Académique Documents
Professionnel Documents
Culture Documents
Alumna
Roberto Figueroa
Profesor
UNIVERSIDAD DE CÓRDOBA
27 de septiembre de 2017
Índice
1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2. Relación entre dos variables nominales, use una tabla de contingencia . . . . 3
2.1. Ejemplo 1 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2. Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3. Ejemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3. Grupos desiguales de encuestados, incluya porcentajes en las tablas de contin-
gencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.1. Ejemplo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2. Ejemplo 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4. Relación entre dos variables de intervalo iguales, calcule un coeficiente de co-
rrelación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4.1. Ejemplo 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4.2. Ejemplo 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
5. Interpretar Pearson usando el coeficiente de determinación . . . . . . . . . . 8
5.1. Ejemplo 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
6. Relación entre una variable nominal y una variable de intervalo igual, use las
diferencias entre promedios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
6.1. Ejemplo 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
6.2. Comentario Final ................................................................................................... 10
7. Bibliografía ............................................................................................................ 11
Relación entre dos variables.
1. Introducción
En este capítulo, consideraremos los métodos estadísticos básicos para examinar las rela-
ciones entre dos variables. Por ejemplo, si queremos saber si existe una relación entre género
y afiliación política o una relación entre las actitudes hacia la lectura y las actitudes hacia la
escuela.
El análisis estadístico de la asociación (relación, covarianza, correlación) entre variables
representa una parte básica del análisis de datos en cuanto que muchas de las preguntas e
hipótesis que se plantean en los estudios que se llevan a cabo en la práctica implican analizar
la existencia de relación entre variables.
Los datos nominales se describen con palabras y se componen de categorías. Por ejemplo,
si los encuestados nombran su género o nombran el país en el que nacieron, están produ-
ciendo datos nominales. Una tabla de contingencia es una tabla de dos vías que muestra
simultáneamente las dos categorías a las que pertenece cada encuestado. Para ver lo que esto
significa, considere el Ejemplo 1 en el que sólo hay un encuestado, que es indicado por el tré-
bol (♣). La tabla proporciona información simultánea sobre dos variables (características del
encuestado): (1) asistió al programa de dejar de fumar y (2) no está fumando actualmente.
2.1. Ejemplo 1 :
3
Una tabla de contingencia es una tabla de dos vías que muestra simultáneamente las dos
categorías a las que pertenece cada encuestado. Para ver lo que esto significa, considere el
Ejemplo 1 en el que sólo hay un encuestado, que es indicado por un trébol (♣). La tabla
proporciona información simultánea sobre dos variables (características del encuestado): (1)
asistió al programa de dejar de fumar y (2) no está fumando actualmente.
2.2. Ejemplo 2
2.3. Ejemplo 3
3.1. Ejemplo 4
Ha recibido bienestar
SI NO
A favor del SI 19 67
bienestar NO 10 81
Total 29 148
3.2. Ejemplo 5
Ha recibido bienestar
SI NO
A favor del SI 66 %(n = 19) 45 %(n = 67)
bienestar NO 34 %(n = 10) 55 %(n = 81)
Total 100 %(n = 29) 100 %(n = 148)
4. Relación entre dos variables de intervalo iguales, calcule un
coeficiente de correlación
Los datos de intervalos iguales se definieron en el capitulo anterior. Las respuestas a los
ítems de tipo Likert (es decir, los ítems con opciones "Totalmente de acuerdo" a "Totalmente
en desacuerdo") y las puntuaciones totales en escalas de actitud se asumen ampliamente.
Además, algunas variables demográficas se miden en escalas de intervalos iguales. Los años
de educación completados son un ejemplo; es igual intervalo porque la diferencia entre 1 año
y 2 años es igual a la diferencia entre 2 años y 3 años, y así sucesivamente.
La estadística más utilizada para describir la relación entre dos variables de intervalo
iguales es el coeficiente de correlación de Pearson, que a menudo se llama simplemente el
r Pearson. (Nótese que r es el símbolo seleccionado por Karl Pearson, el estadístico que
desarrolló el coeficiente de correlación).
Considere el Ejemplo 6, que muestra las puntuaciones en una actitud hacia la escala de
la tecnología y las puntuaciones en una actitud hacia la escala de Internet. La actitud hacia
la escala de la tecnología tenía muchos más elementos que el de Internet, por lo que las
puntuaciones tienden a ser mucho mayor en el primero. Sin embargo, para nuestro propósito
aquí, no nos interesa este artefacto producido por los diferentes números de artículos. En
cambio, nos interesa la relación entre las dos variables. Podemos determinar si hay una
relación considerando las posiciones de los individuos en las dos variables en relación con otras
en el grupo. Esto es más fácil de lo que parece. Por ejemplo, Joe y Jane tienen puntuaciones
altas en las actitudes hacia la tecnología. (Nótese que sus puntuaciones de 35 y 32 son
más altas que las puntuaciones obtenidas por otros en esta escala.) Igualmente, Joe y Jane
tienen altos puntajes en las actitudes hacia Internet. (Nótese que sus calificaciones de 9 y 10
son más altas que las puntuaciones obtenidas por otros en esta escala). Al mismo tiempo,
aquellos que tienen baja actitud hacia las puntuaciones de tecnología (John y Jake) también
tienen puntuaciones bajas en las actitudes hacia Internet. Esto ilustra lo que entendemos por
una relación directa (también llamada relación positiva). En una relación directa, alta las
puntuaciones están asociadas con altas puntuaciones, y las puntuaciones bajas se asocian con
puntuaciones bajas.
4.1. Ejemplo 6
Observe que la relación en el ejemplo 6 no es perfecta. Por ejemplo, aunque Joe tiene una
actitud tecnológica más alta que Jane, Jane tiene una actitud de Internet más alta que Joe.
(En otras palabras, mientras que el orden en las dos variables es similar, no es exactamente
el mismo, por lo tanto, la relación es menos que perfecto.) Si la relación era perfecta, el
valor de Pearson r sería 1,00. Siendo menos que perfecto, su valor real es
0.89. Como se puede ver en la siguiente figura, que muestra los posibles valores del r de
Pearson, 0.89 es una relación directa fuerte.
En una relación inversa (también llamada relación negativa), los que están altos en una
variable son bajos en la otra. Tal relación existe entre los dos factores en el Ejemplo 7. Los
que tienen mucho miedo a los animales (como Robert, Sheldon y Cynthia) tienen poca edad,
mientras que los que tienen bajo miedo a los animales tienen mucha edad. Sin embargo, la
relación no es perfecta. El valor de Pearson r para la relación en el ejemplo es -0.85.
4.2. Ejemplo 7
Las relaciones en los Ejemplos 6 y 7 son fuertes, pero en cada caso existen excepciones
que hacen que el Pearson sea menor que 1.00 y -1.00. A medida que aumenta el número
y el tamaño de las excepciones, los valores del Pearson r se acercan a 0.00. De hecho, un
valor de $0.00 indica una ausencia completa de una relación. Es decir, cuando r es igual a
0.00, no hay tendencia discemable para las puntuaciones en las dos variables para poner a
los encuestados en el mismo o inverso orden. Para aquellos de ustedes que deseen probar su
mano en el cálculo de un Pearson r usando una calculadora, la fórmula y un ejemplo se dan
en el apéndice A.
5.1. Ejemplo 8
6.1. Ejemplo 9