Psicología Matemática y Metodología I

Grado de Psicología URJC

Tema 10. Correlación lineal

Elaborado por Antonio Crego

Texto de referencia
Análisis de datos en Psicología I
Botella, J.; León, O.G.; San Martín, R. y
Barriopedro, Mª I.
Ed. Pirámide

Capítulo 8. “Correlación lineal”

1
 Introducción
n  Observar y descubrir relaciones entre variables à permite
comprender, explicar e intervenir sobre los fenómenos

n  Ciencias sociales à relaciones no-deterministas entre

variables à mayor incertidumbre en la relación entre
fenómenos

n  Existen varios modelos matemáticos (distintas funciones)

sobre la relación entre variables.

n  Nos centraremos en las relaciones lineales entre dos

variables

•  Correlación de Pearson

Tipos de relación lineal

Valores bajos Valores Valores altos
de X medios de X de X

Relación Emparejados Emparejados Emparejados

directa con valores con valores con valores
BAJOS de Y MEDIOS de Y ALTOS de Y

Relación Emparejados Emparejados Emparejados

inversa con valores con valores con valores
ALTOS de Y MEDIOS de Y BAJOS de Y

Relación nula No hay un emparejamiento sistemático entre

valores de X e Y

2
 Representación gráfica de
relaciones lineales
Diagramas de dispersión: situación de los pares de valores
X,Y en el espacio generado por los ejes de abscisas y ordenadas

Relación directa Relación inversa Relación nula

Relación determinista: los puntos forman una línea recta

perfecta. No se dan en la realidad en Ψ

Cuantificación de relaciones
lineales: COVARIANZA
Covarianza (Sxy) es el promedio de los productos cruzados
de las puntuaciones diferenciales

S XY =
∑ x • y = ∑[( X
i i i − X ) • (Yi − Y )]
n n
…o, más fácilmente, el promedio de los productos cruzados
de las puntuaciones directas, menos el producto de las
medias
S XY =
∑X i • Yi
− X •Y
n
Nota: n representa el número de pares de valores
X,Y

3
 Interpretación de la covarianza
n  SXY > 0 relación directa

n  SXY < 0 relación inversa

n  SXY ≈ 0 relación lineal nula

n  El valor absoluto de la SXY será mayor

cuanto mayor sea la tendencia a la
linealidad en el diagrama de dispersión, es
decir, cuanto más “fuerte” sea la asociación
entre X e Y

Problema de la covarianza
n  La covarianza no tiene unos valores mínimos y
máximos fijos que sirvan de referencia y permitan su
interpretación directa en casos diferentes

n  Solución: utilizar un índice basado en puntuaciones cuya

varianza sea estable en distintas escalas de medida
(puntuaciones típicas, Sx =1)

•  Coeficiente de correlación de Pearson (r)

4
Coeficiente de correlación
de Pearson (r)
n  El coeficiente de correlación de Pearson (r) es el
promedio de productos cruzados de las puntuaciones
típicas (es una covarianza estandarizada o
adimensional)
n  Fórmulas del coeficiente de correlación de Pearson

∑Z • Z yi ∑x • y
i i
S xy
rxy =
xi
rxy = rxy =
n n • Sx • S y Sx • S y

n • ∑ X i • Yi − ∑ X i • ∑ Yi
rxy =
n • ∑ X i2 − (∑ X i ) 2 n • ∑ Yi 2 − (∑ Yi ) 2

Interpretación del coeficiente

de correlación de Pearson
n  Su interpretación es la misma que la
de la covarianza…
§  rxy > 0 relación directa

§ rxy < 0 relación inversa

§  rxy ≈ 0 relación lineal nula

§  El valor absoluto de la rxy será mayor cuanto mayor

sea la tendencia a la linealidad en el diagrama de
dispersión, es decir, cuanto más “fuerte” sea la
asociación entre X e Y

5
 Interpretación del coeficiente
de correlación de Pearson
n  La valoración del coeficiente r (ej.
comparaciones entre el grado de
asociación lineal entre variables) se hace
con base en el cuadrado de su valor, es
decir, r2 (coeficiente de determinación)

•  r2 indica el % de variación de la variable dependiente

que es explicado por el modelo de regresión lineal
correspondiente

Precauciones en la interpretación
de la correlación
n  Qué es una correlación “aceptable” entre variables
depende del campo de estudio (ejemplo, fiabilidad de los
test de inteligencia o de personalidad)

n  Una correlación igual o cercana a cero significa que no hay

relación lineal entre las variables, pero puede haber otro
tipo de relación entre ellas (ejemplo, relación en forma
curva)

n  Es importante ver el gráfico de dispersión para conocer

mejor la relación entre variables

n  La correlación entre variables no implica que haya una

relación causal entre ellas

6
 El problema de la
colinealidad
n  Problema de colinealidad: cuando en el gráfico
de dispersión los puntos forman una línea recta
perfecta paralela a alguno de los ejes…

⇒  la desviación típica de alguna de las variables es

0

⇒  en la fórmula de la correlación habría que dividir

entre 0

⇒  la correlación es indeterminada

Propiedades del coeficiente

de correlación de Pearson
n  No puede valer más de +1 ni menos de -1

n  Si hacemos una transformación lineal de

una o las dos variables, siendo la constante
multiplicadora positiva, la correlación de
Pearson no se altera

•  Si U=a.X+b y V=c.Y+d siendo a>0 y c>0,

entonces rxy= ruv

7
La matriz de correlaciones
n  Ejemplo de matriz
de correlaciones

APA (2001). Publication Manual of

the American Psychological
Association. APA: Washington (5th
Edition)

La matriz de correlaciones
n  Ejemplo de matriz de correlaciones

Martínez-Iñigo, D., Totterdell, P., Alcover, C.M., & Holman, D. (2007).

Emotional labour and emotional exhaustion: interpersonal and
intrapersonal mechanisms. Work & Stress, 21, 30-47