📈 Prueba de Hipótesis de Correlación: ¿R de Pearson o Rho de Spearman? 📊
Introducción y presentación
Resumen de la sección: En esta sección, José Noel de la empresa Sm@rtLine introduce el tema de correlación entre una variable cuantitativa numérica y una variable cualitativa ordinal. Explica que utilizará el programa SPS para realizar el análisis y menciona que examinará la relación entre las variables nivel educativo e ingreso anual.
Presentación del tema
- José Noel de Sm@rtLine presenta el tema de correlación entre una variable cuantitativa numérica y una variable cualitativa ordinal.
- Utilizará el programa SPS para realizar el análisis.
- Las variables a analizar son nivel educativo e ingreso anual.
Coeficientes de correlación
Resumen de la sección: En esta sección, José Noel discute los diferentes coeficientes de correlación que pueden utilizarse en este tipo de análisis. Menciona que para utilizar el coeficiente de Pearson, ambas variables deben seguir una distribución normal. Si no cumplen con este supuesto, es necesario utilizar pruebas no paramétricas como chi cuadrado o Fisher.
Tipos de coeficientes
- Existen varios coeficientes de correlación disponibles, como R de Pearson, chi cuadrado, Fisher y Kendall.
- Para utilizar el coeficiente de Pearson, ambas variables deben seguir una distribución normal.
- Si alguna variable no cumple con el supuesto de normalidad, es necesario utilizar pruebas no paramétricas.
Prueba de normalidad
Resumen de la sección: En esta sección, José Noel explica la importancia de realizar pruebas de normalidad en las variables antes de aplicar el coeficiente de Pearson. Incluso en el caso de variables cualitativas, como nivel educativo, es necesario verificar la normalidad. José Noel menciona que realizará una prueba de normalidad en sus datos.
Prueba de normalidad en variables categóricas
- Aunque una variable cualitativa tenga pocas categorías, como nivel educativo con cuatro categorías, es necesario realizar pruebas de normalidad.
- En este caso, se realizará una prueba de normalidad en las variables nivel educativo e ingreso anual.
Realización del test de normalidad
Resumen de la sección: En esta sección, José Noel explica los pasos para realizar el test de normalidad en las variables. Menciona que utilizará el programa SPC y muestra cómo ingresar los datos y especificar las características de las variables. Luego, realiza la prueba de normalidad y toma decisiones basadas en el p-valor obtenido.
Pasos para realizar el test
- Copiar los datos al programa SPC.
- Ir a la vista "Variables" y especificar los detalles de cada variable (nombre, tipo, valores).
- Realizar la prueba exploratoria para analizar la distribución y obtener estadísticas descriptivas.
- Tomar decisiones basadas en el p-valor obtenido: si es menor al 5%, rechazar la hipótesis nula; si es mayor al 5%, aceptarla.
Análisis del ingreso anual
Resumen de la sección: En esta sección, José Noel muestra cómo ingresar los datos del ingreso anual y explica que no hay problemas con su distribución ni valores faltantes. Luego, continúa con el análisis de normalidad.
Ingreso anual
- Se ingresa la variable del ingreso anual en el programa SPC sin problemas.
- No hay valores faltantes ni problemas con su distribución.
Prueba de normalidad en nivel educativo
Resumen de la sección: En esta sección, José Noel explica que, a pesar de ser una variable cualitativa, es necesario realizar la prueba de normalidad en nivel educativo. Menciona que aunque tenga pocas categorías, puede haber casos donde existan muchas categorías y sea necesario verificar la normalidad.
Prueba de normalidad en variables categóricas
- Aunque una variable cualitativa tenga pocas categorías, como nivel educativo con cuatro categorías, es necesario realizar pruebas de normalidad.
- Puede haber casos donde existan muchas categorías y sea necesario verificar la normalidad.
Realización del test de normalidad en nivel educativo
Resumen de la sección: En esta sección, José Noel muestra cómo ingresar los datos del nivel educativo y realiza la prueba de normalidad. Explica los pasos para tomar decisiones basadas en el p-valor obtenido.
Test de normalidad
- Copiar los datos al programa SPC.
- Ir a la vista "Variables" y especificar los detalles del nivel educativo.
- Realizar la prueba exploratoria para analizar la distribución y obtener estadísticas descriptivas.
- Tomar decisiones basadas en el p-valor obtenido: si es menor al 5%, rechazar la hipótesis nula; si es mayor al 5%, aceptarla.
Prueba de normalidad en nivel educativo (continuación)
Resumen de la sección: En esta sección, José Noel continúa explicando los pasos para realizar la prueba de normalidad en el nivel educativo. Menciona que la muestra utilizada es de 120 personas y toma decisiones basadas en el p-valor obtenido.
Tamaño de la muestra
- La muestra utilizada es de 120 personas.
- Se aplicará el test de normalidad adecuado según el tamaño de la muestra.
Decisión basada en el p-valor
Resumen de la sección: En esta sección, José Noel explica cómo tomar decisiones basadas en el p-valor obtenido en la prueba de normalidad. Si el p-valor es menor al 5%, se rechaza la hipótesis nula; si es mayor al 5%, se acepta.
