Professional Documents
Culture Documents
tudio de relaciones entre datos no cuantitativos (nominales u ordinales) y cuantitativos se recurre al anlisis de tablas o, cuando la
variable medida cuantitativamente es la variable dependiente, al
anlisis de variancia, examinado en el captulo 9.
2.
Anlisis de tablas
250
251
252
1--
. rn'ol~~
Sentimiento de impotencia
253
400*_~10_0-l-~5~0_0~
- - - 1 -. .
(fa -
Fa)2
Fa
+ ... +
(fb -
Fb)2
Fb
(fk-Fk?
Fk
(1)
siendo:
Ascendido recientemente
200
300
500
~~~~~~-~-~-~-~----+---r--S' . ~
600
400
I 1.000
1
GRABADO
fa, fb)
Fa) Fb)
3.-Tabla bidimensional.
Rk Sk
Fk=---
Cruzamiento: En una tabla de doble entrada se da un cruzamiento cuando los valores mayores de la primera y segunda columna, as
como los menores, se entrecruzan. En la tabla 3, dos flechas indican
ese cruzamiento, que puede interpretarse como sigue: La mayora
de quienes tienen un intenso sentimiento de impotencia hace ya
tiempo que no han ascendido profesionalmente. Y la mayora de
quienes tienen un dbil sentimiento de impotencia han tenido un
ascenso reciente. As, pues, este cruzamiento apunta a una relacin
qe, si se dispone de la correspondiente teora, puede ser interpretada como relacin causal.
El cruzamiento es un medio muy cmodo, pero imperfecto,
de descubrir relaciones causales. La plasticidad visual puede desaparecer tan pronto como una dimensin adopte ms de dos valores 5
5 En una tabla bidimensional cuyas dos dimensiones se encuentran divididas en ms de dos clases, pero ambas en el mismo nmero de clases, el
cruzamiento puede ser reconocido a travs de la circunstancia de que en una
de las diagonales de la tabla se encuentren las cifras mayores y en la otra
las pequeas, pero slo si ambas dimensiones son de naturaleza ordinal.
(2)
siendo:
Rk = Suma marginal de fila de k cuadros.
Sk = Suma marginal de columna de k cuadros.
N = Suma total de casos incluidos en la tabla.
Para el cuadro a de la tabla 3 el valor esperado es:
Fa
di =
(3)
254
df
= (2 -
1) . (2 -
1)
=1
255
Condiciones de aplicacin
(1) Coeficiente de
contingencia (C).
(2) ).. (lambda).
Peatman, p. 136.
Zeldtich, p. 176.
Peatman, p. 135.
( 1) Coeficiente de co-
Correlacin eta.
Una dimensin ha de ser nominal y adoptar ms de dos valores; la otra ha de ser racional
y adoptar varios valores.
Peatman, p. 132.
Correlacin punto
biseriaL
Peatman, p. 143.
Correlacin biseriaL
Peatman, p. 126.
Correlacin triseriaL
Una dimensin ha de ser racional y tricotmica; la otra, racional y adoptar diferentes valores.
Peatman, p. 128.
Correlacin tetracrIca.
Peatman, p. 130.
Peatman, p. 93.
La frmula se puede
encontrar, p. ej., en 9
.~.
256
Ejercicios
257
Autoritario
Liberal
Bueno
lOO
300
Malo
200
200
Tabla 2
Grado de satisfaccin
laboral
Bajo
Salario del trabajador (en DM)
Normal Elevado
Menos de 500
100
100
50
501-700
100
150
100
701-900
50
100
100
Ms de 900
10
20
50
c) La tabla tridimensional.-No pocas veces albergar el investigador la sospecha de que el nexo hallado por medio de la tabla
bidimensional no corresponde a ninguna relacin monocausal. Es
posible que para el objeto investigado fuera ms adecuado el modelo
multicausal descrito en la pgina 251 o el modelo de cadena causal;
esto es, cabe aadir a la relacin bifactorial una tercera variable que
acte como segunda variable independiente o como variable intervi
niente. Cabe tambin la posibilidad de que la relacin encontrada
en la tabla bidimensional sea engaosa, que se trate de una correlacin esprea 9a. En cualquier caso, ser muy razonable introducir una
9a El trmino de correlacin esprea es algo desafortunado porque ambas
variables guardan una relacin que no es slo aparente, sino tambin Hctica.
Aparente lo es slo la posibilidad de una interpretacin. causal brindada por
una relacin correlativa, pues en el caso de la correlacin aparente no se da
precisamente ninguna relacin causal.
258
259
GRABADO
4.-CorreLacin esprea.
Explicacin de smbolos:
X
= Variable independiente originaria, esto es: variable que fue considerada
como independiente en la tabla bidimensional originaria.
y
= Variable dependiente originaria.
t
= Variable de test.
~ = Relacin casual.
- - - - = Correlacin.
