Fuerza de la asociación en relaciones lineales entre variables de escala. Bootstrap. Texto y Video.

                  

Se recomienda entonces, para los resultados principales, dar medidas de tamaño del efecto e intervalos de confianza para ellas.

Veamos el caso de variables de escala que se relacionan linealmente.

 

Cuando tenemos dos variables de escala que se relacionan linealmente, y nos centramos en su correlación, la medida de asociación habitualmente usada es la r de Pearson. 

"The index of choice in a correlational design is the product–moment correlation coefficient, r, which is calculated in the traditional fashion, and is obtainable in the standard output of statistical packages; r is a widely used index of effect that conveys information both on the magnitude of the relationship between variables and its direction (Rosenthal, 1991). The possible range of r is well known: from −1.00 through zero (absolutely no relationship) to +1.00." (1)

¿Y cómo establecer para la r de Pearson su intervalo de confianza? Una posibilidad es recurrir a algún calculador online:VassarStats, SDM, etc. Otra posibilidad es hacer uso del bootstrapping. Ambas formas de calcular el intervalo de confianza se muestran en este vídeo.

Ahora bien, cuando creamos un modelo de regresión lineal, es imprescindible reportar también otra cantidad: cuanto cambia la variable dependiente por cada unidad de cambio en la independiente. 

Pero para tomar esta temática, será necesario ver antes regresión lineal.

(1) How to Select, Calculate, and Interpret Effect Sizes