ANÁLISIS ESTADÍSTICO MULTIVARIANTE Grupo 1

ANÁLISIS CORRELACIÓN CANÓNICA

INTRODUCCIÓN
En esta práctica vamos a hacer un análisis de correlación canónica utilizando SPSS. Para ello, hemos
sacado los datos de la base de datos del banco mundial hasta 2019. Hemos cogido 7 variables para
realizar este informe. El objetivo de este análisis es buscar relaciones que puedan haber entre dos
grupos de variables y la validez de las mismas. La correlación canónica puede ser usada tanto en datos
métricos como no métricos para variables dependientes como independientes. El análisis de
correlación canónica es un tipo de análisis estadístico lineal de múltiples variables que sirve para
analizar relaciones multidimensionales entre las variables independientes y dependientes. El análisis
de correlación canónica es un método utilizado para tratar los supuestos en los que se dispone de
información de un conjunto numeroso de variables que pueden agruparse en dos grupos, el primero
formado por las variables explicativas y el segundo por las explicadas y, además, dentro de cada grupo
se observa un elevado grado de correlación entre las variables.

SET 1: variables económicas:

● Crecimiento del PIB anual (GDP-g)
● Importaciones de bienes y servicios (Imports)
● Exportaciones de bienes y servicios (Exports)
● Gasto en consumo final de las administraciones públicas (GGo bFc)

SET 2: variables que perjudican la salud

● Emisiones de CO2 (EN.ATM.CO2E.KT)
● Consumo de tabaco en adultos (nob.18)
● Consumo de alcohol pc a partir de 15 años (nob. 21)
ANÁLISIS CORRELACIÓN CANÓNICA
Tabla 1: Correlación para las variables económicas

Correlations for set 1

Crecimiento Imports Exports Gasto en consumo final de las

del PIB anual administraciones públicas

Crecimiento del PIB anual 1,00 0,52 0,52 0,39

Imports 0,52 1,00 0,22 0,35

Exports 0,52 0,22 1,00 -0,01

Gasto en consumo final de las 0,39 0,35 -0,01 1,00

administraciones públicas
Fuente: elaboración propia a través de SPSS

Tabla 2: correlación de las variables que perjudican la salud

En el primer conjunto de correlaciones, encontramos como variables con mayor relación entre ellas el
crecimiento del PIB anual y las exportaciones e importaciones. Las dos que menor dependencia
tienen, y en concreto es negativa son Gasto en consumo final de las administraciones públicas y
exportaciones, con tan solo un 0,01

Correlations for set 2

Emisiones de Consumo de Consumo de

CO2 tabaco en alcohol pc a
adultos partir de 15
años

Emisiones de 1,00 0,08 0,10

CO2

Consumo de 0,08 1,00 0,24

tabaco en
adultos

Consumo de 0,10 0,24 1,00

alcohol pc a
partir de 15
años
Fuente: elaboración propia a través de SPSS

Tabla 3: correlación entre las variables económicas y las que perjudican la salud

En el conjunto 2 casi ninguna de ellas presenta una correlación extremadamente significativa. la

mayor relación se da entre el consumo de tabaco y el consumo de alcohol, algo que puede parecer
evidente a priori

Correlations between set 1 and set 2

Emisiones de Consumo de Consumo de

CO2 tabaco en alcohol pc a partir
adultos de 15 años

Crecimiento del PIB -0,10 0,09 -0,04

anual

Imports -0,10 -0,07 0,14

Exports -0,04 0,17 -0,07

Gasto en consumo final -0,08 -0,02 -0,08
de las administraciones
públicas
Fuente: elaboración propia a través de SPSS

El resultado de correlaciones cruzadas entre conjuntos, arroja una clara falta de correlación entre todas
, siendo el mayor coeficiente un 0,14, algo apenas relevante.

Tabla 4: correlación canónica

Canonical correlations

1,00 0,338

2,00 0,127

3,00 0,099

Fuente: elaboración propia a través de SPSS

La tabla número 4 nos muestra las correlaciones canónicas que se han generado, en base a las matrices
de correlaciones comentadas previamente. Por ende, las variables canónicas están definidas por un
conjunto de vectores propios que describiremos más adelante.

Tabla 5: test de correlación

Test that remaining correlations are zero

Wilk's Chi-SQ DF Sig.

1 0,86 19,32 12,00 0,08

2 0,97 3,41 6,00 0,76

3 0,99 1,30 2,00 0,52

Fuente: elaboración propia a través de SPSS

Tabla 6: Coeficientes canónicos estandarizados para las variables económicas

La tabla 5, a diferencia del resto de tablas que contiene el informe , se trata de un conjunto de test
realizados para poder definir a nuestras variables canónicas como significativas. Por comentar alguno
de ellos, wilks que nos muestra un valor cercano a uno hace referencia a una falta de correlación entre
los distintos grupos de variables.
COEFICIENTES CANÓNICOS

En el siguiente conjunto de tablas encontramos los coeficientes estandarizados, brutos y cargas de los
vectores que definen las variables canónicas. La variable canónica se consigue con la suma ponderada
de estos coeficientes, generando por ende el valor total de cada correlación canónica ( en nuestro caso
tenemos tres correlaciones. Las siguientes tablas detallan los tres tipos de coeficientes para cada
conjunto.

