22-08-2013

Tal como podemos describir una distribucin de valores, podemos describir el grado de asociacin o relacin entre dos distribuciones. La forma ms simple de comprender los tipos de asociacin es a travs de un diagrama de dispersin.

22-08-2013

1. Covarianza
Es la medida ms simple del grado en que dos variables o distribuciones varan en conjunto o covaran. Si se recuerda el concepto de desviacin como la distancia entre un puntaje cualquiera y la media. Es justamente la desviacin la que permite calcular la covarianza. De este modo, cuando una variable se desva de la media y la otra variable lo hace de manera similar, decimos que las variables covaran. La covarianza se utiliza slo con medidas intervalares/ de razn, por ello es ms comn utilizar la correlacin.

22-08-2013

2. Correlacin
La correlacin es una medida de la relacin lineal entre variables y puede ser:
Positiva: Si una variable aumenta con la otra (cercana a +1) Negativa: Si la relacin es inversa (cercana a -1) La ausencia de relacin lineal se muestra con un valor cercano o igual a 0.

La correlacin no necesariamente implica una relacin causal, sino que ms bien es una asociacin espaciotemporal.

22-08-2013

Ejemplo:

La investigacin ha establecido una fuerte correlacin entre el uso del castigo fsico por parte de los padres y el desarrollo de la agresin en sus hijos. Por lo tanto, los padres no deberan utilizar esta forma de disciplina si no quieren que sus hijos acaben siendo agresivos. Error?

2.1 Correlacin de Pearson

La correlacin de Pearson equivale a la covarianza de

dos distribuciones de puntajes estandarizados. Se utiliza con datos a nivel intervalar/de razn. Ejemplo: Existe una relacin entre el control percibido (sobre estados internos) y los niveles de estrs percibido? Ambas variables son intervalares medidas a travs de dos instrumentos.

22-08-2013

Interpretacin del Diagrama de Dispersin

1. Chequear si hay outliers: Fijarse si hay puntos que estn solos muy arriba o muy abajo y lejos de donde se agrupan la mayora de los puntos. Los outliers pueden deberse a que un dato fue mal ingresado o aun error real. 2.

Inspeccionar la distribucin de los datos (puntos) Si los puntos se esparcen por todo el cuadro, quiere decir que la correlacin es baja. Si los puntos se agrupan en forma de cigarro, quiere decir que la correlacin es alta.

22-08-2013

Podra dibujarse una lnea recta a travs del grupo

de puntos que ms se agrupan, o una lnea curva representara mejor la relacin? Si esto ltimo sucede, no se debe usar Pearson.
Cul es la forma del grupo de puntos? es

relativamente homognea de un extremo al otro o comienza angosta y termina gruesa? Si sucede lo ltimo, los datos pueden estar violando el supuesto de homocedasticidad (homogeneidad de varianza), por lo tanto no se puede usar Pearson.

3. Determinar la direccin de la relacin entre las

variables Si de izquierda a derecha la lnea va hacia arriba, la relacin es positiva y si va hacia abajo es negativa. Ejemplo: Correlacin: Negativa Magnitud: Media-alta.

22-08-2013

Direccin: Magnitud: 0.1 a 0.29 = pequea 0.3 a 0.49 = media 0.50 a 1.0 = alta

2.2 Correlacin Rho de Spearman

Se utiliza con datos a nivel ordinal. Es una prueba no paramtrica.

Ejemplo: Existe relacin entre el ranking de egreso en enseanza media y el ranking de egreso en el primer ao de la universidad?

22-08-2013

2.3 Correlacin Biserial y Biserial Puntual

Si una de las variables a relacionar es dicotmica continua (ej: aprobar o reprobar un examen), se utiliza la correlacin biserial.
Existe relacin entre la inteligencia verbal y aprobar el ramo de lenguaje?

Cuando una de las variables a relacionar es dicotmica discreta (ej: gnero), se utiliza la correlacin biserial puntual.
Existe relacin entre autoestima y gnero?

2.4 Significacin de la Correlacin

La significacin de la correlacin es fuertemente afectada por el tamao de la muestra. En una muestra pequea (ej, n=30), se pueden encontrar correlaciones moderadas que no alcanzan a ser significativas estadsticamente (p< 0.05). Sin embargo, en muestras grandes (n=100+), correlaciones muy pequeas pueden ser estadsticamente significativas. Muchos investigadores sugieren que la significacin estadstica debe reportarse pero ignorarse, interpretando mejor la varianza explicada.

22-08-2013

Por ello, es til calcular el coeficiente de determinacin y la varianza estimada, es decir cuanto de la variacin de una de las variables se puede predecir a partir de la variacin de la otra. Ejemplo 1: Correlacin de 0.43 entre la cantidad de castigo fsico que recibe un nio y la agresividad de ese nio. 0.43 x 0.43= 0.18 (coef. de determinacin), por lo tanto 18% de la variacin en la agresividad se explica por la cantidad de castigo fsico recibido.

Sin embargo, en el ejemplo anterior no podemos decir que el castigo caus la agresin, slo que ambas estn relacionadas y que la agresin se puede predecir, hasta cierto punto (18%) por las puntuaciones de castigo fsico recibido. En este caso, predecir no es ocupado en el sentido de una relacin causal, sino que solamente se refiere a estimar los valores de una variable a partir de otra conociendo la relacin que existe entre ambas.

22-08-2013

Ejemplo 2:

Coeficiente de Determinacin: 0.581 x 0.581 = 0.3376 Varianza explicada: Control percibido explica casi un 34% de la variabilidad en el estrs percibido.

3. Correlacin Parcial
Es la correlacin entre dos variables cuando los efectos de otra(s) variable(s) se mantiene(n) constante(s). Se utiliza cuando queremos saber la proporcin de varianza explicada por una nica variable controlando los efectos de la otra.

10

22-08-2013

11