Correlaciones

En el módulo 2 estudiamos el índice de correlación de Pearson con Excel, este

índice se estimaba en relación entre dos variables cuantitativas (de intervalo o de
razón). En este tema profundizaremos en el conocimiento de este índice.

Correlación Lineal Bivariada

El índice de correlación es una estimación del grado en el que dos variables varían
conjuntamente. Esta correlación (o relación) puede ser lineal, curvilíena, logística,
entre otros. En investigación Socioeducativa, la gran mayoría de las correlaciones
que se trabajan son lineales, por lo que nos centraremos en estas. Si la correlación
se da entre dos variables se denomina correlación simple o bivariada.
Dentro de las correlaciones lineales bivariadas tenemos diferentes índices o
coeficientes, dependiendo del tipo de variables que tengamos. Los más habituales
y que nos ofrece el SPSS en el cuadro “Correlaciones bivariadas” son:

 Coeficiente de correlación de Pearson

 Rho de Spearman
 Tau-b de Kendall
El coeficiente de correlación de Pearson es el más utilizado para estudiar el grado
de relación lineal entre dos variables cuantitativas (de intervalo o de razón) y se
obtiene mediante la siguiente fórmula.

Este coeficiente toma valores entre -1 y 1, con dos informaciones: el sentido

(positivo si es una relación directa y negativo si es inversa (de 0 no relación o
independencia a 1 relación máxima o perfecta).

¿Hay relación en las calificaciones en Lengua y en Matemáticas?

¿El Nivel Socio-económico de los estudiantes está relacionado con el Rendimiento
en Matemáticas?
En el tema 4 lo vimos para unos pocos datos y con Excel. El SPSS no sólo nos da
una estimación de ese índice, sino que nos dice si esa relación es
estadísticamente significativa. Es decir, si lo encontrado para la muestra puede
ser extrapolable a la población. De esta forma, la hipótesis que está validando es:

Como se señaló en el módulo 4, los estadísticos (referidos a la población) se

denotan con una letra griega, en este caso "p", mientras que los parámetros
(referidos a la muestra) lo hacen con letras latinas (r).
Vamos con los ejercicios propuestos. Se trata, en definitiva, de estimar el
coeficiente de correlación de Pearson entre Rendimiento y Matemáticas y
Rendimiento en Lengua y entre Rendimiento en Matemáticas y Nivel Socio-
económico de las familias. Y, a continuación, saber si esa correlación es
estadísticamente significativa. Elije en los menús: Analizar-> Correlaciones->
Bivariadas
En este caso, si estimamos la Correlación Bivariada entre el Clima de aula y
Rendimiento en Matemáticas controlado por el nivel socio-económico,
encontramos que la correlación es de 0.140 (estadísticamente significativo). Es
decir, el clima del aula incide en el rendimiento de los estudiantes.