Men煤 Cerrar

Lo que no sab铆as sobre Investigaci贸n Correlacional

Investigaci'on correlacional

驴De qu茅聽 va esto de la investigaci贸n correlacional?

 

La investigaci贸n correlacional es un tipo de investigaci贸n no experimental,

en la cual el investigador mide dos variables y eval煤a la relaci贸n estad铆stica (es decir, la correlaci贸n) entre ellas,

con poco o ning煤n esfuerzo para controlar las variables extra帽as

Nuestra mente puede hacer algunas cosas brillantes.

Por ejemplo, cuando 茅ramos ni帽os聽 pod铆amos memorizar el tintineo de un cami贸n de helados.

M谩s fuerte el jingle, m谩s cerca estaba el cami贸n de helados para nosotros.

驴Qui茅n nos ense帽贸 eso? 隆Nadie!

Confiamos en nuestra intuici贸n y llegamos a una conclusi贸n.

Pero puede que no nos detuvi茅ramos ah铆, 驴verdad?

Si hab铆a varios camiones de helados en el 谩rea y cada uno con un tintineo diferente.

Pod铆amos 聽memorizarlos todos y relacionar el jingle con cada cami贸n de helados.

Esto es precisamente lo que es la investigaci贸n correlacional,

establece 聽una relaci贸n entre dos variables, “jingle” y “distancia del cami贸n” en este ejemplo particular.

La investigaci贸n correlacional busca variables que parecen interactuar entre s铆,

de modo que cuando veas que una 聽de ellas est谩 cambiando, tengas una idea clara de c贸mo cambiar谩 la otra.

驴Cu谩ndo es conveniente utilizar investigaci贸n correlacional?

Existen esencialmente dos razones por las cuales los investigadores,

interesados 鈥嬧媏n las relaciones estad铆sticas entre variables,

elegir铆an realizar un estudio correlacional en lugar de un experimento.

La primera 聽es que no creen que la relaci贸n estad铆stica sea causal.

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

administr谩ndola a un grupo grande de participantes,

junto con una prueba de autoestima m谩s larga que ya se ha demostrado que es v谩lida.

Este investigador podr铆a verificar si las puntuaciones de los participantes en la prueba breve,

est谩n fuertemente correlacionadas con sus puntuaciones en la prueba m谩s 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 t茅rminos variable independiente聽 y variable dependiente聽 no se aplican a este tipo de investigaci贸n.

La otra raz贸n por la que los investigadores elegir铆an usar un estudio correlacional en lugar de un experimento,

es cuando la relaci贸n estad铆stica de inter茅s se considera causal,

pero el investigador聽 no puede聽 manipular la variable independiente porque es imposible, poco pr谩ctico o poco 茅tico.

Tipos de investigaci贸n correlacional

La investigaci贸n correlacional implica medir dos variables y evaluar la relaci贸n entre ellas, sin manipulaci贸n de una variable independiente.

La investigaci贸n correlacional no est谩 definida por c贸mo se recopilan los datos.

Sin embargo, algunos enfoques para la recolecci贸n de datos est谩n fuertemente asociados con la investigaci贸n correlacional.

Estos incluyen la observaci贸n 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 alg煤n otro prop贸sito.

El s铆mbolo r se utiliza para representar el coeficiente de correlaci贸n producto-momento de Pearson para una muestra.

La letra griega rho聽 se usa para una poblaci贸n.

Cuanto m谩s fuerte sea la correlaci贸n, m谩s se acerca el valor de r (coeficiente de correlaci贸n) a聽 +1.00,

m谩s puntos en el diagrama de dispersi贸n caer谩n sobre una linea recta

Cuando no hay una relaci贸n entre las medidas (variables),

decimos que no est谩n relacionadas, no est谩n correlacionadas, son ortogonales o independientes.

