| Revista: | Agrollanía |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000430678 |
| ISSN: | 1690-8066 |
| Autores: | Morales, Pedro1 Rodríguez, Luis1 |
| Instituciones: | 1Universidad Centroccidental "Lisandro Alvarado", Decanato de Ciencias Económicas y Empresariales, Barquisimeto, Lara. Venezuela |
| Año: | 2016 |
| Periodo: | Ene-Dic |
| Volumen: | 13 |
| País: | Venezuela |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Crítico, prospectivo |
| Resumen en español | En este trabajo se presenta el marco conceptual y el desarrollo de los principios básicos que subyacen el análisis de correlación para su adecuada aplicación en la investigación científica. Se describen los indicadores más utilizados que permiten la cuantificación del grado de relación lineal entre variables del tipo cualitativa con escalas ordinal. Por otro lado, se quiere aclarar el significado de algunos términos relacionados con la correlación ya que comúnmente están siendo manejados de manera equívoca por el público en general. Es el caso de los términos correlación y relación causal donde muchos investigadores y estudiantes entienden que dos cosas están correlacionadas cuando creen que están relacionadas, y que las cosas no están correlacionadas cuando creen que no están relacionadas. Una relación causal entre dos variables existe si la ocurrencia de la primera causa la de la otra. La primera variable es llamada la causa y la segunda variable es llamada efecto. Una correlación entre dos variables no implica causalidad. Por tanto, si hay una relación causal entre dos variables, estas deben estar correlacionadas. También es importante acotar que dos variables al no estar correlacionadas es equivalente a decir que ambas variables son independiente, lo reciproco no se cumple en algunos casos. Los coeficientes de asociación lineal más aplicados en las investigaciones científicas, y que serán discutidos teóricamente corresponden al coeficiente de correlación de Kendall y de rangos de Spearman |
| Resumen en inglés | This paper presents the conceptual framework and the development of the basic principles underlying the correlation analysis for their proper application in scientific research. Described most commonly used indicators that allow the quantification of the degree of linear relationship between variables of the qualitative type scales ordinal. On the other hand, to clarify the meaning of some terms related to the correlation since they are commonly being handled misleadingly by the public in general. The case of terms is correlation and causation where many researchers and students understand that two things are correlated when they believe that they are related, and that things are not correlated when they believe that they are not related. There is a causal relationship between two variables if the occurrence of the first cause of the other. The first variable is called the cause and the second variable is called the effect. A correlation between two variables does not imply causality. Therefore, if there is a causal relationship between two variables, they must be correlated. It is also important to note that two variables not being correlated is equivalent to say that both variables are independent, not so reciprocal is true in some cases. Coefficients of linear Association applied in scientific research, and that they will be discussed theoretically corresponding to the ranges of Spearman and Kendall correlation coefficient |
| Disciplinas: | Matemáticas |
| Palabras clave: | Coeficiente de correlación, Coeficiente de Kendall, Correlación de Spearman, Correlación lineal |
| Keyword: | Correlation coefficient, Kendall coefficient, Linear correlation, Spearman correlation |
| Texto completo: | Texto completo (Ver PDF) |
