Análisis Inferenciales:

Las Pruebas Paramétricas

SEMANA
5

[ MÉTODOS CUANTITATIVOS DE PSICOLOGÍA ]

 MÉTODO CUANTITATIVO

INDICE
NÚCLEO TEMÁTICO TRES. ANÁLISIS INFERENCIALES: LAS PRUEBAS PARAMÉTRICAS 2
Objetivos 2
Contenido 2
SIGNIFICANCIA Y PRUEBA DE HIPÓTESIS 2
PROBABILIDAD 3
NIVEL DE SIGNIFICANCIA 4
PRUEBAS PARAMÉTRICAS 4
CORRELACIONES 4
LA MEDICIÓN DE LA CORRELACIÓN 5
Gráficas de correlación 6
LÍNEA DE REGRESIÓN 7
COEFICIENTES DE CORRELACIÓN 7
CÁLCULO DE LA CORRELACIÓN CON SPSS 8
INFORME DE RESULTADOS 11

NÚCLEO TEMÁTICO TRES. ANÁLISIS INFERENCIALES: LAS PRUEBAS PARAMÉTRICAS

Objetivos
- Aprender las formas de uso de la estadística inferencial paramétrica
Contenido
- Significancia y prueba de hipótesis
- Correlación de Pearson y regresión lineal

SIGNIFICANCIA Y PRUEBA DE HIPÓTESIS

Como se ha mencionado en unidades anteriores, los métodos cuantitativos que dan
soporte a las indagaciones de la ciencia siguen un método hipotético deductivo. Se basan en
hipótesis, las cuales deben ser puestas a prueba para su aceptación o rechazo.

En la unidad uno hablamos de las hipótesis. Recordemos que estas son suposiciones
de respuesta a la pregunta planteada. Así, la hipótesis nula es la suposición sobre la población
de la cual se extrajo la muestra o muestras y en la cual se espera un comportamiento
homogéneo frente a una variable indagada. Esto supone que dos muestras o frecuencias

2 [ POLITÉCNICO GRANCOLOMBIANO]
tendrían comportamientos similares o parecidos, o que no difieren dos poblaciones de las que
se extrajo muestras diferentes.

H0: f1 : f2

El otro tipo de hipótesis se conoce como hipótesis alternativa. Esta se define simplemente
como todo lo que no es la hipótesis nula. En ese sentido, la hipótesis alternativa supone que la
frecuencia en el primer momento o en un primer grupo es distinta a la frecuencia en un
segundo momento o en un segundo grupo.

H1: f1 ≠ f2

Llamamos prueba de significancia a la elección de una de estas dos opciones: ir con la hipótesis
alterna o ir con la hipótesis nula.

PROBABILIDAD

Para calcular la probabilidad es necesario especificar el suceso y también identificar todos los
demás sucesos en la población de la que proviene. Por ejemplo, si desea conocer la
probabilidad de sacar 1 en un lanzamiento de dado, el suceso en cuestión es obtener un 1 y el
total de los posibles sucesos es 6.

Cantidad de sucesos de interés

Cantidad de sucesos posibles

La probabilidad se denota por medio de una p y se mide en valores decimales en una escala que
va de 0 (no posible) a 1 (debe suceder).

Cuando se trata de probar una diferencia en busca de significancia se dan dos pasos:
1. Se supone una hipótesis nula apropiada (H0)
2. Se calcula la probabilidad de que la diferencia ocurra en H0.

Recordemos que la hipótesis nula siempre es una afirmación sobre una o más poblaciones. Es lo
que sería verdadero con respecto al mundo si el resultado que se obtiene fuera una mera
coincidencia.

[ METODOS CUANTITATIVOS DE PSICOLOGÍA ] 3

 Cuando uno calcula la probabilidad de que ocurra el resultado
esperado si la hipótesis nula es verdadera, se procede a inferir
que algo es o no es. Uno se vale de la estadística en la muestra
para inferir algo sobre la población en su conjunto (Coolican,
2005).

NIVEL DE SIGNIFICANCIA
Existe por tanto un nivel de probabilidad de rechazo que se denomina nivel de significancia. La
H0 se rechaza cuando la probabilidad de que ocurra un efecto de dicha hipótesis es igual o
menor que 0,05. Es en torno al nivel de probabilidad de 0,05 (1 de 20, o 5%) que se rechaza la
posibilidad de que algo suceda por simple o mera coincidencia.

PRUEBAS PARAMÉTRICAS
Existen distintos tipos de análisis estadísticos que dependen, en esencia, de tres condiciones:

1. De que las variables sean escalares (de razón o de intervalo, en donde el valor numérico
revela una magnitud),
2. De que la distribución de los datos sea normal y
3. De que la varianza sea homogénea (no hay una amplia dispersión de los datos).
Cuando estas tres condiciones se cumplen podemos proceder con confianza a realizar una
prueba paramétrica. Por oposición, cuando no se cumple alguna de estas tres condiciones, las
pruebas a utilizar son no paramétricas. Vamos a iniciar con una forma de prueba paramétrica
que se denomina coeficiente de correlación de Pearson.

