeficiente
Tiempo dedicado a intelectual
ver TV
RENDIMIENTO
ACADÉMICO
Salario familiar
Tiempo destinado Tiempo destinado mensual
a la lectura a practicar
deportes
Número de
Distancia a la que integrantes del
vive de la escuela grupo familiar
Relaciones entre dos
variables

Y : Variable dependiente o
respuesta.

X: Variable independiente,

explicativa o regresora.
Y : variable respuesta o dependiente
X: variable regresora o independiente

X Y
X1 Y1
X2 Y2
. .
. .
. .
Xn Yn
 DIAGRAMA DE
DIAGRAMA DE DISPERSIÓN

DISPERSIÓN
10

0
0 2 4 6 8 10 12
 RELACIONES ENTRE
VARIABLES

Análisis de Análisis de
correlación regresión
(Intensidad y sentido) (tendencia y forma)
 Análisis de
correlación lineal
 Sirve para estudiar la intensidad de la relación lineal
entre dos variables.

10
10

8
8

Y
Y

5
4

3
2

1 0
2 4 6 8 10 0 2 4 6 8 10
X X
Coeficiente de
correlación lineal de
Pearson
 X Y X2 Y2 XY

x y x2 y2 xy

(x)2 (y)2
 Coeficiente de correlación lineal de Pearson

n   xi  yi   xi  yi
r
[n   xi    xi  ]  [n yi    yi  ]
2 2 2 2

1  r  1
Interpretación del coeficiente r

Relaciones inversas Relaciones directas

 17,00

15,00

13,00
Y

11,00

9,00

7,00

5,00
5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00
X
 VT = VE + VNE

Varianza total Varianza explicada Varianza no explicada

Coeficiente de determinación

r 2

Representa la proporción de la
variabilidad de Y que se explica a
partir de X
Ejemplos
 Diagrama de dispersión RENDIMIENTO vs. INTELIGENCIA

10

8
Rendimiento (pts)

0
0 2 4 6 8 10 12
Inteligencia (pts)
 Diagrama de dispersión ERRORES vs. TIEMPO

4
Errores

0
0 2 4 6 8 10 12 14
Tiempo (min)
 Diagrama de dispersión INTELIGENCIA vs. ESTATURA

5
Inteligencia (pts)

0
147 156 164 173 182 190 199
Estatura (cm)
 Diagrama de dispersión RENDIMIENTO vs. INTELIGENCIA Diagrama de dispersión ERRORES vs. TIEMPO Diagrama de dispersión INTELIGENCIA vs. ESTATURA

10 6 7

5 6
8
Rendimiento (pts)

4 5

Inteligencia (pts)
6

Errores
3 4

4
2 2

2
1 1

0 0 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12 14 147 156 164 173 182 190 199
Inteligencia (pts) Tiempo (min) Estatura (cm)

r = 0,77 r = – 0,86 r = – 0,03

Regresión lineal
Modelo de regresión lineal

y = a + b.x
 10,0

9,0

8,0

7,0

6,0
Test Escritura

5,0

4,0

3,0

2,0

1,0

0,0
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0
Test Lectura
Método de los mínimos cuadrados
 Diagrama de dispersión RENDIMIENTO vs. INTELIGENCIA