Investigaci贸n Correlacional - fig. 1
Investigaci贸n Correlacional – fig. 1

Diferencias entre investigaci贸n correlacional e investigaci贸n causal

En la investigaci贸n correlacional no (o al menos no intentamos) influir en las variables,

s贸lo las medimos y buscamos relaciones (correlaciones) entre un conjunto de ellas,

como la presi贸n arterial y el nivel de colesterol.

En la investigaci贸n experimental, manipulamos algunas variables

y luego medimos los efectos de esta manipulaci贸n en otras variables; por ejemplo,

un investigador podr铆a aumentar artificialmente la presi贸n arterial y luego registrar el nivel de colesterol.

El an谩lisis de los datos en la investigaci贸n experimental tambi茅n incluye el 聽c谩lculo de las “correlaciones” entre las variables,

espec铆ficamente, las manipuladas y las afectadas por la manipulaci贸n.

Sin embargo, los datos experimentales pueden proporcionar una informaci贸n cualitativamente mejor:

s贸lo los datos experimentales pueden demostrar de manera concluyente las relaciones causales entre las variables

Aunque una relaci贸n entre dos variables no prueba que una caus贸 la otra,

si no hay una relaci贸n entre dos variables, una no puede haber causado la otra.

Errores comunes al trabajar con investigaci贸n correlacional

Un error com煤n entre los investigadores principiantes es la creencia que la investigaci贸n correlacional debe involucrar dos variables cuantitativas,

como los puntajes en dos pruebas de autoestima o la cantidad de molestias y el n煤mero de s铆ntomas que las personas han experimentado.

Sin embargo, la caracter铆stica definitoria de la investigaci贸n 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 categ贸ricas.

Imagine, por ejemplo, que un investigador administra una escala de autoestima 聽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 manipul贸 las nacionalidades de los estudiantes.

 

Investigaci贸n correlacional - fig. 2
Investigaci贸n correlacional – fig. 2

Recopilaci贸n de datos en investigaci贸n correlacional

Nuevamente, la caracter铆stica definitoria de la investigaci贸n correlacional es que ninguna de las variables est谩 manipulada.

No importa c贸mo o d贸nde se miden

Un investigador podr铆a hacer que los participantes vengan a un laboratorio para completar una tarea computarizada acerca de estad铆stica descriptiva,

y una tarea informatizada referida a estad铆stica inferencial

Luego puede evaluar la relaci贸n entre los puntajes de los participantes en las dos actividades.

O un investigador podr铆a ir a un centro comercial para preguntarle a la gente sobre sus actitudes hacia el medio ambiente y sus h谩bitos de compra,

Posteriormente 聽evaluar la relaci贸n entre estas dos variables.

Ambos estudios ser铆an correlacionales porque no se manipula ninguna variable independiente.

Sin embargo, debido a que algunos enfoques para la recolecci贸n de datos est谩n fuertemente asociados con la investigaci贸n correlacional,

tiene sentido analizarlos aqu铆.

Observaci贸n naturalista

La observaci贸n naturalista es una forma de recopilaci贸n de datos en la que se presta atenci贸n al 聽comportamiento de las personas en su entorno natural

Este m茅todo es un tipo de investigaci贸n de campo.

Podr铆a implicar que un investigador est茅 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 recopilaci贸n de datos realizan observaciones de la manera m谩s discreta posible,

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

de lo contrario podr铆an desviarse de su comportamiento habitual

脡ticamente, este m茅todo es aceptable si los participantes permanecen en el anonimato y si el estudio se lleva a cabo en un entorno p煤blico,

donde las personas normalmente no tendr铆an una expectativa de privacidad completa.

Como se mencion贸 anteriormente,

tom茅 un ejemplo de la tienda de comestibles donde se puede observar a la gente mientras recolecta un art铆culo de la isla y coloca las bolsas de la compra.

Esto es 茅ticamente aceptable, y es la raz贸n por la que la mayor铆a de los investigadores eligen entornos p煤blicos para registrar sus observaciones.

