PRÁCTICA 5: Asociación o relación entre variables.

Correlación lineal para variables cuantitativas: Coeficiente de Pearson

Cuando en una investigación se tienen diversas variables cuantitativas es muy frecuente
explorar visualmente la linealidad de las relaciones entre esas variables mediante los
diagramas de dispersión. Si en la exploración visual no hay una manifiesta ausencia de
linealidad se procede a obtener la matriz de correlaciones bivariadas.

EXPLORACIÓN VISUAL: Con los datos del fichero “Práctica 3 def (Subescalas)”,
seleccionando solamente los alumnos del grupo VM,

MENU  Datos Seleccionar casos Si se satisface la condición Grup=1

dibuja el diagrama de dispersión matricial para las 4 subescalas:

MENU → Gráficos → Cuadro de diálogos antiguos → Dispersión/puntos →
Dispersión Matricial

Variables: salud, deporte, apariencia, autoestima

No parece que haya relaciones muy fuertes, ni lineales ni no lineales. El diagrama de

dispersión que parece tener una relación más clara es entre apariencia y autoestima. De

1
todos modos, le pedimos la matriz de correlaciones para confirmar la ausencia de relación
lineal entre la mayoría de las variables estudiadas.

2
EXPLORACIÓN NUMÉRICA: Obtener la matriz de correlaciones entre las subescalas.

MENU → Analizar → Correlaciones → Bivariadas

Variables: salud, deporte, apariencia, autoestima
Coeficientes de correlación: Pearson

Como ya se explicará en Estadística II, solamente los coeficientes de correlación de

Pearson con valores que tienen asteriscos, indican que hay relación significativa. Por tanto,
se confirma que solamente hay relación significativa y positiva entre Autoestima y
Apariencia.
Como la matriz de correlaciones es triangular, aunque se observa dos correlaciones
significativas (las que tienen asteriscos), en realidad solamente es una porque la relación
lineal entre apariencia y autoestima es la misma que entre autoestima y apariencia.
Correlación significativa indica que el valor obtenido, 0.481, es mayor de 0 más allá de lo
que cabe esperar por azar.

 ¿Las variables Apariencia y Autoestima están relacionadas linealmente?

Respuesta: Sí, ya que presentan una correlación positiva significativa (**), es decir, la
gente que se percibe con mejor apariencia física también es la que tiene la autoestima más
alta. Hay por tanto una alta variación conjunta, lo que NO implica necesariamente que una
variable sea causa de la otra, por ejemplo, la variable bienestar psicológico podría estar
mediando la relación entre ambas.

3
  Podríamos pensar que el género es una variable moduladora o interviniente en la relación
entre apariencia y autoestima. Para investigarlo, segmentaremos el fichero en base al
género y obtendremos de nuevo la correlación entre las dos variables.

MENU  Datos  Segmentar archivo  Comparar los datos /

Grupos basado en: Genero
MENU → Analizar → Correlaciones → Bivariadas
Variables: salud, deporte, apariencia, autoestima
Coeficientes de correlación: Pearson

Como se puede apreciar en la matriz de correlaciones, en el caso de las chicas hay correlación
positiva significativa entre apariencia y autoestima. Pero en el caso de los chicos la
correlación entre apariencia y autoestima no es significativa. En cambio, sí que resulta

4
significativa la correlación entre deporte y salud (a mayor práctica deportiva presentan peor
percepción de salud).

Correlación lineal para variables semicuantitativas: Coeficiente Spearman

Importante!!! Abre el fichero ENCUESTA. Puedes cerrar el fichero “Subescalas” porque ya
no lo vamos a utilizar.
 En ese fichero hay tres variables en escala ordinal: agrado por las matemáticas, interés por
la Estadística, y nota esperada. ¿Están relacionadas linealmente?
Como se trata de variables semicuantitativas hay que utilizar el coeficiente de Spearman.
MENU > Analizar > Correlaciones > Bivariadas

Variables: Agr.Mat, Int.Est, Not.Esp Coeficientes de correlación: Spearman

Respuesta: Solamente hay una correlación significativa entre la nota esperada y el agrado por
las matemáticas. Como la relación es positiva o directa la interpretación es que a los alumnos
a los que más les gustan las matemáticas también son los que esperan una nota más alta.

Asociación para variables cualitativas: Coeficiente 2

Con los datos del fichero ENCUESTA:

 ¿Las variables Interés por la Estadística y Sexo son dependientes o independientes, es

decir, presentan asociación entre sí?

Como una de las variables es cualitativa (Sexo) se debe utilizar 2.

5
 MENU > Analizar > Estadísticos descriptivos → Tablas de contingencia

Estadísticos: Chi-cuadrado y Phi y v de Cramer

Casillas: Frecuencias observadas, frecuencias esperadas, porcentajes

Respuesta: Ji cuadrado presenta un valor de 1.390 pero como carece de límite superior la
interpretación es mejor hacerla en base a la v de Cramer (que varía entre 0 y 1).
Como la v de Cramer es 0.174, un valor tirando a bajo, la asociación entre las variables
no es significativa, lo que indica que ambas variables son independientes, es decir, no
están asociados el sexo y el interés por la Estadística I. En otras palabras, saber el sexo
de una persona tiene escaso o nulo valor a la hora de pronosticar el interés que tendrá en
la asignatura de Estadística I.

6
Ejercicios
Ejercicio 1: Un psicólogo cree que la habilidad para resolver problemas de matemáticas
(Habilidad) está relacionada con la práctica (Práctica). Hace una investigación en la que
manipula diferentes tiempos de práctica (horas) de unos sujetos que nunca habían hecho
problemas de ese tipo. Después les pasaba una prueba de habilidad numérica (mayor
puntuación indica mayor habilidad). Los datos fueron:

Sujeto 1 2 3 4 5 6 7 8 9 10
Práctica 5 5 6 6 6 7 7 11 11 16
Habilidad 25 30 30 35 45 40 45 55 60 65

A. Indica si las variables están relacionadas linealmente mediante la exploración gráfica y de

forma cuantitativa.
B. Realiza también el cálculo de la relación entre las dos variables suponiendo que por
alguna razón los investigadores quisieran trabajar no con las puntuaciones directas de los
sujetos sino con sus posiciones u orden en el grupo, es decir, con sus puntuaciones
ordinales. ¿Coinciden los resultados con los obtenidos en A?.

Ejercicio 2: Un investigador está interesado en conocer si el desarrollo mental de un niño está

asociado a la educación formal de su madre. De esta manera, obtiene la calificación de
desarrollo mental en la escala de Gesell de ocho niños elegidos aleatoriamente y se informa
del grado de escolaridad de las madres. ¿Las variables están relacionadas linealmente?.

Escolaridad de la madre (X) Desarrollo mental niño (Y)

5. Segundo de Bachillerato 105
2. Tercero de ESO 100
8. Postgrado 107
4. Primero de Bachiller 87
6. Primero de Grado 98
3. Cuarto de ESO 92
1. Primaria 85
7. Segundo de Grado 115

Ejercicio 3: “Las mujeres conducen peor que los hombres” es un viejo tópico que podemos
investigar. Supongamos que se pregunta a una muestra de 10 hombres y 10 mujeres, de
características similares en cuanto al número de horas de utilización del vehículo, experiencia,
etc., si alguna vez han tenido algún accidente de tráfico. Los resultados son:

Sí No
Hombres 7 3
Mujeres 4 6

A. Calcula mediante el SPSS si existe asociación entre ambas variables.

B. Saca la conclusión adecuada del resultado obtenido.