Saltar al contenido
Omnikalc

Calculadora de comparación de dos correlaciones (z de Fisher)

Introduce dos coeficientes de correlación y sus tamaños de muestra para obtener la prueba z de Fisher de su diferencia, su valor p y el intervalo de confianza del 95 % de cada correlación.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Estadístico z de la diferencia

1,825

Valor p bilateral
0,0680
Ninguna diferencia significativa entre las dos correlaciones
z de Fisher de la correlación 1
0,7250
z de Fisher de la correlación 2
0,3654
Límite inferior al 95 % de la correlación 1
0,413
Límite superior al 95 % de la correlación 1
0,766
Límite inferior al 95 % de la correlación 2
0,105
Límite superior al 95 % de la correlación 2
0,555
Diferencia de los z de Fisher y su margen al 95 %
0,3862

La calculadora de comparación de dos correlaciones contrasta si dos coeficientes de correlación de muestras independientes difieren, con la prueba z de Fisher, su valor p y el intervalo del 95 % de cada correlación.

Cómo se hace el cálculo

  • Introduce las dos correlaciones y sus tamaños de muestra.
  • Lee el estadístico z y el valor p.
  • Comprueba los intervalos de confianza y el margen de la diferencia. Cada correlación se transforma con z = ½ ln((1 + r) / (1 − r)) y la diferencia se divide entre su error típico.

Ejemplo

Se encuentra una correlación de 0,62 en 50 personas y de 0,35 en otras 60. Los valores de Fisher son 0,7250 y 0,3654. El error típico de la diferencia es √(1/47 + 1/57) = 0,197, así que z = 1,825 y el valor p bilateral es de 0,0680. El intervalo del 95 % de la primera correlación va de 0,413 a 0,766, y el de la segunda de 0,105 a 0,555.

Por qué es útil

La calculadora ayuda a quienes investigan en psicología, educación y salud y comparan relaciones entre grupos, al alumnado de estadística y a los analistas que comprueban si un efecto ha cambiado entre dos periodos.

Conviene saber

La prueba supone muestras independientes y datos aproximadamente binormales, y funciona mejor con al menos 25 personas por muestra. Una diferencia no significativa no demuestra que las correlaciones sean iguales, sobre todo con muestras pequeñas, porque la prueba tiene poca potencia. Correlaciones muy distintas pueden tener intervalos que se solapan, así que compara con la prueba y no a ojo. Para correlaciones medidas en las mismas personas hace falta otra prueba. Para comparar más de dos correlaciones, usa una prueba de ji al cuadrado sobre los valores de Fisher ponderados por n − 3. Recuerda que una correlación no es un efecto causal. Indica los tamaños de muestra, los intervalos de confianza y la forma en que se midió cada variable, para que los lectores juzguen si los dos grupos son realmente comparables.

Herramientas relacionadas

La calculadora de significación de una correlación contrasta una correlación con cero, la de correlación parcial elimina una tercera variable, la de correlación de Spearman utiliza los rangos y la de intervalo de confianza acota medias.

Preguntas frecuentes

¿Por qué usar la transformación z de Fisher?

La distribución muestral de una correlación es asimétrica, sobre todo cerca de ±1. La transformación de Fisher z = ½ ln((1 + r) / (1 − r)) es aproximadamente normal con un error típico de 1 / √(n − 3), sea cual sea la verdadera correlación, lo que permite contrastes e intervalos.

¿Cómo se comparan dos correlaciones?

Transforma las dos, réstalas y divide entre √(1 / (n1 − 3) + 1 / (n2 − 3)). El resultado se compara con la distribución normal estándar. Las muestras deben ser independientes: no es válido para dos correlaciones obtenidas de las mismas personas.

¿Cómo se construyen los intervalos?

Los límites se calculan en la escala z como z ± 1,96 / √(n − 3), y luego se reconvierten con r = (e^(2z) − 1) / (e^(2z) + 1). Por eso los intervalos no son simétricos en torno a r.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.