ORIENTACIONES BSICAS PARA PRUEBAS DE ASOCIACIN O INDEPENDENCIA DE VARIABLES
LA VARIABLE
Magnitud que adquiere distintos valores, bien por s misma (variable independiente) o en
funcin de otras variables (variable dependiente).
a) Estadstica de variables. Estudia las variables cuantitativas o cuantificables numricamente
(renta, salarios, precios, edad, peso, etc.).
En el SPSS se conocen como: ESCALA.
b) Estadstica de atributos. Estudia las variables cualitativas, (color, nacionalidad,
enfermedades, etc.).
En el SPSS figuran como: NOMINALES y ORDINALES.
La distincin entre variables dependientes e independientes es netamente analtica y est
basada en los objetivos de la investigacin. Segn Naghi (2000) en el mbito emprico, las
variables no son ni dependientes ni independientes: Es decisin del investigador cmo habr
de considerar las variables, y tal decisin se basar en los objetivos de la investigacin.
En el SPSS los roles disponibles son:
Entrada. La variable se utilizar como una entrada (por ejemplo, predictor, variable
independiente).
Objetivo. La variable se utilizar como una salida u objetivo (por ejemplo, variable
dependiente).
Las medidas de asociacin que acompaan a la Chi-cuadrado de Pearson (nominales),
permiten obtener un ndice que describa la fuerza, la direccin y la naturaleza de la asociacin
(no interpretable en trminos de relacin causa-efecto) entre las variables. Se tiene dos tipos
de medidas de asociacin:
- Simtricas: Se interpretan como el ndice del grado o magnitud de la asociacin entre las
dos variables, pero sin supeditar una a la otra (sin establecer cul es la variable
dependiente y cul es la independiente).
- Direccionales o asimtricas: Proporcionan una medida del grado en que se reduce el error
al pronosticar una variable (Variable Dependiente o criterio) a partir de la otra (Variable
Independiente o predictora). La persona investigadora es quien las define previamente.
Objetivo que se persigue: determinar en qu medida la Variable Dependiente puede ser
explicada por la Variable Independiente.
ESTADSTICOS PARA TABLAS DE CONTINGENCIA:
Chi-cuadrado
Medida simtrica. Es considerada como una prueba no paramtrica que mide la discrepancia
entre una distribucin observada y otra terica (bondad de ajuste). Para probar la existencia
de una diferencia significativa entre un nmero observado de objetos o respuesta de
categoras (sean nominales u ordinales) y un nmero esperado. No considera relaciones
causales. A partir de las fecuencias de la Tabla de Contingencia se puede deducir la direccin y
la asociacin entre ellas. Prueba exacta de Fisher: Para las tablas 22, que no resulten de
perder columnas o filas y presenten una casilla con una frecuencia esperada menor que 5. Chi-
cuadrado corregido de Yates: Para las restantes tablas 22. Chi-cuadrado de Pearson y el Chi-
cuadrado de la razn de verosimilitud: Para otras tablas distintas de las de 2x2. Cuando ambas
variables de tabla son cuantitativas, Chi-cuadrado da como resultado la prueba de asociacin
lineal por lineal.
Se asume que los datos son una muestra aleatoria. Las frecuencias esperadas para cada
categora debern ser 1 como mnimo. No ms de un 20% de las categoras debern tener
frecuencias esperadas menores que 5. El SPSS al efectuar la prueba evala su cumplimiento, si
bien efecta la prueba, seala cual es el resultado evaluativo de sta condicin, corresponde al
investigador adoptar la medida correspondiente, as se seala:
CASOS
Chi-cuadrado
Tabla de 2x2
Otras Tablas m x n (**)
Frec. Esp. < 5 Frec. Esp. >= 5
Chi-cuadrado de Pearson X
Correccin por continuidad (Yates) X
Razn de verosimilitud X
Estadstico exacto de Fisher X
Advertencia
No debe ser de
una tabla que
resulte de perder
columnas o filas
en una tabla
mayor (*).
Las frecuencias
tericas o
esperadas en
cada celda deben
ser iguales o
superiores a 5.
