CORRELACIÓN POR RANGOS

La correlación por rangos es un caso particular de la correlación rectilínea simple y se

aplica:
- Cuando la escala de medición de una de las variables que se encuentran
presentes en el estudio son cualitativas ordinales.
- Cuando la relación entre estas no es lineal
- Cuando uno o más de los puntos de datos son muy diferentes de los otros
Dado que el nivel de medida de las variables es ordinal, no podrá asumirse que se
distribuyen normalmente. Además con variables ordinales no tiene mucho sentido
hablar de relación lineal, pero sí es posible hablar de relación monótoma. En una
relación monótoma, el aumento en las puntuaciones de una variable también va
acompañado de un aumento (disminución) en las puntuaciones de la otra variable, pero
ese aumento (disminución) no es necesariamente constante o uniforme.
El análisis de correlación por rangos tiene por objeto determinar si dos ordenamientos
son coincidentes o discrepantes. Para determinar la magnitud de esta relación se utiliza
el coeficiente de correlación por rangos de Spearman, conocido también como rho de
Spearman denotado por rs Este coeficiente no es mas que el coeficiente de correlación
de Pearson aplicado después de transformar las puntuaciones originales X e Y en rangos
(de más bajo a más alto o de más alto a más bajo). Su cálculo está dado por la siguiente
fórmula:

n rx ry   rx  ry
rs 
n r x
2
  rx 
2
 n r
2
y   ry 
2

Donde n es el número de pares de valores ordenados. Además  1  rs  1

Si rs = 1 entonces ambas ordenaciones o calificaciones son perfectamente coincidentes

o concordantes
Si rs = - 1 Ambas ordenaciones o calificaciones son perfectamente contrarias o
discrepantes.
Si rs = 0 Ambas ordenaciones no tienen ninguna relación (concuerdan en algunos
aspectos y no en otros)

Nota.- Si no hay empates, el coeficiente de Spearman viene dado por:

6 d i2
rs  1 
n(n 2  1)

Donde di es la diferencia entre los rangos de las variables X e Y. Si la relación entre los
dos conjuntos de rangos fuese perfecta todas las di serían cero.
En este caso los coeficientes de correlación de Spearman y el de Pearson toman el
mismo valor.

Ejemplo 1.- Dos supervisores habían ordenado a 8 postulantes a un puesto de trabajo de

la siguiente manera

Postulante Ordenamiento del Ordenamiento del di d i2

entrevistador I (Rx) entrevistador II (Ry)
A 4 3 1 1
B 2 4 -2 4
C 7 8 -1 1
D 6 5 1 1
E 3 2 1 1
F 8 7 1 1
G 5 6 -1 1
H 1 1 0 0
10

Reemplazando en la fórmula obtenemos

6 d i2 6(10)
rs  1   1  0.881
n( n  1)
2
8(63)

Prueba de Significación del Coeficiente de Correlación por Rangos

La hipótesis nula a probar es la no correlación de las variables X e Y. En nuestro

ejemplo:
Ho: No existe una relación entre los resultados emitidos por ambos supervisores
H1: Si existe tal relación

Se rechaza Ho si el valor calculado es mayor que el valor crítico rs* o menor que - rs*
los cuales se encuentran en la tabla.
Observando la tabla para α = 0.05 y considerando una prueba bilateral, para n = 8
tenemos rs* = 0.738. Por lo tanto rechazaremos Ho.
Conclusión.- Sí existe relación entre los resultados emitidos por ambos supervisores con
una seguridad de un 95%.
Ejemplo 2.- La siguiente tabla muestra la posición que ocupan 10 futuros bachilleres en
la clase y sus puntajes de C.I.

Estudiante Posición en la C.I Rango

Clase ( Rx ) ( Y ) del C.I
A 1 140 9.5
B 2 140 9.5
C 3 115 7
D 4 132 8
E 5 110 5
F 6 110 5
G 7 100 2
H 8 104 3
I 9 90 1
J 10 110 5

Reemplazando en la fórmula obtenemos rs = - 0.849

Prueba de significación de rs

Ho: No existe una relación entre las ordenaciones

H1: Si existe relación entre ambas ordenaciones
Según la tabla para α = 0.01 y n = 10 se tiene que rs* = 0.745
Por lo que concluimos que existe sí una relación entre la ordenaciones de ambas
variables, de manera negativa; es decir al aumentar la posición que el estudiante obtiene
en la clase, el C.I disminuye y viceversa.

Resultados obtenidos en SPSS

Correlaciones

Rx Y

Coeficiente de 1,000 -,849**

correlación
Rx
Sig. (bilateral) . ,002

N 10 10
Rho de
Spearman
Coeficiente de -,849** 1,000
correlación
Y
Sig. (bilateral) ,002 .

N 10 10

**. La correlación es significativa al nivel 0,01 (bilateral).