Ventajas de la Investigación Correlacional

Carlos Ruiz Bolívar

Qué es el Método Correlacional

El método correlacional, a diferencia del experimental, se enfoca en el estudio de la realidad tal cual es, sobre acontecimientos que ya han ocurridos. La realidad es representada por un conjunto de variables sustantivas que la caracterizan. De allí que este método consista en el estudio de la relación entre variables, sobre un problema de interés. Hay dos modelos correlacionales básicos que se utilizan en la investigación, como son el de correlación simple y el de correlación múltiple; estos modelos  pueden establecer relaciones entre variables cuantitativas, entre variables categóricas y/o entre una variable cuantitativa y otra no-cuantitativa.  Estas variables se clasifican en independiente (variable explicativa), dependiente (variable objeto de estudio) e interviniente (variable de control).

Correlación simple

En este modelo se relacionan dos variables y se determina la magnitud (alta, moderada, baja), dirección (positiva, negativa, neutra) y la significación (significativa vs no-significativa) de dicha relación;  por ejemplo,  suponga que un investigador está interesado en responder la pregunta siguiente ¿Qué relación existe entre la capacidad intelectual y el desempeño académico de los estudiantes en el nivel de educación elemental? Para ello, selecciona una muestra de n = 30 alumnos, previo al inicio de un curso y les administra un test de inteligencia para medir la variable independiente (VI) y al final, les aplica una prueba de desempeño académico (variable dependiente, VD); luego analiza los datos mediante la técnica de correlación producto momento de Pearson y obtiene un r = 0.80. La magnitud de este coeficiente nos indica que las dos variables tienen una correlación alta, positiva y estadísticamente significativa al nivel de a = 0.05. Por otra parte, si queremos saber la cantidad de varianza que la CI explica en el DA, usamos un coeficiente de determinación, para ello elevamos al cuadrado el coeficiente de correlación obtenido; o sea, un r² = .64, lo cual indica que la CI explica un 64 % de la varianza en el DA.

Otra alternativa analítica que se podría usar en este estudio consistiría en utilizar la técnica del Análisis de Covarianza (ANCOVA), con el propósito de determinar  el impacto  que pudiera tener una posible variable como la motivación (interviniente) como factor moderador entre la CI y el DA. En este caso el ANCOVA permite remover el efecto que tiene la motivación sobre el DA y de esa manera conocer la relación neta que hay entre la CI y el DA. La expectativa en este tipo de análisis es que al remover el efecto moderador de la variable interviniente el coeficiente de correlación entre las VI y VD será menor al inicialmente mostrado sin considerar el impacto de la VM.

Correlación múltiple y canónica

Así como ocurre con la correlación simple, donde medimos y relacionamos una VI con otra VD, en el caso de la correlación múltiple se relacionan varias variables independientes con una variable dependiente o criterio. Estas relaciones se establecen mediante un modelo estadístico de correlación lineal múltiple donde se determinan: (a) la relación de las VIs con la VD (R); (b) el porcentaje de varianza que el modelo explica en la variable criterio (R²); (c) las correlaciones parciales y semi-parciales de cada VI con el criterio; y (c) la determinación de la importancia de cada VI, con base en los coeficientes beta estandarizados (b). Todos los valores obtenidos mediante estas operaciones correlacionales son evaluados para conocer su significación estadística. Un ejemplo de correlación múltiple seria si relacionáramos, por ejemplo, las variables, capacidad intelectual, conocimientos previos y motivación  académica con la variable desempeño académico (VD). La ventaja de este tipo de modelo de análisis es que permite hacer un mejor ajuste entre éste y la naturaleza compleja del problema objeto de estudio.

Una extensión del modelo anterior lo constituye el modelo de la correlación canónica, la cual permite relacionar un conjunto de variables independientes con un varias variables dependientes, un ejemplo de ello podría ser, si utilizáramos el conjunto de VIs señaladas en el ejemplo anterior y el aprendizaje representado por las variables siguientes: desempeño académico, actitud hacia el curso y competencias logradas. En este caso tendríamos 3 VIs yn 3 VDs.

Ventajas del método correlacional

La principal ventaja de la investigación correlacional es que se realiza en un contexto natural, lo cual le da una alta validez ecológica. Este método es muy potente por su capacidad predictiva y por la estabilidad de sus resultados, especialmente cuando se utilizan muestras grandes. Adicionalmente habría que agregar que este método es el único posible en los casos de aquellos problemas que, por su naturaleza, no  permiten la manipulación de la variable independiente; por ejemplo, una investigación sobre cáncer pulmonar y hábito tabáquico. Sin embargo, es importante precisar que una relación alta entre variables no es sinónimo de causalidad.

Conclusión

En los párrafos anteriores hemos descrito los principales métodos de la investigación correlacional así cono sus ventajas y limitaciones. Se concluye que estos todos tienen importancia por sí mismo, como recursos estadísticos en la investigación social y educativa, aparte de que en muchas circunstancias son los únicos posibles dada la naturaleza del tipo de problema bajo estudio. Con esta información, las personas con un dominio básico de la estadística podrían aplicar estos métodos para atender sus necesidades de investigación. No obstante lo anterior, en Danaga estamos a su disposición para ayudarle en la aplicación de estos métodos, en caso que fuera necesario; en este sentido nos pueden contactar AQUI