PRÀCTICA 5: Associació o relació entre variables.

Correlació lineal per a variables quantitatives: Coeficient de Pearson

Quan en una investigació es tenen diverses variables quantitatives es molt freqüent explorar
visualment la linealitat de les relacions entre eixes variables mitjançant els diagrames de
dispersió. Si en l'exploració visual no hi ha una manifesta absència de linealitat es procedeix a
obtenir la matriu de correlacions bivariades. Hi ha procediments quantitatius per a analitzar la
linealitat que seran vists en Estadística II.

EXPLORACIÓ VISUAL: Amb les dades del fitxer “Subescales”, seleccionant solament els
alumnes del grup VM,
MENU ⇒ Dades ⇒Seleccionar casos⇒ Si se satisfà la condició Grup=1

es dibuixa el diagrama de dispersió matricial per a les 4 subescales:

MENU → Gràfics → Generador de gràfics
Dispersió/Punts → (7º dibuix) Dispersió Matricial
Variables: salud, esport, aparença, autoestima

No sembla que haja relacions molt fortes, ni lineals ni no lineals. El diagrama de dispersió
que sembla tenir una relació mes clara es entre aparença i autoestima. De totes maneres, li
demanem la matriu de correlacions per a confirmar l'absència de relació lineal entre la
majoria de les variables estudiades.

1
EXPLORACIÓ NUMÈRICA: Obtenir la matriu de correlacions entre les subescales.

MENU → Analitzar → Correlacions → Bivariades

Variables: salut, esport, aparença, autoestima
Coeficients de correlació: Pearson

Com ja s'explicarà en Estadística II, solament els coeficients de correlació de Pearson amb
valors que tenen asteriscos, indican que hi ha relació significativa. Por tant, es confirma que
solament hi ha relació significativa i positiva entre Autoestima i Aparença.
Como la matriu de correlacions es triangular, encara que s'observa dues correlacions
significatives (les que tenen asteriscos), en realitat solament es una perquè la relació lineal
entre aparença i autoestima es la mateixa que entre autoestima i aparença.
Si la relació entre dues variables es NO lineal, llavors no es dóna aquesta simetria, es a dir,
la relació no lineal entre X i Y no té perquè ser la mateixa que entre Y i X.

Correlació significativa indica que el valor obtingut, 0.481, es major de 0 més enllà del que
cap esperar per atzar.

• Las variables Aparença i Autoestima estan relacionades linealment?

Resposta: Sí, ja que presenten una correlació positiva significativa (**), és a dir, la gent que
es percep amb millor aparença física també és la que té l'autoestima més alta. Hi ha per tant
una alta variació conjunta, la qual cosa NO implica necessàriament que una variable siga
causa de l'altra, per exemple, la variable benestar psicològic podria estar intervenint la
relació entre ambdues.
A més, s'ha de demostrar la temporalitat , es a dir, que la causa sempre precedeix al efecte.
En la majoria de les variables psicològiques es difícil determinar què és primer. Podria ser
que tenir una autoestima alta afavorisca que una persona es perceba físicament millor, o que
si es percep físicament millor açò faça augmentar la seua autoestima.

2
 • Podríem pensar que el gènere es una variable moduladora o intervinent en la relació entre
aparença i autoestima. Per a investigar-ho, segmentarem el fitxer sobre la base del gènere
i obtindrem de nou la correlació entre les dues variables.

MENU ⇒ Dades ⇒ Segmentar arxiu ⇒ Comparar les dades /

Grups basat en: Genere
MENU → Analitzar → Correlacions → Bivariades
Variables: salut, esport, aparença, autoestima
Coeficients de correlació: Pearson

Como es pot apreciar en la matriu de correlacions, en el cas de les xiques hi ha correlació

positiva significativa entre aparença i autoestima. Però en el cas dels xics la correlació entre
aparença i autoestima no es significativa. En canvi, sí que resulta significativa la correlació
entre esport i salut (a major pràctica esportiva presenten pitjor percepció de salut de salut).

3
 Correlació lineal per a variables semiquantitatives: Coeficient Spearman
Important!!! Obri el fitxer P7 exercici amb SPSS classe. Pots tancar el fitxer “Subescales”
perquè ja no ho anem a utilitzar.
• En aqueix fitxer hi ha tres variables en escala ordinal: grat per les matemàtiques, interès per
l'Estadística, i nota esperada. Estan relacionades linealment?

Com es tracta de variables semiquantitatives cal utilitzar el coeficient de Spearman.

MENU → Analitzar→ Correlacions → Bivariades
Variables: Agr.Matematic, Int.Estadistica, Not.Esperada Coeficients de
correlació: Spearman

Correlaciones

Nota_esperada Agrado_matemat Interes_estadistic

Rho de Nota_esperada Coeficiente de correlación 1,000 ,817** ,759*
Spearman Sig. (bilateral) . ,004 ,011

N 10 10 10

Agrado_matematicas Coeficiente de correlación ,817** 1,000 ,972**

Sig. (bilateral) ,004 . ,000

N 10 10 10
Interes_estadistica Coeficiente de correlación ,759* ,972** 1,000

Sig. (bilateral) ,011 ,000 .

N 10 10 10

**. La correlación es significativa en el nivel 0,01 (bilateral).

*. La correlación es significativa en el nivel 0,05 (bilateral).

Resposta: Hi ha una correlació significativa entre la nota esperada i el grat per les matemàtiques
i el interès en l’estadística. També hi ha correlació significativa entre grat per les matemàtiques
i el interès en estadística.
Como les relacions son positives o directes, la interpretació es que els alumnes als quals els
agraden les matemàtiques també son els que tenen mes interès en estadística i els que mes nota
esperada tenen, també els agraden mes les matemàtiques.

