Método correlacional

- El método correlacional investiga relaciones ​no causales.

- Permite conocer si dos o más variables están relacionadas, sin determinar causalidad.

- Intenta detectar relaciones significativas entre variables con el objetivo de generar

predicciones (si observo lo que ocurre en una variable podré predecir lo que va a ocurrir en
otra que considero que está asociada) y puede fijar las bases para proyectar
investigaciones explicativas, causales.

- La relación entre variables se plantea mediante una ​hipótesis relacional​, también

llamada ​de asociación. ​La misma puede contener dos variables o más.

- Puede ser que se omita cualquiera de las expresiones mencionadas (se relaciona, se
asocia, etc) y en una investigación correlacional, una hipótesis podría plantearse de la
siguiente manera: Las personas con altos índices de depresión presentan bajos niveles de
autoestima. Esta hipótesis es claramente correlacional porque no se puede determinar que
una variable sea causa de la otra, porque: ¿que se dio primero?, hay depresión por la baja
autoestima, o la depresión generó baja autoestima, o también podría ocurrir que ambas
variables se retroalimentaran.

- No tiene teoría explicativa, quiere decir que no brinda una explicación del “porque” de la
relación entre las variables en estudio. Si tiene teoría vinculada con cada una de las
variables a investigar. Pero para cada una por separado. Solo relaciona variables.

-No hay variable dependiente ni variable independiente, ya qué estas implican relación de
causalidad. Pero hay que tener en cuenta que aunque la relación no sea de causalidad, al
establecer una relación se pueden predecir los valores de una variable a partir de otra/s. Por
eso se llama​ predictor​ a la variable que se utiliza para predecir y se llama ​criterio​ a la
variable que se va a predecir a partir de la anterior. A las variables se las menciona como
variables asociadas o correlacionadas​. Cabe aclarar que el término variable criterio se lo
utiliza también en algunos casos como sinónimo de variable dependiente.

- La relación a estudiar puede ser entre dos variables. Pero es más útil cuando se
relacionan varios predictores con un criterio.

- No se manipulan variables como en los métodos experimentales, ya que no hay variable

independiente. ​Solo se determinan las variables a relacionar y se miden. ​Todas las
operacionalizaciones de las variables a relacionar son de medida. No tenemos
operacionalizaciones experimentales, ya que estas últimas son propias de los métodos
explicativos.

- No hay tampoco la clásica secuencia de tiempo de los métodos explicativos, en los cuales
se manipulaba intencionalmente la variable independiente y después se observaba que
pasaba con la variable dependiente. Como en las investigaciones correlacionales a las
variables únicamente se las mide, por lo general no se puede determinar empíricamente
dentro del diseño de la investigación que una variable necesariamente antecede en el
tiempo a la otra.

Diferencia entre cuasi experimento y método correlacional

El cuasi experimento con manipulación de selección puede tener una estructura muy similar
a una investigación correlacional. Por eso es importante marcar la distinción.
En el ​cuasi experimento​ con manipulación de selección o natural, se miden variables que
ya tienen manifestación al momento que se realiza la investigación y tampoco se puede
determinar claramente una secuencia de tiempo empírica (como si se puede hacer cuando
hay manipulación intencional). Pero hay una secuencia de tiempo teórica que viene dada
desde un sólido marco teórico que establece que una variable funcionaría como causa de
otra. De manera que tendríamos una teoría explicativa que dé cuenta de porque una
variable se relaciona con otra en términos de causalidad. Por lo tanto es de fundamental
importancia para que una investigación pueda ser un cuasi experimento con manipulación
de selección, que se base en una teoría explicativa muy sólida.
En el ​método correlacional​ por su parte, como mencionamos con anterioridad, si bien
puede haber mucha teoría respecto a las variables a relacionar (tomando cada una por
separado), no habría ninguna teoría explicativa que dé cuenta del porque de esa relación en
términos de causalidad.Tomando un ejemplo anterior donde se relacionaba depresión con
autoestima, puedo tener mucha teoría sobre depresión y mucha teoría sobre autoestima,
pero no tendría una teoría explicativa que dé cuenta de una relación de causalidad.

Control de variables contaminadoras

En la metodología correlacional también es un problema el control de VC. Pero, a pesar de

ello, el control de variables no es requisito del método, el método correlacional no se define
por el control de variables. Pero esto no quiere decir que no se realicen controles, pues se
implementan todos los posibles (contrabalanceo en la aplicación de técnicas, selección de
sujetos para la muestra con criterios de inclusión y exclusión, controles sobre las técnicas y
el investigador, estadísticos sobre la superposición de variables, etc.) pero resultan
insuficientes para aislar las variables relacionadas, del conjunto de variables que podrían
afectarlas. No obstante, controlar variables que pueden intervenir en la relación, mejora
notablemente la calidad de la investigación.
Tenemos que tener en cuenta que cuando hablamos de variables contaminadoras en el
método correlacional, no se lo hace en el sentido estricto de factores causales (como en los
métodos explicativos), sino como variables que pueden estar asociadas con aquellas cuya
relación se está investigando.

