La p de Pearson es una prueba estadística usada para evaluar la relación entre dos variables.

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

Este cuadro debe completarse de manera similar al cuadro para estadísticas sumarias, pero ahora deben seleccionarse 2 variables. Si desea seleccionar las variables de la lista de variables, haga clic en el botón y seleccione la variable en la lista que se muestra. A continuación, mueva el cursor al campo X variable, y nuevamente haga clic 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. Ver transformación logarítmica.

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

El coeficiente de correlación de Pearson R con el 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 correspondientemente.

Si una variable aumenta cuando la segunda aumenta, entonces hay una correlación positiva. En este caso, el coeficiente de correlación estará más cerca de 1. Por ejemplo, la altura y la edad de los niños se correlacionan positivamente.

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 hubiera encontrado el resultado actual si el coeficiente de correlación fuera de hecho cero (hipótesis nula). Si esta probabilidad es menor que el 5% convencional (P <0.05), el coeficiente de correlación se llama estadísticamente significativo.

¿Cuándo usar r de Pearson?

La correlación del momento del producto Pearson es uno de los procedimientos paramétricos. Esto significa que se deben cumplir ciertos requisitos para que los resultados sean correctos y podamos interpretarlos.

  • Linealidad. La conexión entre las dos variables debe ser lineal. Si la conexión no es lineal, la correlación del momento del producto Pearson subestimará la fuerza del contexto.
  • No hay valores atípicos en los grupos. La mayoría de las estadísticas paramétricas son solo un poco robustas hacia los valores atípicos, es decir, valores que están lejos de la masa de los otros valores. Un solo valor atípico no puede hacer que un resultado significativo sea significativo. Por lo tanto, es particularmente importante verificar los datos para valores atípicos.
  • Varianza final y covarianza. Si la varianza de A o ambas variables no es finalmente, la correlación del momento del producto no proporcionará resultados confiables. Lo mismo se aplica a la covarianza.

SPSS también verifica automáticamente si las correlaciones difieren significativamente de cero. Para la interpretación de la importancia, ambas variables también deben ser bivariadas normalmente distribuidas.

La fórmula para calcular R se basa en la varianza y la covarianza de ambas variables aleatorias. La varianza final (co-) significa que si tenemos una muestra de, por ejemplo, n = 100, la varianza se estabilizaría con un valor similar, como finalmente no sería valorado por N. n.

¿Qué mide el test de Pearson?

Para calcular un coeficiente de correlación de Pearson entre dos variables, debería existir una relación lineal entre las dos variables.

La forma más fácil de verificar esta suposición es simplemente crear una gráfica de dispersión de las dos variables. Si los puntos en la trama caen aproximadamente a lo largo de una línea recta, entonces existe una relación lineal:

Sin embargo, si los puntos se dispersan al azar sobre la gráfica o si exhiben algún otro tipo de relación (como cuadrática), entonces no existe una relación lineal entre las variables:

En este caso, un coeficiente de correlación de Pearson no hará un buen trabajo al capturar la relación entre las variables.

Un coeficiente de correlación de Pearson también supone que ambas variables se distribuyen más o menos normalmente.

Puede verificar esta suposición visualmente creando un histograma o un gráfico Q-Q para cada variable.

Si un histograma para un conjunto de datos tiene forma de campana, entonces es probable que los datos se distribuyan normalmente.

Una gráfica Q-Q, abreviatura de «Quantile-Quantile», es un tipo de gráfico que muestra cuantiles teóricos a lo largo del eje X (es decir, donde sus datos se encuentran si siguieran una distribución normal) y muestrean cuantiles a lo largo del eje Y (es decir, dónde se encuentran realmente sus datos).

Si los valores de los datos caen a lo largo de una línea recta en un ángulo de 45 grados, se supone que los datos se distribuyen normalmente.

También puede realizar una prueba estadística formal para determinar si una variable se distribuye normalmente.

¿Cuándo se utiliza el test de Pearson?

Para el mundo del inglés y la universidad, el viaje con Pearson continúa.

¡Comenzar con el pie derecho es esencial! Por esta razón, hemos puesto a disposición de todas las pruebas de entrada de maestros, propuestas de programación y recursos educativos multimedia (para recepción, revisión y mejora) para todas las materias, desde la escuela primaria hasta la escuela secundaria.

¿Tienes un curso de Pearson para adopción? Inicie sesión en My Pearson Place, seleccione su libro y explore la plataforma Kmzero para consultar una mayor oferta de contenido. Muchos recursos para compartir con sus alumnos (también con Google ClassroomTM y Microsoft Teams®) para establecer su actividad de enseñanza de manera flexible.

¡Además, una sección completa dedicada a la capacitación, para prepararse aún más para el sonido de la campana!

Más de 200 pruebas divididas en 50 disciplinas, desde la escuela primaria hasta la escuela secundaria de primer y segundo grado. Una herramienta útil para evaluar el nivel de preparación de estudiantes al momento de regresar a la escuela.
Las pruebas se pueden descargar libremente, sin la necesidad de iniciar sesión, en formato de palabra: puede personalizarlas y compartirlas fácilmente con sus alumnos o imprimirlas. ¡También disponible en el formato de modulitm de Google! Seleccione su pedido escolar para descubrir los materiales >>

50 propuestas de programación divididas en 50 materias de la escuela secundaria de primer y segundo grado para tratar el contenido esencial de las diferentes disciplinas y diseñar su actividad de enseñanza en clase y remotamente.
Los archivos se pueden descargar, sin una solicitud de inicio de sesión, en formato de palabra, para permitirle personalizarlos de acuerdo con sus necesidades. Seleccione su pedido escolar para descubrir los materiales >>

¿Cómo se hace la correlación de Pearson?

La correlación entre dos variables nos permite tener una idea del grado de asociación o covariación que existe entre estas dos variables. Por lo tanto, los coeficientes de correlación son un tipo de representación digital de la relación entre las 2 variables (1). Pero, ¿cuál es el coeficiente de correlación de Pearson?

En 1846, Bravais ya hizo una aproximación de lo que sabemos hoy como el coeficiente de correlación de Pearson. Sin embargo, fue Karl Pearson quien describió por primera vez, en 1896, el método de cálculo estándar y quien demostró que era lo mejor posible.

Pearson también hizo algunos comentarios sobre una extensión de la idea de Galton. Estos son los últimos que aplicó a los datos antropométricos. Pearson llamó a este método el método «Momentos del producto» (o la función Galton para el coeficiente de correlación R).

El coeficiente de correlación de Pearson se asocia con el ajuste de modelos estadísticos muy comunes, como el análisis de regresión, con su coeficiente de determinación cuadrado, que funciona como un indicador de la calidad del ajuste.

Por lo tanto, Pearson (1896) él mismo nos contó sobre la necesidad de variables analizadas (correlacionadas, analizadas) para llenar ciertas hipótesis, como la normalidad.

El coeficiente de correlación de Spearman es una estadística de playa no paramétrica (sin distribución de probabilidad asociada). Se propuso como una medida de la fuerza de la asociación entre dos variables. Esta es una medición de una asociación monótona que se usa cuando la distribución de datos hace que el coeficiente de correlación de Pearson sea engañoso.

Artículos Relacionados:

Más posts relacionados:

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *