5. Metodología y Corpus documental
5.3. Selección de pruebas estadísticas
Un componente fundamental del presente trabajo de investigación es el análisis
estadístico de las noticias de prensa así como de los elementos y circunstancias relevantes
conectados con ellas. A tal fin he utilizado las pruebas que, en mi opinión, resultaban más
adecuadas en cada caso de estudio. Estas pruebas o test estadísticos son los siguientes:
5.3.1. Pruebas de normalidad de Kolmogorov-Smirnov
Prueba estadística utilizada en el presente estudio en variables cuantitativas con un
tamaño muestral superior a 50 datos, con el objetivo de conocer si se puede asumir
normalidad en la distribución de los valores de la variable. Permite conocer si
posteriormente en los contrastes de hipótesis se deben aplicar test paramétricos o no
paramétricos
21.
5.3.2. Pruebas de normalidad de Shapiro-Wilk
Prueba estadística utilizada en el este trabajo en variables cuantitativas con un tamaño
muestral inferior a 50 datos, con el objetivo de conocer si se puede asumir normalidad en
la distribución de los valores de la variable. Permite conocer si, posteriormente, en los
contrastes de hipótesis, se deben aplicar test paramétricos o no paramétricos.
225.3.3. Prueba de Correlación de Pearson
Método de correlación utilizado en nuestra investigación – cuando la distribución de las
variables cuantitativas es normal – con el objetivo de conocer si existe o no relación y de
qué magnitud, entre las variables a comparar.
En aquellos casos en los que el coeficiente es positivo la correlación es positiva (0< r <1).
Es decir, cuando una variable aumenta la otra también y si una disminuye la otra también.
21 H.W. LILLIEFORS, On the Kolmogorov-Smirnov test for normality with mean and variance unknown,
en «Journal of the American statistical Association», 1967, vol. 62, no 318, p. 399-402; D.J. STEINSKOG & D.B. TJØSTHEIM & N.G. KVAMSTØ. A cautionary note on the use of the Kolmogorov–Smirnov test for normality, en «Monthly Weather Review», 2007, vol. 135, no 3, p. 1151-1157; H.L. CRUTCHER, A note on the possible misuse of the Kolmogorov-Smirnov test, en «Journal of Applied Meteorology», 1975, vol. 14, no 8, p. 1600-1603; L.E. FRANK, Nuevos valores críticos del estadístico de Kolmogorov-Smirnov para múltiples muestras de distinto tamaño. New critical values for the Kolmogorov-Smirnov statistic test for multiple samples of different size, en «Revista de la Facultad de Agronomía», Vol.30, no.1-2 (2010). p.75- 80; Z. HANUSZ & J. TARASIŃSKA, Normalization of the Kolmogorov–Smirnov and Shapiro–Wilk tests of normality, en «Biometrical Letters», 2015, vol. 52, no 2, p. 85-93.
22 S. SEGNINI, Prueba de normalidad Shapiro-Wilk, en «Fundamentos de Bioestadística», 2005; J.
VENCES RIVERA, et al. Comparación de las estadísticas de Shapiro-Wilk y Cramer-VonMises para probar normalidad multivariada, Colegio de Postgraduados, Campus Montecillo, Centro de Estadística Experimental, 1986; Z. HANUSZ & J. TARASIŃSKA, Normalization of the Kolmogorov–Smirnov and Shapiro–Wilk tests of normality, en «Biometrical Letters», 2015, vol. 52, no 2, p. 85-93; P. ROYSTON. Approximating the Shapiro-Wilk W-Test for non-normality, en «Statistics and computing», 1992, vol. 2, no 3, p. 117-119; M.S. SRIVASTAVA & T.K. HUI, On assessing multivariate normality based on Shapiro-Wilk W statistic, en «Statistics & Probability Letters», 1987, vol. 5, no 1, p. 15-18.
Cuanto más se acerca este valor a 1 más fuerte es la correlación, mientras que cuanto más
cerca está de 0 menor es la correlación, hasta ser nula.
Si por el contrario el coeficiente es negativo la correlación también será negativa (-1< r
<0). Es decir, cuando una variable aumenta la otra disminuye y si una disminuye, la otra
aumenta. Cuanto más se acerca este valor a -1 más fuerte es la correlación y cuanto más
cerca está de 0 menor es la correlación, hasta ser nula
23.
5.3.4. Correlación de Spearman
Método no paramétrico de correlación utilizado en el presente trabajo de investigación –
cuando la distribución de alguna de las variables cuantitativas no es normal– con el
objetivo de conocer si existe o no relación y de qué magnitud, entre las variables a
comparar.
En aquellos casos en los que el coeficiente es positivo la correlación es positiva (0< r <1).
Es decir, cuando una variable aumenta la otra también, y si una disminuye la otra también.
Cuanto más se acerca este valor a 1 más fuerte es la correlación, mientras que cuanto más
cerca está de 0 menor es la correlación, hasta ser nula.
Si por el contrario el coeficiente es negativo la correlación también será negativa (-1< r
<0). Es decir, cuando una variable aumenta la otra disminuye y si una disminuye, la otra
aumenta. Cuanto más se acerca este valor a -1 más fuerte es la correlación y cuanto más
cerca está de 0 menor es la correlación, hasta ser nula
24.
23 K. PEARSON, On a criterion that a given system of deviations... can be... supposed to have arisen from
random sampling, en «Lond., Edinb. and Dublin Phil. Mag.», 1900, vol. 50, p. 157-175; S.P. FERNÁNDEZ
& S.P. DÍAZ, Asociación de variables cualitativas: test de Chi-cuadrado, en «Metodología de la Investigación», 2004, vol. 1, p. 5; O.T. GÓMEZ. Una aplicación de la prueba chi cuadrado con SPSS, en «Industrial data», 2008, vol. 11, no 1, p. 73-77.
24 R. MILLER & D. SIEGMUND, Maximally selected chi square statistics, en «Biometrics», 1982, p. 1011-
1016; A. SATORRA & P.M. BENTLER, A scaled difference chi-square test statistic for moment structure analysis, en «Psychometrika», 2001, vol. 66, no 4, p. 507-514.