La correlación lineal te permite cuantificar la relación entre dos (o más de dos) variables cuantitativas, entérate cómo funciona y cómo es el procedimiento de correlación lineal en SPSS para investigación de mercados.
¿Qué es la Correlación lineal?
Con el análisis ANOVA puedes determinar si una variable cuantitativa independiente es afectada por una variable independiente de naturaleza cualitativa, (checa aquí Análisis ANOVA). En cambio la correlación lineal te permite cuantificar la relación entre dos (o más de dos) variables cuantitativas, por ejemplo el peso en kilogramos y la estatura en cms de un grupo de personas.
Primero te voy a explicar la correlación lineal de solo dos variables. En esta relación podemos estudiar dos factores:
- La dirección de la relación: Diremos que es directa o positiva cuando al incrementar la variable X, se incremente en alguna medida la variable Y. Por ejemplo, la relación de estatura-peso, cuando mayor es la estatura de una persona, generalmente mayor es el peso. Diremos que es Inversa o negativa cuando al aumentar la variable X, disminuye la variable Y. Por ejemplo, cuando sube el nivel de inversión en un país, disminuye el desempleo.
- La fuerza de la relación. Es decir que porcentaje de la variación de la variable dependiente (Y) es explicada por la variable independiente (X).
El Diagrama de dispersión
La manera más sencilla de observar la forma en que se relacionan dos variables cuantitativas es generando un diagrama de dispersión, ya que nos permite constatar visualmente cual es la forma de esta relación.
Por ejemplo, en estas gráficas tenemos observar las siguientes relaciones:
a) Relación directa o positiva
b) Relación inversa o negativa
c) Otro tipo de relación no lineal
d) Cuando no existe relación alguna (independencia lineal)
Coeficiente de correlación
La relación entre dos variables no siempre es perfecta o nula, usualmente no es ni lo uno ni lo otro. Podemos observar que hay nubes de puntos que se ajustan mejor a una línea que otras nubes. Generalmente La cuestión no es de todo o nada, sino más bien de grado de ajuste. Por eso se necesita un índice numérico para medir ese grado de ajuste. El coeficiente de correlación podemos definirlo como el índice numérico que sirve para cuantificar el grado de relación lineal existente entre dos variables cuantitativas.
No hay un solo coeficiente, de hecho existen varios. Por ejemplo, el Coeficiente de Pearson (r), Tau-b de Kendall o el coeficiente de Spearman.
R de Pearson es uno de los coeficientes más usados. Como ya lo comentamos sirve para variables cuantitativas. Este coeficiente toma valores entre -1 y 1, pasando por 0, y además su análisis en SPSS presenta una matriz de correlaciones cuadrada. El coeficiente Tau-b de Kendall sirve para datos ordinales, y también tiene valores entre -1 y 1. Finalmente el coeficiente de Spearman es recomendado para datos ordinales o no normales.
En este articulo explicaremos el coeficiente de Pearson.
¿Cómo se interpreta el coeficiente de Pearson?
El signo nos indica la dirección de la relación:
- un valor positivo indica una relación directa o positiva,
- un valor negativo indica relación indirecta, inversa o negativa,
- un valor nulo (0) indica que no existe una tendencia entre ambas variables (puede ocurrir que no exista relación o que la relación sea más compleja que una tendencia, por ejemplo, una relación en forma de U).
La magnitud nos indica la fuerza de la relación, y toma valores entre -1 a 1.
- Cuanto más cercano sea el valor a los extremos del intervalo (1 o -1) más fuerte será la tendencia de las variables, o será menor la dispersión que existe en los puntos alrededor de dicha tendencia.
- Cuanto más cerca del cero esté el coeficiente de correlación, más débil será la tendencia, es decir, habrá más dispersión en la nube de puntos.
- si la correlación vale 1 o -1 diremos que la correlación es “perfecta”,
- si la correlación vale 0 diremos que las variables no están correlacionadas.
Análisis de correlación lineal en SPSS
A continuacíón te dejo un video con el procedimiento para ejecutar el análisis en SPSS:
Si quieres ver otros análisis estadísticos, haz clic aquí para ver Regresión lineal o Análisis Descriptivos en SPSS.