Una encuesta cruza la felicidad con los ingresos familiares:
| Ingresos | Poco feliz | Bastante feliz | Muy feliz | Total |
|---|---|---|---|---|
| Por encima de la media | 58 | 278 | 117 | 453 |
| Media | 59 | 285 | 101 | 445 |
| Por debajo de la media | 66 | 294 | 140 | 500 |
| Total | 183 | 857 | 358 | 1398 |
(a) Identifica la variable respuesta y la variable explicativa.
(b) Construye las proporciones condicionales de la felicidad en cada nivel de ingresos e interpreta la asociación.
Decide qué variable explica a cuál. La cuestión planteada es «si la felicidad varía según el nivel de ingresos»: la felicidad es lo que podría cambiar y los ingresos son lo que podría provocar el cambio. Por tanto, los ingresos son la variable explicativa y la felicidad es la variable respuesta. Esta elección no es un simple trámite: determina en qué dirección hay que calcular los porcentajes.
Condiciona en la dirección que impone la variable explicativa. Como los ingresos son la variable explicativa y etiquetan las filas, divide cada recuento entre el total de su fila. Eso responde a «entre las personas de este nivel de ingresos, ¿qué fracción es muy feliz?». Dividir entre los totales de columna responderría a otra pregunta, menos pertinente.
Calcula la fila de ingresos por encima de la media (total 453).
Suman , que es la comprobación de que el condicionamiento se hizo bien.
Calcula las otras dos filas. Ingresos medios (total ):
Ingresos por debajo de la media (total ):
Compara las filas para juzgar la asociación. Lee cada columna de arriba abajo. «Poco feliz» apenas se mueve: , , . «Muy feliz» varía algo más: , , , y, en contra de lo que suele esperarse, el grupo de ingresos por debajo de la media es el que presenta la proporción más alta.
Formula la interpretación. Si los ingresos y la felicidad fueran independientes, cada fila coincidiría con el reparto global de / / . Las filas se apartan de ese reparto solo unos pocos puntos porcentuales, y no en una dirección coherente, así que la asociación entre nivel de ingresos y felicidad en esta muestra es débil. Diferencias tan pequeñas en una muestra de son de las que una prueba de chi-cuadrado formal tendría que confirmar antes de darlas por reales.
Need to solve a different problem like this? Open the solver →