Está en la página 1de 5

ANÁLISIS DE CORRELACIÓN.

INTRODUCCIÓN.
CÁLCULO DEL COEFICIENTE DE DETERMINACIÓN.

EN ESTADÍSTICA, EL  COEFICIENTE DE DETERMINACIÓN, DENOMINADO R² Y PRONUNCIADO  R


CUADRADO, ES UN ESTADÍSTICO USADO EN EL CONTEXTO DE UN MODELO ESTADÍSTICO CUYO
PRINCIPAL PROPÓSITO ES PREDECIR FUTUROS RESULTADOS O PROBAR UNA HIPÓTESIS. EL
COEFICIENTE DETERMINA LA CALIDAD DEL MODELO PARA REPLICAR LOS RESULTADOS, Y LA
PROPORCIÓN DE VARIACIÓN DE LOS RESULTADOS QUE PUEDE EXPLICARSE POR EL MODELO. 1
HAY VARIAS DEFINICIONES DIFERENTES PARA R² QUE SON ALGUNAS VECES EQUIVALENTES. LAS
MÁS COMUNES SE REFIEREN A LA REGRESIÓN LINEAL. EN ESTE CASO, EL R² ES SIMPLEMENTE EL
CUADRADO DEL COEFICIENTE DE CORRELACIÓN DE PEARSON, LO CUAL ES SÓLO CIERTO
PARA LA REGRESIÓN LINEAL SIMPLE. SI EXISTEN VARIOS RESULTADOS PARA UNA ÚNICA
VARIABLE, ES DECIR, PARA UNA X EXISTE UNA Y, Z... EL COEFICIENTE DE DETERMINACIÓN
RESULTA DEL CUADRADO DEL COEFICIENTE DE DETERMINACIÓN MÚLTIPLE. EN AMBOS CASOS
EL R² ADQUIERE VALORES ENTRE 0 Y 1. EXISTEN CASOS DENTRO DE LA DEFINICIÓN
COMPUTACIONAL DE R² DONDE ESTE VALOR PUEDE TOMAR VALORES NEGATIVOS.
INTERPRETACIÓN DEL COEFICIENTE DE DETERMINACIÓN.

La bondad de la predicción depende de la relación entre las variables. Si dos


variables no covarían, no podremos hacer predicciones válidas, y si la intensidad
de la covariación es moderada, las predicciones no serán demasiado buenas. En
consecuencia, hay que disponer de alguna medida de la capacidad de la ecuación
de Regresión para obtener predicciones buenas (en el sentido de que sean lo menos
erróneas posible).
Esta medida es el Coeficiente de Determinación, que es el cuadrado del coeficiente
de correlación de Pearson, y da la proporción de variación de la variable Y que es
explicada por la variable X (variable predictora o explicativa). Si la proporción es
igual a 0, significa que la variable predictora no tiene NULA capacidad predictiva
de la variable a predecir (Y). Cuanto mayor sea la proporción, mejor será la
predicción. Si llegara a ser igual a 1 la variable predictora explicaría TODA la
variación de Y, y las predicciones NO tendrían error.
Ejemplo:
En el siguiente cuadro puedes comprobar:
a) que la Varianza total de la variable Y (0.76) es igual a la suma de las Varianzas
de las puntuaciones estimadas (Y') y de los errores de predicción (Y-Y').
b) Que el coeficiente de determinación (r2xy) es igual a la proporción de la
Varianza explicada (s2y') respeto de la Varianza total (s2y).
CÁLCULO DEL COEFICIENTE DE CORRELACIÓN.

EN ESTADÍSTICA, EL  COEFICIENTE DE CORRELACIÓN DE PEARSON  ES UNA MEDIDA DE LA


RELACIÓN LINEAL ENTRE DOS VARIABLES ALEATORIAS CUANTITATIVAS. A DIFERENCIA DE
LA COVARIANZA, LA CORRELACIÓN DE  PEARSON ES INDEPENDIENTE DE LA ESCALA DE MEDIDA
DE LAS VARIABLES.
DE MANERA MENOS FORMAL, PODEMOS DEFINIR EL COEFICIENTE DE CORRELACIÓN DE
PEARSON COMO UN ÍNDICE QUE PUEDE UTILIZARSE PARA MEDIR EL GRADO DE RELACIÓN DE
DOS VARIABLES SIEMPRE Y CUANDO AMBAS SEAN CUANTITATIVAS.
INTERPRETACIÓN DEL COEFICIENTE DE CORRELACIÓN.

**SI R < 0 HAY  CORRELACIÓN NEGATIVA : LAS DOS VARIABLES SE CORRELACIONAN EN SENTIDO
INVERSO.A VALORES ALTOS DE UNA DE ELLAS LE SUELEN CORRESPONDER VALOR BAJOS DE LA
OTRA Y VICEVERSA.CUÁNTO MÁS PRÓXIMO A -1 ESTÉ EL COEFICIENTE DE CORRELACIÓN MÁS
PATENTE SERÁ ESTA COVARIACIÓN EXTREMA.SI R= -1 HABLAREMOS DE CORRELACIÓN NEGATIVA
PERFECTA  LO  QUE SUPONE UNA DETERMINACIÓN ABSOLUTA ENTRE LAS DOS VARIABLES ( EN
SENTIDO INVERSO): EXISTE UNA RELACIÓN FUNCIONAL PERFECTA ENTRE AMBAS(UNA RELACIÓN
LINEAL DE PENDIENTE NEGATIVA).

** SI R > 0 HAY  CORRELACIÓN POSITIVA: LAS DOS VARIABLES SE CORRELACIONAN EN SENTIDO
DIRECTO.A VALORES ALTOS DE UNA LE CORRESPONDEN VALORES ALTOS DE LA OTRA E
IGUALMENTE CON LOS VALORES BAJOS.CUÁNTO MÁS PRÓXIMO A +1 ESTÉ EL COEFICIENTE DE
CORRELACIÓN MÁS PATENTE SERÁ ESTA COVARIACIÓN.SI R = 1 HABLAREMOS DE CORRELACIÓN
POSITIVA PERFECTA LO QUE SUPONE UNA DETERMINACIÓN ABSOLUTA ENTRE LAS DOS
VARIABLES (EN SENTIDO DIRECTO):EXISTE UNA RELACIÓN LINEAL PERFECTA ( CON PENDIENTE
POSITIVA).

** SI R = 0  SE DICE QUE LAS VARIABLES ESTÁN INCORRELACIONADAS: NO PUEDE


ESTABLECERSE NINGÚN SENTIDO DE COVARIACIÓN.

PROPIEDAD IMPORTANTE: SI DOS VARIABLES SON INDEPENDIENTES  ESTARÁN


INCORRELACIONADAS AUNQUE EL RESULTADO RECÍPROCO NO ES NECESARIAMENTE
CIERTO.    MATRIZ DE CORRELACIONES.

También podría gustarte