ARTAMENTO ACADÉMICO DE CIENCIAS DE LA GESTIÓN

Métodos de
Investigación
Cuantitativa
Unidad 5
Análisis de dos o más variables

Milos Lau, MPA

¿Qué hemos visto hasta hoy?

MÉTODOS DE
INVESTIGACIÓN,
USOS E
IMPORTANCIA

Cuanti Cuali
Variabl ¿Los resultados
e
Si no
varía,
¿Qué hacer organizados y
no es
variabl
con ella? presentados en
e
¿De quién obtener
información de ¿Cómo obtener Información la ED permiten
nuestra(s)
variable(s)?
información de
nuestra(s) obtenida SIEMPRE
MUESTREO variable(s)?
(base de Estadística generalizar
datos) descriptiva hacia la
población?

Estadística Y, ¿de qué me valgo para saberlo?

inferencial
Pruebas de hipótesis ANOVA
Rechazar o no OK, pero hasta ahora hemos visto con Coef. de correlación
relación a una variable. ¿Qué debo
rechazar, he ahí el hacer para confirmar la relación
Chi-cuadrado
dilema estadística entre dos o más variables? Tau de K
Regresión
 Contenido de la unidad /
Contenido de la sesión
Unidad 5: Introducción a la Econometría y Análisis de dos o más variables
 
Resultados de aprendizaje específicos:
 

R4: Utiliza algún software de ingreso matricial para el análisis de datos y reconoce qué
herramientas emplear y cuándo hacerlo.
R5: Interpreta y presenta resultados obtenidos mediante herramientas cuantitativas
contextualizadas en la gestión de organizaciones, de manera clara, coherente y
concisa.
 
Contenidos:
1. Relación y asociación de variables: Tipos de relaciones entre variables
2. Análisis correlacional y análisis de regresión.
3. El Modelo de Regresión Lineal General.
 
Relaciones/
asociaciones
entre dos
variables
TODA ELECCIÓN SIEMPRE ESTARÁ RELACIONADA A
LA CLASIFICACIÓN DE VARIABLES

Nominal
Cualitativas
Ordinal
Razón
X
Discreta
Intervalo
Cuantitativas
Razón
Continua
Intervalo
DEPENDE DE LA CLASIFICACIÓN DE LAS VARIABLES PARA
PODER SEBER CÓMO OBTENER INFORMACIÓN SOBRE LA
RELACIÓN ENTRE VARIABLES

Variables Independientes

Nominal Ordinal Intervalo

Nominal Crosstabs GOLDMineR Discriminante

Chi-cuadrado Reg. Logística
Variables
Dependien
Ordinal Correlaciones
tes Pruebas No Para.
No Para. Reg. Ordinal
Reg. Ordinal
Tau Kendall

Intervalo Correlación
Pruebas T Regresión (incluye
a cualquier tipo de
ANOVA
variable como
independiente)
VARIABLE CUANTI VS
VARIABLE CUANTI
Para comenzar, ¿cuántos tipos de
relación pueden existir entre dos
variables?
¿Cuántos tipos de relación pueden existir entre
dos variables? Y=a+bX
¿Cómo podemos iniciar nuestro análisis?
(vamos calentando)

 Representación gráfica
 Covarianza
 Correlación (Pearson y Spearman)
ARTAMENTO ACADÉMICO DE CIENCIAS DE LA GESTIÓN

Representación
gráfica

Diagramas de dispersión o nubes de puntos

Diagramas de dispersión o nubes de puntos

La representación gráfica de este tipo de variables es en

realidad semejante a la respresentación de puntos en el
plano, usando unos ejes de coordenadas.

 Cada pareja de valores da lugar a un punto en el plano y

el conjunto de puntos que se obtiene se denomina
"diagrama de dispersión o nube de puntos".
Usando la BBDD: Diagramas de dispersión o nubes de
puntos
Usando la BBDD: Diagramas de dispersión o nubes de
puntos
Covarianza y su interpretación

La covarianza mide la manera en que dos variables

aleatorias X e Y varían juntas
Var(X)= E((X-E(x)) * (X-E(X)))

Cov(X,Y)= E((X-E(x)) * (Y-E(y)))

Cov (X, Y)=

Cuando una variable aleatoria X se acerca a su media e Y también se acerque a la suya, ¿qué signo
tendría la covarianza?

Cuando una variable aleatoria X se acerca a su media e Y se aleja a la suya, ¿qué signo tendría
15
la
covarianza?
Importante saber

Si X e Y son variables
independientes, su covarianza es
cero
EJEMPLO 1: Estudiamos la talla, medida en cm. y el peso, medido en
kg. de un grupo de 10 personas, podemos obtener los siguientes
valores

Talla
(cms)
160 165 168 170 171 175 175 180 180 182
Peso
(kgs)
55 58 58 61 67 62 66 74 79 83
¿Cómo se calcula la covarianza?

