Clase 3 - Correlación Entre Variables Categoriales

Coeficientes de Correlación III:
Coeficientes para variables categóricas

Universidad de Chile
Asignatura: Estadística II
Profesor: Andrés Antivilo Bruna
Año Académico 2012
El calculo de un Coeficiente de correlación
depende del nivel de medición de las variables:
ESTADÍSTICA II, Sesión 3. 2012.

Académico: Andrés Antivilo Bruna
UNIVERSIDAD DE CHILE 2
Coeficientes para Variables Categóricas
 Todo análisis relacional debería ser precedido por el
correspondiente análisis descriptivo.
 ¿Cómo se pueden describir variables categóricas?
 Son variables “de las que únicamente es posible obtener una
medida de tipo nominal (u ordinal con pocos valores)” (Pardo,
Ruiz y san Martín, 2009, pag.282)
 En investigación clínica se pueden encontrar variables del tipo
“Padecer o no un determinado síntoma” o se puede clasificar a
los pacientes como “Tratados/No tratados” o “Recuperados/No
Recuperados”.
 En investigación social las respuestas de los sujetos se pueden
clasificar por la Actitud que manifiestas (desde totalmente
favorable hasta totalmente desfavorable), o analizarlas en
función del Estado Civil, Sexo, Raza, Profesión, etc.
Tablas de Contingencia
Al trabajar con variables categóricas -al mismo tiempo- hay
que abordar dos procedimientos (Pardo et al, 2009):
1. Describir el comportamiento conjunto de ambas variables
2. Determinar si existe relación entre ellas.
 Para describir solo una variable categórica se ha utilizado
un técnica específica de resumen llamada Tabla de
Frecuencias.
 Para describir dos variables categóricas simultáneamente
se construye una Tabla de frecuencias conjuntas, la que
combina las categorías de ambas variables: Tabla de
Contingencia.

Ejemplo:
Tablas de Frecuencia para Sexo y Tabaquismo.
Sexo ni Tabaquismo ni
Fumador 60
Hombre 94
Exfumador 13
Mujer 106
No Fumador 127
Total 200
Total 200

TABLA 1:
Tabla de Contingencia de Sexo por Tabaquismo:
Tabaquismo
Sexo Fumador Exfumador No Fumador Total
Hombres 18 7 69 94
Mujeres 42 6 58 106
Total 60 13 127 200

TABLA 2:
Se destacan las FRECUENCIAS ABSOLUTAS CONJUNTAS
Tabaquismo
Hombres 18 7 69 94
Mujeres 42 6 58 106
Total 60 13 127 200

TABLA 3:
Se destacan los TOTALES MARGINALES
Tabaquismo
Hombres 18 7 69 94
Mujeres 42 6 58 106
Total 60 13 127 200

CALCULE el Porcentaje para las COLUMNAS
Tabaquismo
Hombres
Mujeres
Total 100%

Porcentaje para las COLUMNAS
Tabaquismo
Hombres 30.0% 53.8% 54.3% 47%
Mujeres 70.0% 46.2% 45.7% 53%
Total 100% 100% 100% 100%

Correlación en Tablas de Contingencia
 El principal objetivo de combinar dos variables en una
tabla de contingencia es “evaluar si tienen algo que
ver entre si o no”, es decir, examinar si están
relacionadas.
 En este contexto solo existen dos posibles resultados:
1. Las variables son independientes.
2. Las variables están asociadas.
 “Dos variables son Independientes cuando el
comportamiento de una de ellas NO se ve alterada
por la presencia de la otra” (Pardo et al, 2009, pag
288).

Porcentaje para las FILAS
Tabaquismo
Hombres 18 7 69 94
Mujeres 42 6 58 106
Total 60 13 127 200

INTERPRETACIÓN del Porcentaje para las FILAS
Tabaquismo
Hombres 19.1% 7.4% 73.4% 100%
Mujeres 39.6% 5.7% 54.7% 100%
Total 30.0% 6.5% 63.5% 100%

Correlación en Tablas de Contingencia
 Si se asume que las variables X e Y son
independientes, la probabilidad de encontrar una
observación cualquiera en una casilla determinada es
igual al producto de las probabilidades marginales de
esa casilla.
 En la práctica, lo que se calculan son las Frecuencias
Esperadas, considerando las frecuencias marginales
asociadas a cada casilla y el número total de casos:
ni   ni 
ˆ ij 
m
n
Estadístico Chi Cuadrado
 Por lo tanto, si se asume independencia, las
Frecuencias Esperadas de cada casilla pueden
estimarse multiplicando sus correspondientes
frecuencias marginales y dividiendo ese producto entre
el número total de casos.
 Para contrastar la hipótesis solo falta comparar los
pronósticos teóricos (Frecuencias Esperadas) con los
datos realmente obtenidos (Frecuencias Observadas).
 Pearson (1911) generó el estadístico chi cuadrado.
 Fluctúa entre 0 e infinito.

Estadístico Chi Cuadrado
 Fórmula:
 ˆ ij 
2
I J n m
  
2 ij
1
Obs
i 1 j 1 ˆ ij
m
 Cuando se cumple la hipótesis de independencia, las diferencias

entre las frecuencias observadas y las correspondientes
frecuencias esperadas valen cero; por lo tanto, el estadístico chi
cuadrado también valdrá cero.

