La correlación es un sistema de hechos que puede mostrar si y cómo se conectan de forma inequívoca los factores. Por ejemplo, la altura y el peso están conectados; los individuos más altos serán, en general, más pesados que los más bajos. La relación no es inmaculada. Los individuos de estatura similar fluctúan en el peso, y se puede, sin mucho esfuerzo, considerar a dos individuos que se sabe que el más bajo es más pesado que el más alto. Sin embargo, la carga normal de los individuos de 5’5” no es exactamente la carga normal de los individuos de 5’6”, y su peso normal no es tanto como el de los individuos de 5’7”, y así sucesivamente. La correlación puede decirte cuánto de la variación en el peso de las personas está relacionado con sus alturas.

A pesar de que esta relación es genuinamente evidente, su información puede contener conexiones insospechadas. También puede especular que hay conexiones, sin embargo, no se da cuenta de cuáles son las más sólidas. Un examen profundo de la relación puede llevar a una comprensión más prominente de su información.

Sistemas en la determinación de la correlación

Hay unas cuantas estrategias de conexión diversas. El Módulo de Estadísticas discrecionales del Sistema de Encuesta incorpora el tipo más conocido, llamado la relación Pearson o “item minute”. El módulo también incorpora una pequeña desviación de este tipo llamada conexión a mitad de camino. Esta última es útil cuando se necesita echar un vistazo a la conexión entre dos factores mientras se expulsa el impacto de un par de factores diferentes.

Como todo procedimiento fáctico, la conexión es adecuada para determinados tipos de información. La relación funciona para la información cuantificable en la que los números son importantes, generalmente cantidades o alguna semejanza de las mismas. No puede ser utilizada para información simplemente descarada, por ejemplo, género, marcas compradas, o el sombreado más querido.

Escalas de clasificación

Las escalas de clasificación son un caso central cuestionable. Los números en las escalas de clasificación tienen significado, pero esa importancia no es excepcionalmente exacta. No les gustan las cantidades. Con una cantidad, (por ejemplo, dólares), el contraste en algún lugar del rango de 1 y 2 es en realidad equivalente a algún lugar del rango de 2 y 3. Con una escala de valoración, esa no es generalmente la situación. Puede tener la certeza de que sus encuestados piensan que una calificación de 2 se encuentra entre una calificación de 1 y una de 3, pero no puede estar seguro de que piensen que en realidad se encuentra en algún punto intermedio. Esto es particularmente válido en la remota posibilidad de que haya nombrado los objetivos intermedios de su escala (no puede esperar que “grande” esté en realidad en algún punto entre “magnífico” y “razonable”).

La mayoría de los analistas afirman que no se pueden utilizar las relaciones con las escalas de clasificación, basándose en que la ciencia del sistema acepta que los contrastes entre los números son en realidad equivalentes. En cualquier caso, muchos analistas del estudio sí utilizan las conexiones con las escalas de clasificación, a la luz del hecho de que los resultados normalmente reflejan esta realidad actual. Nuestra propia posición es que se pueden utilizar las conexiones con las escalas de clasificación, pero hay que hacerlo con cuidado. Cuando se trabaja con cantidades, las conexiones dan estimaciones exactas. Cuando se trabaja con escalas de clasificación, las conexiones dan señales generales.

Coeficiente de conexión

La consecuencia fundamental de una relación se conoce como el coeficiente de conexión (o “r”). Va de – 1,0 a +1,0. Cuanto más se acerque r a +1 o – 1, más intensamente se conectan los dos factores.

En la remota posibilidad de que r esté cerca de 0, implica que no hay conexión entre los factores. En la remota posibilidad de que r esté seguro, implica que a medida que una variable se agranda, otras se agrandan. En el caso de que r sea negativo, implica que a medida que uno se hace más grande, los diferentes se hacen más pequeños.

Mientras que los coeficientes de conexión se detallan regularmente como r = (un incentivo entre – 1 y +1), al cuadrarlos se hace entonces más claro. El cuadrado del coeficiente (o el cuadrado de r) equivale al porcentaje de la variedad en una variable que se identifica con la variedad en la otra. Al calcular r, no hay que tener en cuenta el punto decimal. Una r de 0,5 implica que el 25% de la variedad está conectada ( 0,5 al cuadrado = 0,25). Una estimación de r de .7 implica que el 49% de la diferencia está conectada (.7 al cuadrado = .49).

Un informe de conexión también puede mostrar la segunda consecuencia de cada prueba: la centralidad de los hechos. Para esta situación, el nivel de centralidad le revelará cuán probable es que las conexiones reveladas puedan ser debidas al azar como un error de inspección arbitrario. En la remota posibilidad de que estés trabajando con pequeños ejemplos, elige un grupo de informe que incorpore el nivel de centralidad. Esta organización también informa el tamaño del ejemplo.

Una cosa clave que hay que recordar cuando se trabaja con conexiones es que nunca aceptar una relación implica que un ajuste en una variable provoca un ajuste en otra. Las ofertas de PCs y de calzado deportivo han aumentado de manera enfática a lo largo de los años y hay una alta conexión entre ellas, pero no se puede aceptar que la compra de PCs haga que los individuos compren calzado deportivo (o al revés).

La condición subsiguiente es que el procedimiento de conexión Pearson funciona mejor con conexiones directas: a medida que una variable se hace más grande, la otra se hace más grande (o más pequeña) en una extensión directa. No funciona admirablemente con conexiones curvilíneas (en las que la relación no sigue una línea recta). Un caso de una relación curvilínea es la edad y los servicios humanos. Están conectados, sin embargo, la relación no sigue una línea recta. Tanto los jóvenes como los individuos más experimentados utilizarán, en general, considerablemente más servicios humanos que los adolescentes o los jóvenes adultos. Varias recaídas (adicionalmente incorporadas en el Módulo de Estadísticas) pueden ser utilizadas para analizar las conexiones curvilíneas, sin embargo, está más allá de la extensión de este artículo.