Coeficiente de Correlación

Si dos variables evolucionan de modo tal que en alguna medida se siguen entre ellas, se puede decir existe una asociación o covarianza estadística. Por ejemplo, la altura y peso de la gente están estadísticamente asociadas: aunque el peso de nadie está dado por su altura ni la altura por su peso, es habitual que las personas altas pesen más que las personas bajas.

Para ello, esta covarianza entre dos variables suele ser analizada haciendo una tabla o una presentación gráfica, pero también hay disponibles estadísticos especiales para indicar su intensidad, siendo uno de ellos el coeficiente de correlación. Para variables sobre escalas aritméticas, el método usual es la correlación estándar o correlación de Pearson (r)

En este sentido, Berenson y otros (2006) afirman que el coeficiente de correlación mide la fortaleza relativa de una relación lineal entre dos conjuntos de valores numéricos, y comprende los valores entre -1 (correlación negativa perfecta) y +1 (correlación positiva perfecta). Perfecto quiere decir que si se trazaran los puntos (x, y), donde “x” representa los valores de uno de los conjuntos así como “y” los valores del otro, en un diagrama de dispersión, todos ellos se podrían unir por medio de una línea recta.

En otras palabras, el coeficiente de correlación entre dos conjuntos de datos, donde cada conjunto pudiese representar, por ejemplo, las apreciaciones de dos personas distintas hacia un mismo fenómeno, es un valor numérico que indica en qué medida existe una relación lineal entre lo observado por ambos, por lo que se podría deducir que un valor alto de correlación significa coincidencia en las apreciaciones sobre la misma lectura. Ejemplo de ello podría ser la medición de la estatura de un grupo de 10 niños, donde los valores medidos por los observadores Nº 1 y 2 son los siguientes:

Altura Observador	Niño 1	Niño 2	Niño 3	Niño 4	Niño 5	Niño 6	Niño 7	Niño 8	Niño 9	Niño 10
1	1,45	1,38	1,23	1,32	1,56	1,69	1,45	1,23	1,26	1,50
2	1,45	1,38	1,23	1,32	1,56	1,69	1,45	1,23	1,26	1,50

Calculando el coeficiente de correlación a través de un programa estadístico, o por las funciones que ofrece el programa Excel (para evitar complicaciones matemáticas) el resultado obtenido es 1, evidenciando una correlación perfecta positiva y permitiendo concluir que ambos observadores midieron lo mismo. Ahora bien, si se modifican de forma leve las mediciones hechas por el observador Nº 2, de acuerdo a la siguiente tabla:

Altura Observador	Niño 1	Niño 2	Niño 3	Niño 4	Niño 5	Niño 6	Niño 7	Niño 8	Niño 9	Niño 10
1	1,45	1,38	1,23	1,32	1,56	1,69	1,45	1,23	1,26	1,50
2	1,43	1,40	1,21	1,33	1,56	1,71	1,42	1,22	1,28	1,47

El coeficiente de correlación arrojado por el programa fue de 0,9910, lo cual es una muy buena correlación a pesar de los pequeños errores efectuados en la medición de uno u otro observador. Por último se muestra una tabla donde los valores medidos por el observador Nº 2 son bastante diferentes a los del observador Nº 1, obteniéndose así un coeficiente de correlación bajo.

Altura Observador	Niño 1	Niño 2	Niño 3	Niño 4	Niño 5	Niño 6	Niño 7	Niño 8	Niño 9	Niño 10
1	1,45	1,38	1,23	1,32	1,56	1,69	1,45	1,23	1,26	1,50
2	1,15	1,75	1,10	1,29	1,35	1,50	1,60	1,50	1,25	1,22

Obteniéndose para este caso un coeficiente de correlación de 0,2064, lo cual induciría a pensar que uno de los dos (o los dos) observadores tomaron de manera errónea las medidas.

De una forma visual la “fortaleza relativa de una relación lineal”, como define Berenson y otros (2006) a la correlación, se ilustra en los siguientes gráficos de dispersión para los tres diferentes coeficientes de correlación obtenidos, observándose una menor linealidad a medida que la “r” calculada es más pequeña.

Lo anteriormente expuesto puede conducir a afirmar que el estadístico “factor de correlación”, para efectos de una investigación, es un indicativo de qué tan semejantes son los resultados de las mediciones de varios observadores ante un mismo fenómeno, y de manera extrapolada, que tanta coincidencia puede existir entre sus apreciaciones ante una variable. La aplicación de este método es muy útil para la construcción de una escala de medición de Likert.

BIBLIOGRAFÍA

Berenson, M. L.; Krehbiel, T. C. y Levine, D. M. (2006). Estadística para administración. (4ª ed.). México: Pearson Educación.

Escala de Medición de Actitudes

Entre una gran variedad de instrumentos para recolección de información, entre ellos, las escalas, las cuales son frecuentemente utilizadas para la medición de actitudes. En este sentido, una actitud, de acuerdo a Maisto y otros (2005), es un conjunto de creencias, sentimientos y tendencias de conducta hacia algo. Las creencias comprenden opiniones y conocimiento acerca de un fenómeno, persona u objeto; los sentimientos abarcan amor, odio, simpatía, antipatía, entre otros; las tendencias de conducta se refieren a inclinaciones para actuar de cierta manera. Ahora bien, una actitud puede expresarse por medio de opiniones, por ejemplo, una persona que opina sobre el adiestramiento impartido por la empresa al ingresar en ella, refleja una actitud específica sobre ese asunto, y para ello, una escala de medición de actitud puede analizar los pensamientos y sentimientos de la persona hacia este hecho en específico.

BIBLIOGRAFÍA

Maisto, A. A. y Morris, C. G. (2005). Introducción a la psicología. (12ª ed.). México: Pearson Educación.