gastos

Introducción
Al trabajar con dos variables cuantitativas podemos estudiar la relación que existe entre ellas mediante la correlación y la regresión. Aunque los cálculos de ambas técnicas pueden sersimilares en algunos aspectos e incluso dar resultados parecidos, no deben confundirse. En la correlación tan solo medimos la dirección y la fuerza de la asociación de una variable frente a la otra,pero nunca una relación de causalidad. Solo cuando tenemos una variable que es causa o depende de otra, podremos realizar entonces una regresión. En este capítulo estudiaremos dos de los coeficientesde correlación más utilizados, como el coeficiente de Pearson y el coeficiente no paramétrico de Spearman. También veremos un ejemplo de regresión lineal simple y cómo se deben interpretar susresultados.
Coeficiente de correlación de Pearson (r)
Si tenemos dos variables cuantitativas y deseamos medir el grado de asociación podemos utilizar el coeficiente de correlación de Pearson. En primerlugar, es muy aconsejable realizar un gráfico de dispersión entre ambas variables y estudiar visualmente la relación entre ellas. Este coeficiente mide asociación lineal y al ser una prueba paramétricarequiere para su uso que ambas variables tengan distribuciones normales1. De no ser así, deberemos utilizar el coeficiente no paramétrico de Spearman.
El coeficiente de correlación de Pearson (r)puede tomar valores entre -1 y +1, de modo que un valor de "r" positivo nos indica que al aumentar el valor de una variable también aumenta el valor de la otra (Figura 1A), y por el contrario, "r" seránegativo si al aumentar el valor de una variable disminuye la otra (Figura 1B). La correlación será perfecta si r= ±1, en este caso los puntos formarán todos una recta. Es importante a priori determinarqué valor de "r" vamos a considerar como clínicamente relevante, puesto que una correlación tan baja como r= 0,07 sería significativa (p=0,027) con un tamaño muestral de unas 1000 personas. Al...