Este m茅todo de recolecci贸n de datos podr铆a ser tanto cualitativo como cuantitativo.

Datos de archivo

Otro enfoque de la investigaci贸n correlacional es el uso de datos de聽 archivo, que son datos que ya se han recopilado para alg煤n otro prop贸sito.

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

Los datos de archivo suelen estar disponibles a trav茅s de la investigaci贸n primaria.

Al contrario de la observaci贸n naturalista, la informaci贸n recopilada a trav茅s de datos archivados puede ser bastante sencilla.

Ejemplos de investigaciones correlacionales sencillas

Algunas preguntas que implican correlaciones simples pueden ser:

驴Cu谩l es la relaci贸n entre…?

Asistencia escolar y calificaciones en la escuela

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

Longitud del brazo y聽 estatura de una persona

N煤mero de hijos en una familia y n煤mero de habitaciones en la casa

Correlaci贸n versus causalidad

Las correlaciones s贸lo describen la relaci贸n, no prueban causa y efecto.

La correlaci贸n es una condici贸n necesaria, pero no suficiente para determinar la causalidad.

Hay tres requisitos para inferir una relaci贸n causal

  1. Una relaci贸n estad铆sticamente significativa entre las variables.
  2. La variable causa ocurri贸 antes de la variable efecto.
  3. No hay otros factores que puedan explicar el efecto

Los estudios de correlaci贸n no cumplen con el 煤ltimo requisito y pueden no cumplir el segundo tampoco.

Sin embargo, no tener una relaci贸n significa que una variable no caus贸 la otra

Existe una fuerte relaci贸n entre la cantidad de conos de helado vendidos y la cantidad de ni帽os que se ahogan cada mes.

El hecho de que exista una relaci贸n (correlaci贸n fuerte) no significa que uno haya causado lo otro.

Si hay una relaci贸n entre X (venta de conos de helado) y Y (ahogamiento) podr铆a ser porque

X-> Y (Comer helado causa ahogamiento)

X <-Y 聽(Los ni帽os 聽que se ahogan tienden a comer helados: tal vez los que lloran est谩n tan molestos que compran conos de helado para animarse)

X <-Z-> Y 聽(Algo m谩s est谩 relacionado con las ventas de helados y el n煤mero de ahogamientos: el clima c谩lido ser铆a una buena estimaci贸n)

El punto es… s贸lo porque hay una correlaci贸n, NO PUEDES decir que una variable causa la otra.

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

asumiendo que las medidas son v谩lidas y confiables

Preguntas e hip贸tesis en investigaci贸n correlacional

Pregunta:

驴Existe una relaci贸n (estad铆sticamente significativa) entre la altura y la longitud del brazo?

H0 : No hay una relaci贸n (estad铆sticamente significativa) entre la altura y la longitud del brazo (H0 : r = 0).

H1 : Hay una relaci贸n (estad铆sticamente significativa) entre la altura y longitud del brazo (H1 : r <> 0).

Investigaci贸n correlacional - fig. 3
Investigaci贸n correlacional – fig. 3

C贸mo medir la fuerza de la relaci贸n: coeficiente de determinaci贸n

Una forma en que los investigadores a menudo expresan la fuerza de la relaci贸n entre dos variables es a trav茅s del coeficiente de correlaci贸n.

Este coeficiente de correlaci贸n al cuadrado se llama COEFICIENTE DE DETERMINACI脫N.

