Problem Statement
quizás le gustaría probar si hay una relación lineal estadísticamente significativa entre dos variables continuas, peso y altura (y por extensión, inferir si la asociación es significativa en la población). Puede usar una correlación bivariada de Pearson para probar si existe una relación lineal estadísticamente significativa entre la altura y el peso, y para determinar la fuerza y la dirección de la Asociación.,
antes de la prueba
en los datos de la muestra, usaremos dos variables: «altura» y «peso.»La variable «Height»es una medida continua de la altura en pulgadas y exhibe un rango de valores de 55.00 a 84.41 (analizar > Estadística Descriptiva > descriptivos). La variable «peso» es una medida continua de peso en libras y exhibe un rango de valores de 101.71 a 350.07.
antes de mirar las correlaciones de Pearson, debemos mirar las gráficas de dispersión de nuestras variables para tener una idea de qué esperar., En particular, necesitamos determinar si es razonable asumir que nuestras variables tienen relaciones lineales. Haga clic en gráficos >diálogos heredados > dispersión/punto. En la ventana dispersión / punto, haga clic en dispersión Simple y, a continuación, haga clic en Definir. Mueva la altura variable al cuadro del eje X y mueva el peso variable al cuadro del eje Y. Cuando haya terminado, haga clic en Aceptar.
para agregar un ajuste lineal como el representado, haga doble clic en el gráfico en el Visor de salida para abrir el Editor de gráficos., Haga clic en elementos > ajustar línea en Total. En la ventana Propiedades, asegúrese de que el método de ajuste esté establecido en Lineal y, a continuación, haga clic en Aplicar. (Tenga en cuenta que la adición de la línea de tendencia de regresión lineal también agregará el valor R-cuadrado en el margen de la gráfica. Si tomamos la raíz cuadrada de este número debe coincidir con el valor de la correlación de Pearson que obtenemos.)
de la gráfica de dispersión, podemos ver que a medida que aumenta la altura, el peso también tiende a aumentar. Parece haber alguna relación lineal.,
ejecutar la prueba
para ejecutar la correlación bivariada de Pearson, haga clic en Analizar > Correlate > Bivariate. Seleccione las variables altura y peso y muévalas al cuadro Variables. En el área coeficientes de correlación, seleccione Pearson. En el área de prueba de significancia, seleccione la prueba de significancia deseada, de dos colas o de una cola. Seleccionaremos una prueba de significancia de dos colas en este ejemplo. Marque la casilla junto a marcar correlaciones significativas.
Haga clic en Aceptar para ejecutar la correlación bivariada de Pearson., La salida para el análisis se mostrará en el Visor de salida.
sintaxis
CORRELATIONS /VARIABLES=Weight Height /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE.salida
tablas
los resultados mostrarán las correlaciones en una tabla, etiquetada correlaciones.
una correlación de la altura consigo misma (r=1), y el número de observaciones no ausentes para la altura (n=408).
b correlación de altura y peso (r = 0.513), basada en n=354 observaciones con valores no ausentes en pares.
C correlación de altura y peso (r = 0.,513), basado en n=354 observaciones con valores no ausentes en pares.
D correlación del peso consigo mismo (r=1), y el número de observaciones no ausentes para el peso (n=376).
Las celdas importantes que queremos ver son B O C. (Las celdas B y C son idénticas, porque incluyen información sobre el mismo par de variables. Las celdas B y C contienen el coeficiente de correlación para la correlación entre la altura y el peso, su valor p y el número de observaciones completas en parejas en las que se basó el cálculo.,
las correlaciones en la diagonal principal (celdas A y D) son todas iguales a 1. Esto se debe a que una variable siempre está perfectamente correlacionada consigo misma. Observe, sin embargo, que los tamaños de muestra son diferentes en la celda A (n=408) versus la celda D (n=376). Esto se debe a que faltan datos there hay más observaciones faltantes para el peso variable que para la altura variable.
si ha optado por marcar correlaciones significativas, SPSS marcará un nivel de significancia de 0.05 con un asterisco (*) y un nivel de significancia de 0.01 con dos asteriscos (0.01)., En la celda B (repetida en la celda C), podemos ver que el coeficiente de correlación de Pearson para la altura y el peso es .513, que es significativo (p <.001 para una prueba de dos colas), basado en 354 observaciones completas (es decir, casos con valores no ausentes tanto para la altura como para el peso).
decisión y conclusiones
En base a los resultados, podemos afirmar lo siguiente: