Fundamentos de ANOVA y Correlación Estadística: Conceptos Clave

Conceptos Fundamentales de ANOVA

ANOVA (Análisis de Varianza): Desarrollado por Ronald Fisher, permite analizar la variación total y determinar la magnitud de las distribuciones de las fuentes de variación.

• Variable Dependiente: Es el objeto de interés primario en la investigación.
• Variable Independiente: Factor que afecta directamente a la variable dependiente.
• Factor: Se define como cada variable independiente presente en el estudio.
• Tratamiento o niveles de factor: Representa la intensidad aplicada a cada factor.
• Combinación de tratamientos: Es la combinación de niveles de factor aplicados a una sola unidad experimental.
• Unidad experimental: Unidad física o conceptual a la que se le aplica un tratamiento o combinación de tratamientos.
• Aleatorización: Proceso de asignar unidades experimentales al azar con el propósito de neutralizar tendencias o sesgos.
• Error experimental: Diferencia entre dos o más unidades experimentales (respuestas). También incluye variables que no se consideran en la investigación.
• Repetición: Aplicación de dos o más unidades experimentales idénticas con el mismo tratamiento. Promueve la medición precisa del error experimental.

Correlación de Variables

Dos variables están correlacionadas cuando mantienen una relación de proporción directa o inversa (correlación negativa). Los datos se presentan generalmente de dos formas:

1. Tabla de distribución bivariada conjunta: Registra dos variables por cada individuo.
2. Tabla de contingencia: Clasifica diferentes categorías que contienen dos variables.

Coeficientes de Correlación

Son índices numéricos obtenidos mediante operaciones aritméticas que evalúan cuantitativamente el grado y el signo de la correlación (rango de -1 a +1). Es fundamental recordar que la correlación no implica causalidad.

Escala de intensidad:

• Despreciable: 0.01 - 0.09
• Baja: 0.1 - 0.29
• Moderada: 0.3 - 0.49
• Sustancial: 0.5 - 0.69
• Muy fuerte: 0.7 - 1.0

Clasificación de los Coeficientes de Correlación

1. Según el número de individuos:

• Simple: 2 variables.
• Múltiple: Más de 2 variables.
• Parcial: Controla el efecto de otras variables.

2. Según el tipo de variable:

• (a) Yule o Phi: 2 variables dicotómicas.
• (b) Lambda o Coeficiente Tau-Y: 2 variables cualitativas nominales.
• (c) Tau (T), Sommers, Gamma, Rho de Spearman: 2 variables cualitativas ordinales.
• (d) Biserial, Biserial múltiple y Tetracórica: 1 variable dicotómica y otra cuantitativa (intervalo de razón).
• (e) R-Pearson y Rho-Spearman: Utilizados según el tamaño de la muestra (n < 30 o n > 30).
• (f) Z-Wilcoxon: 1 variable ordinal y otra nominal.
• (g) Eta: 1 variable nominal y otra cuantitativa (escala de intervalos).
• (h) Multiserial de Jaspers: 1 variable ordinal y otra cuantitativa (intervalos).
• (i) Biserial para rango: 1 variable dicotómica y otra ordinal.