En el caso de que el
porcentaje de
Frecuencias Esperadas
< 5, pero nunca
inferiores a 1 supere el
20%, el estadstico de
Pearson debe ser
interpretado con
cautela. En este caso se
recomienda utilizar el
Estadstico exacto de
Fisher.
(*) Se debe entender que en este caso no se debe tener ninguna frecuencia esperada menor que 5. Y si se redujo las
filas o columnas, necesariamente la Frecuencia Esperada debe ser > 5.
(**) Cuando ambas variables de tabla son cuantitativas, Chi-cuadrado da como resultado la prueba de asociacin
lineal por lineal.
Ejemplo de aplicacin del Chi-cuadrado
Torres (1992, pg. 269). De acuerdo a una investigacin, se especfica, al 95% de confianza:
Tabla de contingencia EMI_RUR * VIV_CIU
Continuar viviendo en la ciudad a
pesar de no tener trabajo estable?
Total
SI NO
Ha emigrado Ud. de la zona
rural por falta de trabajo?
SI 80 15 95
NO 12 40 52
Total 92 55 147
En el SPSS, se ingresa codificando las filas y columnas y su frecuencia, como una tabla del
modo siguiente:
Las hiptesis son:
H
0
: El que la persona emigre de la zona rural por falta de trabajo NO est relacionado al que
continuar viviendo en la ciudad a pesar de no tener trabajo estable.
H
1
: El que la persona emigre de la zona rural por falta de trabajo SI est relacionado al que
continuar viviendo en la ciudad a pesar de no tener trabajo estable.
En el SPSS, con Datos / Ponderar casos, luego con: Analizar / Estadsticos descriptivos / Tablas
de contingencia, clic al botn Estadsticos y all seleccionar Chi-cuadrado, se obtiene:
Pruebas de chi-cuadrado
Valor
gl Sig. asinttica
(bilateral)
Sig. exacta
(bilateral)
Sig. exacta
(unilateral)
Chi-cuadrado de Pearson 53,636
a
1 ,000
Correccin por continuidad
b
51,057 1 ,000
Razn de verosimilitudes 55,319 1 ,000
Estadstico exacto de Fisher ,000 ,000
Asociacin lineal por lineal 53,271 1 ,000
N de casos vlidos 147
a. 0 casillas (0,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 19,46.
b. Calculado slo para una tabla de 2x2.
La nota al pie de la Tabla anterior fija que no hay el problema de la restriccin respecto a
nmero de casillas que deben tener una frecuencia esperada mayor o igual a 5. El estadstico
por ser una tabla de 2 x 2, es la Correccin por continuidad, que al tener una significacin
asinttica (bilateral) < 0.05, comprueba que las variables estn relacionadas.
Conclusin: A un 95% de confianza, se comprueba la Hiptesis Alternativa (H
1
), estableciendo
que la persona que emigra del campo por no tener trabajo, se quedar viviendo en la ciudad a
pesar de no tener trabajo ya que la misma situacin de imposibilidad de generar ingresos, la
tendr si retorna a su tierra.
VARIABLES SEGN SU NATURALEZA
NOMBRE
DEFINICIN Y TIPOS
ESCALA DE
MEDIDA
Variables cualitativas o
nominales o de atributo o
categricas
Cuando sus valores hacen referencia a caractersticas, propiedades, etc. que expresan cualidad y no se pueden
cuantificar.
Identifica la pertenencia de un elemento sujeto u objeto a un grupo u otro, a niveles generalmente mutuamente
excluyentes. Permite la distincin entre elementos pero no su ordenacin.
Nominal
Pueden ser dicotmicas (cuando tienen dos categoras o valores), o politmicas (cuando tienen ms de dos
categoras o valores.
Variables ordinales
Cuando sus valores establecen un orden, sin que entre los diferentes rdenes se conozca la distancia exacta
entre ellos. Permite ordenar con medidas artificiales, cuantificando capacidades que el individuo tiene para
graduar.
Identifica a cada elemento en una posicin de escala respecto a los otros
Ordinal
Variables de intervalo
Cuando sus valores hacen referencia a intervalos que comprenden un valor mnimo y un valor mximo. Entre los
diferentes rdenes se conoce la distancia exacta entre ellos. Aunque tambin establecen "orden" como las
anteriores (variables ordinales), se aproximan ms a la "medida" propiamente en cuanto se sabe la distancia
entre un intervalo y otro. Identifica la posicin ordinal de cada elemento y permite adems medir las distancias
entre unos y otros utilizando una escala de medida subjetiva.
