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
No hay comentarios:
Publicar un comentario