Cap 7: Investigación correlacional

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 (scatter plot)

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

Grafica de dispersión de nuestros datos

Coeficiente de correlación de nuestros datos: r = 0,25

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.