De intervalo (*)
(en SPSS:
Escala)
Se caracterizan por la presencia de 0 relativo o subjetivo.
Variables cuantitativas
Cuando sus valores hacen referencia a medidas propiamente numricas.
De razn o
proporcin
(en SPSS:
Escala)
Pueden ser continuas (cuando las variables pueden adoptar cualquier valor intermedio de un continuo), o
discretas (cuando slo puede tomar determinados valores, que suelen coincidir con los nmeros enteros).
Permite medir las distancias entre elementos utilizando una escala de objetiva y, por lo tanto, posibilita la
utilizacin de razones o ratios comparativos.
Se caracterizan por la presencia de 0 absoluto u objetivo.
FUENTE: Basado en SERRANO PASTOR Francisca, SNCHEZ RODRIGUEZ Pedro (2012). "Anlisis Cuantitativo de datos en ciencias sociales con el SPSS". Universidad de
Murcia.
(*)En el SPSS, no existe la Escala de Intervalos. De aqu que a las variables medidas en este tipo de escala se le asigna la escala de razn o proporcional que, en SPSS, se le
denomina ESCALA. Pero se debe saber que estamos trabajando con una variable de intervalo, porque los estadsticos que podemos aplicar (calcular) no siempre son los
mismos que con las variables cuantitativas.
ESTADSTICOS DE TABLA DE CONTINGENCIA
Ricardo Toledo Quiones
ANEXO 2: RESUMEN CON ESTADSTICOS DE TABLAS DE CONTINGENCIA
ESTADSTICOS DE TABLAS DE CONTINGENCIA PARA PROBAR LA ASOCIACIN O INDEPENDENCIA DE VARIABLES OGSERVADAS
Elaboracin: Ricardo Toledo Quiones
ESTADSTICO SPSS
CUANTITATIVA
O DE ESCALA
CUALITATIVA ASPECTO QUE EVALA
CASOS EN LOS QUE ES APLICABLE HIPTESIS NULA (1) MODO DE EVALUACIN
NOMINAL ORDINAL Signific. Magnitud Direccin
Coeficiente de correlacin de Pearson
A
n
a
l
i
z
a
r
/
C
o
r
r
e
l
a
c
i
o
n
e
s
/
B
i
v
a
r
i
a
d
a
s
X X X X
Para variables cuantitativas que siguen una distribucin
normal (paramtrica) y que se miden en una escala de
intervalo o de razn, con el anlisis, se puede probar si
siguen un tipo particular de asociacin: la asociacin
lineal. Puede plantearse de manera Bilateral: si se
contrasta la hiptesis nula de ausencia de asociacin
lineal. Unilateral: Si se especifica la direccin de la
asociacin.
Puede ir acompaado del anlisis unidimensional de cada
variable por separado o de grficos que pongan de
manifiesto el patrn de comportamiento conjunto de
ambas variables.
Utilice variables cuantitativas simtricas para el
coeficiente de correlacin de Pearson y variables
cuantitativas o variables con categoras ordenadas para la
rho de Spearman y la tau-b de Kendall.
Si alguna variable no sigue una distribucin normal se
debe utilizar la correlacin de Spearman (no
paramtrica).
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Oscila entre -1 y +1, indicndonos asociaciones
inversas o directas respectivamente, 0 cero, significa
que no hay asociacin lineal, lo cual no implica que
no pueda haber asociacin de otro tipo. Evaluar a
partir de la significacin. Si significacin <= 0.05,
estn asociados con una confianza del 95%. Si
significacin <= 0.01, estn asociados con una
confianza del 99%.
Chi-cuadrado
A
n
a
l
i
z
a
r
/
E
s
t
a
d
s
t
i
c
o
s
d
e
s
c
r
i
p
t
i
v
o
s
/
T
a
b
l
a
s
d
e
c
o
n
t
i
n
g
e
n
c
i
a
,
b
o
t
n
E
s
t
a
d
s
t
i
c
o
s
.
