aglomeracion economica en ameica del sur

CAPfToLo 10 Amilisis de 10$ datos cuantitativos 481
pedimos a un grupo de personas representativas del mercado que evahien conjuntamente 10 refrescos
embotellados especificos y los ordenen delI all0; en tanto que, "I" es la categoria 0 el
rango maximo en ambas variables. Finalmente se obtienen los siguientes resultados del grupo:
Variable 1 Variable 2
Rejresco 7 Preferenda en el sabor Atractivo del envase
Loy 1 2
Caravana 2 5
Mauna-Loa 3 1
Recreo 4 3
Carma 5 4
Manzanol 6 6
Cereza 7 8
Pezcara 8 7
Casa 9 10
Manzanita 10 9
Para analizar Wes resultados, utilizariamos los coeficientes rs y I. Ahora bien, debe observarse
que todos los refrescos 0 sodas tienen que jerarquizarse por rangos que contienen las
propiedades de una escala ordinal (se ordena de mayor a menor). Ambos coeficientes varian de
-1.0 (correlacion negativa perfecta) a + 1.0 (correlacion positiva perfecta), considerando el 0
como ausencia de correlacion entre las variables jerarquizadas. Se trata de estadisticas sumamente
eficientes para datos ordinales. La diferencia entre ellos es explicada por Nie el al. (1975,
p. 289) de la manera siguiente: El coeficiente de Kendall (I) resulta un poco mas significativo
cuando los datos contienen un numero considerable de rangos empatados. El coeficiente de
Spearman rho parece ser una aproximacion cercana al coeficiente r de Pearson, cuando los datos
son continuos (par ejemplo, no caracterizados por un numero considerable de empates en cada
rango). De acuerdo con Creswell (2005) sirve tambien para analizar relaciones curvilineales.
Tambien se interpreta su significancia. Otro ejemplo seria relacionar la opini6n de dos medicos
y la jerarquizacion de los mismos pacientes en cuanto al avance de una enfermedad terminal en
estos.
lQue otros coeficientes existen?
Un coeficiente muy importante es el ela, que es similar al coeficiente r de Pearson, pero con relaciones
no lineales, las cuales se comentaron anteriormente. Es decir, ela define la "correlacion
perfecta" (1.00) como curvilineal y a la "relacion nula" (0.0) como la independencia estadistica
de las variables. Este coeficiente es asimetrico (concepto explicado en la tabla 10.25), y a diferencia
de Pearson, se puede obtener un valor diferente para el coeficiente; al determina cUiil
variable se considera independiente y curu dependiente. Ela' es interpretada como el porcentaje
de la varianza en la variable dependiente explicado por la independiente. El investigador puede
calcular eta de las dos maneras: al cambiar la definicion de la independiente y dependiente, luego
7 Nombres ficticios.