Todos los tutoriales de SPSS

Tutorial 22 de 44 Correlación

Correlación de Pearson en SPSS: paso a paso

Tu correlación salió negativa por un solo dato mal digitado. Aprende a correr la correlación de Pearson en SPSS revisando antes la dispersión.

Cuándo se usa

La correlación de Pearson, que se representa con la letra r, mide la fuerza y la dirección de la relación lineal entre dos variables numéricas. Es la prueba paramétrica para hipótesis de relación.

Corresponde cuando se cumplen tres condiciones:

  • Las dos variables son numéricas: horas, toneladas, ingresos, notas o puntajes totales.
  • Las dos siguen una distribución normal.
  • La relación entre ellas tiene forma de línea recta.

Si una de las variables no es normal, o si el gráfico de dispersión muestra una curva, corresponde la rho de Spearman. Pearson tampoco se usa con ítems sueltos de un cuestionario, porque un ítem tiene muy pocas opciones de respuesta.

Antes de empezar (qué necesita tu base)

  • Las dos variables numéricas, con medida Escala.
  • La prueba de normalidad de ambas.
  • El gráfico de dispersión entre las dos.
  • Los valores extremos revisados contra el registro original.
  • Los datos perdidos declarados.

El ejemplo es una base de 40 operadores de una empresa minera de Moquegua, con sus horas de capacitación y su productividad en toneladas por turno.

Paso a paso en SPSS

Primero se mira el gráfico:

  1. Ve a Gráficos > Generador de gráficos.
  2. En la Galería elige Dispersión/Puntos y arrastra el gráfico de dispersión simple al lienzo.
  3. Arrastra Horas_capac al eje X y Productividad al eje Y. Pulsa Aceptar.
  4. Observa si los puntos forman una línea y si hay alguno muy alejado del resto.
  5. Si hay un punto imposible, ubica el caso en la Vista de datos, compáralo con el registro original y corrígelo con el dato de la fuente.

Luego la normalidad:

  1. Ve a Analizar > Estadísticos descriptivos > Explorar, pasa las dos variables a Lista de dependientes y, en Gráficos, marca Gráficos de normalidad con pruebas.

Y la correlación:

  1. Ve a Analizar > Correlacionar > Bivariadas.
  2. Pasa Horas_capac y Productividad a Variables.
  3. Deja marcado Pearson y la prueba de significación Bilateral.
  4. Pulsa Aceptar.
  5. Lee en la tabla Correlaciones la Correlación de Pearson, la Sig. (bilateral) y el N.

Cómo leer el resultado

En la tabla, ubica la casilla donde se cruzan las dos variables.

Correlación de Pearson. Es el coeficiente r, de -1 a 1. Signo positivo: las variables aumentan juntas. Signo negativo: una aumenta y la otra disminuye. Cuanto más cerca de 1 o de -1, más fuerte la relación.

Sig. (bilateral). Es el valor p. Menor que 0,05 significa que la relación es estadísticamente significativa.

N. El número de casos.

El ejemplo muestra cuánto depende Pearson de un solo dato. En la primera corrida, la correlación fue de -0,268 con Sig. de 0,095: negativa y no significativa. Leído así, capacitar más iría con producir menos.

El gráfico de dispersión mostró un punto solo, muy por encima del resto. Era el caso 20, con 760,0 toneladas, diez veces más que cualquier otro operador. En el registro de la empresa decía 76,0: al digitar se agregó un cero.

Con el dato corregido, la normalidad con Shapiro-Wilk, por ser 40 casos, dio Sig. de 0,595 para las horas y de 0,528 para la productividad. Las dos son normales, y Pearson es la prueba correcta. El resultado: r de 0,773 con Sig. de ,000, es decir, p < 0,001. Una relación positiva y fuerte: más horas de capacitación van con mayor productividad. Era al revés.

Un dato adicional que suele pedirse es el coeficiente de determinación, r al cuadrado. Con r de 0,773, r² es 0,597: las dos variables comparten el 59,7 % de su variabilidad. No es correcto leer el 0,773 como un 77,3 %.

Cómo redactarlo en tu tesis

Un párrafo modelo en formato APA 7:

Las horas de capacitación y la productividad siguieron una distribución normal según la prueba de Shapiro-Wilk (p = 0,595 y p = 0,528, respectivamente), por lo que se aplicó el coeficiente de correlación de Pearson. Se encontró una relación positiva, fuerte y estadísticamente significativa entre ambas variables, r(38) = 0,773, p < 0,001. El coeficiente de determinación (r² = 0,597) indica que ambas variables comparten el 59,7 % de su variabilidad. Se rechaza la hipótesis nula.

En APA, entre paréntesis después de r van los grados de libertad, que son el número de casos menos dos. La calificación de la fuerza se respalda con el baremo de un autor.

Errores frecuentes

Correr Pearson sin mirar antes el gráfico de dispersión. Un punto mal digitado puede invertir el signo del coeficiente, y una relación curva queda subestimada. El riesgo es sustentar una conclusión contraria a lo que dicen los datos.

Escribir que una variable causa la otra. Pearson mide relación, no causalidad. Afirmar que la capacitación causa la productividad con una correlación obliga a corregir hipótesis, resultados y discusión.

Leer el coeficiente como porcentaje de explicación. Decir que r = 0,773 explica el 77,3 % es un error de interpretación que el jurado reconoce al instante. Ese dato se calcula aparte, y la mayoría lo reporta mal.

Aplicarlo a variables no normales o a ítems sueltos. El coeficiente pierde validez y la elección de la prueba queda sin justificar.

Borrar el caso extremo en lugar de verificarlo. Si el dato es un error, se corrige con la fuente; si es real, se mantiene y se evalúa otra prueba.

En MiTítulo, antes de correr Pearson revisamos tres cosas en tu base: el gráfico de dispersión, los casos extremos y la normalidad de las dos variables. Si una de ellas falla, la prueba ya no es Pearson.

Preguntas frecuentes

¿Pearson sirve para ítems sueltos de un cuestionario?

No. Un ítem tiene pocas opciones. Se usa con puntajes de variables o dimensiones que sean normales.

¿Una correlación de 0,773 es fuerte?

Sí. En tu tesis citas el baremo de un autor que lo respalde.

¿Puedo correr Pearson con cuarenta casos?

Sí, si las dos variables son normales. Con muestras pequeñas siempre se revisa el gráfico de dispersión.

Un cero de más y tu tesis dice lo contrario. Escríbenos al WhatsApp y revisamos tu caso sin costo.

Escríbenos al WhatsApp
Diagnóstico sin costo