14. Coeficiente de correlación de Pearson | Curso de SPSS 29

Correlación de Pearson y su Aplicación en Investigación

Introducción a la Correlación de Pearson

• La correlación de Pearson permite alcanzar dos intenciones investigativas: la prueba de hipótesis y la estimación puntual. Se requiere un intervalo de confianza para realizar inferencias estadísticas.

Evaluación de Variables Numéricas

• En el análisis se utilizan datos como el peso del niño antes y después del nacimiento, permitiendo relacionar variables numéricas, ya sean del mismo tipo (peso con peso) o diferentes (hemoglobina con peso).

Proceso de Análisis

• Al analizar correlaciones, se pueden aplicar diferentes métodos como la correlación de Pearson, tau-b de Kendall o Spearman. Se inicia con una prueba de hipótesis para determinar si existe correlación.

Hipótesis y Decisiones Estadísticas

• Se plantea que ρ (rho) es diferente de cero (H1), indicando existencia de correlación. Si no se puede demostrar esto, se acepta H0 donde ρ es igual a cero.

• La regla decisional establece que si el p-valor es menor a 0.05, se acepta H1; si es mayor, se queda con H0.

Resultados y Coeficiente de Correlación

• Un p-valor bajo indica significancia bilateral; en este caso, menor a 0.001. Esto lleva a aceptar H1 que confirma la existencia de correlación.

• El coeficiente r obtenido fue 0.822, lo cual indica una excelente correlación positiva entre las variables analizadas.

Visualización Gráfica

• Se utiliza un diagrama de dispersión para visualizar cómo los valores aumentan conjuntamente en ambas variables, evidenciando una correlación positiva directa.

Intervalos de Confianza

• Es crucial acompañar cualquier estimación puntual con intervalos de confianza; aquí se estima un intervalo al 95% que varía entre 0.74 y 0.87.

Normalidad en Datos

• Si no se acepta H1 por falta de evidencia suficiente para demostrar correlaciones, no hay coeficiente r que calcular.