Coeficiente de correlación de Pearson y Spearman

Coeficiente de correlación de Spearman

El coeficiente de correlación de Spearman es una medida no paramétrica de la correlación de rango (dependencia estadística del
ranking entre dos variables). Se utiliza principalmente para el análisis de datos.
Mide la fuerza y la dirección de la asociación entre dos variables clasificadas. Pero antes de hablar de la correlación de Spearman, es
importante entender la correlación de Pearson, la cual es una medida estadística de la fuerza de una relación lineal entre datos
emparejados.

Para el cálculo y la prueba de significación de la variable de ranking, se requiere que la siguientes suposiciones de datos sean ciertas:
• Nivel de intervalo o ratio
• Relación lineal
• Bivariante distribuido
Si tus datos no cumplen con las suposiciones anteriores, necesitarás el coeficiente de correlación de Spearman. Para esto, es necesario
saber qué función monótona es para entenderlo.
Una función monótona es aquella que nunca disminuye o nunca aumenta, ya que es un incremento variable independiente. Puede ser
explicada usando la imagen de abajo:
La imagen explica tres conceptos de la función monótona:
1. Monotónicamente en aumento: Cuando la variable “x” aumenta y la variable “y” nunca disminuye.
2. Disminuye monótonamente: Cuando la variable “x” aumenta pero la variable “y” nunca aumenta.
3. No monótono: Cuando la variable “x” aumenta y la variable “y” a veces aumenta y a veces disminuye.
La relación monótona es menos restrictiva cuando se compara con una relación lineal que se utiliza en el coeficiente de correlación de
Pearson. Aunque la monotonicidad no es el último requisito, no será significativo perseguirla sin determinar realmente la fuerza y
dirección de una relación monótona si ya se sabía que la relación entre la variable no es monótona.
Quizá te interese conocer cómo realizar un análisis de tabla cruzada.

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.
Descubre cómo analizar los datos de una investigación con el siguiente artículo.

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 clasificació n “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”.

Historia Rango Georgrafía Rango d d cuadrada

35 3 30 5 2 4

23 5 33 3 2 4

47 1 45 2 1 1

17 6 23 6 0 0

10 7 8 8 1 1

43 2 49 1 1 1

9 8 12 7 1 1

6 9 4 9 0 0
 28 4 31 4 0 0

12

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.
 Coeficiente de correlación de Pearson

El coeficiente de correlación de Pearson es una prueba que mide la relación estadística entre dos variables continuas. Si la asociación
entre los elementos no es lineal, entonces el coeficiente no se encuentra representado adecuadamente.
El coeficiente de correlación puede tomar un rango de valores de +1 a -1. Un valor de 0 indica que no hay asociación entre las dos
variables. Un valor mayor que 0 indica una asociación positiva. Es decir, a medida que aumenta el valor de una variable, también lo
hace el valor de la otra. Un valor menor que 0 indica una asociación negativa; es decir, a medida que aumenta el valor de una variable,
el valor de la otra disminuye.
Para llevar a cabo la correlación de Pearson es necesario cumplir lo siguiente:
• La escala de medida debe ser una escala de intervalo o relación.
• Las variables deben estar distribuida de forma aproximada.
• La asociación debe ser lineal.
• No debe haber valores atípicos en los datos.
Cómo se calcula el coeficiente de correlación de Pearson
La fórmula del coeficiente de correlación de Pearson es la siguiente:

Donde:
“x” es igual a la variable número uno, “y” pertenece a la variable número dos, “zx” es la desviación estándar de la variable uno, “zy”
es la desviación estándar de la variable dos y “N” es es número de datos.
Te recomiendo leer este artículo sobre lo que es la investigación correlacional.
Interpretación del coeficiente de correlación de Karl Pearson
El coeficiente de correlación de Pearson tiene el objetivo de indicar cuán asociadas se encuentran dos variables entre sí por lo que:
Correlación menor a cero: Si la correlación es menor a cero, significa que es negativa, es decir, que las variables se relacionan
inversamente.
Cuando el valor de alguna variable es alto, el valor de la otra variable es bajo. Mientras más próximo se encuentre a -1, más clara será
la covariación extrema. Si el coeficiente es igual a -1, nos referimos a una correlación negativa perfecta.
Correlación mayor a cero: Si la correlación es igual a +1 significa que es positiva perfecta. En este caso significa que la correlación es
positiva, es decir, que las variables se correlacionan directamente.
Cuando el valor de una variable es alto, el valor de la otra también lo es, sucede lo mismo cuando son bajos. Si es cercano a +1, el
coeficiente será la covariación.
Correlación igual a cero: Cuando la correlación es igual a cero significa que no es posible determinar algún sentido de covariación. Sin
embargo, no significa que no exista una relación no lineal entre las variables.
Cuando las variables son independientes significa que estas se encuentra correlacionadas, pero esto nos significa que el resultado sea
verdadero.