Cálculo de las Frecuencias Esperadas
ni   ni  94  60
mˆ 11    28.2
n 200
ni   ni  106  60
mˆ 21    31.8
n 200

FRECUENCIAS OBSERVADAS Y ESPERADAS
Tabaquismo
Hombres 18 (28.2) 7 (6.1) 69 (59.7) 94
Mujeres 42 (31.8) 6 (6.9) 58 (67.3) 106
Total 60 13 127 200

Cálculo de Chi Cuadrado
  mˆ ij 
2
I J n
  
2 ij
1
mˆ ij
Obs
i 1 j 1
18  28.2   7  6.1  58  67.3

2 2 2
 2Obs    ......  9.95

28.2 6.1 67.3
 Chi Teórico con (I-1)(J-1) grados de libertad y alfa (0.05) = 5.99

 Como el Chi Observado (9.95) es mayor que el chi cuadrado teórico (5.99),
es posible concluir que las variables sexo y tabaquismo no son
independientes.
 En otras palabras, sexo y tabaquismo son dos variables relacionadas.

Coeficientes de asociación:
1. Coeficiente de Contingencia
Aun falta cuantificar la relación encontrada: Falta una medida de asociación.
2
C
2  n
Elcoeficiente de contingencia fluctúa entre valores menores que uno y cero.
 Permite cuantificar la relación obtenida mediante chi cuadrado.
2 9.95
C   0.22
 n
2
9.95  200
Coeficiente de Contingencia

Limitaciones del Coeficiente de
Contingencia
1. No puede alcanzar la unidad, aun cuando las
medidas estén perfectamente correlacionadas.
El límite superior para el C es una función del
número de categorías.

Contingencia
2. Debido a esta característica, se crea la

segunda limitación de C: dos coeficientes de C
no son comparables a menos que sean
resultado de tablas de contingencia del mismo
tamaño.

Contingencia
3. El cálculo de C depende de que los datos se
adecúen al cálculo de chi cuadrado. Chi
cuadrado puede usarse sólo si hasta el 20%
de las celdillas tienen una frecuencia teórica
menor a 5, y ninguna celdilla tiene frecuencia
teórica menor a 1.
 Este coeficiente no es comparable con ninguna
otra medida de correlación.

Coeficientes de asociación:
2. Coeficiente V de Cramer
Es otra medida de asociación basada en chi cuadrado (1946).
2
VCramer 
 n  k  1 
 K es el valor más pequeño del número de filas y columnas

 A diferencia de C, V en condiciones perfectas de asociación si llega a 1.
2 9.95
VCramer    0.22
 n(k  1)  200  (2  1)
El Coeficiente V de Cramer
 En variables de más de dos niveles el coeficiente phi
puede tomar valores superiores a 1.
 La V de Cramer modifica levemente esta fórmula,
asegurando que la V nunca excede de 1.

El coeficiente V de Cramer
 Intenta corregir Φ para que tome un valor
entre 0 y 1.
 También intenta minimizar el efecto del
tamaño de la muestra sobre la
cuantificación del grado de asociación.
 Es utilizado en el estudio de variables
nominales.

Ejemplo V de Cramer
 Se realizó una encuesta entre madres que han establecido una
nueva relación de pareja. Se preguntó a las mujeres acerca de la
relación entre sus hijos y sus nuevas parejas, obteniéndose los
siguientes datos, sobre los que se calcula la correlación.

Output de SPSS para la V de Cramer
Pruebas de chi-cuadrado Medidas simétricas
Sig. asintótica Sig.

Valor gl (bilateral) Valor aproximada
Chi-cuadrado de Pearson 6,172a 2 ,046 Nominal por Phi ,129 ,046
Razón de v erosimilitud 6,210 2 ,045 nominal V de Cramer ,129 ,046
Asociación lineal por Coeficiente de
4,901 1 ,027 ,128 ,046
lineal contingencia
N de casos v álidos 373 N de casos v álidos 373
a. 0 casillas (,0%) tienen una f recuencia esperada inf erior a 5. a. Asumiendo la hipótesis alternativa.
La f recuencia mínima esperada es 53,95.
b. Empleando el error típico asintótico basado en la hipótesis
nula.


Clase 3 - Correlación Entre Variables Categoriales

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 3 - Correlación Entre Variables Categoriales

Cargado por

Copyright:

Formatos disponibles

Coeficientes de Correlación III:

Coeficientes para variables categóricas

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

Total 60 13 127 200

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

Total 60 13 127 200

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

Total 60 13 127 200

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

Hombres 30.0% 53.8% 54.3% 47%

Mujeres 70.0% 46.2% 45.7% 53%

Total 100% 100% 100% 100%

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

Total 60 13 127 200

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

Hombres 19.1% 7.4% 73.4% 100%

Mujeres 39.6% 5.7% 54.7% 100%

Total 30.0% 6.5% 63.5% 100%

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

 Cuando se cumple la hipótesis de independencia, las diferencias

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

Sexo Fumador Exfumador No Fumador Total

Hombres 18 (28.2) 7 (6.1) 69 (59.7) 94

Mujeres 42 (31.8) 6 (6.9) 58 (67.3) 106

Total 60 13 127 200

ESTADÍSTICA II, Sesión 3. 2012.

18  28.2   7  6.1  58  67.3

 2Obs    ......  9.95

 Chi Teórico con (I-1)(J-1) grados de libertad y alfa (0.05) = 5.99

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

2. Debido a esta característica, se crea la

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

 K es el valor más pequeño del número de filas y columnas

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

ESTADÍSTICA II, Sesión 3. 2012.

Pruebas de chi-cuadrado Medidas simétricas

Sig. asintótica Sig.

ESTADÍSTICA II, Sesión 3. 2012.

También podría gustarte