Sean (xi, yi ) pares de observaciones de dos caracteristicas X y Y, y sean sus respectivas medias. La covarianza
entre entre las dos variables se define por :
 -0.8
0.8
-1 0 1

Coeficiente de Correlación lineal y su

interpretación
 ¿Coeficiente de correlación?
 Una vez observado que en una variable bidimensional existe
una cierta dependencia entre las dos características o variables
que la forman (nube de puntos y covarianza), podemos
precisar el grado de dicha dependencia.

 Si los puntos de la nube estuvieran todos sobre la recta de

regresión se diría que existe una dependencia funcional.

 Si los puntos no están todos sobre la recta de regresión se dice

que entre las variables hay una cierta correlación lineal.
Para cuantificar el grado de dicha correlación se usa el
Coeficiente de correlación de Pearson

1. ¿Qué elementos conocidos encuentran en la fórmula?

2. ¿Qué unidad de medida tiene el r?
 Coeficiente de correlación

•El signo del coeficiente de correlación es el mismo que el de la covarianza

•El valor del mismo esta comprendido entre -1 y 1.

•Si r es positivo la dependencia es directa y si es negativo, inversa.

•Si r se acerca a -1 o a +1, la dependencia lineal es fuerte y, por tanto, las

predicciones que se realicen serán bastante fiables.

•Si r se acerca a 0 la dependencia lineal es débil y, por tanto, las predicciones que
se realicen serán poco fiables.
 Usando el ejemplo 1
Calculen la correlación para el ejemplo de las tallas y los pesos e
interpreta
Usando la BBDD: Coeficiente de correlación cuando
las variables tienen distribución normal (PEARSON)
Usando la BBDD: Coeficiente de correlación cuando
las variables tienen distribución normal (PEARSON)

Ho: Las variables son independientes (no

están relacionadas linealmente)
H1: Las variables son dependientes (sí
están relacionadas linealmente)
Usando la BBDD: Coeficiente de correlación cuando las
variables NO tienen distribución normal (SPEARMAN)
Usando la BBDD: Coeficiente de correlación cuando las
variables NO tienen distribución normal (SPEARMAN)

Ho: Las variables son independientes (no

están relacionadas linealmente)
VARIABLE CUALIS Y
VARIABLES CUALIS
Definición
 Cuando queremos realizar análisis de asociación entre variables cualitativas, no
podemos utilizar las pruebas T (que vimos la sesión anterior).
 Por este motivo, se utilizan las denominadas tablas de contingencia, las cuales
analizan las proporciones de los datos, mediante diferentes tipos de pruebas.
 Para la elección de las mismas es necesario definir el tipo de variable, nominal u
ordinal, y el objetivo de la misma.
Tipos de pruebas
 Existen diferentes tipos de pruebas, las cuales están clasificadas de acuerdo al tipo
de variable que analiza
 Cada tipo de prueba tiene un mejor ajuste a ciertos casos específicos

Nominales Ordinales
V de Cramer Gamma
Phi D de Somers
Lamba Tau de Kendall
Chi cuadrado Kappa
Chi cuadrado
 La prueba Chi cuadrado es una de las más utilizadas para evaluar variables
nominales.
 Tiene como H0: No existe asociación entre variables
 Analiza la relación entre dos variables cualitativas de carácter nominal
 Compara los valores esperados contra los observados
 Puede comparar variable en una forma NxN
Chi cuadrado en SPSS
Chi cuadrado en SPSS

H0: No existe asociación entre variables

Una primera aproximación es el análisis de

tablas cruzadashombres y mujeres es casi el
mismo co. Se puede ver que el
comportamiento de n relación a su gusto por
la universidad. Si fuese muy distinto, nos
podría dar pistas de que el sexo sí se
relaciona al gusto por la universidad
Tau de Kendall
 La prueba Tau-c de Kendall es utilizada para medir en nivel de asociación entre dos
variables ordinales, y su interpretación es muy similar al coeficiente de correlación
 Tiene como H0: No existe asociación entre variables

 ¿Tau-b o Tau-c?
 Su uso depende del número de categorías que tengan las
variables.
 Si son iguales, se usa Tau-b
 Si son diferentes, se usa Tau-c
Tau de Kendall en SPSS
Tau de Kendall en SPSS

H0: No existe asociación entre variables

Una primera aproximación es el análisis de

tablas cruzadas. Se puede ver que el
comportamiento según escalas sí se quiebra
de acuerdo al nivel de inglés