UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRIÓN
FACULTAD DE CIENCIAS DE LA EDUCACIÓN
PROGRAMA DE ESTUDIO DE EDUCACIÓN PRIMARIA; CARRERA ACREDITADA
CURSO: INVESTIGACIÓN EDUCATIVA III; INFORME DE
INVESTIGACIÓN
TEMA: Prueba de hipótesis de Rho de Spearman
DOCENTE : Robert Aldo Velasquez Huerta
INTEGRANTES:
• Carhuapoma Loarte, Eduardo
• Rimac Ferrer, Patricia
• Cordova Quispe, Brayan
• Rupay Marcelo, Bryan
SEMESTRE : X 2022
PRUEBA DE
HIPÓTESIS DE
RHO DE
SPEARMAN
¿Qué es?
Rho de Spearman es una medida de dependencia
no paramétrica en la cual se calcula la jerarquía
media de las observaciones, se hace el cuadrado
a la diferencias y se incorpora en la fórmula.
En otras palabras, asignamos una clasificación a las
observaciones de cada variable y estudiamos la
relación de dependencia entre dos variables dadas.
¿Cuándo se usa el
Rho de Spearman?
El coeficiente de correlación de rango de Spearman se puede emplear como
estadístico de prueba para probar la hipótesis de que no hay asociación
entre dos poblaciones.
El coeficiente de correlación de Spearman es recomendable utilizarlo
cuando los datos presentan valores extremos, ya que dichos valores
afectan mucho el coeficiente de correlación de Pearson, o ante
distribuciones no normales. No está afectada por los cambios en las
unidades de medida
Diferencias entre las pruebas no
paramétricas y las pruebas paramétricas
Las pruebas no paramétricas son aquellas que se encargan de analizar
datos que no tienen una distribución particular y se basan una
hipótesis, pero los datos no están organizados de forma normal.
Aunque tienen algunas limitaciones, cuentan con resultados
estadísticos ordenados que facilita su comprensión.
Las pruebas paramétricas, en cambio, se basan en las leyes de
distribución normal para analizar los elementos de una muestra.
Generalmente, solo se aplican a variables numéricas y para su análisis
debe mantener una población grande, ya que permite que el cálculo sea
más exacto.
Cómo calcular el coeficiente de correlación de Spearman
N = número de puntos de datos de las dos variables
𝒅𝑰 = diferencia de rango del elemento “n”
El Coeficiente Spearman,⍴, puede tomar un valor entre +1 y -1 donde,
• Un valor de +1 en ⍴ significa una perfecta asociación de rango
• Un valor 0 en ⍴ significa que no hay asociación de rangos
• Un valor de -1 en ⍴ significa una perfecta asociación negativa entre los rangos.
Si el valor de ⍴ se acerca a 0, la asociación entre los dos rangos es más débil.
Debemos ser capaces de clasificar los datos antes de proceder con el
coeficiente de correlación de Spearman. Es importante observar que si se
incrementa una variable, la otra sigue una relación monótona.
Cómo se usa el coeficiente de correlación de Spearman
En cada nivel, deberás comparar los valores de las dos variables. Aquí tenemos un
ejemplo de cómo funcionan los cálculos:
Los resultados de 9 estudiantes en Historia y Geografía se mencionan en la siguiente
tabla.
Paso 1: Crear una tabla con los datos obtenidos.
Paso 2: Comienza por clasificar los dos conjuntos de datos. La clasificación de los
datos puede lograrse asignando la clasificación “1” al número más grande de la
columna, “2” al segundo número más grande, y así sucesivamente. El valor más
pequeño generalmente obtendrá la clasificación más baja. Esto debe hacerse para
ambos conjuntos de mediciones.
Paso 3: Agrega una tercera columna “d” a tu conjunto de datos, “d” aquí denota la
diferencia entre los rangos. Por ejemplo, si el rango de física del primer estudiante es 3
y el rango de matemáticas es 5, entonces la diferencia en el rango es 3. En la cuarta
columna, cuadrar sus valores “d”.
Paso 4: Sumar todos los valores
del cuadrado “d” que es 12
(∑d cuadrada).
Paso 5: Insertar estos valores en
la fórmula
= 1- ( 6*12 ) / ( 9 (81-1) )
= 1- 72 / 720
= 1- 01
= 0.9
El coeficiente de correlación de
Spearman para estos datos es de 0.9
y como se mencionó anteriormente si
el valor de ⍴ se acerca a +1 entonces
tienen una asociación perfecta de
rango.
Cómo llevar a cabo el coeficiente de correlación de
Spearman en SPSS
Ejemplo:
Se desea saber si existe relación entre la actitud hacia
el psicólogo y la actitud hacia la psicoterapia, en un
grupo de padres de familia. La actitud es evaluada
como sigue:
1 = muy desfavorable hasta 7 = muy favorable.
Decisiones para seleccionar el coeficiente de
correlación de Spearman:
Es un problema de Asociación
V1: actitud hacia el psicólogo
V2: actitud hacia la psicoterapia
2 variables medidas a nivel ordinal
Ho: No hay relación lineal entre la actitud hacia el psicólogo y
la actitud hacia la psicoterapia, en padres de familia (r = 0)
Prueba estadística: coeficiente de correlación de Spearman
Regla de decisión: Si p ≤ 0.05 se rechaza Ho
Nota: El nivel de significancia que se establece en ciencias sociales
y en psicología normalmente es 0.05, este puede variar en la regla
de decisión a 0.01 y 0.001 si se requiere mayor certeza en la prueba
de hipótesis.
Coeficiente de correlación de Spearman en SPSS
El coeficiente de asociación Spearman en SPPS se encuentra en el
menú:
Analizar / correlacionas /Bivariadas
Coeficiente de correlación de Spearman en SPSS
La Actitud hacia el psicólogo (V1)
y por el otro la Actitud hacia la
psicoterapia (V2), deben ser
incluidas en la sección de
Variables. Se tiene que activar la
prueba de Spearman en la
sección de Coeficientes de
correlación.
Si se agregaran más de dos
variables en la sección de
Variables, en el resultado se
presentarán asociadas sólo por
parejas en una
Interpretación de resultados:
La matriz de correlación presenta por pares de variables el coeficiente de
Pearson y el nivel de significancia obtenido, además del número de casos (ver
datos en el círculo), la correlación entre cada pareja de variables se repite dos
veces, se pueden tomar los resultados de cualquiera de las dos.
En el presente ejemplo, el nivel de significancia (0.015) es menor a 0.05, por lo
que se rechaza la hipótesis nula, entonces: existe relación lineal entre la actitud
hacia el psicólogo y la actitud hacia la psicoterapia, en padres de familia.
Además la correlación es moderada (está en el rango entre 0.5 y 0.8) y
directamente proporcional (tiene signo positivo).
Reporte de resultados
Para esta prueba se puede utilizar una gráfica de dispersión poniendo los
valores de la primer variable en X y los de la segunda variable en Y, aunque
se puede hacer también un diagrama ligando ambas variables con una flecha
doble (figura 1).
Interpretación de resultados:
En cualquiera de las dos formas, o incluso cuando no se usan figuras, se debe
mencionar el valor de la prueba estadística y comparar el nivel de
significancia obtenido con el que hayamos elegido para la prueba de hipótesis
con que se está rechazando, o aceptando, la hipótesis nula. Se tiene que
interpretar además el sentido y nivel de la correlación al describir el resultado.
Por otro lado, al tener el coeficiente y la significancia en la descripción se
puede prescindir de la representación gráfica (APA, 2010):
Se encontró una relación lineal estadísticamente significativa, moderada y
directamente proporcional, entre la actitud hacia el psicólogo y la actitud
hacia la psicoterapia, en padres de familia (rS = 0.769, p < 0.05).