Standardized Canonical Coefficients for set 1

1,00 2,00 3,00

Crecimiento del PIB anual -0,32 -0,50 -0,12

Imports 0,96 -0,51 0,19

Exports -0,61 -0,24 0,45

Gasto en consumo final de -0,35 0,01 -0,91

las administraciones
públicas
Fuente: elaboración propia a través de SPSS

Tabla 7: coeficientes canónicos en bruto de las variables económicas

Raw Canonical coefficents for set 1

1,00 2,00 3,00

Crecimiento del PIB -0,11 -0,17 -0,04

anual

Imports 0,11 -0,06 0,02

Exports -0,01 0,00 0,00

Gasto en consumo final -0,07 0,00 -0,17

de las administraciones
públicas
Fuente: elaboración propia a través de SPSS

Tabla 8: coeficientes canónicos estandarizados para las variables que perjudican la salud

Standardized Canonical coefficents for set 2

1 2 3
 Emisiones de -0,05 0,91 0,43
CO2

Consumo de -0,77 -0,38 0,57

tabaco en
adultos

Consumo de 0,85 -0,29 0,52

alcohol pc a
partir de 15
años

Fuente: elaboración propia a través de SPSS

Tabla 9: coeficientes canónicos en bruto para las variables que perjudican la salud

Raw Canonical coefficents for set 2

1 2 3

Emisiones de 0,00 0,00 0,00

CO2

Consumo de -0,08 -0,04 0,06

tabaco en
adultos

Consumo de 0,20 -0,07 0,12

alcohol pc a
partir de 15
años

Fuente: elaboración propia a través de SPSS

Tabla 10: cargas canónicas para las variables económicas

Canonical loadings for set 1

1 2 3

Crecimiento del PIB -0,28 -0,88 -0,14

anual

Imports 0,54 -0,82 -0,10

 Exports -0,57 -0,61 0,44

Gasto en consumo final -0,14 -0,36 -0,89

de las administraciones
públicas
Fuente: elaboración propia a través de SPSS

Tabla 11: coeficientes canónicos cruzados para las variables que perjudican la salud

Cross Canonical coefficents for set 1

1 2 3

Crecimiento del PIB -0,10 -0,11 -0,01

anual

Imports 0,18 -0,10 -0,01

Exports -0,19 -0,08 0,04

Gasto en consumo -0,05 -0,05 -0,09

final de las
administraciones
públicas
Fuente: elaboración propia a través de SPSS

Tabla 12: coeficientes canónicos para las variables que perjudican la salud

Canonical coefficents for set 2

1 2 3

Emisiones de -0,03 0,85 0,53

CO2

Consumo de -0,57 -0,38 0,73

tabaco en
adultos

Consumo de 0,66 -0,29 0,69

alcohol pc a
partir de 15
años
Fuente: elaboración propia a través de SPSS

Tabla 13: cargas cruzadas para las variables que perjudican la salud

Cross loadings for set 2

1 2 3

Emisiones de -0,01 0,11 0,05

CO2

Consumo de -0,19 -0,05 0,07

tabaco en
adultos

Consumo de 0,22 -0,04 0,07

alcohol pc a
partir de 15
años

Fuente: elaboración propia a través de SPSS

ANÁLISIS DE REDUNDANCIA

El análisis de redundancia constituye una alternativa al análisis de correlación canónica. Se define

como las coeficientes al cuadrado de la correlación múltiple para predecir las variables de un conjunto
por el otro. Este índice a diferencia de las correlaciones canónicas, es una medida general no
simétrica. Así como el análisis de correlación canónica maximiza la correlación lineal entre dos
conjuntos de variables, el análisis de redundancia obtiene combinaciones lineales incorreladas de las
variables predictoras, con varianza uno, tales que la media de las correlaciones al cuadrado con las
variables de otro grupo sea máxima.

Tabla 14: proporción de varianza para las variables económicas explicadas por su propia variación canónica

Proportion of variance of set 1 explained by its own canonican variation

Prop Var

CV1-1 0,178

CV1-2 0,488

CV1-3 0
Fuente: elaboración propia a través de SPSS
Tabla 15: proporción de varianza para las variables económicas explicadas por su variación canónica opuesta

Proportion of variance of set 1 explained by opposite canonican variation

Prop Var

CV2-1 0,02

CV2-2 0,008

CV2-3 0,002
Fuente: elaboración propia a través de SPSS

Tabla 16: proporción de varianza para las variables que perjudican la salud explicadas por su propia variación canónica

Proportion of variance of set 2 explained by its own canonican variation

Prop Var

CV2-1 0,255

CV2-2 0,315

CV2-3 0,43
Fuente: elaboración propia a través de SPSS

Tabla 17: proporción de varianza para las variables que perjudican la salud explicadas por su variación canónica opuesta

Proportion of variance of set 2 explained by opposite canonican variation

Prop Var

CV1-1 0,029

CV1-2 0,005

CV1-3 0,004
Fuente: elaboración propia a través de SPSS
CONCLUSIÓN

La hipótesis principal que queríamos analizar en este trabajo era que si las variables económicas
podrían explicar de alguna manera a las variables que hemos clasificado como “elementos que
perjudican la salud”. A la vista de las tablas que hemos analizado, vemos como no existe relación (o
esta es tan débil que no se puede considerar significativa) entre las variables económicas y aquellas
que son malas para nuestro bienestar. Solamente podríamos hablar de correlación entre variables en el
caso de las exportaciones y las importaciones, pero la relación que existe entre ambas es demasiado
débil como para poder profundizar en el análisis, con lo que solo podríamos concluir que existe una
correlación débil entre las variables ‘Exportaciones’ e ‘Importaciones’. Con lo cual, como conclusión
general de este trabajo, rechazamos la hipótesis nula por falta de causalidad entre las variables.