DE DATOS

SPAIN
del coeficiente de correlación “r”,
que oscila entre -1 y 1, con el valor
0 representando la ausencia de
relación entre ambas variables. De
acuerdo a Cohen (1), si analizamos
el valor absoluto del coeficiente de
correlación podemos clasificarlo
como pequeño (0.10 < r < 0.30),
medio (0.30 < r < 0.50) o grande
(r > 0.50). Hopkins y colaboradores
(4) propuso una modificación de
la escala de Cohen sugiriendo una
correlación muy grande si 0.50 < r <
0.70 y extremadamente grande si r
> 0.90. Sin embargo, existe siempre
la posibilidad de observar un coeficiente
de correlación alto entre dos
variables cuando en realidad no hay
relación entre ellas. Para evitar que
ocurra esto, es necesario disponer
de una muestra suficientemente
amplia antes de realizar un análisis
de correlación. Por ejemplo, casi
100 deportistas serían necesarios
para considerar un r = 0.2 significativo,
para un r = 0.3 se necesitarían
≈40, para un r = 0.5 se necesitarían
≈14 y para un r = 0.6 se necesitarían
9 deportistas (2). De manera similar,
si el tamaño de la muestra es de 6
deportistas, ningún valor por debajo
de r = 0.7 puede considerarse significativo.
A menos de que un valor
Figura 10
Correlaciones. De izquierda a derecha: correlación positiva perfecta, ninguna correlación,
correlación negativa perfecta.
También se puede tomar el valor r
y elevarlo al cuadrado para obtener
el coeficiente de determinación
(r2). Este valor muestra la cantidad
de variabilidad en una variable que
es explicada por la otra variable, y
se expresa generalmente como un
porcentaje (multiplicando el r2 por
cien). Por ejemplo, si la correlación
entre la fuerza y la velocidad es r =
0.8, entonces r2 = 64% (0.8 x 0.8 x
100), es decir, un 64% de la variabilidad
de la fuerza se explica por
la variabilidad de la velocidad. Esto
implica que hay un 36% de la varia-
PISA BIEN, VIVE MEJOR
Especialistas en Podología y Biomecánica
Estudios biomecánicos
Plantillas personalizadas
Servicio de quiropodia
www.podoactiva.com
T. 902 365 099
www.nscaspain.com
45