CORRELACIONES
Un tipo de análisis muy común es aquel que trata de establecer la posible relación de cambio
entre variables. Existen dos posibles direcciones de este cambio, produciéndose lo que se
conoce como correlaciones positivas y negativas.

Cuando una variable aumenta y la otra también, se habla de correlaciones positivas. Por
ejemplo, se puede establecer el valor de una relación positiva entre en nivel de inteligencia y el
rendimiento académico en la universidad si se supone que mientras el nivel de inteligencia de
una persona aumenta igualmente el rendimiento académico de esa persona.

4 [ POLITÉCNICO GRANCOLOMBIANO]
Las correlaciones negativas suponen que, mientras una variable aumenta, la otra disminuye. Por
ejemplo, se pueden presumir relaciones negativas entre la edad y la memoria, suponiendo que
la variable memoria disminuye mientras la edad aumenta.

Un paso importante para el trabajo con los análisis, y en particular con las correlaciones es saber
con claridad cómo se miden las variables; para ello el estudiante debe recordar que todos los
análisis cuantitativos suponen una operacionalización de las variables, es decir, una definición
de cómo se mide la variable. También es importante saber que los casos en una correlación
pueden estar pareados, por ejemplo, cuando se comparan dos individuos o el mismo individuo
en dos momentos (en estos casos habrá siempre habrá un par). pero también es factible que los
casos sean unidades más abstractas, como escuelas. En resumen, es importante recordar cuál
es la unidad de análisis que se está trabajando.

LA MEDICIÓN DE LA CORRELACIÓN
Es importante notar que las correlaciones arrojan dos tipos de información. Una referente a la
fuerza de la relación (cuando digo que hay o no relación, midiéndose así la vinculación de dos
variables) y otra referente a lo significativa de esa relación.

Coolican (2005) señala que el cálculo de la correlación es una medida descriptiva mientras que
el cálculo de la significancia de esa relación es una medida inferencial, ya que indica la
probabilidad de encontrar el nivel mencionado de vinculación entre las muestras, si no la hay,
de manera verdadera dentro de la población. Así, la fuerza de la relación entre dos variables es
el grado al cual una variable tiende a variar con la otra.

La escala de esta fuerza va desde -1 (negativa perfecta) hasta +1 (postitiva perfecta). Un valor de
0 indica que no existe relación. En ese sentido es claro que no es posible obtener un valor por
encima de 1 o por debajo de -1. El valor para expresar esta relación se conoce como coeficiente
de correlación y se expresa, generalmente, con una r.

Es importante señalar que correlación negativa no significa que no haya correlación, como a
veces se supone. Correlación negativa sólo significa que dos variables se relacionan de manera
inversa. En este punto cabe señalar que la correlación es una medida de relación gradual entre
variables. Esto significa que la relación de cambio entre dos variables no es de todo y nada.

[ METODOS CUANTITATIVOS DE PSICOLOGÍA ] 5

 Gráficas de correlación

Generalmente se utilizan las gráficas de dispersión como medida de correlación. Esto supone un
hecho interesante: a mayor dispersión menor correlación y viceversa. Es decir, cuando los
valores pareados en un diagrama x-y no se encuentran dispersos de manera aleatoria sino que
conforman un patrón consistente, es posible encontrar una señal de una fuerza de relación.

Gráfica de correlación positiva

Gráfica de correlación negativa

6 [ POLITÉCNICO GRANCOLOMBIANO]
LÍNEA DE REGRESIÓN
La línea de regresión es la línea de mejor concordancia o de ajuste entre puntos que
se hallan sobre una gráfica de dispersión. Esta línea permitirá entender la tendencia del
conjunto de datos pareados.

Gráfica de línea de regresión

COEFICIENTES DE CORRELACIÓN

Existen dos coeficientes de correlación que se utilizan con mayor frecuencia: el de correlación
de Pearson y el de Spearman. El primero se utiliza como prueba paramétrica y el segundo como
prueba no paramétrica. En esta unidad trabajaremos sólo con el coeficiente de Pearson.

Al tratarse de una prueba paramétrica se deben recordar los criterios para la misma: 1.
Normalidad, 2. Variabilidad, y 3. Tipo de medida. El coeficiente de correlación se obtiene al
multiplicar las puntuaciones z de cada persona en cuanto a las dos variables que se están
correlacionando y encontrar el promedio de estos resultados. En ese sentido, para calcular la r
de Pearson se sigue la siguiente formula:
∑ 𝑍𝑥𝑍𝑦
𝑟 =
𝑛−1

[ METODOS CUANTITATIVOS DE PSICOLOGÍA ] 7

 Donde Zx es el valor de Z de la variable x; Zy es el valor de Z de la variable y. Aquí se estarían
multiplicando las dos desviaciones expresadas en los valores Z y se sumarían estas
multiplicaciones, promediándose entre los grados de libertad.

Existen otros procedimientos un poco más complejos para calcular el valor de r, basados en las
desviaciones estándar. En esta unidad sólo utilizaremos la ecuación antes mencionada. Vamos a
ilustrar la misma con un ejemplo. Tenemos dos puntuaciones en dos pruebas de lectura y se
desea saber si existe alguna relación entre estas dos pruebas. Llamaremos a la puntuación en la
prueba 1 Px y a la puntuación en la prueba 2 Py.

Px Desviación Zx Py Desviación Zy ZxZy

de la de la
media (d) media (d)
67 10.4 0,87 65 5,7 0,41 0,36
72 15,4 1,29 84 24,7 1,78 2,29
45 -11,6 -0,97 51 -8,3 -0,60 0,58
58 1,4 0,12 56 -3,3 -0,24 -0,03
63 6,4 0,54 67 7,7 0,55 0,3
39 -17,6 -0,148 42 -17,3 -1,24 1,84
52 -4,6 -0,39 50 -9,3 -0,67 0,26

Como podrán calcular fácilmente la media de Px es 56,6.

La desviación estándar o típica (Sx) de Px es 11,9.
Zx se calculará dividiendo el valor de desviación de la media de cada valor (d) sobre la desviación
estándar (Sx). Zx : d/Sx. Un procedimiento similar se utilizará para calcular Zy.
La media de Py es 59,3
La desviación estándar o típica (Sy) de Py es 13,9.
La ∑ de ZxZy será 5,6
Siguiendo la ecuación anterior de r
∑ 𝑍𝑥𝑍𝑦
𝑟 =
𝑛−1
r : 5,6 / 6 : 0,929

CÁLCULO DE LA CORRELACIÓN CON SPSS

Vamos a iniciar creando una base en SPSS con los datos de la variable antes
mencionados (Px y Py). Debemos tener una imagen como esta en la vista de variables.

8 [ POLITÉCNICO GRANCOLOMBIANO]
 Fuente. Elaboración propia
Digitamos los datos en las dos columnas en la vista de datos.

Fuente. Elaboración propia

Ahora, vamos a los comandos de Analizar/Correlaciones/Bivariadas…

[ METODOS CUANTITATIVOS DE PSICOLOGÍA ] 9

 Fuente. Elaboración propia

Luego, se pasan las dos variables Px y Py al cuadro de [Variables]. Se debe verificar que el
coeficiente de correlación seleccionado sea el de Pearson. En la pestaña de opciones es
recomendable señalar las medias y desviaciones estándar. Se procede a [Aceptar].

Fuente. Elaboración propia

10 [ POLITÉCNICO GRANCOLOMBIANO]
El análisis debe darnos un resultado como el que sigue:

El cuadro en rojo señala el valor de la fuerza de la correlación. Mire que este valor es idéntico al
conseguido de forma manual. Como recordarán, el valor máximo de correlación (para indicar
una correlación perfecta) es de 1. Aquí, el valor de 0,93 se aproxima a este valor, lo que indica
que hay una alta relación entre los puntajes de las dos pruebas, lo esperado si se considera que
ambas pruebas miden el mismo constructo.

No existe un criterio estándar o único para decir si hay o no correlación. Como mencionaba
anteriormente, la correlación es una medida gradual de relación. Sin embargo, algunos autores
que aplican estos conceptos a la psicología señalan como posible criterio para establecer
correlación cuando el valor de la fuerza de la relación supera los 0,66. Es decir, cualquier valor
por debajo de este se descarta como correlación, y cualquier valor por encima (entre 0,66 y 1)
señala una posible relación entre las variables.

INFORME DE RESULTADOS
Si bien la fuerza de la relación es importante, recordemos que este es sólo un valor descriptivo
del cambio. Es necesario, para el reporte del análisis, considerar el valor de la significancia de la
relación. Recordemos que el valor de la significancia es importante sólo cuando cae en el 5%, es
decir, cuando es menor a 0,05.

[ METODOS CUANTITATIVOS DE PSICOLOGÍA ] 11

 En este ejemplo la significancia (p) es igual a 0,002 (aparece encerrada en amarillo). Sólo en
estos casos, cuando la significancia es menor incluso a 0,01, tomamos ya no el 5% como margen
de rechazo de la hipótesis nula sino el 1% como nuevo margen de rechazo. Siguiendo esa línea,
el análisis queda como sigue:

Se encontró que la correlación de Pearson entre las

puntuaciones de la prueba Px y la prueba Py fue
significativa con r=0,93 y p<0,01

Note que el informe del análisis indica una correlación y, además, señala si fue o no significativa.
En el caso de no existir correlación, el informe debe señalarlo. De forma similar se debe indicar
que no hay significancia, generalmente expresado esto como p>0,05.

12 [ POLITÉCNICO GRANCOLOMBIANO]