¿De qué  va esto de la investigación correlacional?

La investigación correlacional es un tipo de investigación no experimental,

en la cual el investigador mide dos variables y evalúa la relación estadística (es decir, la correlación) entre ellas,

con poco o ningún esfuerzo para controlar las variables extrañas

Nuestra mente puede hacer algunas cosas brillantes.

Por ejemplo, cuando éramos niños  podíamos memorizar el tintineo de un camión de helados.

Más fuerte el jingle, más cerca estaba el camión de helados para nosotros.

¿Quién nos enseñó eso? ¡Nadie!

Confiamos en nuestra intuición y llegamos a una conclusión.

Pero puede que no nos detuviéramos ahí, ¿verdad?

Si había varios camiones de helados en el área y cada uno con un tintineo diferente.

Podíamos  memorizarlos todos y relacionar el jingle con cada camión de helados.

Esto es precisamente lo que es la investigación correlacional,

establece  una relación entre dos variables, “jingle” y “distancia del camión” en este ejemplo particular.

La investigación correlacional busca variables que parecen interactuar entre sí,

de modo que cuando veas que una  de ellas está cambiando, tengas una idea clara de cómo cambiará la otra.

¿Cuándo es conveniente utilizar investigación correlacional?

Existen esencialmente dos razones por las cuales los investigadores,

interesados ​​en las relaciones estadísticas entre variables,

elegirían realizar un estudio correlacional en lugar de un experimento.

La primera  es que no creen que la relación estadística sea causal.

Por ejemplo, un investigador puede evaluar la validez de una prueba de autoestima breve,

administrándola a un grupo grande de participantes,

junto con una prueba de autoestima más larga que ya se ha demostrado que es válida.

Este investigador podría verificar si las puntuaciones de los participantes en la prueba breve,

están fuertemente correlacionadas con sus puntuaciones en la prueba más larga.

Ninguno de los puntajes de prueba se cree que causa el otro,

por lo que no hay una variable independiente para manipular.

De hecho, los términos variable independiente  y variable dependiente  no se aplican a este tipo de investigación.

La otra razón por la que los investigadores elegirían usar un estudio correlacional en lugar de un experimento,

es cuando la relación estadística de interés se considera causal,

pero el investigador  no puede  manipular la variable independiente porque es imposible, poco práctico o poco ético.

Tipos de investigación correlacional

La investigación correlacional implica medir dos variables y evaluar la relación entre ellas, sin manipulación de una variable independiente.

La investigación correlacional no está definida por cómo se recopilan los datos.

Sin embargo, algunos enfoques para la recolección de datos están fuertemente asociados con la investigación correlacional.

Estos incluyen la observación naturalista,

en la cual los investigadores miran el comportamiento de las personas en el contexto en el que normalmente ocurre,

y el uso de datos de archivo que ya fueron recopilados para algún otro propósito.

El símbolo r se utiliza para representar el coeficiente de correlación producto-momento de Pearson para una muestra.

La letra griega rho  se usa para una población.

Cuanto más fuerte sea la correlación, más se acerca el valor de r (coeficiente de correlación) a  +1.00,

más puntos en el diagrama de dispersión caerán sobre una linea recta

Cuando no hay una relación entre las medidas (variables),

decimos que no están relacionadas, no están correlacionadas, son ortogonales o independientes.

Diferencias entre investigación correlacional e investigación causal

En la investigación correlacional no (o al menos no intentamos) influir en las variables,

sólo las medimos y buscamos relaciones (correlaciones) entre un conjunto de ellas,

como la presión arterial y el nivel de colesterol.

En la investigación experimental, manipulamos algunas variables

y luego medimos los efectos de esta manipulación en otras variables; por ejemplo,

un investigador podría aumentar artificialmente la presión arterial y luego registrar el nivel de colesterol.

El análisis de los datos en la investigación experimental también incluye el  cálculo de las “correlaciones” entre las variables,

específicamente, las manipuladas y las afectadas por la manipulación.

Sin embargo, los datos experimentales pueden proporcionar una información cualitativamente mejor:

sólo los datos experimentales pueden demostrar de manera concluyente las relaciones causales entre las variables

Aunque una relación entre dos variables no prueba que una causó la otra,

si no hay una relación entre dos variables, una no puede haber causado la otra.

Errores comunes al trabajar con investigación correlacional

Un error común entre los investigadores principiantes es la creencia que la investigación correlacional debe involucrar dos variables cuantitativas,

como los puntajes en dos pruebas de autoestima o la cantidad de molestias y el número de síntomas que las personas han experimentado.