X X X
Medida simtrica (3). Es considerada como una prueba
no paramtrica que mide la discrepancia entre una
distribucin observada y otra terica (bondad de ajuste).
Para probar la existencia de una diferencia significativa
entre un nmero observado de objetos o respuesta de
categoras (sean nominales u ordinales) y un nmero
esperado. No considera relaciones causales. A partir de
las frecuencias de la Tabla de Contingencia se puede
deducir la direccin y la asociacin entre ellas. Prueba
exacta de Fisher: Para las tablas 22, que no resulten de
perder columnas o filas y presenten una casilla con una
frecuencia esperada menor que 5. Chi-cuadrado
corregido de Yates: Para las restantes tablas 22. Chi-
cuadrado de Pearson y el Chi-cuadrado de la razn de
verosimilitud: Para otras tablas distintas de las de 2x2.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Indica en qu medida las diferencias existentes entre
variables, de haberlas, se deben al azar en el
contraste de hiptesis. Tambin se utiliza para
probar la independencia de dos variables entre s.
Si la significacin asociada a este estadstico es
<=0.05 se rechaza la hiptesis de independencia y se
concluye que las variables estn asociadas.
Correlaciones: Rho de Spearman (2) X X X X X
Medida simtrica (3). Versin no paramtrica del
coeficiente de correlacin de Pearson. Es una medida de
asociacin entre rangos de los valores de las variables. Se
entiende por rango de una valor de una variable el lugar
que ocupa dicho valor en el conjunto total de valores de
la variable, supuesta la ordenacin de menor a mayor. Se
emplea cuando una variable es de intervalo y la otra
ordinal o ambas medidas de las variables son ordinales,
para las dos variables, sus escalas de medida son
posiciones ordenables. Ejemplo: Orden de llegada en una
carrera y peso de los atletas.
H0: La probabilidad que estn asociados es cero (0).
H0: No existe ninguna relacin entre X, Y.
H0: A un nivel de confianza del ___% NO existe
relacin o asociacin entre ___ (dos variables).
Oscila entre -1 y +1, indicndonos asociaciones
inversas o directas respectivamente, 0 cero, significa
no correlacin. Evaluar a partir de la significacin. Si
significacin <= 0.05, estn asociados con una
confianza del 95%. Si significacin <= 0.01, estn
asociados con una confianza del 99%.
Si no hay empates su valor es cercano o equivalente
al coeficiente de correlacin de Pearson.
ESTADSTICOS DE TABLA DE CONTINGENCIA
Ricardo Toledo Quiones
ESTADSTICOS DE TABLAS DE CONTINGENCIA PARA PROBAR LA ASOCIACIN O INDEPENDENCIA DE VARIABLES OGSERVADAS
Elaboracin: Ricardo Toledo Quiones
ESTADSTICO SPSS
CUANTITATIVA
O DE ESCALA
CUALITATIVA ASPECTO QUE EVALA
CASOS EN LOS QUE ES APLICABLE HIPTESIS NULA (1) MODO DE EVALUACIN
NOMINAL ORDINAL Signific. Magnitud Direccin
V
A
R
I
A
B
L
E
S
N
O
M
I
N
A
L
E
S
Phi X X X X
Medida simtrica (3). Aplicable a variables cualitativas
nominales, toma en cuenta el tamao de la muestra.
Mide la asociacin entre variables dicotmicas. Tiene la
ventaja en tablas de 2 x 2, de coincidir con el coeficiente
de correlacin de Pearson y sealar la direccin de la
relacin (Chi-cuadrado no lo hace). En tablas mayores a
2x2 podr ser mayor a 1 en valor absoluto. A efectos
prcticos, de utilizarse cuando una de las variables tiene
ms de dos categoras, el valor de significacin es ms
importante que el valor real del estadstico.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas o
asociadas.
En las tablas con dos variables dicotmicas, toma
valores entre -1 y 1, valores cercanos a 0 indican no
asociacin y los prximos a 1 o -1, fuerte asociacin.
Si una variable tiene ms de dos categoras puede
tomar valores mayores de 1 o menores a -1. En estos
casos lo recomendable es utilizar el Coeficiente de
Contingencia. Se acepta H0, si significacin <= 0.05.
V. de Cramer X X X
Medida simtrica (3). Aplicable a variables cualitativas
nominales, es una medida de asociacin basada en Chi-
cuadrado, es una extensin del coeficiente Phi, pero en
este caso si se encuentra normalizada y oscila entre 0 y 1.
. En las tablas 2x2 toma el mismo valor que Phi, pero no
seala la direccin de la relacin.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Se encuentra normalizada y oscila entre 0 y 1, nunca
excede de 1, valores cercanos a 0 indican no
asociacin y los prximos a 1 fuerte asociacin. Se
acepta H0, si significacin <= 0.05.
Coeficiente de contingencia X X X
Medida simtrica (3). Aplicable a variables cualitativas
nominales, medida de asociacin basada en Chi-
cuadrado. El valor vara entre 0 y 1, pero es difcil que
llegue a 1.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
El valor vara entre 0 y 1, pero es difcil que llegue a
1. El valor 0 indica que no hay asociacin entre
variables, valores cercanos a 1 indican que hay gran
asociacin. Se acepta H0, si significacin <= 0.05.
Lambda. X X X
Medida direccional o asimtrica (4). Aplicable a variables
cualitativas nominales, medida de asociacin que refleja
la reduccin proporcional en el error cuando se utilizan
los valores de la variable independiente (VI) para
pronosticar los valores de la variable dependiente (VD).
La versin simtrica, ha de estar entre los valores de las
asimtricas, puede tomar valores de 0 y la independencia
no ser total, indica la proporcin que se reduce el error al
predecir cualquiera de las dos variables mediante la tabla
de contingencia, es decir mide el mejoramiento
porcentual respecto a la prediccin de una variable
dependiente (variable de columna o fila) dado el valor de
otras variables (variables de fila o columnas).
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Toma valores entre 0 y 1, el valor 0 indica que la
variable independiente no aporta nada en la
reduccin del error de prediccin y 1 indica que el
error de prediccin se ha conseguido reducir por
completo. Se acepta H0, si significacin <= 0.05.
Tau d Goodman y Kruskal X X X
Medida direccional o asimtrica (4). Aplicable a variables
cualitativas nominales, al igual que el Lambda, es un
coeficiente asimtrico, pero a diferencia de ste, parte
de los errores cometidos al asignar aleatoriamente los
casos a las categoras de la variable dependiente.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Va de 0 a 1 y se acompaa de un error asinttico
luego puedo calcularle un intervalo de confianza. El
significado de los valores 0 y 1 es el mismo que en
lambda. Se acepta H0, si significacin <= 0.05.
ESTADSTICOS DE TABLA DE CONTINGENCIA
Ricardo Toledo Quiones
ESTADSTICOS DE TABLAS DE CONTINGENCIA PARA PROBAR LA ASOCIACIN O INDEPENDENCIA DE VARIABLES OGSERVADAS
Elaboracin: Ricardo Toledo Quiones
ESTADSTICO SPSS
CUANTITATIVA
O DE ESCALA
CUALITATIVA ASPECTO QUE EVALA
CASOS EN LOS QUE ES APLICABLE HIPTESIS NULA (1) MODO DE EVALUACIN
NOMINAL ORDINAL Signific. Magnitud Direccin
Coeficiente de incertidumbre X X X
Medida direccional o asimtrica (4). Aplicable a variables
cualitativas nominales, medida de asociacin que refleja
la reduccin proporcional en el error cuando se utilizan
los valores de una variable para pronosticar los valores de
la otra variable. La versin simtrica, ha de estar entre los
valores de las asimtricas, puede tomar valores de 0 y la
independencia no ser total, indica la proporcin que se
reduce el error al predecir cualquiera de las dos variables
mediante la tabla de contingencia.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Oscila entre 0 y 1. Puede ser asimtrica (proporcin
de incertidumbre reducida al predecir los valores de
una variable a partir de los de la otra) o simtrica
(proporcin de incertidumbre reducida al predecir
los valores de cualquiera de las dos variables). Se
acepta H0, si significacin <= 0.05.
