FatCamera/E+/GettyImages
Coeficiente de correlación de Pearson, denotado como r , cuantifica la asociación lineal entre dos variables continuas. Su valor varía de –1 a +1, donde –1 indica una relación negativa perfecta, +1 una relación positiva perfecta y 0 indica que no hay correlación lineal. Los investigadores normalmente calculan utilizando software estadístico como SPSS o SAS para garantizar la precisión, especialmente cuando informan los hallazgos en publicaciones revisadas por pares.
Elija dos variables que se midan de forma independiente para evitar sesgos. La primera suele ser la variable dependiente, mientras que la segunda es el predictor o exposición de interés.
Para conjuntos de datos grandes, el cálculo manual resulta poco práctico, por lo que se recomienda utilizar software o una calculadora científica. La fórmula matemática está disponible en la sección de referencia a continuación.
Una r cercana a cero sugiere que las variables no comparten una relación lineal. Estos resultados pueden resaltar variables que pueden no influir entre sí.
Una r positiva cercana a +1 indica una fuerte tendencia lineal:a medida que una variable aumenta, la otra aumenta proporcionalmente. La interpretación debe considerar el contexto del estudio.
Una r negativa cercana a –1 refleja una tendencia lineal inversa:a medida que una variable aumenta, la otra disminuye en una cantidad correspondiente. El contexto vuelve a ser esencial.
Interprete r dentro de la pregunta de investigación específica. Por ejemplo, una r de 0,912 denota una asociación positiva muy fuerte, lo que podría sugerir un vínculo causal que justifica una mayor investigación. Por el contrario, la misma r en una relación bien establecida podría indicar errores de datos o fallas de diseño.
Determine la significación estadística comparando r con valores críticos de una tabla de correlación. Los grados de libertad son iguales al número de observaciones pareadas menos dos. Busque el valor crítico para α =0,05 (95 % de confianza) o α =0,01 (99 % de confianza). Si |r| excede el valor crítico, la relación es estadísticamente significativa.
Utilice intervalos de confianza para r para evaluar las correlaciones poblacionales además de las estimaciones puntuales.