Muestras

En general las muestras utilizadas en el método correlacional son grandes (cientos o miles
de sujetos). El tamaño de la muestra debiera tenerse en cuenta en especial si se va a
estudiar la correlación de muchas variables. Puede calcularse estadísticamente el tamaño
requerido de una muestra para una población conocida. El sistema de muestreo podrá ser
probabilístico (azar) o no probabilístico. Aunque suele preferirse teóricamente el primero, la
mayoría de los estudios suelen utilizar el segundo, seleccionando sujetos disponibles
(selección intencional). Se ampliará en técnicas de muestreo.
Análisis de datos y diseño

Las fórmulas estadística que auxilian el análisis de los datos de investigación no pueden
definir con exclusividad el método. Pueden utilizarse otras fórmulas de comparación de
grupos o medidas de un grupo (las mismas que en el método experimental) en algunos
casos, entre otras alternativas. Solo habrá que tener en cuenta cual es la variable que se
seleccionará como “supuestamente independiente” pues es aquella que se utilizará para
dividir grupos.
Los diseños, para esta metodología, pueden considerarse desde el principio o
implementarse después de otros análisis, y no estar propuestos desde el comienzo (hay
cierta flexibilidad)

Correlación estadística

Los ​coeficientes de correlación​ son fórmulas estadísticas que brindan información sobre:
- Sí hay relación entre variables, la fuerza de la asociación y la dirección de la misma.

Alguno de ellos son r de Pearson.

Siempre dan un valor que oscila entre 1 y -1.
Se utilizan unos u otros según ciertos criterios, como el nivel de medición de las variables
(cuantitativas o no cuantitativas), la cantidad de valores (pocos o muchos) y las
características de la muestra de Ss.

Fuerza de la asociación

Que podamos comprobar que las variables están relacionadas (pruebas de significación
estadística), no nos dice cuán relacionadas están: si mucho, medianamente o poco.
Justamente cuando hablamos de la fuerza de la asociación, nos referimos a cuanto están
relacionadas las variables (magnitud del efecto, tamaño del efecto).
Cuanto más se acerca el valor a los extremos, la asociación es más fuerte y cuando más se
acerca al 0 es más débil. Los extremos (1 y -1) implicaría asociación perfecta (cuestión que
no encontraremos en datos reales, 0 implicaría ausencia total de correlación, que tampoco
encontraremos).
Para que tenga sentido leer cuan fuerte es la asociación es necesario saber primero si hay
efectivamente asociación ​(asociación estadísticamente significativa).
Este interrogante (¿las variables están asociadas?) lo respondemos al leer la p (nivel de
significación estadística). En Psicología suele ser p ≤ 0.05.

Dirección de la asociación

La dirección de la correlación la da el signo (+ y -). EL + no se escribe, el – sí.

Una ​asociación positiva​ es una covariación de las variables en el sentido que cuando una
incrementa sus valores, la otra también lo hace y viceversa (cuando una decrementa sus
valores, la otra también). En consecuencias valores altos de una variable tienden a coincidir
con valores altos en la otra, los valores medios con los medios y bajos con bajos.
La ​asociación negativa​ (con signo – antes del número) implica que cuando una variable
incrementa sus valores, la otra los decrementa y viceversa. En este caso valores altos de
una variable tienden a coincidir con valores bajos de la otra variable, medios con medios y
bajos con altos respectivamente.

Regresión lineal

Es posible, mediante el Análisis de Regresión, generar un MODELO que prediga los valores
de alguna de las variables asociadas (en la población) a partir de los valores de otra.
Cuando se estudian varias variables (Regresión múltiple), es posible predecir el
comportamiento de una variable en la población a partir de los valores de las otras variables
(cuyos valores se obtienen de la muestra). Es importante tener en cuenta que las variables
pueden superponerse entre sí (por problemas en sus definiciones pueden terminar midiendo
parcialmente lo mismo) y que la capacidad de predecir del conjunto no es igual a las suma
de todas ellas. En este proceso (de análisis de datos) se pueden seleccionar las variables
más “independientes entre sí” y más predictoras, descartando otras.
Hay que tener en cuenta que para que estas predicciones sean precisas, se requiere que la
fuerza de la asociación entre las variables (magnitud del efecto), sea alta. En caso contrario
las predicciones que se hacen tienen el problema de que presentan un alto grado de error.

Investigaciones exploratorias

Las investigaciones exploratorias son aquellas que NO tienen hipótesis claramente

definidas, y que no parten de una idea previa bien establecida. Se investiga un tema sobre
el cual no hay mucha información, sobre el cual no hay investigaciones previas que
delimiten bien el tema. A partir de una investigación exploratoria se puede pasar luego, a
partir de la información obtenida, a otra investigación, ya con una hipótesis definida y que se
hace para poner a prueba la misma.
Las investigaciones exploratorias tienen lugar en los distintos métodos de investigación,
pero se dan con desigual frecuencia.