Correlación de Spearman ...

El procedimiento Correlaciones Bivariadas de SPSS permite medir el grado de

dependencia existente entre dos o más variables mediante la cuantificación por los

denominados coeficientes de correlación lineal de Pearson, de Spearman y la Tau-b de

Kendall con sus respectivos niveles de significación.

Coeficiente Rho de Spearman es una versión no paramétrica del coeficiente de correlación de Pearson.

Aunque el término no paramétrico sugiere que la prueba no está basada en un parámetro, hay algunas pruebas no paramétricas que dependen de un parámetro tal como la media. Las pruebas no paramétricas, sin embargo, no requieren una distribución particular, de manera que algunas veces son referidas como pruebas de libre distribución. Aunque libre distribución es una descripción más exacta, el término no paramétrico es más comúnmente usado.

Resulta

apropiada para datos ordinales (susceptibles de ser ordenados) y para datos

agrupados en intervalos que no satisfagan el supuesto de normalidad. Los valores del

coeficiente varían de -1 a +1. El signo del coeficiente indica la dirección de la relación y

el valor absoluto del coeficiente de correlación indica la fuerza de la relación entre las

variables. Los valores absolutos mayores indican que la relación es mayor. 
 

El valor cero se da cuando no existe ninguna correlación entre las variables analizadas; el valor -1 implica una correlación perfecta de carácter inverso (o indirecto) y el valor +1 una correlación perfecta de tipo directo (cuando una crece también lo hace la otra).

Una excelente aproximación visual para explorar el grado de correlación es a través de un gráfico de dispersión o nube de puntos. Se habla de correlación positiva (o directa) cuando a valores crecientes de una de las variables se observan valores crecientes de la otra variable; por el contrario, se habla de

correlación negativa (o inversa) cuando a valores crecientes de una variable corresponden valores decrecientes de la otra.

  

Entonces la correlación de Spearman será adecuada si los datos no están

normalmente distribuidos o tienen categorías ordenadas, y que midan la asociación entre órdenes de rangos.

Tras la especificación del coeficiente o coeficientes de correlación que estimamos

oportuno calcular, procederemos a indicar si queremos que se realice un contraste de

hipótesis estadística bilateral o unilateral para casos en los que la dirección de la relación

puede ser especificada a priori.

Este contraste, trata de probar la hipótesis de que el coeficiente de correlación sea nulo

(r=0), esto es, que no exista relación alguna entre las variables cuyo coeficiente de

correlación estamos cuantificando.

el

valor de la p asociado al contraste de hipótesis (que evalúa la probabilidad de que en la población

ambas variables no estén correlacionadas linealmente y el el Coeficiente de Correlación sea cero) es

0,556, no permitiendo rechazar la hipótesis nula (contraste no significativo).

Finalmente, con el objeto de identificar aquellos coeficientes de correlación que tienen

una mayor significación, se puede seleccionar: Marcar las correlaciones significativas,

opción que marca los coeficientes de correlación significativos al nivel 0,05 por medio de un

solo asterisco y los significativos al nivel 0,01 con dos.

Por tanto, a la hora de interpretar adecuadamente un Coeficiente de Correlación se deben

tener en cuenta los siguientes aspectos:

1. Su signo

2. Su magnitud

3. Su significación estadística

4. Sus intervalos de confianza