Correlación de variables
Covid-19 Prevention
Capitulo 4.4
Por medio del análisis de correlación podemos determinar si existe asociación entre dos variables cuantitativas continuas, por ejemplo entre el peso y la talla. Los métodos más utilizados para determinar la correlación entre dos variables son mediante el cálculo del coeficiente de correlación de Pearson y el coeficiente de correlación de los rangos de Spearman.
Cuando la distribución de ambas variables sea NORMAL y no haya valores extremos se utilizará la Correlación de Pearson. Si no se cumple, se puede hacer una transformación logarítmica de las variables o bien utilizar la correlación de Spearman.
El valor del coeficiente de correlación de Pearson (r) y Spearman (rho) indica la fuerza de asociación entre las dos variables y el signo la dirección (directa si es positivo o inversa si es negativo). El coeficiente de correlación oscila entre -1 y +1. Una correlación de +1 indica una relación lineal perfecta positiva. Una correlación próxima a 0 indica que no existe relación entre las dos variables. Si es <0,3, la correlación es baja o leve, entre 0,3 y 0,5 es moderada y alta si es >0,5.
Primero, tenemos que definir en la hoja de recogida de datos las variables cuantitativas continuas. En este ejemplo vamos a comprobar si existe una correlación entre el índice de masa corporal (IMC) y la edad.
Segundo, comprobar la normalidad de ambas variables.
Tercero, ejecutar el análisis. Para ello, hacer clic en analizar → en correlaciones → en bivariadas. En la ventana de correlación de variables introducir ambas variables en la casilla de variables y señalar la pestaña de “Pearson” (si distribución normal) o “Spearman” (si la distribución no es normal).
Cuarto, en la hoja de resultados obtenemos una tabla de correlaciones (de Pearson o Spearman) con el valor de la correlación y la significación estadística. Si la significación es <0,05, se rechaza la H0 (H0=no hay correlación) y podemos decir que existe una correlación entre ambas (positiva o negativa en función del signo)
Tabla donde se representa la correlación de Pearson y la significación estadística entre la Edad y el IMC.
Representación gráfica de la relación lineal entre dos variables cuantitativas continuas (edad e IMC).
Tabla de rangos. Se representan los rangos negativos, positivos y empates.
En el apartado de material y métodos, análisis estadístico: Se puede expresar, por ejemplo tal que así: “para comprobar si existe una asociación entre las variables cuantitativas continuas se utilizó la Prueba de Pearson si tenían una distribución normal o la Prueba de Spearman si la distribución no era normal”
En el apartado de resultados, siguiendo con el ejemplo anterior podemos expresarla de la siguiente manera: “en nuestro estudio existe una correlación moderada y positiva entre la edad y el IMC (r= 0,322; p=0,004)”. Si hubiéramos utilizado la correlación de Spearman porque las variables no hubieran tenido una distribución normal y el resultado hubiera sido el mismo, habría que poner: “en nuestro estudio existe una correlación moderada y positiva entre la edad y el IMC (rs=0,322; p=0,004)”. Se puede poner rs o ρ y se pronuncia “rho”.
Ejercicio 8. Utilizar base_demogeneral. Comprobar si existe una correlación entre la variable edad y la tensión arterial sistólica (tas).
Solución: Como la tas no tiene una distribución normal utilizamos la correlación de Spearman. rs= 0,434, p<0,001. En este caso podemos decir que existe una correlación positiva entre la edad y la tas.
