4. Ventajas y desventajas
Un diagrama de dispersión puede revelar la misma y uno está bien
asesorado para observar la misma antes de concluir con firmeza no
existencia de una relación. Si los puntos del diagrama de dispersión a
una relación no lineal, una transformación adecuada a menudo puede
alcanzar linealidad en cuyo caso ρ puede ser recalculado.
Uno tiene que tener cuidado al interpretar el valor de ρ.Por ejemplo,
se podría calcular ρ entre el tamaño de un zapato y la inteligencia de
las personas, las alturas y los ingresos. Independientemente del valor
de ρ, tal correlación no tiene sentido y es, por tanto, llamó la
casualidad o correlación no tiene sentido.
ρ no debe utilizarse para decir nada acerca de relación causa-
efecto .Dicho de otra manera, examinando el valor de ρ, podemos
concluir que las variables X e Y están relacionados.Sin embargo el
mismo valor de ρ no nos dice si X influye Y o al revés - un hecho que es
de grave la importación en el análisis de regresión .
5. Coeficiente de correlación de Spearman:
es un coeficiente no paramétrico alternativo al
coeficiente de correlación de Pearson cuando este no
cumple los supuestos (3, 4, 19). Charles Spearman
contribuyó al análisis del factor, a la teoría de la
inteligencia, elaboró una prueba de la teoría mental
(17).
Se define el coeficiente de correlación de rangos de
Spearman como el coeficiente de correlación lineal entre
los rangos Ri (x) y Ri (y), en la fórmula de Pearson se
reemplaza Xi por Ri(x) y Yi por Ri (y) quedando
6. Uso
El valor numérico del coeficiente de correlación, rs, oscila entre -1 y +1. El coeficiente de
correlación es el número que indica la forma en que los resultados se relacionan.
r s = coeficiente de correlación
En general,
r s > 0 implica acuerdo positivo entre filas
r s <0 implica acuerdo negativo (o acuerdo en el sentido inverso)
r s = 0 implica ningún acuerdo
Más cerca r s es 1, mejor es el acuerdo mientras rs más cerca de -1 indica un fuerte acuerdo
en la dirección inversa.
7. Con el fin de calcular Spearman Rango coeficiente de correlación, es necesario que se ocupa de los
datos. Hay algunas cuestiones aquí.
Supongamos que las puntuaciones de los jueces (de un total de 10 fueron los siguientes):
Concursante
No.
1 2 3 4 5 6 7 8 9 10
Puntuación
por el Juez A
5 9 3 8 6 7 4 8 4 6
Puntuación
por el juez B
7 8 6 7 8 5 10 6 5 8
8. Los rangos se asignan por separado para los dos jueces, ya sea a partir de la más alta o de la
puntuación más baja. En este caso, la puntuación más alta dada por el Juez A es 9.
Si partimos de la puntuación más alta, asignamos rango del 1 al concursante 2 correspondiente a la
puntuación de 9.
El segundo puntaje más alto es 8, pero dos competidores han sido galardonados con el puntaje de
8.
En este caso, tanto los competidores se les asigna un rango común, que es la media aritmética de
las filas 2 y 3. De esta forma, decenas de Juez A se pueden convertir en filas.
Del mismo modo, las filas se asignan a las puntuaciones otorgadas por el juez B y luego diferencia
entre filas para cada concursante se utilizan para evaluar rs. Para el ejemplo anterior, las filas son los
siguientes.
9. Concu
rsante
No.
1 2 3 4 5 6 7 8 9 10
Los
rangos
de
puntaj
es por
el Juez
A
7 1 10 2.5 5.5 4 8.5 2.5 8.5 5.5
Los
rangos
de
puntaj
es por
Juez B
5.5 3 7.5 5.5 3 9.5 1 7.5 9.5 3
Spearman Rango Correlación Coeficiente trata de evaluar la relación entre filas sin hacer
suposiciones sobre la naturaleza de su relación.
Por lo tanto se trata de una medida no paramétrica - una característica que ha contribuido a
su popularidad y uso generalizado.
10. Ventajasydesventaja
Otras medidas de la correlación son paramétrico en el sentido de estar basado en
posible relación de una forma parametrizada, tal como una relación lineal .
Otra ventaja de esta medida es que es mucho más fácil de usar, ya que no importa
en qué dirección nos clasificamos los datos, ascendente o descendente. Podemos
asignar rango 1 al valor más pequeño o el valor más grande, siempre hacemos lo
mismo para ambos conjuntos de datos.
El único requisito es que los datos deben ser clasificados o al menos convierten en
filas.
. Al ser Spearman una técnica no paramétrica es libre de distribución probabilística
(2, 5, 9).