El coeficiente de determinaci贸n es 煤til porque da la proporci贸n de la varianza de una variable que es explicada por la otra

Factores que afectan el coeficiente de correlaci贸n

  1. Grupo homog茅neo (los sujetos son muy similares en las puntuaciones de las variables)
  2. Instrumento de medici贸n no confiable
  3. Relaci贸n no lineal (la r de Pearson se basa en relaciones lineales… en este caso se pueden usar otras f贸rmulas)
  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 homog茅neo

Suposiciones para calcularlo

  1. Las medidas est谩n distribuidas aproximadamente seg煤n la distribuci贸n normal
  2. La varianza de las dos medidas es similar (homoscedasticidad) – verifique con el diagrama de dispersi贸n
  3. La relaci贸n es lineal – verifique con el diagrama de dispersi贸n
  4. La muestra representa a la poblaci贸n.
  5. Las variables se miden en una escala de intervalo o raz贸n

Existen diferentes tipos de relaciones:

Lineal – No lineal o Curvil铆nea

No monot贸nica (c贸ncava o c铆clica).

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

El tema de las escalas de medici贸n聽 es muy importante para comprender cabalmente 茅ste aspecto

Variables predictor y criterio

Correlaci贸n m煤ltiple: muchos predictores y un s贸lo criterio

Correlaci贸n parcial: se elimina la correlaci贸n entre 聽dos variables despu茅s de correlacionarlas 聽con otras variables

Correlaci贸n can贸nica: muchos predictores y muchos criterios

Cuando se usa una tabla de valores cr铆ticos para la correlaci贸n producto-momento de Pearson,

El paquete de estad铆stica SPSS as铆 como el Excel de Microsoft pueden usarse para calcular la correlaci贸n.

C贸mo leer una tabla de correlaciones en un art铆culo

La mayor铆a de los estudios de investigaci贸n reportan las correlaciones entre un conjunto de variables.

Los resultados se presentan en una tabla como la que se muestra a continuaci贸n.

La intersecci贸n de una fila y una columna muestra la correlaci贸n entre la variable representada por la fila y la representada por 聽la columna.

Por ejemplo, la intersecci贸n de la fila 7 (Total Shutte) y la columna 4 (Expresi贸n emocional) 聽muestra que la correlaci贸n entre ellas fue de .87

La nota a pie de p谩gina indica que los dos asteriscos despu茅s de .87聽 implican que la relaci贸n fue estad铆sticamente significativa para p <.001.

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

Debido a que la correlaci贸n entre Total Shutte y Expresi贸n emocional 聽se puede determinar en la secci贸n 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.

Investigaci贸n correlacional - fig. 4
Investigaci贸n correlacional – fig. 4

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

  1. Ecured
  2. QuestionPro

Recapitulando

La investigaci贸n correlacional implica medir dos variables y evaluar la relaci贸n entre ellas,

sin manipulaci贸n de una variable independiente.

La investigaci贸n correlacional no est谩 definida por d贸nde o c贸mo se recopilan los datos.

Sin embargo, algunos enfoques para la recolecci贸n de datos est谩n fuertemente asociados con la investigaci贸n correlacional.

Estos incluyen la observaci贸n 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 alg煤n otro prop贸sito.

驴Qu茅 te ha parecido 茅ste recorrido por los diversos aspectos de la investigaci贸n correlacional?

驴Qu茅 otro detalle que no se haya incluido aqu铆, puedes agregar?

D茅jame tus comentarios en el formulario abajo, estar茅 esperando para leerlos

Please follow and like us:
Facebook
Google+
Google+
https://tesisdeceroa100.com/lo-que-no-sabias-sobre-investigacion-correlacional/
LinkedIn
Pinterest
Pinterest

2 Comentarios

    • cgodoyr

      Gracias Rub茅n Cortez por tu comentario

      Estamos a tus 贸rdenes desde este espacio virtual

      Saludos Cordiales,

      Carlos Godoy Rodr铆guez

Deja un comentario

Tu direcci贸n de correo electr贸nico no ser谩 publicada. Los campos obligatorios est谩n marcados con *

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si contin煤a navegando est谩 dando su consentimiento para la aceptaci贸n de las mencionadas cookies y la aceptaci贸n de nuestra pol铆tica de cookies, pinche el enlace para mayor informaci贸n.plugin cookies

ACEPTAR
Aviso de cookies