Este documento presenta los resultados de varios análisis de correlación de Pearson realizados en SPSS entre diferentes variables. Se encontró una correlación moderada entre el peso y las horas de deporte, una alta correlación negativa entre el número de cigarrillos y la nota de acceso, y una buena correlación positiva entre el peso y la altura al limitar la muestra a 10 casos. Los gráficos de dispersión apoyan estas correlaciones.
1. 1.1.- Utilizando nuestra base de datos comprueba la correlación entre la
variable peso y la variable horas de dedicación al deporte. Comenta los
resultados.
Primero tenemos que comprobar la normalidad y hay que seguir los siguientes pasos:
3. INTERPRETACIÓN
• Vemos en dicho cuadro como la correlación de cada variable consigo misma es
“perfecta” (Coef. De Correlación lineal = 1).Mientras que la correlación con la otra variable
vale 0,410, un valor positivo.
• La correlación de ambas variables es un valor positivo , por lo tanto el peso debería
aumentar conforme aumenta las horas de dedicación al deporte.
• Al ser la correlación un valor bajo, hay una correlación moderada entre ambas
variables.
• El valor de la p (Significancia), se utiliza como contraste de hipótesis, para ver si en la
población ambas variables están correlacionadas.
En este caso, el valor p es 0.091 y es mayor que 0. 05, e incluso que el nivel de
correlación 0.01. Esto significa que aceptamos la hipótesis nula, es decir, no hay
correlación entre las variables.
5. INTERPRETACIÓN:
Como puede verse a simple vista y hemos comprobado, ambas
variables no presentan correlación.
El coeficiente de correlación será más próximo a 0 que a 1, ya que la
nube de puntos representada, no se acercan a una recta imaginaria.
Por lo tanto, una correlación próxima a 0, se interpreta con la no
existencia de una relación lineal entre las dos variables estudiadas.
6. 1.2.- Calcula el Coeficiente de Correlación de Pearson para las
variables nº de cigarrillos fumados al día y nota de acceso.
Comenta los resultados.
Primero, al igual que en el ejercicio anterior , comprobaremos la normalidad.
A continuación, calculamos de la misma manera que en el ejercicio anterior, la correlación y
hemos obtenido los siguientes resultados:
7. INTERPRETACIÓN:
• Cada variable consigo misma es “perfecta” (Coef. De Correlación lineal =1). Mientras
que la correlación con la otra variable vale – 0.976, un valor negativo.
• La correlación de ambas variables es un valor negativo , por lo tanto la nota de
acceso aumenta cuando el número de cigarrillos fumados al día disminuye y
viceversa.
• Al ser la correlación un valor muy alto, hay una alta correlación entre ambas
variables, casi perfecta.
• El valor de la p (Significancia), se utiliza como contraste de hipótesis, para ver si en la
población ambas variables están correlacionadas.
En este caso, el valor p es 0.001 y es menor que 0. 01, e incluso que el nivel de
correlación 0.05. Esto significa sigue habiendo correlación incluso aún nivel más alto.
8. 1.3.- Calcula el Coeficiente de Correlación de Pearson para las
variables peso y altura (limitando la muestra a 10 casos).
Comenta los resultados.
En este caso, al igual que hicimos en una de los seminarios anteriores, tenemos que
seleccionar solo 10 casos de la muestra.
Primero pasamos todos los datos a formato Excel:
9. A continuación importamos los datos a un nuevo programa de SPSS, pero solo
seleccionando, los diez primeros casos:
11. Ahora, al igual que en el ejercicio 1.1, comprobaremos la normalidad.
A continuación, calculamos de la misma manera que en el ejercicio 1.1, la correlación y
hemos obtenido los siguientes resultados:
INTERPRETACIÓN
• Vemos en dicho cuadro como la correlación de cada variable consigo misma es
“perfecta” (Coef. De Correlación lineal = 1).Mientras que la correlación con la otra
variable vale 0,757, un valor positivo.
• La correlación de ambas variables es un valor positivo , por lo tanto el peso aumenta
conforme aumenta la altura.
• Al ser la correlación un valor alto, hay una buena correlación entre ambas variables.
• El valor de la p (Significancia), se utiliza como contraste de hipótesis, para ver si en la
población ambas variables están correlacionadas.
En este caso, el valor p es 0.011 y es menor que 0. 05, esto significa que existe correlación
entre ambas variables.
12. 1.4.-Muestra los gráficos en una de las correlaciones.
Hacemos el gráfico del apartado 1.2.
INTERPRETACIÓN:
Como puede verse a simple vista y hemos comprobado, ambas variables presentan una
alta correlación entre ambas, casi perfecta.
Además, se observa una correlación lineal inversa, porque cuando crece X, disminuye
Y.
El coeficiente de correlación será más próximo a 1 que a 0, ya que la nube de puntos
representada, se acercan a una recta imaginaria.