Se pueden utilizar métodos de correlación y regresión para analizar el alcance y la naturaleza de las relaciones entre diferentes variables. El análisis de correlación se utiliza para comprender la naturaleza de las relaciones entre dos variables individuales.
Contenido
Ejemplo de análisis de correlación
Por ejemplo, si nuestro objetivo es estudiar el impacto de la inversión extranjera directa (IED) en el nivel de crecimiento económico de Vietnam, entonces se pueden especificar dos variables como las cantidades de IED y PIB para el mismo período.
El coeficiente de correlación ‘r’ se calcula mediante la siguiente fórmula:
Donde, x e y son valores de variables, y n es el tamaño de la muestra.
El valor del coeficiente de correlación puede interpretarse de la siguiente manera:
Si ‘r’ es igual a 1, entonces hay una correlación positiva perfecta entre dos valores;
Si ‘r’ es igual a -1, entonces hay una perfecta correlación negativa entre dos valores;
Si ‘r’ es igual a cero, entonces no hay correlación entre los dos valores.
En términos prácticos, cuanto más se acerque el valor de «r» a 1, mayor será el impacto positivo de la IED en el crecimiento del PIB en Vietnam. Del mismo modo, si el valor de `r’ es inferior a 0, cuanto más se acerca a – 1, mayor será el impacto negativo de la IED en el crecimiento del PIB en Vietnam. Si ‘r’ es igual a cero, entonces se percibe que la IED no tiene ningún impacto en el cambio del PIB en Vietnama dentro de la muestra dada.
Las formas más populares de análisis de correlación utilizadas en los estudios empresariales incluyen la correlación producto-momento Pearson, la correlación de rango Spearman y la autocorrelación.
La correlación producto-momento de Pearson
Se calcula tomando la relación entre la muestra de las dos variables y el producto de las dos desviaciones estándar e ilustra la fuerza de las relaciones lineales. En la correlación producto-momento de Pearson el coeficiente de correlación no es robusto debido al hecho de que no se reconocen fuertes relaciones lineales entre las variables. El coeficiente de correlación es sensible a los puntos periféricos, por lo que el coeficiente de correlación no es resistente.
La correlación del Rango de Spearman
Requiere que los datos sean ordenados y que el valor que se le asigne a un rango específico con 1 sea asignado como el valor más bajo. Además, en caso de que el valor de los datos aparezca más de una vez, se especificará su rango medio.
La autocorrelación (correlación serial)
Implica la correlación entre los valores de las mismas variables pero en distintos momentos. El coeficiente de autocorrelación se calcula cambiando los datos rezagados con la fórmula del coeficiente de correlación producto-momento de Pearson. Además, debido a que una serie de datos sin desplazamiento expresará una correlación perfecta, la función comienza con el coeficiente de 1.
El coeficiente de correlación ‘r’ ilustrado arriba es sólo una fórmula matemática y no tiene que calcular el coeficiente de correlación manualmente. Para una tesis de licenciatura, la mayoría de los supervisores aceptan pruebas de correlación que se han realizado en una simple hoja de cálculo Excel. Por otro lado, para los estudios de maestría o doctorado, tendrá que utilizar un software estadístico más avanzado, como SPSS o NCSS, para su análisis de correlación.
El análisis de correlación como método de investigación ofrece una serie de ventajas. Este método permite el análisis de datos de muchos sujetos simultáneamente. Además, el análisis de correlación puede estudiar una amplia gama de variables y sus interrelaciones. En el lado negativo, las conclusiones de la correlación no indican las causas, es decir, las relaciones de causa y efecto.