Sin embargo, la característica definitoria de la investigación correlacional es que las dos variables se miden, ninguna de las dos se manipula,

y esto es cierto independientemente de si las variables son cuantitativas o categóricas.

Imagine, por ejemplo, que un investigador administra una escala de autoestima  a 50 estudiantes universitarios estadounidenses,

y 50 estudiantes universitarios latinoamericanos.

Aunque esto “se percibe” como un experimento entre sujetos,

es un estudio correlacional porque el investigador no manipuló las nacionalidades de los estudiantes.

Recopilación de datos en investigación correlacional

Nuevamente, la característica definitoria de la investigación correlacional es que ninguna de las variables está manipulada.

No importa cómo o dónde se miden

Un investigador podría hacer que los participantes vengan a un laboratorio para completar una tarea computarizada acerca de estadística descriptiva,

y una tarea informatizada referida a estadística inferencial

Luego puede evaluar la relación entre los puntajes de los participantes en las dos actividades.

O un investigador podría ir a un centro comercial para preguntarle a la gente sobre sus actitudes hacia el medio ambiente y sus hábitos de compra,

Posteriormente  evaluar la relación entre estas dos variables.

Ambos estudios serían correlacionales porque no se manipula ninguna variable independiente.

Sin embargo, debido a que algunos enfoques para la recolección de datos están fuertemente asociados con la investigación correlacional,

tiene sentido analizarlos aquí.

Observación naturalista

La observación naturalista es una forma de recopilación de datos en la que se presta atención al  comportamiento de las personas en su entorno natural

Este método es un tipo de investigación de campo.

Podría implicar que un investigador esté observando personas en una tienda de comestibles, en el cine, en el patio de recreo o en lugares similares.

Los investigadores que suelen participar en este tipo de recopilación de datos realizan observaciones de la manera más discreta posible,

de modo que los participantes en el estudio no son conscientes de que se les está observando,

de lo contrario podrían desviarse de su comportamiento habitual

Éticamente, este método es aceptable si los participantes permanecen en el anonimato y si el estudio se lleva a cabo en un entorno público,

donde las personas normalmente no tendrían una expectativa de privacidad completa.

Como se mencionó anteriormente,

tomé un ejemplo de la tienda de comestibles donde se puede observar a la gente mientras recolecta un artículo de la isla y coloca las bolsas de la compra.

Esto es éticamente aceptable, y es la razón por la que la mayoría de los investigadores eligen entornos públicos para registrar sus observaciones.

Este método de recolección de datos podría ser tanto cualitativo como cuantitativo.

Datos de archivo

Otro enfoque de la investigación correlacional es el uso de datos de  archivo, que son datos que ya se han recopilado para algún otro propósito.

Los datos de archivo son aquellos que se han recogido previamente mediante un tipo de investigación similar.

Los datos de archivo suelen estar disponibles a través de la investigación primaria.

Al contrario de la observación naturalista, la información recopilada a través de datos archivados puede ser bastante sencilla.

Ejemplos de investigaciones correlacionales sencillas

Algunas preguntas que implican correlaciones simples pueden ser:

¿Cuál es la relación entre…?

Asistencia escolar y calificaciones en la escuela

Horas a la semana dedicadas a hacer las tareas  y notas escolares

Longitud del brazo y  estatura de una persona

Número de hijos en una familia y número de habitaciones en la casa

Correlación versus causalidad

Las correlaciones sólo describen la relación, no prueban causa y efecto.

La correlación es una condición necesaria, pero no suficiente para determinar la causalidad.

Hay tres requisitos para inferir una relación causal

1. Una relación estadísticamente significativa entre las variables.
2. La variable causa ocurrió antes de la variable efecto.
3. No hay otros factores que puedan explicar el efecto

Los estudios de correlación no cumplen con el último requisito y pueden no cumplir el segundo tampoco.

Sin embargo, no tener una relación significa que una variable no causó la otra

Existe una fuerte relación entre la cantidad de conos de helado vendidos y la cantidad de niños que se ahogan cada mes.

El hecho de que exista una relación (correlación fuerte) no significa que uno haya causado lo otro.

Si hay una relación entre X (venta de conos de helado) y Y (ahogamiento) podría ser porque

X-> Y (Comer helado causa ahogamiento)

X <-Y  (Los niños  que se ahogan tienden a comer helados: tal vez los que lloran están tan molestos que compran conos de helado para animarse)

X <-Z-> Y  (Algo más está relacionado con las ventas de helados y el número de ahogamientos: el clima cálido sería una buena estimación)

El punto es… sólo porque hay una correlación, NO PUEDES decir que una variable causa la otra.

