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

Variables en el Análisis

• En el análisis se utilizan variables numéricas, como el peso del niño antes y después del nacimiento. También se pueden correlacionar variables de diferentes naturalezas, como hemoglobina y peso.

Proceso de Correlacionar Variables

• Al analizar correlaciones, se puede elegir entre diferentes métodos (Pearson, Kendall o Spearman). Se comienza con la prueba de hipótesis para determinar si existe correlación.

Planteamiento de Hipótesis

• La hipótesis alterna (H1) establece que ρ es diferente de cero, indicando existencia de correlación. Si no se demuestra, se acepta la hipótesis nula (H0), que afirma que ρ es igual a cero.

Evaluación del Valor P

• Se utiliza un nivel de significancia (α = 0.05). Si el valor p está por debajo, se acepta H1; si está por encima, H0. Un p valor bajo indica una fuerte evidencia contra H0.

Cálculo del Coeficiente R

• El coeficiente r varía entre 0 y 1; valores positivos indican correlaciones positivas. Un r obtenido de 0.822 sugiere una excelente correlación positiva entre las variables analizadas.

Visualización Gráfica

• Se utiliza un diagrama de dispersión para visualizar la relación entre las variables: al aumentar una variable, también lo hace la otra, evidenciando una correlación positiva directa.

Intervalos de Confianza en Estimaciones Puntuales

• Es crucial acompañar cualquier estimación puntual con intervalos de confianza. Para este caso específico, el intervalo al 95% varía entre 0.74 y 0.87.

Normalidad en los Datos