La correlacin entre X e Y, establecida en la tabla bidimensional originaria, no responde a ninguna relacin causal, sino que fue
producida por la repercusin de t sobre X e Y. La correlacin aparente descansa, pues, sobre el siguiente principio: Una variacin en t
provoca variaciones tanto en X corno en Y. Por esta razn, X e Y
covaran sin que exista una relacin causal entre ellas. En base al
siguiente ejemplo se muestra cmo cabe descubrir una correlacin
aparente.
Salud mental 11
Mala
Buena
Actitud ante
Negativa
450
400
850
la empresa
Positiva
400
900
1.300
850
1.300
2.150
GRABADO
5.
11 Con respecto al desarrollo de una escala de salud mental vid. T. S. Langner, S. T. Michael, Lile Stress and Mental Realth, The Free Press of Glencoe,
Londres, 1963, pgs. 42 y 43.
260
En la tabla 5 se puede constatar incluso pticamente una relacin entre la salud mental de los trabajadores y su actitud ante la
empresa. Existe un cruzamiento. La comprobacin de la significacin de la relacin es: ji-cuadrado = 105. Por tanto, cabe afirmar
la relacin con una seguridad de 99,9 por 100. Al calcular la correlacin (correlacin tetracnica) se obtiene rt 0,35 12. Como variable de prueba se introduce ahora la satisfaccin laboral (grabado 6), de manera que, en su doble valoracin de mala y buena,
se combinen entre s las variables originarias (en este caso, salud
mental y actitud ante la empresa), respectivamente. De esta manera
se mantiene constante la variable de prueba en cada uno de sus
dos valores.
al
Satisfaccin laboral
3)
Buena
salud mental
Mala
Buena
Mala
Buena
Actitud ante
Negativa
400
200
50
200
la empresa
Positiva
200
100
200
800
GRABADO
b)
Mala
salud mental
261
6.
o, en su caso, un test de significacin ha de confirmar la hiptesis nula para cada una de las tablas parciales.
Con ello no se cuenta todava con ningn indicio seguro de
la existencia de una correlacin esprea. Ha de darse un quinto y
decisivo paso, que explicaremos a continuacin del apartado siguiente.
La intervencin: La estructura de la intervencin puede representarse grficamente de la siguiente manera:
-----------
0--+ Qr----..:
-0
_--"
'"'---_...-'
,../........
.........
/'
262
263
Ahora bien, puede ser que el verdadero factor causal del absentismo sea la cantidad de trabajo domstico, que en la mayora
de las mujeres casadas (pero no en todas) es mayor que en la mayora de las solteras. La relacin sera, pues, la siguiente:
GRABADO
Trabajo en el hogar
Casada
1.000
600
1.600
Alto
600
1.000
1.600
1.600
1.600
3.200
7.
i: El ejemplo, en forma algo modificada, est tomado de H. Zese1, Prob1eme der Aufschlsse1ung, en: R. Kong (ed.), Das Interview, Co10na, 1957,
pgna 305.
b)
a)
Poco
Mucho
Estado civil
Estado cvil
'ioltera
Casada
Soltera
Casada
Bajo
900
300
100
300
Alto
300
100
300
900
Absentismo laboral
Bajo
Absentismo
. De ser esto as, las mujeres con mucho trabajo en el hogar, haCiendo caso omiso del estado civil, deberan faltar al trabajo en la
fbrica con ms frecuencia que las mujeres con pocas faenas domsticas. La cantidad de stas es introducida como variable de prueba
mantenindola constante en sus dos valores poco y mucho. E~
amhas tablas parciales de la tabla tridimensional resultante (grabado 8) no debera aparecer ya ninguna covariancia entre estado civil
y ausencia al trabajo, puesto que entre ambas variables no existe
ninguna relacin inmediata. No resulta difcil percatarse de que ambas
correlaciones condicionadas, en la tabla 8, valen cero.
GRABADO
8.
Hasta aqu los pasos del anlisis son exactamente los mismos
que en el caso de la correlacin esprea. Tambin es el mismo el
indicio de los valores iguales o prximos a cero de las correlaciones condicionadas. En base a ese indicio tan slo se puede negar
la presencia de una relacin monocausal o multicausal inmediata,
pero no puede diferenciarse entre una correlacin esprea y una
intervencin. Esta diferenciacin es tarea propia de la teora del
investigador social, puesto que la direccin causal de la relacin entre
264
265
tracrico). Se supone que en esta correlacin la satisfaccin profesional acta de variable independiente. Manifiestamente, la satisfaccin general depende tambin de otros factores. Un factor de esta
clase podra ser la satisfaccin con las relaciones primarias (familia,
crculo de amistades). Esta variable es introducida como variable t
de prueba (grabado 10). Las relaciones en ambas tablas parciales
son altamente significativas, los coeficientes de correlacin condicionados son r = 0,87 (tabla lOa) y r = 0,39 tabla 10b); correlacin tetracrica). Estos valores apuntan a una relacin multicausal
por las siguientes razones:
a)
b)
Grande
Pequea
280
120
400
Grande
170
380
550
450
500
950
Satisfaccin general
GRABADO
9.