Decisión basada en el p-valor
- Si el p-valor es menor al 5%, rechazar la hipótesis nula.
- Si el p-valor es mayor al 5%, aceptarla.
Preparación para prueba de normalidad
Resumen de la sección: En esta sección, José Noel muestra cómo copiar los datos al programa SPC y especificar las características del nivel educativo antes de realizar la prueba de normalidad.
Preparación para prueba
- Copiar los datos al programa SPC.
- Ir a las vistas "Datos" y "Variables" para ingresar y especificar los detalles del nivel educativo.
Realización del test de normalidad
Resumen de la sección: En esta sección, José
Estadística y pruebas de normalidad
En esta sección, se discute la estadística y las pruebas de normalidad en el contexto del análisis de datos. Se mencionan conceptos como moda, mediana, cuantil y se explica cómo realizar una prueba de normalidad.
Pruebas de normalidad
- La prueba de normalidad es importante para determinar si los datos siguen una distribución normal.
- Se utilizan diferentes pruebas dependiendo del tamaño de muestra y el tipo de variable.
- Para un tamaño de muestra mayor a cincuenta, se utiliza la prueba Colgomorof. Para tamaños menores, se utiliza Shapiro Will.
- El P valor es utilizado para evaluar si los datos siguen una distribución normal. Si es menor al nivel alfa (generalmente 5%), se rechaza la hipótesis nula y se acepta que los datos no siguen una distribución normal.
Pruebas no paramétricas
En esta sección, se discuten las pruebas no paramétricas como alternativa cuando los datos no cumplen con el supuesto de normalidad. Se mencionan diferentes pruebas no paramétricas disponibles.
Elección de prueba no paramétrica
- Cuando los datos no cumplen con el supuesto de normalidad, se utilizan pruebas no paramétricas.
- Las variables categóricas son adecuadas para pruebas como Kendall, Fisher o chi cuadrada.
- Sin embargo, cuando tenemos una variable cuantitativa y otra cualitativa, la prueba recomendada es la prueba Espirman.
Prueba de correlación Espirman
En esta sección, se explica cómo realizar una prueba de correlación utilizando el coeficiente de correlación Espirman. Se discuten los pasos y criterios para interpretar los resultados.
Prueba de correlación Espirman
- La hipótesis nula plantea que no existe correlación entre las variables, mientras que la hipótesis alternativa plantea que sí existe.
- El nivel de significancia utilizado es generalmente del 5% (alfa).
- Si el P valor es menor al nivel alfa, se rechaza la hipótesis nula y se acepta la existencia de correlación.
- Para realizar la prueba en Excel, se utiliza el coeficiente de correlación Espirman.
Interpretación de resultados
En esta sección, se analizan los resultados obtenidos en la prueba de correlación y se interpreta su significado.
Interpretación de resultados
- Se analiza el P valor para determinar si hay una relación significativa entre las variables.
- Para ambas variables (nivel educativo e ingreso anual), se observa que el P valor es mayor al nivel alfa (5%), lo que indica que no hay evidencia suficiente para rechazar la hipótesis nula.
- Esto sugiere que no existe una relación significativa entre estas dos variables.
Relación entre nivel educativo e ingreso anual
En esta sección se analiza la relación entre el nivel educativo y el ingreso anual, rechazando la hipótesis nula debido a un valor de p menor al cinco por ciento. Se busca determinar si existe una asociación significativa y positiva entre ambas variables.
Análisis de la relación
- Existe una relación entre el nivel educativo y el ingreso anual.
- El coeficiente de correlación es del 95.8% para el nivel educativo y del 95.8% para el ingreso anual.
- La correlación es alta, fuerte e intensa, con una tendencia positiva.
- A medida que aumenta el nivel de estudios, los ingresos también son más elevados.
Representación gráfica de la correlación
En esta sección se muestra la representación gráfica de la correlación entre el nivel educativo y el ingreso anual utilizando un diagrama de cajas. Se observa una línea creciente y positiva que indica que a medida que aumenta el grado académico, los ingresos también aumentan.
Diagrama de cajas
- Se utiliza un diagrama de cajas para representar la correlación.
- En el eje x se encuentra la variable categórica del nivel educativo (técnico, bachiller, magister, doctorado).
- En el eje y se encuentra el ingreso anual.
- Se observa una línea creciente en dirección positiva, lo cual indica que a mayor grado académico, mayores son los ingresos.
- Se puede apreciar que hay más personas con bachillerato en el grupo de las 120 personas analizadas.
Concentración de datos en el gráfico
En esta sección se destaca la concentración de datos en el gráfico, donde se observa que la mayoría de las personas se encuentran en un rango específico de nivel educativo y su correspondiente ingreso anual.
Concentración de datos
- Se puede observar una concentración de datos en el gráfico.
- La mayoría de las personas se encuentran en un rango específico de nivel educativo y su correspondiente ingreso anual.
- Esto indica que existe una tendencia común entre estas variables para la muestra analizada.