La Investigación Correlacional - Descripción Del Problema
La Investigación Correlacional - Descripción Del Problema
La Investigación Correlacional - Descripción Del Problema
LA INVESTIGACIÓN CORRELACIONAL
1. Definición
Según Ary, Jacobs y Razavieh (1989:318) citados por Arias (2012:25,26)
manifiestan que “los estudios correlacionales son un tipo de investigación
descriptiva que intenta determinar el grado de relación existente entre las
variables”. Según Tamayo y Tamayo (2003) este tipo de investigación se
refiere al grado de relación (no causal) que existe entre dos o más
variables. Para realizar este tipo de estudio, primero se debe medir las
variables y luego, mediante pruebas de hipótesis correlaciónales
acompañadas de la aplicación de técnicas estadísticas, se estima la
correlación.
La investigación correlacional es aquella que establece relaciones entre
variables o factores y determina la variación de unos factores en relación
con otros. También permite establecer asociaciones o tendencias entre
hechos, fenómenos, características o variables. Establece relaciones
estadísticas pero no posibilita el control experimental. La correlación puede
ser positiva o negativa. Por ejemplo:
2. Finalidad
La finalidad de la investigación correlacional es determinar el grado de
relación o asociación (no causal) existente entre dos o más variables. En
estos estudios, primero se miden las variables y luego, mediante pruebas
de hipótesis correlacionales y la aplicación de técnicas estadísticas, se
estima la correlación. Aunque la investigación correlacional no establece de
forma directa relaciones causales, puede aportar indicios sobre las posibles
causas de un fenómeno. En ocasiones solo se analiza la relación entre dos
variables, pero con frecuencia se ubican en el estudio vínculos entre tres,
cuatro o más variables.
Es importante recalcar que la mayoría de las veces, las mediciones de las
variables que se van a correlacionar provienen de los mismos casos o
participantes ya que no es lo común que se correlacionen mediciones de
una variable hechas a ciertas personas, con mediciones de otra variable
realizadas en personas distintas. Así para establecer la relación entre la
motivación y la productividad, no sería válido correlacionar mediciones de la
motivación a trabajadores colombianos con mediciones sobre la
productividad de los trabajadores peruanos.
3. Utilidad
La utilidad principal de los estudios correlacionales es saber cómo se puede
comportar un concepto o una variable al conocer el comportamiento de
otras variables vinculadas. Es decir, intentar predecir el valor aproximado
que tendrá un grupo de individuos o casos en una variable, a partir del valor
que poseen en las variables relacionadas. Un ejemplo tal vez simple, pero
que ayuda a comprender el propósito predictivo de los estudios
correlacionales, sería asociar el tiempo dedicado a estudiar para un
examen con la calificación obtenida. Así, en un grupo de estudiantes, se
mide cuánto dedica cada uno a prepararse para el examen y también se
recaban sus calificaciones (mediciones de la otra variable); luego se
determina si las dos variables están relacionadas, lo cual significa que una
varía cuando la otra también lo hace.
La correlación puede ser positiva o negativa. Si es positiva, significa que
alumnos con valores altos en una variable tenderán también a mostrar
valores elevados en la otra. Por ejemplo, quienes estudiaron más tiempo
para el examen tenderían a obtener una calificación más alta. Si es
negativa, significa que sujetos con valores elevados en una variable
tenderán a mostrar valores bajos en la otra variable. Por ejemplo, quienes
estudiaron más tiempo para el examen de estadística tendería a obtener
una calificación más baja.
Para entender mejor este punto, otro ejemplo sería correlacionar el tiempo
dedicado a estudiar para un examen del área de Matemática con la
calificación obtenida en ella. En un grupo de estudiantes se mide cuánto
dedica cada uno de ellos a estudiar para el examen y también se obtienen
sus calificaciones en el examen (mediciones en la otra variable);
posteriormente se determina si las dos variables están correlacionadas, ello
significa que una varía cuando la otra también lo hace.
Como se mencionó anteriormente, la correlación puede ser positiva o
negativa. Así, en el ejemplo planteado, va ser positiva si quienes estudian
más tiempo para el examen de Matemática, tienden a obtener una
calificación más alta en el examen. Por otro lado, será negativa, si quienes
estudian más tiempo para el examen de Matemática, tienden a obtener una
calificación más baja en el examen.
4. Características
a. Es indicado en situaciones complejas en que importa relacionar
variables,
pero en las cuales no es posible el control experimental.
b. Permite medir e interrelacionar múltiples variables simultáneamente en
situaciones de observación naturales, como en los ejemplos ofrecidos.
c. Permite identificar asociaciones entre variables, pero hay que prevenir
que ellas sean espurias o falsas, introduciendo los controles estadísticos
apropiados.
d. Es menos riguroso que el tipo de investigación experimental porque no
hay posibilidad de manipular la variable (o variables) independiente(s) ni de
controlarlas rigurosamente. En consecuencia, no conduce directamente a
identificar relaciones causa‐efecto, pero sí a sospecharlas.
e. Con este método medimos la relación entre variables mediante el
coeficiente de correlación, que describe el grado en que dos variables
varían de modo concomitante. Si lo hacen en el mismo sentido (más de una
viene acompañado de más de otra, o menos de una menos de otra) la
correlación será positiva; si lo hacen en sentido contrario (más de una
menos de otra, menos de una más de otra) la correlación será negativa.
Atención: la existencia de correlación entre dos variables (entre dos
fenómenos) no implica relación causal entre ellas.
5. El coeficiente de correlación
Antes de definir lo que se entiende por coeficiente de correlación, es
necesario, conceptuar el término correlación; en tal sentido, la correlación
es un concepto estadístico que significa el grado de asociación o relación
que existente entre dos o más variables. Si tenemos dos variables (X y Y)
existe correlación si al aumentar los valores de X lo hacen también los de Y
y viceversa. La correlación entre dos variables no implica, por sí misma,
ninguna relación de causalidad.
Ahora bien, el coeficiente de correlación es la medida que indica la
existencia o no de correlación entre dos variables cuantitativas, como
también indica la naturaleza de esa relación (positiva o negativa) y
finalmente su magnitud.
Uno de los coeficientes de correlación de mayor utilización que busca
correlaciones entre dos o más variables cuantitativas es el coeficiente r de
Pearson, cuyos valores varían entre +1 y -1. Un coeficiente de correlación
cercano a la unidad ya sea negativo o positivo, indica un alto grado de
relación; mientras que una correlación cero implica que no existen
tendencias de relación, es decir, las posiciones de una variable no se
vinculan con los de la otra. Esta clase de relaciones permite realizar
predicciones exactas acerca de una variable a partir de la información de la
otra. Un coeficiente de correlación negativo tiene igual capacidad de
predicción que el de una correlación positiva. El grado de relación esta
dado por la magnitud del coeficiente (r) mientras que el signo (positivo o
negativo), sólo indica si la relación es directa (cuando en las variables
aumentan o disminuyen el mismo sentido) o indirecta (cuando las variables
aumentan o disminuyen en forma inversa).
El coeficiente r de Pearson, por ser una prueba paramétrica requiere
variables numéricas con distribución normal y su fórmula es la siguiente:
Significancia estadística
Solo si “p” es menor de 0.05, el coeficiente es significativo; por lo tanto,
existe correlación. Se puede indicar la significancia así: r = 0.48 (p<0.05).
Coeficiente de determinación
El cuadrado del coeficiente (r2) se denomina coeficiente de determinación y
expresa que el porcentaje de la variación de una variable (y) se debe a la
variación de la otra (x)
Por ejemplo. La correlación entre “productividad” y “asistencia al trabajo” es
de 0.80.
r = 0.80; r2 = 0.64: “La asistencia al trabajo” explica el 64% de “la
productividad”.
Otro ejemplo: La correlación entre “los factores personales de resiliencia” y
la “autoestima”. Si el cálculo da un valor de “r” = 0,60, y lo elevamos al
cuadrado tenemos como resultado un r 2 = 0,36, entonces podemos decir
que el 36% de la variación de la autoestima es causada por la variación de
los factores personales de resiliencia.
TEMA 2
a) Inductivamente
b) Deductivamente