Estoy haciendo mi tesis y no tengo absolutamente ninguna experiencia previa en estadística.
He construido varias escalas Likert formando puntuaciones compuestas basadas en 4-6 ítems que evalúan el nivel de acuerdo de mis encuestados.
Específicamente, he creado dos escalas 'comportamiento de compra' y 'atractivo del sitio web'. Quiero ver si 'atractivo del sitio web' está correlacionado con 'comportamiento de compra'.
Ahora que estoy haciendo mi análisis, estoy confundido sobre si debo usar el coeficiente de correlación de Spearman o la regresión múltiple. La correlación de Spearman y la regresión múltiple tienen p-valores diferentes, tanto que uno indica que debo rechazar mi hipótesis y otro aceptarla.
Entonces, ¿en este caso debería usar el coeficiente de Spearman o la regresión múltiple?
¿Existe alguna regla teórica que deba seguir, por ejemplo, utilizar la regresión múltiple porque estoy probando 4-6 ítems en la escala Likert, aunque los he agrupado y pretendo 'ver'los como dos variables individuales?
Gracias, Jeromy. ¡El artículo de Gelman y Stern (2006) es realmente interesante! Siendo yo, una persona sin conocimientos en estadística y tratando de continuar con mi tesis de MBA, estaría muy tentado a encontrar un análisis que me proporcione un método sencillo para analizar mis datos y, en última instancia, probar mis hipótesis. Sé que no debería ser así, pero las estadísticas no son precisamente divertidas ni interesantes. Estaba hablando con mi supervisor y él sugería usar regresión cuando yo había planeado usar Spearman (porque los ítems de la escala de Likert son ordinales y si quiero probar ordinal vs ordinal, uso Spearman - según mi texto de métodos de investigación)
Sí, estoy planeando probar solo dos variables (¿predictores?) a la vez, entonces, técnicamente se podría usar Spearman. Pero estas dos variables (tanto la dependiente como la independiente) se calculan como una nueva variable a partir de los diferentes ítems que tengo en la escala Likert (¿tiene sentido esto?). Solo me preocupa que mi análisis sea considerado incorrecto si utilizo el análisis estadístico 'equivocado' - ¿o esto no importa?