Grande
Satisfaccin
profesional
Satisfaccin
profesional
Pequea
Grande
Pequea
Grande
Pequea
no
20
150
100
Grande
30
120
140
260
Satisfaccin general
GRABADO
Pequea
10.
266
Si se introduce en XY una variable de prueba totalmente irrelevante (como el tamao del pie de los encuestados, pongamos por
caso) que no guarde vnculo alguno ni con Y ni con X, ninguna
de las correlaciones condicionadas de la tabla tridimensional ser
mayor que la correlacin entre X e Y. En este caso debe desecharse
el supuesto de una relacin multicausal.
En resumen: Cabe suponer una relacin multicausal cuando se
dan las siguientes condiciones 1:1:
b) Padre
a) Madre
Grado
de autoritarismo
2) Por lo menos una de las correlaciones condicionadas es (significativamente) mayor que la correlacin originaria entre X e Y:
[XV; ti] mayor que [XV].
Si ambas correlaciones, [XY ; ti] Y [XY] han de calcularse
por frmulas de correlacin diversas (entre otras razones, porque
t posea tal vez un nivel de medicin distinto al de _X e Y), las
mismas no seran ya comparables. La segunda condicin es la siguiente: Por lo menos dos de las diversas correlaciones condicionadas [XY; tJ ... [XY; t n ] han de registrar valores significativamente
diferentes.
El modelo de multicausalidad exige que las variables independientes no tengan relacin entre s; esto es, que no guarden correlacin. Ahora bien, sta se da con alguna frecuencia. En ese caso,
el investigador debe bien expresar claramente que la estructura
multicausal de la relacin investigada no es segura, o bien buscar
la causa de la correlacin entre X y t introduciendo ms variables.
En el caso de multicausalidad, dos o ms variables independientes repercuten, mediante su combinacin, en una variable der:endiente. El tipo de la combinacin puede ser diverso. Es pOSIble
distinguir los siguientes:
267
Educacin por
medio de
GRABADO
Grado
de autoritarismo
Bajo
Alto
Bajo
Alto
Castigos corporales
10
50
50
50
Castigos no-corporales
60
40
30
30
11.
268
de manifiesto una clara relacin que discurra, en ambos subarupos, en direccin opuesta. As, pues, el respectivo valor de la v:riable t determina la direccin de la variacin de X en Y.
a)
La direccin
apoy
GRABADO
intensamente
dbilmente
Presin sobre
b) Presin sobre
intensa
intensa
dbil
dbil
10
11
10
12.
269
a)
Satisfaccin profesional
Grande
Pequea
Satisfaccin
con las relaciones
primarias
Pequea
Pequea
Satisfaccin general
Grande
130 L
30
Grande
Pequea
Grande
150
20
lOO
140
120
260
r = 0,50
GRABADO
Satisfaccin
con las relaciones
primarias
r = 0,32
13
270
Ejercicios
1) Calcular las correlaciones y las correlaciones condicionadas
para las tablas siguientes (*).
2) Determinar la estructura de la respectiva relacin factorial.
3) Interpretar verbalmente la relacin encontrada.
4) En caso de relacin multicausal, calcular la importancia relativa de las variables independientes.
Como tercera variable se introduce la procedencia social del escolar (se compuso el ndice correspondiente).
Insatisfaccin laboral
Pequea
50
20
Grande
40
40
Pertenencia de clase
Clases bajas
Rendimiento
Malo
Status
Bajo
sociomtrico
Elevado
Clases medias
Rendimiento
Bueno
Malo
22
12
18
Malo
Bueno
10
10
Pequea
Grande
Monotona
Monotona
Satisfaccin
Pequea
30
laboral
Grande
10
Grande
Pequea
Grande
10
20
10
30
20
Conservadora
Progresista
El nio bueno
32
24
El nio independiente
24
75
Bajo
Elevado
Actitud pOltica Actitud poltica
Conser- Progre- Conser- Progre.
vadora
sista vadora
sista
Rendimiento
en el deporte
Malo
Bueno
Status
Bajo
40
20
sociomtrico
Elevado
20
30
Clases altas
Rendimiento
Bueno
Pequea
e)
b)
a)
271
= [XY]. Las correlaciones parciales son, pues, todas mayores que cero (1a primera condicin de arriba) y ninguna es mayor que la correlacin originaria
(segunda condicin de las anteriormente enunciadas).
l' En caso de que no se puedan hacer clculos exactos de correlacin, los
ejercicios tambin podran resolverse, si bien con menor exactitud, mediante el
examen ptico de las tablas.
Objetivo
educacional
3.
El nio bueno
El nio independiente
12
30
12
12
70
12
Anlisis contextual
En este captulo nos hemos limitado casi exclusivamente a. ejemplos en los que se trataba de relaciones entre dos.o .tres att1but~s
individuales. Por principio, sin embargo, los procedImIentos de ana-