V
A
R
I
A
B
L
E
S
O
R
D
I
N
A
L
E
S
Gamma de Goodman y Kruskal X X X X
Aplicable a variables cualitativas ordinales, medida de
asociacin simtrica (hacia los dos lados de acuerdo a su
relacin directa o inversa) entre dos variables. Relaciona
la probabilidad que las observaciones sean directas o
inversas. Su valor absoluto se puede interpretar como la
reduccin proporcional del error al predecir el
ordenamiento de los casos en una variable mediante el
conocimiento de la ordenacin de los casos en la otra
variable. Es el estadstico ms recomendado de uso por
su facilidad de clculo e interpretacin. Otros
recomiendan el Tau de Kendall, por ser ms conservador.
H0: Las variables X e Y son independientes.H0: Las
variables X e Y No estn relacionadas.H0: Las
variables No estn asociadas.
Comprendido entre -1 y 1. Los valores prximos a 1,
en valor absoluto, indican una fuerte relacin entre
las dos variables. Los valores prximos a cero indican
que hay poca o ninguna relacin entre las dos
variables. Dan el signo de direccin. Se acepta H0, si
significacin <= 0.05.
d de Somers X X X X
Medida direccional o asimtrica (4). Aplicable a variables
cualitativas ordinales. Indica la proporcin en exceso de
los pares directamente relacionados sobre los pares
inversamente relacionados. A diferencia de Gamma
incluye en su clculo el nmero de pares no empatados
en la variable independiente. Tiene una versin simtrica
que indica la reduccin del error de predecir las variables.
Es tambin recomendado por su facilidad de
interpretacin y elimina la sobreestimacin de Gamma.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Toma un valor comprendido entre -1 y 1, su
interpretacin es similar a Gamma. Dan el signo de
direccin. Se acepta H0, si significacin <= 0.05.
Si el valor de la simtrica es igual que la medida
asimtrica indica que no existe entre las variables
una relacin de dependencia.
Tau-b de Kendall (3) X X X X
Medida no paramtrica de asociacin para variables
ordinales o de rangos que tiene en consideracin los
empates. Aplicable a variables cualitativas cualitativas
ordinales, es una extensin de Gamma pero presenta la
ventaja de que alcanza los valores -1 y 1 (slo para tablas
cuadradas) en situaciones de total asociacin.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Medida de correlacin para variables ordinales, para
Tablas de 2 x 2. Valores van de -1 a 1, dan el signo de
direccin de la relacin. Se acepta H0, si
significacin <= 0.05.
Tau-c de Kendall X X X X
Medida no paramtrica de asociacin para variables
ordinales o de rangos que no tiene en consideracin los
empates. Aplicable a variables cualitativas cualitativas
ordinales, es una correccin de la medida del Tau-b de
Kendall, de modo que alcanza los valores -1 y 1 incluso en
tablas no cuadradas.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Medida de correlacin para variables ordinales, para
Tablas Cuadradas y no Cuadradas. Valores van de -1
a 1, dan el signo de direccin de la relacin. Se
acepta H0, si significacin <= 0.05.
ESTADSTICOS DE TABLA DE CONTINGENCIA
Ricardo Toledo Quiones
ESTADSTICOS DE TABLAS DE CONTINGENCIA PARA PROBAR LA ASOCIACIN O INDEPENDENCIA DE VARIABLES OGSERVADAS
Elaboracin: Ricardo Toledo Quiones
ESTADSTICO SPSS
CUANTITATIVA
O DE ESCALA
CUALITATIVA ASPECTO QUE EVALA
CASOS EN LOS QUE ES APLICABLE HIPTESIS NULA (1) MODO DE EVALUACIN
NOMINAL ORDINAL Signific. Magnitud Direccin
ETA X X X X
Medida direccional o asimtrica (4). Sirve para
cuantificar el grado de asociacin existente entre una
variable cuantitativa por intervalo o de razn (ingresos
por ejemplo), como dependiente y otra cualitativa
nominal u ordinal que cumple las veces de variable
independiente (gnero por ejemplo). No supone
linealidad.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Su valor siempre est comprendido entre 0 y 1. El
valor 0 indica que no hay asociacin entre las
variables. Los valores cercanos a 1 indican que hay
gran relacin entre las variables. Se acepta H0, si
significacin <= 0.05. El cuadrado de ETA es la
proporcin de la variabilidad de la variable
dependiente Y, explicada por los valores de la
independiente X.