10

8
Rendimiento (pts)

0
0 2 4 6 8 10 12
Inteligencia (pts)
 y = a + b.x

n   xiyi   xi   yi
b
n   xi    xi 
2 2

a  y b x
 Ejemplo

X: Inteligencia (C.I.)
Y: Rendimiento académico (nota
media final)
ID Inteligencia (X) Rendimiento (Y)
1 9 5
2 9,5 5,5
3 6 4
4 9 9
5 7 5
6 9 8
7 5 4
8 9 4
9 7 3,5
10 3 1
11 10 5
12 6 3,5
13 10 9,5
14 4 2
15 8,5 6,5
 X Y X2 Y2 XY
9 5 81 25 45
9,5 5,5 90,25 30,25 52,25
6 4 36 16 24
9 9 81 81 81
7 5 49 25 35
9 8 81 64 72
5 4 25 16 20
9 4 81 16 36
7 3,5 49 12,25 24,5
3 1 9 1 3
10 5 100 25 50
6 3,5 36 12,25 21
10 9,5 100 90,25 95
4 2 16 4 8
8,5 6,5 72,25 42,25 55,25
x = 112 y = 75,5 x2 = 906,5 y2 = 460,25 xy = 622
(x)2 = 12544 (y)2 = 5700,25
 xy = 622 x = 112 y = 75,5

x2 = 906,5 (x)2 = 12544 y2 = 460,25 (y)2 = 5700,25

n   xi  yi   xi  yi
r
[n   xi    xi  ]  [n yi    yi  ]
2 2 2 2
 xy = 622 x = 112 y = 75,5

x2 = 906,5 (x)2 = 12544 y2 = 460,25 (y)2 = 5700,25

n   xiyi   xi   yi
b
n   xi    xi 
2 2

a  y b x
Por lo tanto el modelo ajustado es
 En resumen

 Coeficiente de correlación

 Coeficiente de determinación

 Ecuación de la recta de los mínimos cuadrados

En resumen

Análisis de correlación

Análisis de regresión
Salida de software
Análisis de regresión lineal

Variable N R² R² Aj ECMP AIC BIC

Rendimiento (pts) 15 0,60 0,57 3,19 59,88 62,01

Coeficientes de regresión y estadísticos asociados

Coef Est. E.E. LI(95%) LS(95%) T p-valor CpMallows

const -1,16 1,45 -4,30 1,98 -0,80 0,4386
Inteligencia (pts) 0,83 0,19 0,43 1,23 4,44 0,0007 19,37

Cuadro de Análisis de la Varianza (SC tipo III)

F.V. SC gl CM F p-valor
Modelo. 48,34 1 48,34 19,70 0,0007
Inteligencia (pts) 48,34 1 48,34 19,70 0,0007
Error 31,89 13 2,45
Total 80,23 14
 Model Summary

Change Statistics

Adjusted R Std. Error of the R Square

Model R R Square Square Estimate Change F Change df1 df2 Sig. F Change
1 ,776a ,602 ,572 1,56634 ,602 19,703 1 13 ,001

a. Predictors: (Constant), Inteligencia (pts)

ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 48,339 1 48,339 19,703 ,001a
Residual 31,894 13 2,453
Total 80,233 14
a. Predictors: (Constant), Inteligencia (pts)
b. Dependent Variable: Rendimiento (pts)

Coefficientsa
Unstandardized Coefficients Standardized Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1,161 1,453 -,799 ,439

Inteligencia (pts) ,830 ,187 ,776 4,439 ,001

a. Dependent Variable: Rendimiento (pts)
 9,93

7,44
Rendimiento (pts)

4,96

2,48

0,00
0,00 2,59 5,17 7,76 10,35
Inteligencia (pts)
Relaciones entre variables
cualitativas
Tabla de contingencia
VARIABLE A
VARIABLE B
CATEGORÍA 1 CATEGORÍA 2 TOTAL
CATEGORÍA 1 A B
CATEGORÍA 2 C D
TOTAL

Coeficiente Q de Kendall
A D  C B
Q 1  Q  1
A D  C B
 Ejercicio n° 2
Tabla de contingencia
ÉXITO FRACASO TOTAL
ORIENTADO 19 11 30
NO ORIENTADO 5 15 20
TOTAL 24 26 50

Coeficiente Q de Kendall
A D  C B
Q
A D  C B
Q = 0,68
 En resumen

Coeficiente de Pearson r
Cuantitativas Ecuación de la recta de y = a + b.x
regresión
Cualitativas Q
Coeficiente de Kendall
(dicotómicas)