Son aquellos que se desarrollan con la participación de dos variables como es lógico corresponden al nivel investigativo relacional en este nivel podemos realizar tres pasos intermedios que son: comparar, asociar o correlacionar que es lo mismo y luego realizar la medida de tal asociación:
uLa comparación se puede realizar entre grupos, pero también se puede comparar entre el mismo grupo a través de sus dos medidas que realizamos antes y después,
Asociar o correlacionar implica conocer si hay dependencia entre dos variables ya sean categóricas o numéricas
Medir la asociación, implica medir la concordancia si las variables son categóricas o la correlación si la variables son numéricas.
1. Comparar (grupos): Representa el análisis bivariado más básico y cuenta con una variable fija que es el criterio de conformación de grupo y una variable aleatoria que es la que vamos a medir en el proceso de la recolección de datos. Su finalidad es diferenciar entre los grupos participantes alguna característica en estudio. La comparación inicial siempre es a dos colas para ver si hay diferencia o no; si hay varios grupos la variable de agrupación al final tendrá que dicotomizarse y complementarse con un test direccional con una sola cola.
El sistema de hipótesis implica plantear una hipótesis alterna que nos indica la diferencia y una hipótesis nula que niega la diferencia la prueba estadística que utilizamos es Chi cuadrado de homogeneidad si la variable aleatoria es categórica o t de Student para grupos independientes si la variable aleatoria es numérica
2. Comparar (antes-después): Es la comparación de un mismo grupo antes y después de un periodo de seguimiento y en ese caso se llama observacional o de una intervención en ese caso se llama experimental; a fin de verificar los cambios producidos en la variable de estudio y siempre corresponden a estudios longitudinales porque implica realizar medidas repetidas. Estas comparaciones pueden ser de individuo a individuo o también de población a población.
Nuestra hipótesis es que existe variación entre las medidas antes y después, la hipótesis nula dirá que no existe variación entre estas dos medidas, las pruebas estadísticas Chi cuadrado de McNemar si la variable aleatoria es categórica o t de Student para muestras relacionadas si la variable aleatoria es numérica.
Nuestra hipótesis es que existe variación entre las medidas antes y después, la hipótesis nula dirá que no existe variación entre estas dos medidas, las pruebas estadísticas Chi cuadrado de McNemar si la variable aleatoria es categórica o t de Student para muestras relacionadas si la variable aleatoria es numérica.
3. Asociar (categorías) o Correlacionar (unidades): Ambas variables son aleatorias en este punto, la correlación puede significar el primer paso para la asociación, esto es muy utilizado cuando se realiza minería de datos. Para correlacionar hay que definir las unidades de medición en ambas variables y para asociar hay que definir los factores de interés en estas mismas variables.
El estadístico de prueba para esta asociación es el Chi cuadrado de Independencia si queremos asociar variables categóricas y la correlación de Pearson si el análisis se desarrolla con dos variables numéricas. La hipótesis del investigador es que existe dependencia y la hipótesis nula dirá que tal dependencia no existe traducido también como independencia.
El estadístico de prueba para esta asociación es el Chi cuadrado de Independencia si queremos asociar variables categóricas y la correlación de Pearson si el análisis se desarrolla con dos variables numéricas. La hipótesis del investigador es que existe dependencia y la hipótesis nula dirá que tal dependencia no existe traducido también como independencia.
4. Concordar o correlacionar (Como valor predictivo): Cuantifica la asociación encontrada en el punto anterior o la correlación dependiendo de la naturaleza de las variables que hayamos incluido en el estudio, la concordancia es una medida de correlación como el índice de concordancia y el coeficiente r de Pearson es una medida de correlación. La concordancia puede corresponder a diferentes observadores o a diferentes instrumentos. La concordancia puede ser concurrente si es que los sucesos son o se dan en simultáneo, puede ser predictiva si uno de ellos ocurre antes que el otro y predice o permite predecir su ocurrencia.
El estadístico es un índice de concordancia, Índice Kappa de Cohen para las variables categóricas y el coeficiente r de Pearson para las variables numéricas, este coeficiente varia de 0 a 1 mientras más alto sea el coeficiente mejor será la concordancia o la correlación detectada
El estadístico es un índice de concordancia, Índice Kappa de Cohen para las variables categóricas y el coeficiente r de Pearson para las variables numéricas, este coeficiente varia de 0 a 1 mientras más alto sea el coeficiente mejor será la concordancia o la correlación detectada
