Una rápida introducción al análisis bivariado

Actualizado el 17 de julio de 2024, por Luis Benites.

El término análisis bivariado se refiere al análisis de dos variables. Puede recordar esto porque el prefijo «bi» significa «dos».

El propósito del análisis bivariado es comprender la relación entre dos variables. Puede contrastar este tipo de análisis con los siguientes:

• Análisis univariante : el análisis de una variable.
• Análisis multivariado: el análisis de dos o más variables.

Hay tres formas habituales de realizar análisis bivariados:

1. Diagramas de dispersión.

2. Coeficientes de correlación.

3. Regresión lineal simple.

Este tutorial proporciona un ejemplo de cada uno de estos tipos de análisis bivariante utilizando el siguiente conjunto de datos que contiene información sobre dos variables: (1) Horas dedicadas al estudio y (2) Puntaje del examen recibido por 20 estudiantes diferentes:

1. Diagramas de dispersión

Un diagrama de dispersión ofrece una forma visual de realizar análisis bivariados. Nos permite visualizar la relación entre dos variables colocando el valor de una variable en el eje xy el valor de la otra variable en el eje y.

En el diagrama de dispersión a continuación, colocamos las horas estudiadas en el eje xy la puntuación del examen en el eje y:

Podemos ver claramente que existe una relación positiva entre las dos variables: a medida que aumentan las horas estudiadas, la puntuación del examen también tiende a aumentar.

2. Coeficientes de correlación

Un coeficiente de correlación ofrece otra forma de realizar análisis bivariados. El tipo más común de coeficiente de correlación es el coeficiente de correlación de Pearson , que es una medida de la asociación lineal entre dos variables. Tiene un valor entre -1 y 1 donde:

• -1 indica una correlación lineal perfectamente negativa entre dos variables
• 0 indica que no hay correlación lineal entre dos variables
• 1 indica una correlación lineal perfectamente positiva entre dos variables

Esta simple métrica nos da una buena idea de cómo se relacionan dos variables. En la práctica, a menudo usamos diagramas de dispersión y coeficientes de correlación para comprender la relación entre dos variables y poder visualizar y cuantificar su relación.

3. Regresión lineal simple

Una tercera forma de realizar un análisis bivariado es con regresión lineal simple .

Con este método, elegimos una variable para que sea una variable explicativa y la otra variable para que sea una variable de respuesta . Luego, encontramos la línea que mejor se «ajusta» al conjunto de datos, que luego podemos usar para comprender la relación exacta entre las dos variables.

Por ejemplo, la línea de mejor ajuste para el conjunto de datos anterior es:

Puntaje del examen = 69.07 + 3.85 * (horas estudiadas)

Esto significa que cada hora adicional estudiada está asociada con un aumento promedio en la puntuación del examen de 3,85. Al ajustar este modelo de regresión lineal, podemos cuantificar la relación exacta entre las horas estudiadas y la puntuación del examen recibida.

Relacionado Cómo realizar una regresión lineal simple en Excel

Conclusión

El análisis bivariado es uno de los tipos de análisis más comunes que se utilizan en estadística porque a menudo nos interesa comprender la relación entre dos variables.

Mediante el uso de diagramas de dispersión, coeficientes de correlación y regresión lineal simple, podemos visualizar y cuantificar la relación entre dos variables.

A menudo, estos tres métodos se utilizan todos juntos en un análisis para obtener una imagen completa de cómo se relacionan dos variables, por lo que es una buena idea familiarizarse con cada método.

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/