Kappa de Cohen X X X X
Medida simtrica (3). La kappa de Cohen mide el acuerdo
entre las evaluaciones de dos jueces cuando ambos estn
valorando el mismo objeto.
Las estadsticas Kappa se utilizan comnmente en
aplicaciones de tabulacin cruzada (tabla) y en anlisis de
concordancia de atributos.
Cuando tenga calificaciones ordinales, tales como
calificaciones de severidad de defectos en una escala del
1-5, los coeficientes de Kendall, los cuales toman en
consideracin el orden, suelen ser una estadstica ms
apropiada para evaluar asociaciones que el uso de kappa
solamente.
H0: Las variables X e Y son independientes.
H0: Las variables X e Y No estn relacionadas.
H0: Las variables No estn asociadas.
Para el caso de evaluacin por jueces de un mismo
objeto. Mide el grado de acuerdo entre los valores
de las dos variables y oscila entre 0 y 1. Un valor
igual a 1 indica un acuerdo perfecto. Un valor igual a
0 indica que el acuerdo no es mejor que el que se
obtendra por azar. Se acepta H0, si significacin <=
0.05. Comnmente, se requiere un valor de kappa
de por lo menos 0.70, pero se prefieren los valores
de kappa cercanos a 0.90.
Riesgo: ODDS RATIO
(Razn de ventajas en castellano)
X X X X
Muy usado en ciencias de la salud. Relaciona las
ocasiones en que una variable se comportan como factor
de riesgo y otra como variable de resultado de fenmeno,
de tal modo que la presencia de la primera variable
determine la aparicin del resultado con una mayor
frecuencia. Se suele utilizar con variables dicotmicas
(acierto-fallo, xito-fracaso, etc.). IMPORTANTE:
- En la 1ra. Fila deben estar los EXPUESTOS AL FACTOR DE
RIESGO (EFR_SI) VS 1ra. Columna deben estar los que
TIENEN LA ENFERMEDAD (TE_SI) (Ejemplo: Fila 1: Si fuma
VS Columna 1: Si tiene cncer).
- Cdigo numrico EFR_SI < EFR_NO y TE_SI < TE_NO
Es til para estudios longitudinales (en un momento
dado) o de seguimiento (las medidas se toman en
diferentes instantes de tiempo). El inters se centra en el
riesgo relativo: el grado en que la proporcin de
desenlaces es ms alta en un grupo que en otro.
H0: El factor de riesgo X y el resultado Y son
independientes.
H0: Las variable X e Y No estn relacionadas.
H0: No existe asociacin entre la variable
independiente (lesin) y la variable dependiente
(factor de riesgo).
Si el valor es mayor que 1 es un factor de riesgo y si
es menor que 1 es un factor de proteccin, siempre
y cuanto su intervalo de confianza contenga a la
unidad.
De contenerlo, el ODDS RATIO no es significativo, ya
que no podra ser a la vez Factor de Riesgo y Factor
de Proteccin.
INTERPRETACIN: Los expuestos al factor de riesgo
tiene ___ veces ms riesgo de presentar la
enfermedad que los no expuestos al factor de
riesgo.
Si estudio es transversal (casos y controles slo se
lee la primera fila de la Tabla Estimacin del riesto
Razn de las ventajas (SI_FR/ NO_FR).
Si estudio es de cohorte longitudinal (a travs del
tiempo van apareciendo los casos, se lee slo la
segunda fila, para la enfermedad ausente y la
tercera para la enfermedad presente.
Mcnemar X X X
Prueba no paramtrica para dos variables dicotmicas
relacionadas. Contrasta los cambios de respuesta
utilizando una distribucin Chi-cuadrado. Es til para
detectar cambios en las respuestas causadas por la
intervencin experimental en los diseos del tipo "antes-
despus".
H0: Los sujetos observados No han cambiado de
opinin respecto a .........
H0: El tratamiento no induce cambios
significativos en las respuestas, es decir, los cambios
observados se deben al azar.
Para dos variables dicotmicas, para detectar
cambios del "antes-despus". Un valor de la
significancia <= 0.05 indica que se produjeron
cambios. Se acepta H0, si significacin <= 0.05.
ESTADSTICOS DE TABLA DE CONTINGENCIA
Ricardo Toledo Quiones
ESTADSTICOS DE TABLAS DE CONTINGENCIA PARA PROBAR LA ASOCIACIN O INDEPENDENCIA DE VARIABLES OGSERVADAS
Elaboracin: Ricardo Toledo Quiones
ESTADSTICO SPSS
CUANTITATIVA
O DE ESCALA
CUALITATIVA ASPECTO QUE EVALA
CASOS EN LOS QUE ES APLICABLE HIPTESIS NULA (1) MODO DE EVALUACIN
NOMINAL ORDINAL Signific. Magnitud Direccin
Estadsticos de Cochran y de Mantel-
Haenszel
X X X X X
Variables DICOTMICAS. Los estadsticos de Cochran y de
Mantel-Haenszel se utilizan para un anlisis estratificado,
para comprobar la independencia condicional, entre una
variable de factor dicotmica y una variable de respuesta
dicotmica. En general, se trata de estudiar si existe o no
asociacin entre una variable factor y una variable
respuesta, ambas dicotmicas, cuando se dispone de
informacin referida a varios estratos (distintos grupos de
edad o de sexo, pacientes con distinta sintomatologa,
distintas dosis de frmaco, distintos grupos tnicos, etc.).
Mientras que otros estadsticos se calculan capa por capa,
los estadsticos de Cochran y Mantel-Haenszel se calculan
una sola vez para todas las capas.
Chi-cuadrado de Pearson sobre el conjunto de datos
agrupados, puede arrojar resultados equvocos, teniendo
en cuenta el posible efecto confusin ante la presencia
de variables como la edad, el gnero, etc. Al analizar
separadamente cada estrato no proporciona una idea
global del efecto de la variable factor.
Para la prueba de homogeneidad de la razn de las
ventajas, estadsticos de Breslow-Day y De Tarone:
H0: El riesgo no es homogneo en todos los
estratos.
Para la estimacin de la razn de las ventajas
comn de Mantel-Haenszel:
H0: Controlado el efecto de la variable de capa Z, las
variables X e Y son independientes.
H0: X NO resulta eficaz para inluir sobre Y
Prueba de homogeneidad: Se acepta que el riesgo
es homogneo en todo los estratos si sig. > 0.05,
tiene sentido obtener una estimacin comn del
riesgo. El riesgo no es homogneo si sig. <= 0.05 y
debe obtenerse una estimacin de riesgo por
estratos.
Prueba de independencia: Si valor de estadsticos
De Cochran o Mantel-Haenszel <= 0.05 se rechaza
H0, y se concluye que, una vez controlado el efecto
de los estratos, las variables factor y respuesta estn
asociadas. Los expuestos al factor de riesgo tiene
___ veces ms riesgo de presentar la enfermedad
que los no expuestos al factor de riesgo (Magnitud).
Direccin: Se debe comprobar al igual que el riesgo,
si el valor es mayor que 1 es un factor de riesgo y si
es menor que 1 es un factor de proteccin, siempre
y cuanto su intervalo de confianza contenga a la
unidad.
(1) La Hiptesis General podra referirse a la Asociacin, una segunda Hiptesis podra referirse a la magnitud: Baja, Media baja, etc. (ver Tabla a continuacin), la Tercera podra referirse al signo: Relacin Directa o Relacin Inversa.
(2) SPSS, tambin se encuentra en la opcin: Analizar / Correlaciones / Bivariadas
(3) Medida simtrica. No supeditar una a la otra (sin establecer cul es la variable dependiente y cul es la independiente). Interpretacin: Cul es la magnitud o fuerza de la asociacin entre ambas variables.
(4) Medida direccional o asimtrica. Supedita una a la otra (establece cul es la variable dependiente y cul es la independiente). Interpretacin: a) Cul es la magnitud o fuerza entre las variables X, Y b) reduccin proporcional del error que se consigue al tener en cuenta una variable
(VI o predictora) en la prediccin de la otra (VD o criterio).
