Interpretar todos los estadísticos y gráficas para Correlación

La matriz de correlación muestra los valores de correlación, que miden el grado de relación lineal entre cada par de variables. Los valores de correlación se pueden ubicar entre -1 y +1. Si las dos variables tienden a aumentar o disminuir al mismo tiempo, el valor de correlación es positivo. Si una variable aumenta mientras la otra variable disminuye, el valor de correlación es negativo.

Utilice el coeficiente de correlación de Spearman para examinar la fuerza y la dirección de la relación monótona entre dos variables continuas u ordinales. En una relación monótona, las variables tienden a moverse en la misma dirección relativa, pero no necesariamente a un ritmo constante. Para calcular la correlación de Spearman, Minitab jerarquiza los datos sin procesar. Luego, Minitab calcula el coeficiente de correlación con los datos jerarquizados.

Resistencia

El valor del coeficiente de correlación puede variar de −1 a +1. Mientras mayor sea el valor absoluto del coeficiente, más fuerte será la relación entre las variables.

Para la correlación de Spearman, un valor absoluto de 1 indica que los datos ordenados por rango son perfectamente lineales. Por ejemplo, una correlación de Spearman de −1 significa que el valor más alto de la Variable A está asociado con el valor más bajo de la Variable B, el segundo valor más alto de la Variable A está asociado con el segundo valor más bajo de la Variable B y así sucesivamente.

Dirección:

El signo del coeficiente indica la dirección de la relación. Si ambas variables tienden a aumentar o disminuir a la vez, el coeficiente es positivo y la línea que representa la correlación forma una pendiente hacia arriba. Si una variable tiende a incrementarse mientras la otra disminuye, el coeficiente es negativo y la línea que representa la correlación forma una pendiente hacia abajo.

Las siguientes gráficas muestran datos con valores específicos del coeficiente de correlación de Spearman para ilustrar diferentes patrones en la fuerza y la dirección de las relaciones entre las variables.

Nunca se debe concluir que los cambios en una variable causan cambios en otra basándose solamente en la correlación. Solo los experimentos controlados adecuadamente permiten determinar si una relación es causal.

El número de filas utilizadas se muestra en la tabla Método. Es el número de filas de datos, incluidos los valores faltantes.

Cuando usted tiene valores faltantes, el número de filas utilizado no es igual que el tamaño de la muestra real que se usa en el cálculo del intervalo de confianza.

El intervalo de confianza proporciona un rango de valores probables para los coeficientes de correlación. Puesto que las muestras son aleatorias, es poco probable que dos muestras de una población produzcan intervalos de confianza idénticos. Sin embargo, si usted repitiera muchas veces la muestra, un determinado porcentaje de los intervalos o bordes de confianza resultantes contendría el coeficiente de correlación desconocido. El porcentaje de estos intervalos o bordes de confianza que contiene el coeficiente de correlación es el nivel de confianza del intervalo.

Por ejemplo, un nivel de confianza de 95% indica que si usted toma 100 muestras aleatorias de la población, podría esperar que aproximadamente 95 de las muestras produzcan intervalos que contengan el coeficiente de correlación.

Un borde superior define un valor en comparación con el cual es probable que la diferencia de población sea menor. Un borde inferior define un valor en comparación con el cual es probable que la diferencia de población sea mayor.

Los intervalos de confianza para la correlación de Pearson son sensibles a la normalidad de la distribución bivariada subyacente. Si los datos se desvían de la normalidad, entonces los intervalos de confianza podrían ser inexactos, independientemente de la magnitud del tamaño de la muestra.

Los intervalos de confianza para las correlaciones de Spearman se basan en rangos y son menos sensibles al supuesto de la distribución bivariada subyacente.

El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Un valor p más pequeño proporciona una evidencia más fuerte en contra de la hipótesis nula.

Una gráfica de matriz es un arreglo de gráficas de dispersión. Cada gráfica de dispersión en la matriz grafica las puntuaciones de un par de elementos en los ejes X y Y.

Interpretación

Utilice la gráfica para evaluar visualmente la relación entre cada combinación de variables. Las relaciones pueden ser lineales, monótonas o ninguna de estas. Utilice también la gráfica de matriz para buscar valores atípicos que pueden influir en gran medida en los resultados. Para obtener más información sobre los tipos de relaciones, vaya a Relaciones lineales, no lineales y monótonas.