Ventajas y desventajas del método correlacional

Las correlaciones buscan movimiento relacionado en los conjuntos de datos.

Creatas/Creatas/Getty Images

Los investigadores que recogen cuantitativa o numérica basada en los datos llevan a cabo diversas formas de análisis estadístico para extraer conclusiones a partir de estos datos. Mediante la búsqueda de relaciones entre los diferentes conjuntos de datos que recogen, los investigadores pueden probar las hipótesis sobre cómo los diferentes factores afectan a los otros, y lo fuerte que estos efectos son. Uno de estos métodos, las pruebas de correlaciones estadísticas, tiene limitado valor académico.

Correlaciones

Las correlaciones son una forma sencilla de análisis estadístico que busca relaciones numéricas entre los dos conjuntos de datos de igual tamaño. Mediante la comparación de números a partir de dos diferentes conjuntos de datos, las correlaciones miran cómo el movimiento en el valor de los números en un conjunto de datos está relacionado con el movimiento en el valor de los números en el otro conjunto. Por ejemplo, un investigador podría examinar las correlaciones entre las horas que los estudiantes pasan en el estudio y sus resultados de las pruebas para ver si existe una relación entre las horas dedicadas al estudio y los resultados de exámenes. La ecuación para la prueba de correlaciones informa de esta relación como un coeficiente que es entre cero (absolutamente ninguna relación entre los dos conjuntos de datos) y uno (una relación perfecta entre los dos conjuntos de datos) que puede ser positivo (un aumento de un conjunto de datos es relacionado con un aumento en el otro conjunto de datos) o negativo (un aumento de un conjunto de datos está relacionado con una disminución en el otro conjunto de datos).

Ventajas

La principal ventaja del método de buscar correlaciones simples entre dos conjuntos de datos es que la ecuación para encontrar un coeficiente de correlación es bastante simple para que los estudiantes resuelvan los números a mano, en lugar de confiar en las computadoras o calculadoras para el análisis. Esto presenta a los estudiantes las matemáticas detrás de análisis estadístico, que construye una base para la comprensión de las matemáticas detrás de los métodos más sofisticados de análisis. La naturaleza simple de una correlación también presenta a los estudiantes las ideas detrás del análisis estadístico (dirección y magnitud de las relaciones).

La falta de direccionalidad

La principal desventaja de las correlaciones es que mientras denuncian las relaciones entre los conjuntos de datos, no dan ninguna pista en cuanto a la causalidad. En concreto, las matemáticas detrás de la ecuación de correlación no permiten que los investigadores sepan qué conjunto de datos es responsable del informe de ecuaciones de relación de correlación. En el ejemplo de ejecución de una correlación entre las horas dedicadas a estudiar y resultados de las pruebas, podría ser intuitivo pensar que una relación positiva entre los dos conjuntos de datos se debe a las horas dedicadas a estudiar. Sin embargo, en lo que se refiere a las matemáticas detrás de la ecuación de correlación, no hay manera de probar que la inversa (obtener resultados en los exámenes hace estudiar más) no es cierto.

Bivariado

Las correlaciones son bivariante en la naturaleza: se comparan dos números a la vez a partir de dos conjuntos de datos diferentes. Esto sólo permite a los investigadores examinar las relaciones entre los dos factores a la vez. Sin embargo, esto no es realista: casi siempre hay múltiples relaciones y efectos sobre algo. Si un investigador quiere examinar las relaciones y los efectos relacionados entre sí, la ecuación de correlación es matemáticamente capaz de albergar un diseño de este tipo de investigación. El análisis de regresión, sin embargo, permite que un investigador no sólo establezca la causalidad sino que mire las relaciones entre más de dos conjuntos de datos.

eHow en espanol
×