Por otro lado, si NO hay correlaciones, puedes decir que uno NO causó el otro,

asumiendo que las medidas son válidas y confiables

Preguntas e hipótesis en investigación correlacional

Pregunta:

¿Existe una relación (estadísticamente significativa) entre la altura y la longitud del brazo?

H0 : No hay una relación (estadísticamente significativa) entre la altura y la longitud del brazo (H0 : r = 0).

H1 : Hay una relación (estadísticamente significativa) entre la altura y longitud del brazo (H1 : r <> 0).

Cómo medir la fuerza de la relación: coeficiente de determinación

Una forma en que los investigadores a menudo expresan la fuerza de la relación entre dos variables es a través del coeficiente de correlación.

Este coeficiente de correlación al cuadrado se llama COEFICIENTE DE DETERMINACIÓN.

El coeficiente de determinación es útil porque da la proporción de la varianza de una variable que es explicada por la otra

Factores que afectan el coeficiente de correlación

1. Grupo homogéneo (los sujetos son muy similares en las puntuaciones de las variables)
2. Instrumento de medición no confiable
3. Relación no lineal (la r de Pearson se basa en relaciones lineales… en este caso se pueden usar otras fórmulas)
4. Muchos puntajes agrupados en la parte superior o inferior… por lo tanto, no se propaga, lo que crea un problema similar al del grupo homogéneo

Suposiciones para calcularlo

1. Las medidas están distribuidas aproximadamente según la distribución normal
2. La varianza de las dos medidas es similar (homoscedasticidad) – verifique con el diagrama de dispersión
3. La relación es lineal – verifique con el diagrama de dispersión
4. La muestra representa a la población.
5. Las variables se miden en una escala de intervalo o razón

Existen diferentes tipos de relaciones:

Lineal – No lineal o Curvilínea

No monotónica (cóncava o cíclica).

Se utilizan diferentes procedimientos para medir distintos tipos de relaciones utilizando diversos tipos de escalas.

El tema de las escalas de medición  es muy importante para comprender cabalmente éste aspecto

Variables predictor y criterio

Correlación múltiple: muchos predictores y un sólo criterio

Correlación parcial: se elimina la correlación entre  dos variables después de correlacionarlas  con otras variables

Correlación canónica: muchos predictores y muchos criterios

Cuando se usa una tabla de valores críticos para la correlación producto-momento de Pearson,

El paquete de estadística SPSS así como el Excel de Microsoft pueden usarse para calcular la correlación.

Cómo leer una tabla de correlaciones en un artículo

La mayoría de los estudios de investigación reportan las correlaciones entre un conjunto de variables.

Los resultados se presentan en una tabla como la que se muestra a continuación.

La intersección de una fila y una columna muestra la correlación entre la variable representada por la fila y la representada por  la columna.

Por ejemplo, la intersección de la fila 7 (Total Shutte) y la columna 4 (Expresión emocional)  muestra que la correlación entre ellas fue de .87

La nota a pie de página indica que los dos asteriscos después de .87  implican que la relación fue estadísticamente significativa para p <.001.

En esta tabla se  informan las correlaciones perfectas a lo largo de la diagonal que se produce cuando una variable se correlaciona  consigo misma.

Debido a que la correlación entre Total Shutte y Expresión emocional  se puede determinar en la sección inferior de la tabla,

las correlaciones entre esas dos variables no se repiten en la mitad superior

Esto es cierto para todas las relaciones reportadas en la tabla.

Si necesitas profundizar en éste tema, puede que te interese darle un vistazo a los siguientes recursos:

1. Ecured
2. QuestionPro

Recapitulando

La investigación correlacional implica medir dos variables y evaluar la relación entre ellas,

sin manipulación de una variable independiente.

La investigación correlacional no está definida por dónde o cómo se recopilan los datos.

Sin embargo, algunos enfoques para la recolección de datos están fuertemente asociados con la investigación correlacional.

Estos incluyen la observación naturalista,

en la cual los investigadores miran el comportamiento de las personas en el contexto en el que normalmente ocurre,

y el uso de datos de archivo que ya fueron recopilados para algún otro propósito.

Dale un vistazo al siguiente vídeo para complementar la información:

¿Qué te ha parecido éste recorrido por los diversos aspectos de la investigación correlacional?

¿Qué otro detalle que no se haya incluido aquí, puedes agregar?

Déjame tus comentarios en el formulario abajo, estaré esperando para leerlos

Please follow and like us: