Saltar al contenido
Omnikalc

Calculadora de la correlación tetracórica

Introduce las cuatro frecuencias de una tabla 2 por 2 obtenida al dicotomizar dos variables normales para obtener la correlación tetracórica aproximada, el coeficiente phi, la razón de ventajas y los umbrales de cada variable.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Correlación tetracórica aproximada

0,707

Coeficiente phi
0,492
Razón de ventajas
9,00
Umbral de la variable en filas (en desviaciones típicas)
0,253
Umbral de la variable en columnas (en desviaciones típicas)
0,126
Parte de la fila 1
40,0 %
Parte de la columna 1
45,0 %

La calculadora de la correlación tetracórica da la correlación aproximada de dos variables latentes normales a partir de las cuatro frecuencias de una tabla 2 por 2, junto con el coeficiente phi, la razón de ventajas y el umbral de cada variable en desviaciones típicas.

Cómo se hace el cálculo

  • Introduce las frecuencias a, b, c y d de la tabla 2 por 2.
  • La razón de ventajas se calcula a partir de los productos cruzados ad y bc.
  • Lee la correlación tetracórica, phi y los umbrales.

Ejemplo

Una tabla con 30, 10, 15 y 45 tiene una razón de ventajas de 9,00 y un coeficiente phi de 0,492. La correlación tetracórica aproximada es de 0,707. La fila 1 contiene el 40,0 % de los casos, con un umbral de 0,253, y la columna 1 contiene el 45,0 %, con un umbral de 0,126.

Por qué es útil

La calculadora ayuda a psicómetras, estudiantes e investigadores que analizan pares de ítems binarios, de diagnósticos o de respuestas de encuesta y quieren la correlación de los rasgos subyacentes, por ejemplo antes de un análisis factorial de ítems puntuados como acierto o fallo. Es un recurso frecuente en la psicometría que se estudia en los grados de Psicología y en los másteres de metodología de las ciencias del comportamiento.

Conviene saber

Comprueba que un rasgo latente normal detrás de cada respuesta es una hipótesis razonable. La fórmula del coseno es una aproximación, y el valor exacto requiere un programa que resuelva la integral de la distribución normal bivariante. La estimación tiene un error típico mayor que una correlación de Pearson con el mismo tamaño de muestra. Con muestras pequeñas o una casilla nula, suma 0,5 a cada casilla, y evita leer el resultado como preciso. Comunica también el coeficiente phi, precisa que el valor tetracórico se apoya en la hipótesis de normalidad y compáralo con la correlación que obtendrías midiendo directamente las variables subyacentes, ya que ambas deben ser próximas cuando el modelo se cumple.

Herramientas relacionadas

La calculadora de la Q de Yule da otra medida de asociación de la misma tabla, la de la V de Cramér trata tablas más grandes, la de la correlación biserial puntual trata una variable binaria y otra continua, y la de Matthews puntúa un clasificador binario.

Preguntas frecuentes

¿Qué es la correlación tetracórica?

La correlación tetracórica estima la correlación de Pearson entre dos variables continuas normales cuando cada una solo se ha observado como sí o no, por encima o por debajo de un umbral. Se usa con ítems puntuados como acierto o fallo, en diagnósticos con un umbral, o en encuestas, cuando se supone un rasgo latente detrás de las respuestas.

¿Qué fórmula se usa aquí?

El valor exacto requiere una resolución iterativa de la distribución normal bivariante. Una buena aproximación sencilla es la fórmula del coseno, r = cos(π / (1 + √RV)), donde RV = ad / bc es la razón de ventajas. Es exacta cuando la tabla tiene marginales iguales y próxima en los demás casos, con una diferencia de unas centésimas para marginales moderadas.

¿Cómo se compara con phi?

El coeficiente phi es menor en valor absoluto que la correlación tetracórica, porque dicotomizar una variable continua pierde información y atenúa la correlación. La pérdida es mayor cuando los umbrales están lejos de la mediana. El valor tetracórico intenta corregir esa atenuación.

¿Cuándo no se debe usar?

El método supone que las dos variables latentes siguen una distribución normal bivariante, lo que es una hipótesis fuerte. Si una de las variables es realmente binaria, como el sexo, el coeficiente phi o la correlación biserial puntual resultan más adecuados. Las frecuencias pequeñas o las casillas vacías vuelven inestable la estimación, y el resultado puede salir del rango cuando la aproximación falla.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

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