Coeficiente de correlación

Comando:

Estadística Correlación Coeficiente de correlación

Descripción

El análisis de correlación se utiliza para determinar si los valores de dos variables están asociados. Ambas variables deben ser muestras aleatorias y tener una distribución normal (posiblemente tras la transformación).

Entrada requerida

Este cuadro debe completarse de forma similar al cuadro de estadísticas de resumen, pero ahora se deben seleccionar dos variables. Si desea seleccionar las variables de la lista, haga clic en el botón y seleccione la variable en la lista que se muestra. A continuación, mueva el cursor al campo Variable X y haga clic de nuevo en el botón para seleccionar la variable en la lista.

Finalmente, puede seleccionar una transformación logarítmica para una o ambas variables para obtener distribuciones normales. Consulte Transformación logarítmica.

Después de hacer clic Aceptar obtienes las estadísticas solicitadas en la ventana de resultados:

Resultados

Correlation

Variable Y	WEIGHT
Variable X	LENGTH

Sample size	100
Correlation coefficient r	0.4459
Significance level	P<0.0001
95% Confidence interval for r	0.2734 to 0.5906

Scatter diagram

Tamaño de la muestra : el número de pares de datos n

Coeficiente de correlación de Pearson r con valor p. El coeficiente de correlación de Pearson es un número entre -1 y 1. En general, la correlación expresa el grado en que, en promedio, dos variables cambian de forma correspondiente.

Si una variable aumenta cuando la otra aumenta, existe una correlación positiva. En este caso, el coeficiente de correlación será cercano a 1. Por ejemplo, la estatura y la edad de los niños presentan una correlación positiva.

Si una variable disminuye cuando la otra variable aumenta, entonces hay una correlación negativa y el coeficiente de correlación estará más cerca de -1.

El valor p es la probabilidad de que se hubiera obtenido el resultado actual si el coeficiente de correlación fuera cero (hipótesis nula). Si esta probabilidad es inferior al 5 % convencional (P<0,05), el coeficiente de correlación se considera estadísticamente significativo.

Sin embargo, es importante no confundir correlación con causalidad. Cuando dos variables están correlacionadas, puede existir o no una conexión causal, y esta conexión puede ser indirecta. La correlación solo puede interpretarse en términos de causalidad si las variables investigadas proporcionan una base lógica (biológica) para dicha interpretación.

Intervalo de confianza (IC) del 95% para el coeficiente de correlación de Pearson : este es el rango de valores que contiene con un 95% de confianza el coeficiente de correlación 'verdadero'.

Presentación de resultados

Se debe informar el número de pares de datos (tamaño de la muestra), el coeficiente de correlación (dos decimales), junto con el valor P y el intervalo de confianza del 95%: el coeficiente de correlación fue 0,45 (P < 0,0001, IC del 95%: 0,27 a 0,59).

La relación entre dos variables se puede representar fácilmente gráficamente mediante un diagrama de dispersión.

Literatura

• Armitage P, Berry G, Matthews JNS (2002) Statistical methods in medical research. 4^th ed. Blackwell Science.
• Bland M (2000) An introduction to medical statistics, 3^rd ed. Oxford: Oxford University Press.
• Altman DG (1991) Practical statistics for medical research. London: Chapman and Hall.

Véase también

• Crear una tabla de correlación para más de 2 variables
• Cálculo del tamaño de la muestra para el coeficiente de correlación
• Correlación parcial
• Correlación de rangos
• Diagrama de dispersión

Enlaces externos

• Coeficiente de correlación de Pearson en Wikipedia.