COEFICIENTE DE CORRELACION SIMPLE Y PARCIAL

Con anterior se explico el coeficiente de correlación r como la medida del

grado de asociación lineal entre dos variables.
Para el modelo de regresión con tres variables podemos calcular tres
coeficientes de correlación que serian:
 r12 (correlación entre Y y X2).
 r13 (correlación entre Y y X3).
 r23 (correlación entre X2 y X3)
Estos coeficientes de correlación se denominan coeficientes de correlación bruta
o simple o coeficientes de correlación de orden cero y se calculan a partir de la
definición del coeficiente de correlación dada con anterioridad
 Consideremos la siguiente interrogante: ¿Podemos decir en realidad
que r12 mide el “verdadero” grado de asociación (lineal) entre Y y X2
cuando existe una tercera variable que es X3 que puede estar asociada
a ellas?

En general, r12 tal vez no refleje el verdadero grado de asociación entre Y y

X2 en presencia de X3.
Por consiguiente, lo que se necesita es un coeficiente de correlación que
sea independiente de la influencia, si hay alguna, de X3 sobre X2 y Y. Dicho
coeficiente de correlación se obtiene y se conoce apropiadamente como
coeficiente de correlación parcial.
 r12.3 = coeficiente de correlación parcial entre Y y X2, manteniendo X3
constante
r13.2 = coeficiente de correlación parcial entre Y y X3, manteniendo X2
constante
r23.1 = coeficiente de correlación parcial entre X2 y X3, manteniendo Y
constante

Estas correlaciones parciales se obtienen con facilidad a partir de los coeficientes

de correlación simples o de orden cero, de la siguiente forma:
 Las correlaciones mostradas anteriormente se denominan coeficientes
de correlación de primer orden.
Por “orden” se quiere decir el número de subíndices secundarios.Así
r 12.3 4 sería el coeficiente de correlación de orden dos, r 12.345 sería el
coeficiente de correlación de orden tres, y así sucesivamente.
Como ya vimos, r12, r13 y las siguientes se denominan correlaciones simples
o de orden cero. La interpretación de r12.34, por ejemplo, es que éste da el
coeficiente de correlación entre Y y X2, manteniendo constantes X3 y X4.
Interpretación de los coeficientes de correlación simple y parcial
1.- Aunque r12 = 0, r12.3 no será cero a menos que r13 o r23, o ambos, sean
cero.
2.- Si r12 = 0 y r13 y r23 son diferentes de cero y tienen el mismo signo,
r12.3 será negativo, mientras que si son de signos opuestos, será positivo.
 Ejemplo:
Sea Y = rendimiento del cultivo, X2 = la lluvia y X3 = la temperatura.
Suponga que r12 = 0, es decir, no hay asociación entre el rendimiento del
cultivo y la lluvia.
Tenga en cuenta, además, que r13 es positiva y r23 es negativa. Entonces,
como lo indica la ecuación mostrada anteriormente, r12.3 será positivo; es
decir, con la temperatura constante, existe una asociación positiva entre el
rendimiento del cultivo y la lluvia.
 Sin embargo, este resultado, en apariencia paradójico, no es
sorprendente. Como la temperatura X3 afecta el rendimiento Y y también
afecta la lluvia X2, con el fin de encontrar la relación neta entre
rendimiento del cultivo y lluvia se debe eliminar la influencia de la
“molesta” variable temperatura. Este ejemplo muestra que el coeficiente
de correlación simple puede generar resultados equivocados.
3.- Los términos r12.3 y r12 (y comparaciones similares) no necesitan tener el
mismo signo.
4.- En el caso de dos variables r2 se encuentra entre 0 y 1. La misma
propiedad se cumple para los coeficientes de correlación parcial al
cuadrado.
Se debe verificar que es posible obtener la siguiente expresión a partir de
las ecuaciones que nos permiten hallar los coeficientes de correlación
parciales:

La expresión r¨2 12.3 puede denominarse coeficiente de determinación

parcial e interpretarse como la proporción de la variación en Y no
explicada por la variable X3 que se explica por la inclusión de X2 en el
modelo. Conceptualmente, es semejante a R¨2.
 Relaciones entre R2, los coeficientes de correlación simple y
los coeficientes de correlación parcial: