Tutorial 43 de 44 Análisis avanzados
Correlación parcial en SPSS: controlar una variable
Tu correlación salió significativa, pero otra variable la explica. Aprende a controlar una tercera variable con la correlación parcial en SPSS.
Cuándo se usa
La correlación parcial mide la relación entre dos variables después de retirar el efecto de una tercera, llamada variable de control. Responde a una pregunta que el jurado hace con frecuencia: ¿esa relación es real, o la produce otra variable que no consideraste?
Dos variables pueden moverse juntas porque ambas dependen de una tercera. Los operadores con más cursos de capacitación producen más, pero también suelen ser los que tienen más años de experiencia. La correlación parcial permite ver qué queda de la relación entre capacitación y productividad cuando se comparan operadores con la misma experiencia.
Corresponde cuando:
- Las tres variables son numéricas.
- Las tres siguen una distribución normal, porque el procedimiento de SPSS se basa en Pearson.
- La variable de control tiene sustento en tu marco teórico.
No reemplaza a la regresión múltiple: la parcial entrega una sola correlación depurada, y la regresión, la ecuación completa.
Antes de empezar (qué necesita tu base)
- Las dos variables de tu hipótesis y la variable de control, con medida Escala.
- La prueba de normalidad de las tres.
- La justificación teórica de por qué esa variable debe controlarse. No se elige probando todas las disponibles.
- Datos perdidos declarados y valores extremos verificados.
El ejemplo es una tesis en una empresa minera de Moquegua, con 60 operadores de equipo pesado. Las variables son el número de cursos de capacitación, los años de experiencia y la productividad en toneladas movidas por hora.
Paso a paso en SPSS
Primero, la correlación sin controlar:
- Ve a Analizar > Correlacionar > Bivariadas.
- Pasa Capacitaciones, Productividad y Experiencia.
- Deja marcado Pearson y pulsa Aceptar.
- Anota la correlación entre las dos variables de tu hipótesis y la de cada una con la variable de control.
Luego, la parcial:
- Ve a Analizar > Correlacionar > Parciales.
- Pasa Capacitaciones y Productividad al recuadro Variables.
- Pasa Experiencia al recuadro Controlando para.
- Deja la prueba de significación en Bilateral.
- Pulsa Aceptar.
- Lee en la tabla la correlación, los grados de libertad (gl) y la significación.
Para controlar dos variables a la vez, ambas se colocan en el recuadro Controlando para.
Cómo leer el resultado
La tabla de correlaciones parciales indica en su primera columna la variable de control. En el cruce de las dos variables de interés hay tres datos: la correlación, la significación y los grados de libertad.
Los grados de libertad. Son el número de casos menos dos, menos uno por cada variable de control. Con 60 casos y una variable de control, son 57.
La comparación. El resultado se interpreta frente a la correlación bivariada:
- Si la parcial se mantiene parecida, la relación no depende de la variable de control.
- Si baja de forma apreciable, parte de la relación se debía a ella.
- Si cae cerca de cero y deja de ser significativa, la relación original se explicaba casi por completo por la variable de control.
En el ejemplo, la correlación bivariada entre capacitaciones y productividad fue de 0,698, con p < 0,001. Leída sola, indica que a más cursos, más toneladas por hora.
La matriz con las tres variables mostró el contexto: la experiencia se correlaciona 0,791 con las capacitaciones y 0,874 con la productividad. El operador con más cursos es también el que lleva más años en la mina.
Al controlar la experiencia, la correlación parcial fue de 0,022, con gl de 57 y Sig. de 0,871. No es significativa. Entre operadores con la misma experiencia, tener más cursos no se asocia con mayor productividad.
La conclusión correcta es acotada: la capacitación no aporta a la productividad más allá de lo que ya explica la experiencia. No equivale a decir que la capacitación no sirve.
Cómo redactarlo en tu tesis
Un párrafo modelo en formato APA 7:
La correlación bivariada entre el número de capacitaciones y la productividad fue positiva y significativa, r(58) = 0,698, p < 0,001. Sin embargo, dado que la experiencia se relaciona tanto con las capacitaciones (r = 0,791) como con la productividad (r = 0,874), se calculó la correlación parcial controlando los años de experiencia. La relación dejó de ser significativa, r(57) = 0,022, p = 0,871. Este resultado indica que la asociación observada entre capacitación y productividad se explica por la experiencia de los operadores.
Se reportan las dos correlaciones, la bivariada y la parcial, en la misma tabla o en tablas consecutivas, e indicando la variable controlada. En la discusión se explica por qué se eligió esa variable de control.
Errores frecuentes
Reportar solo la correlación bivariada cuando hay una tercera variable evidente. El jurado preguntará si la relación es real o si la produce otra variable. Sin la parcial, no hay cómo responder.
Concluir que la variable no sirve porque la parcial cae a cero. Afirmar que la capacitación no sirve para nada es una conclusión falsa, y en la sustentación la desarman. Lo que muestra el análisis es que no aporta más allá de la variable controlada.
Elegir la variable de control probando todas. Controlar variables sin sustento teórico es buscar el resultado que conviene.
Aplicarla a variables no normales. El procedimiento del menú se basa en Pearson, y con datos no normales pierde validez.
Presentar la parcial como si fuera una regresión. No indica cuánto pesa cada variable ni permite predecir.
En MiTítulo, antes de una correlación parcial revisamos tres cosas: qué variable de control sustenta tu marco teórico, que las tres variables sean de escala y que sean normales.
Preguntas frecuentes
¿Por qué los grados de libertad son 57?
Porque cada variable de control resta uno más. Sesenta casos menos tres da 57.
¿Puedo controlar dos variables a la vez?
Sí. Las dos van en el recuadro de variables de control, y cada una debe estar sustentada en tu marco teórico.
¿La parcial reemplaza a la regresión múltiple?
No. La parcial te da una sola correlación depurada. La regresión te da la ecuación completa.
Que dos cosas suban juntas no significa que una empuje a la otra. Escríbenos al WhatsApp y revisamos tu caso sin costo.
Escríbenos al WhatsApp