Escolar Documentos
Profissional Documentos
Cultura Documentos
De donde:
𝐾𝐾 : Número de ítems
De donde:
𝐾𝐾 : Número de ítems
Seguir la secuencia:
Fiabilidad
Estadísticas de fiabilidad
Alfa de
Cronbach N de elementos
,814 25
NORMALIDAD
Introducción
Para determinar si los datos no siguen una distribución normal, debemos
comparar el valor p con el nivel de significancia 𝛼𝛼.
Por lo general, un nivel de significancia 𝛼𝛼 = 0,05 es lo adecuado. Este valor
indica un riesgo de 5% de concluir que los datos no siguen una distribución
normal, cuando los datos sí siguen una distribución normal.
Decisiones:
1) Para p ≤ α: Los datos no siguen una distribución normal (Se rechaza la
hipótesis nula H0) y se concluye que los datos no siguen una distribución
normal.
2) Para p > α: no se puede concluir que los datos no siguen una distribución
normal (No puede rechazar la hipótesis nula H0), es decir no se tiene
suficiente evidencia para concluir que los datos no siguen una distribución
normal.
Obtendremos
Luego picamos en el botón Gráficos ….
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Variable1 ,233 25 ,001 ,822 25 ,001
Variable2 ,188 25 ,023 ,892 25 ,012
a. Corrección de significación de Lilliefors
Coeficiente de correlación
El coeficiente de correlación es un estadístico que proporciona información sobre
la relación lineal existente entre dos variables cualesquiera. Básicamente, esta
información se refiere a dos características de la relación lineal: la dirección o
sentido y la cercanía o fuerza.
Para analizar esta relación entre variables, se determina el coeficiente de
correlación (r), que varía entre -1 y 1.
−1 ≤ 𝑟𝑟 ≤ 1
Cuando:
𝒓𝒓 > 𝟎𝟎, la correlación es positiva; en este caso, si una variable aumenta, la
otra también aumenta y si una disminuye, la otra también disminuye.
Matemáticamente se puede decir que son directamente proporcionales.
𝒓𝒓 < 𝟎𝟎, la correlación es negativa; en este caso, si una variable aumenta la
otra disminuye y viceversa Matemáticamente se dice que son inversamente
proporcionales.
𝒓𝒓 = 𝟎𝟎, indica que no hay relación entre las variables, es decir son
independientes.
Fuerza de la relación
r Fuerza
0 No hay relación
|𝑟𝑟| ≤ 0,1 Muy débil o despreciable
|𝑟𝑟| ≤ 0,3 Débil o baja
|𝑟𝑟| ≤ 0,5 Moderada o mediana
|𝑟𝑟| ≤ 1 Fuerte o alta
∑(𝑥𝑥 − 𝑥𝑥̅ )2
𝑆𝑆 = �
𝑛𝑛 − 1
Reemplazando se obtiene:
1
∑(𝑥𝑥𝑖𝑖 − 𝑥𝑥̅ )(𝑦𝑦𝑖𝑖 − 𝑦𝑦�)
𝑟𝑟 = 𝑛𝑛
∑( )2
�∑(𝑥𝑥 − 𝑥𝑥̅ ) 𝑥𝑥 � 𝑦𝑦 − 𝑦𝑦�
2
𝑛𝑛 − 1 𝑛𝑛 − 1
Coeficiente de correlación de Kendall (𝝉𝝉), es particularmente adecuada
este coeficiente cuando se estudia la relación entre variables cualitativas
de tipo ordinal, además cuando los datos no poseen una distribución normal
y dichos datos son pocos con muchos valores en el mismo rango o clase.
Se puede usar por ejemplo con datos categóricos codificados binariamente
(0,1). Se determina por la fórmula:
2 (𝑃𝑃 − 𝑀𝑀)
𝜏𝜏 =
𝑛𝑛 (𝑛𝑛 − 1)
Donde:
𝜏𝜏 : Coeficiente de correlación de Kendall
𝑃𝑃 : N° de pares concordantes
𝑀𝑀 : N° de pares discordantes
𝑛𝑛 : Muestra
Coeficiente de correlación de Spearman (𝝆𝝆),
El coeficiente de correlación de rangos de Spearman, se usa en aquellos
análisis de datos entre variables cuyas escalas de medidas sean al menos
ordinales, o que exista suficientes evidencias de que las variables en
estudio a pesar de ser cuantitativas no siguen un comportamiento normal.
Es el mismo coeficiente de correlación de Pearson pero aplicado luego de
efectuar una transformación de los valores originales de las variables en
rangos.
Se determina por:
6 . ∑(𝑥𝑥𝑖𝑖 − 𝑦𝑦𝑖𝑖 )2
𝜌𝜌 = 1 −
𝑛𝑛3 − 𝑛𝑛
Donde:
𝜌𝜌 : Coeficiente de Spearman
∑(𝑥𝑥𝑖𝑖 − 𝑦𝑦𝑖𝑖 )2 : Sumatoria del número de parejas de rangos
𝑛𝑛 : Muestra
Resumen:
Datos Coeficiente
Ordinal
Spearman
Ordinal
Ordinal
Cuantitativa discreta Spearman
o continua
Cuantitativa discreta
Spearman
Cuantitativa discreta
Distribución no Spearman
normal
Cuantitativa continua
Puntos atípicos Spearman
Cuantitativa continua
Distribución Pearson
normal
Correlaciones
Variable1 Variable2
N 25 25
N 25 25
𝜌𝜌 = 0,659
Corresponde a una correlación fuerte y al ser positiva nos dice que la variable
dependiente es directamente proporcional a la variable independiente.