correlación de Pearson R: La correlación de Pearson r es la estadística de correlación más utilizada para medir el grado de relación entre variables relacionadas linealmente. Por ejemplo, en el mercado de valores, si queremos medir cómo dos acciones están relacionadas entre sí, Pearson R correlación se utiliza para medir el grado de relación entre los dos. La correlación punto-biserial se lleva a cabo con la fórmula de correlación de Pearson, excepto que una de las variables es dicotómica., La siguiente fórmula se utiliza para calcular la correlación de Pearson r:
RXY = coeficiente de correlación de Pearson r entre x e Y
n = Número de observaciones
xi = valor de x (para la i-ésima observación)
yi = valor de y (para la i-ésima observación)
tipos de preguntas de investigación que una correlación de Pearson puede examinar:
¿existe una relación estadísticamente significativa entre la edad, medida en años, y la altura, medida en pulgadas?,
¿existe una relación entre la temperatura, medida en grados Fahrenheit, y las ventas de helados, medidas por ingresos?
¿existe una relación entre la satisfacción laboral, medida por la JSS, y el ingreso, medido en dólares?
suposiciones
para la correlación de Pearson r, ambas variables deben distribuirse normalmente (las variables distribuidas normalmente tienen una curva en forma de campana). Otras suposiciones incluyen linealidad y homocedasticidad., La linealidad asume una relación de línea recta entre cada una de las dos variables y la homoscedasticidad asume que los datos están distribuidos equitativamente sobre la línea de regresión.
conducir e interpretar una correlación de Pearson
términos clave
tamaño del efecto: el estándar de Cohen puede ser utilizado para evaluar el coeficiente de correlación para determinar la fuerza de la relación, o el tamaño del efecto. Coeficientes de correlación entre .10 y .29 representan una asociación pequeña, coeficientes entre .30 y .49 representan una asociación media, y coeficientes de .,50 y más representan una gran asociación o relación.
datos continuos: datos que son nivel de intervalo o relación. Este tipo de datos posee las propiedades de magnitud e intervalos iguales entre unidades adyacentes. Intervalos iguales entre unidades adyacentes significa que hay cantidades iguales de la variable que se mide entre unidades adyacentes en la escala. Un ejemplo sería la edad. Un aumento de la edad de 21 a 22 años sería lo mismo que un aumento de la edad de 60 a 61 años.,
correlación de rango de Kendall: la correlación de rango de Kendall es una prueba no paramétrica que mide la fuerza de dependencia entre dos variables. Si consideramos dos muestras, a y b, donde cada tamaño de muestra es n, sabemos que el número total de emparejamientos con A b es n(n-1)/2., La siguiente fórmula se utiliza para calcular el valor de correlación por rangos de Kendall:
Nc= número de concordantes
Nd= Número de los discordantes
la Conducta y de Interpretar una de Correlación de Kendall
Términos Clave
Concordantes: Ordenado de la misma manera.
discordante: ordenado de manera diferente.
correlación de Rango de Spearman: la correlación de rango de Spearman es una prueba no paramétrica que se utiliza para medir el grado de asociación entre dos variables., La prueba de correlación de Rango de Spearman no lleva ninguna suposición sobre la distribución de los datos y es el análisis de correlación apropiado cuando las variables se miden en una escala que es al menos ordinal.,
la siguiente fórmula se utiliza para calcular la correlación de rango de Spearman:
ρ= correlación de rango de Spearman
di= la diferencia entre los rangos de las variables correspondientes
n= Número de observaciones
tipos de preguntas de investigación que una correlación de Spearman puede examinar:
¿existe una relación estadísticamente significativa entre el nivel de educación de los participantes (escuela secundaria, Licenciatura o posgrado) y su salario inicial?,
¿existe una relación estadísticamente significativa entre la posición final del caballo en una carrera y la edad del caballo?
suposiciones
las suposiciones de la correlación de Spearman son que los datos deben ser al menos ordinales y los puntajes en una variable deben estar monótonamente relacionados con la otra variable.
conducir e interpretar una correlación de Spearman
términos clave
tamaño del efecto: el estándar de Cohen puede ser utilizado para evaluar el coeficiente de correlación para determinar la fuerza de la relación, o el tamaño del efecto. Coeficientes de correlación entre .,10 y .29 representan una asociación pequeña, coeficientes entre .30 y .49 representan una asociación media, y coeficientes de .50 y más representan una gran asociación o relación.
datos ordinales: en una escala ordinal, los niveles de una variable se ordenan de tal manera que un nivel puede considerarse más alto/más bajo que otro. Sin embargo, la magnitud de la diferencia entre los niveles no se conoce necesariamente. Un ejemplo sería ordenar los niveles de educación. Un título de posgrado es más alto que un título de licenciatura, y un título de licenciatura es más alto que un diploma de escuela secundaria., Sin embargo, no podemos cuantificar cuánto más alto es un título de posgrado en comparación con un título de licenciatura. Tampoco podemos decir que la diferencia en la educación entre un título de posgrado y un título de licenciatura es la misma que la diferencia entre un título de licenciatura y un diploma de escuela secundaria.
recursos de correlación:
Bobko, P. (2001). Correlation and regression: Applications for Industrial organizational psychology and management (2nd ed.). Thousand Oaks, CA: Sage Publications. View
Bonett, D. G. (2008)., Meta-analytic interval estimation for bivariate correlations. Psychological Methods, 13(3), 173-181.
Chen, P. Y., & Popovich, P. M. (2002). Correlation: Parametric and nonparametric measures. Thousand Oaks, CA: Sage Publications. View
Kendall, M. G., & Gibbons, J. D. (1990). Rank Correlation Methods (5th ed.). London: Edward Arnold., Ver
páginas relacionadas:
- tabla de valores críticos: correlación de Pearson
- conducir e interpretar una correlación de Rango de Spearman
- conducir e interpretar una correlación bivariada (Pearson)
