Page 354 - METODOLOGIA DE LA INVESTIGACION-Roberto Hernández Sampieri

Otros coeficientes de correlación 323

estadísticamente escalas tipo Likert por aquellos investigadores que las consideran ordinales. Por
ejemplo, supongamos que tenemos para refrescos embotellados o sodas las variables “preferencia en el
sabor” y “atractivo del envase”, y queremos asociarlas estadísticamente, entonces pedimos a un grupo
de personas representativas del mercado que evalúen conjuntamente 10 marcas específicas y las orde-
nen del 1 al 10; en tanto que, “1” es la categoría o el rango máximo en ambas variables. Finalmente
se obtienen los siguientes resultados en la muestra:

Variable 1 Variable 2
Marca 32
Preferencia en el sabor Atractivo del envase
Loy 1 2
Wiz Cola 2 5
Fan 3 1
Energizador 4 3
Maron 5 4
Manzanol 6 6
Cold 7 8
Zoda II 8 7
Frutol 9 10
Sabrosol 10 9

Para analizar tales resultados, utilizaríamos los coeficientes rs y t. Ahora bien, debe observarse
que todos los refrescos o sodas tienen que jerarquizarse por rangos que contienen las propiedades
de una escala ordinal (se ordena de mayor a menor). Ambos coeficientes varían de –1.0 (correla-
ción negativa perfecta) a 1.0 (correlación positiva perfecta), considerando el 0 como ausencia de
correlación entre las variables jerarquizadas. Se trata de estadísticas sumamente eficientes para
datos ordinales (Howell, 2011; Khamis, 2008; Abdi, 2006; y Kraemer, 2006). La diferencia entre
ellos es explicada por Nie et al. (1975, p. 289) de la manera siguiente: el coeficiente de Kendall (t)
resulta un poco más significativo cuando los datos contienen un número considerable de rangos
empatados. El coeficiente de Spearman rho parece ser una aproximación cercana al coeficiente r
de Pearson, cuando los datos son continuos (por ejemplo, no caracterizados por un número con-
siderable de empates en cada rango). De acuerdo con Breen y Luijkx (2010) y Creswell (2005)
sirve también para analizar relaciones curvilineales.
También se interpreta su significancia igual que Pearson y otros valores estadísticos.
Otros ejemplos serían: relacionar la opinión de dos médicos respecto a la jerarquización de un
grupo de pacientes en cuanto al avance de una enfermedad terminal, a fin de decidir cuáles requie-
ren atención más urgente, o bien, dos epidemiólogos que hicieran una evaluación ordinal de las
siete amenazas en salud pública para una comunidad y si hay una asociación significativa entre los
dos conjuntos de filas, los funcionarios de salud se sentirán más seguros del diagnóstico de vulne-
rabilidad y las acciones que deben adoptar (Haug, 2007). Onwuegbuzie et al. (2006b) correlacio-
naron mediante el coeficiente rho el porcentaje de juegos ganados con el número de puntos anotados
en una temporada para jerarquizar el desempeño de los equipos de La Liga Nacional de Fútbol
Americano (NFL). Sülar y Okur (2008) relacionaron evaluaciones subjetivas hechas por 18 expertos
a telas sobre los atributos de suavidad, grosor y rugosidad con mediciones objetivas de la resistencia a
la tensión, flexión, corte, compresión y las propiedades de la superficie (usando diversos aparatos,
entre ellos, una boquilla de pruebas), calculando, entre otras estadísticas, coeficientes de concordancia
de Kendall, con el propósito de generar modelos de producción.

32 Nombres ficticios.

www.elosopanda.com | jamespoetrodriguez.com