MirPirFir.

PIR 2022 · Pregunta 3

Análisis multivariado

¿Qué estadístico emplearemos si queremos conocer la relación lineal entre las variables X e Y eliminando el efecto que una tercera variable (Z) tiene sobre Y?:

Ver respuesta sin contestar

Respuesta correcta: C (plantilla definitiva)

Explicación

La respuesta correcta es la correlación semiparcial (opción 3). La distinción clave radica en cuántas variables se 'limpian' del efecto de Z: la correlación parcial elimina Z de X y de Y simultáneamente, mientras que la semiparcial (o de parte) elimina Z únicamente de una de las dos variables. Dado que el enunciado especifica que se elimina el efecto de Z sobre Y (y no sobre X), el estadístico adecuado es la correlación semiparcial. Se calcula correlacionando X con los residuos de Y tras eliminar Z, y su cuadrado equivale al incremento de R² al añadir X a un modelo que ya controla Z.

C. La correlación semiparcial (r_X(Y·Z)) mide la relación lineal entre X y la porción de Y independiente de Z. Al eliminar Z solo de Y (como indica el enunciado), se correlaciona X con los residuos de Y, lo que cuantifica exactamente la asociación lineal neta solicitada.

  • A. La covarianza mide la dirección y magnitud de la asociación lineal conjunta entre dos variables, pero no estandariza ni controla el efecto de una tercera variable. Su valor depende de las unidades y no permite aislar el efecto de Z.
  • B. La regresión es un modelo o procedimiento de predicción, no un índice de correlación específico. Aunque la regresión múltiple permite estimar coeficientes ajustados, la pregunta solicita explícitamente el estadístico que cuantifica la relación lineal X-Y tras eliminar Z de Y, que es la correlación semiparcial.
  • D. La correlación parcial (r_XY·Z) elimina el efecto de Z de ambas variables (X e Y) antes de correlacionarlas. Sería la respuesta correcta si el enunciado indicara que Z se controla en las dos variables, pero al especificar que solo se elimina de Y, corresponde a la semiparcial.

Fuentes

Explicación generada con IA y verificada por consenso entre modelos de distintas familias.