Associació per a variables qualitatives: Coeficiente χ2

Amb les dades del fitxer P7 exercici amb SPSS classe:

• Las variables Interès per l'Estadística i Sexe són dependents o independents, és a dir,
presenten associació entre si?

Com una de les variables és qualitativa (Sexe) s'ha d'utilitzar χ2.

4
 MENU → Analitzar→ Estadístics descriptius → Taules de contingència
Fila: Sexe
Columna: Interes matematiques
Estadístics: Chi-quadrat i Phi i v de Cramer
Casillas: Freqüències observades, freqüències esperades, percentatges fila

Tabla cruzada Genero*Agrado_matematicas

Agrado_matematicas
Gens Poc Prou Molt Total
Genero hombre Recuento 2 2 1 1 6
Recuento esperado 2,4 1,2 1,2 1,2 6,0
% dentro de Genero 33,3% 33,3% 16,7% 16,7% 100,0%
mujer Recuento 2 0 1 1 4
Recuento esperado 1,6 ,8 ,8 ,8 4,0
% dentro de Genero 50,0% 0,0% 25,0% 25,0% 100,0%
Total Recuento 4 2 2 2 10
Recuento esperado 4,0 2,0 2,0 2,0 10,0
% dentro de Genero 40,0% 20,0% 20,0% 20,0% 100,0%

Pruebas de chi-cuadrado
Significación
asintótica
Valor df (bilateral)
Chi-cuadrado de Pearson 1,667a 3 ,644
Razón de verosimilitud 2,370 3 ,499
Asociación lineal por lineal ,011 1 ,916
N de casos válidos 10
a. 8 casillas (100,0%) han esperado un recuento menor que 5. El
recuento mínimo esperado es ,80.

Medidas simétricas
Significación
Valor aproximada
Nominal por Nominal Phi ,408 ,644
V de Cramer ,408 ,644
N de casos válidos 10

5
Resposta: Ji quadrat presenta un valor d'1.66 però com manca de límit superior la interpretació
és millor fer-la sobre la base de la v de Cramer (que varia entre 0 i 1).
Com la v de Cramer és 0.408, l'associació entre les variables no és significativa, la qual
cosa indica que ambdues variables són independents, és a dir, no estan associats el sexe i
l'interès per les matemàtiques. En altres paraules, saber el sexe d'una persona té escàs o
nul valor a l'hora de pronosticar l'interès que tindrà en l'assignatura de matemàtiques.

6
 PRÀCTICA 5: Associació o relació entre variables.

Cognoms i Nom: ________________________________________ Grup: _________

Cognoms i Nom: _______________________________________ Grup: __________

EXERCICIS
(per a fer amb el SPSS)

Exercici 1: Un psicòleg creu que l'habilitat per a resoldre problemes de matemàtiques

(Habilitat) està relacionada amb la pràctica (Pràctica). Fa una investigació en la qual manipula
diferents temps de pràctica (hores) d'uns subjectes que mai havien fet problemes d'aqueix tipus.
Després els passava una prova d'habilitat numèrica (major puntuació indica major habilitat).
Les dades van ser:

Subjecte 1 2 3 4 5 6 7 8 9 10
Pràctica 5 5 6 6 6 7 7 11 11 16
Habilitat 25 30 30 35 45 40 45 55 60 65

Las variables estan associades /relacionades?

1) Introdueix les dades. Còpia i pega a continuació el visor de dades.

2) Exploració gràfica para avaluar si hi ha associació/relació entre las variables: còpia i

pega a continuació el gràfic o tabla corresponents.

3) Avaluació quantitativa (càlcul del coeficient adequat) respecto a l'associació/relació del

as variables: còpia i pega a continuació la taula amb el coeficient corresponents.
4) Interpreta els resultats.

Exercici 2: Un investigador està interessat a conèixer si el desenvolupament mental d'un xiquet

està associat a l'educació formal de la seua mare. D'aquesta manera, obté la qualificació de
desenvolupament mental en l'escala de Gesell de vuit xiquets triats aleatòriament i s'informa
del grau d'escolaritat de les mares. Les dades van ser:

Escolaritat de la mare (X) Desenvolupament mental

xiquet (I)
5. Segon de Batxillerat 105
2. Tercer d'ESO 100
8. Postgrau 107
4. Primer de Batxiller 87
6. Primer de Grau 98
3. 4ºd'ESO 92
1. Primària 85
7. Segon de Grau 115

7
Las variables estan associades /relacionades?

1) Introdueix los dades. Còpia i pega a continuació el visor de dades.

2) Exploració gràfica para avaluar si hi ha associació/relació entre las variables: còpia i

pega a continuació el gràfic o tabla corresponents

3) Avaluació quantitativa (càlcul del coeficient adequat) respecto a l'associació/relació del

as variables: còpia i pega a continuació la taula amb el coeficient corresponents.
4) Interpreta els resultats.

Exercici 3: “Les dones condueixen pitjor que els homes” és un vell tòpic que podem investigar.
Suposem que es pregunta a una mostra de 9 homes i 10 dones, de característiques similars quant
al nombre d'hores d'utilització del vehicle, experiència, etc., si alguna vegada han tingut algun
accident de trànsit. Els resultats són:

Sí No
Homes 7 2
Dones 3 7

Las variables estan associades /relacionades?

1) Introdueix les dades. Còpia i pega a continuació el visor de dades.

2) Exploració gràfica para avaluarà si hi ha associació/relació entre les variables: còpia i

pega a continuació el gràfic o taula corresponents.

3) Avaluació quantitativa (càlcul del coeficient adequat) respecto a l'associació/relació del

as variables: còpia i pega a continuació la taula amb el coeficient corresponents.

4) Interpreta els resultats.