Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Medidas de relaciones
Correlación: es una medida del grado en que dos variables están relacionadas.
Y se verá si están relacionadas en la medida en que varíen a la par o co-varíen,
sea en la misma dirección o en dirección opuesta.
Ejs. horas de estudio y nota del examen; timidez y autoestima.
Correlación positiva: valores altos de la la variable x están asociados a valores
altos de la variable y.
Correlación negativa: valores altos de la la variable x están asociados a valores
bajos de la variable y.
Coeficiente de correlación
El coeficiente de correlación es un concepto estadístico que indica el grado en
que 2 variables están relacionadas de una manera lineal.
El requerimiento fundamental es obtener, de cada participante, el valor de las 2
variables que se quieren relacionar.
El coeficiente de Pearson denominado “r” es el más utilizado.
La escala va de +1,00 a -1,00.
El signo indica el sentido de la correlación, positiva o negativa.
Que la correlación sea positiva indica que los valores altos de una variable
suelen estar asociados a valores altos de la otra variable.
El número absoluto indica el grado de relación.
Cuanto más cercano a 0, más débil es la relación entre variables.
La fórmula
1
Distintas fórmulas
En distintos libros aparecen distintas versiones de la fórmula. Son
matemáticamente equivalentes y llevan al mismo resultado.
Sin embargo, algunas versiones que son fácil de calcular son conceptualmente
inaccesibles.
Presentaremos una versión conceptualmente más clara.
Formula en libro de Davis Baird
Standards derivations.
Numerador de la versión de Baird
Promedio
La fórmula
La fórmula luce relativamente compleja, pero permite ver mejor la idea global
que hay detrás.
En resumidas cuentas, los pasos serían así:
De cada participante se toman las distancias al promedio de cada variable.
Luego, se multiplican esas distancias.
De los productos resultantes se saca un promedio.
Para normalizar se divide por el producto de las desviaciones estándares de las
variables.
2
Aplicación a nuestros datos
Gráfico de dispersión
Cuanto más apiñados los puntos sobre una línea imaginaria, más fuerte es la
correlación.
A continuación, veremos distintas gráficas de dispersión mostrando distintos
tipos de resultados.
3
Nuestros datos
Nro de BS DG
part.
1 4 60
2 6 50
3 4 1
4 6 40
5 5 50
6 5 50
4
7 7 50
8 6 25
9 6 50
5
Significancia estadística de r
Los investigadores deben determinar si la correlación es o no estadísticamente
significativa.
Que sea estadísticamente significativa significa que es extremadamente
improbable que la correlación en la población de origen sea 0.
Solamente si la correlación se calcula como significativa (usualmente, p
0,05), los investigadores la tratan como “real”.
Hay 3 factores cruciales para calcular si r es estadísticamente significativa:
Tamaño de la muestra.
La magnitud de la correlación.
El margen de error que se considera aceptable (típicamente es el 5%).
Aplicación a nuestro resultado
En nuestro caso, la correlación hallada de r = 0,25 entre bienestar subjetivo y
altruismo NO es estadísticamente significativa.
Para nuestro tamaño muestral deberíamos haber hallado una correlación superior
a r = 0,55 para que resulte estadísticamente significativa.
En otras palabras, hay una probabilidad inaceptablemente alta (mayor al 5%)
que no haya correlación alguna en la población.
Correlación y causalidad
El consejo metodológico clave es que correlación NO implica causalidad.
Por ejemplo, que 2 variables estén fuertemente correlacionadas puede NO ser
producto de que cambios en una causen cambios en la otra sino que ambas son
efectos de una tercer variable.
6
Para testear hipótesis causales es más apropiado usar una metodología
experimental.
Otros índices de correlación
El coeficiente de correlación de Pearson es apropiado cuando ambas variables
miden atributos en una escala de intervalo o razón.
Cuando una o ambas variables miden atributos en una escala ordinal se utiliza
otro coeficiente de correlación es utilizado.
Lo mismo ocurre cuando una o ambas variables son dicotómicas.