gamma de Goodman–Kruskal

Gamma de Goodman-Kruskal

Campos Disciplinarios Primarios: Estadística Inferencial, Sociología Cuantitativa, Psicometría y Análisis de Datos.

1. Definición Central

La Gamma de Goodman-Kruskal es una medida de asociación estadística diseñada específicamente para evaluar la relación entre dos variables de nivel ordinal. A diferencia de otros coeficientes que asumen una distribución normal o linealidad estricta, la gamma se centra en la noción de concordancia y discordancia entre pares de observaciones. Es una estadística no paramétrica que cuantifica hasta qué punto el orden de clasificación de los sujetos en una variable predice o coincide con el orden de clasificación en una segunda variable, lo que la convierte en una herramienta esencial para el análisis de encuestas y escalas de actitud.

En términos conceptuales, este coeficiente se clasifica dentro de las medidas de Reducción Proporcional del Error (PRE). Esto significa que el valor de gamma representa la mejora en la precisión al predecir el orden de un par de casos en una variable, dado que conocemos su orden en la otra variable. Si existe una asociación perfecta, el conocimiento de la posición relativa en una dimensión elimina por completo la incertidumbre sobre la posición relativa en la otra. Esta característica otorga a la gamma una interpretación intuitiva que facilita la comunicación de resultados en contextos académicos y profesionales donde los datos no cumplen con los requisitos de la estadística paramétrica clásica.

La estructura lógica de la gamma se basa en la comparación de todos los pares posibles de casos en una muestra. Un par se considera concordante si el caso que tiene el valor más alto en la primera variable también posee el valor más alto en la segunda. Por el contrario, un par es discordante si el caso con el valor más alto en una variable tiene el valor más bajo en la otra. La gamma de Goodman-Kruskal ignora sistemáticamente los empates (casos que tienen el mismo valor en una o ambas variables), centrándose exclusivamente en la dirección de la relación entre los elementos que pueden ser ordenados de forma inequívoca.

2. Etimología y Desarrollo Histórico

El nombre del concepto proviene de sus creadores, los destacados estadísticos Leo Goodman y William Kruskal. El desarrollo de esta medida fue parte de una serie de artículos seminales publicados en el Journal of the American Statistical Association (JASA) entre las décadas de 1950 y 1970. En su primer trabajo conjunto de 1954, titulado “Measures of Association for Cross Classifications”, los autores abordaron la necesidad crítica de contar con métricas de asociación que fueran adecuadas para datos cualitativos y ordinales, los cuales predominaban en las investigaciones sociológicas de la época.

Antes de las contribuciones de Goodman y Kruskal, los investigadores a menudo dependían de medidas diseñadas para datos de intervalo, como el Coeficiente de Pearson, o utilizaban pruebas de Chi-cuadrado que indicaban independencia pero no la fuerza o dirección de la relación. El trabajo de Goodman y Kruskal revolucionó el campo al proporcionar un marco riguroso para las medidas de asociación basadas en la probabilidad, diferenciando claramente entre medidas para datos nominales (como lambda) y datos ordinales (como gamma). Su enfoque se alejó de los modelos basados en la varianza para centrarse en modelos basados en la clasificación.

A lo largo de los años, la gamma se ha consolidado como una de las “cuatro grandes” medidas de asociación ordinal, junto con la Rho de Spearman y las diversas variantes de la Tau de Kendall. El impacto histórico de Goodman y Kruskal radica en haber dotado a las ciencias sociales de una base matemática sólida para el análisis de tablas de contingencia, permitiendo que la investigación empírica fuera más precisa y menos dependiente de supuestos distributivos restrictivos que rara vez se encuentran en la práctica del mundo real.

3. Fundamentos Matemáticos y Cálculo de Pares

La fórmula matemática de la gamma de Goodman-Kruskal se expresa de manera sencilla pero poderosa: G = (Ns – Nd) / (Ns + Nd). En esta ecuación, Ns representa el número total de pares concordantes (same order) y Nd representa el número total de pares discordantes (different order). La simplicidad de esta fórmula es engañosa, ya que el cálculo subyacente implica la evaluación exhaustiva de todas las combinaciones posibles de datos en una tabla de clasificación cruzada, lo que tradicionalmente requería un esfuerzo computacional considerable antes de la era digital.

Para calcular Ns, se identifican todos los pares de casos que muestran una relación positiva; es decir, si el caso A es mayor que el caso B en la variable X, también debe serlo en la variable Y. Para calcular Nd, se buscan las relaciones inversas. El denominador (Ns + Nd) actúa como un factor de normalización que asegura que el resultado final oscile siempre entre un rango definido. Es fundamental destacar que la gamma no toma en cuenta los empates (ties), que son aquellos pares donde los casos comparten la misma categoría en al menos una de las variables analizadas. Esta exclusión es lo que diferencia a la gamma de la Tau-b de Kendall, la cual sí ajusta el resultado en función de los empates.

El proceso de cálculo suele visualizarse mediante una tabla de contingencia. Para obtener Ns, se multiplica la frecuencia de cada celda por la suma de las frecuencias de todas las celdas situadas “debajo y a la derecha”. Para Nd, se multiplica la frecuencia de cada celda por la suma de las frecuencias de todas las celdas situadas “debajo y a la izquierda”. Este procedimiento sistemático permite transformar datos categóricos en una medida cuantitativa de asociación lineal en términos de rangos, proporcionando una base sólida para la inferencia estadística sobre la estructura de los datos.

4. Interpretación de Resultados y Escala de Medición

El coeficiente gamma produce un valor que varía estrictamente entre -1.00 y +1.00. Un valor de +1.00 indica una asociación positiva perfecta, lo que significa que para cada par de casos en la muestra, el orden en ambas variables es idéntico (no hay pares discordantes). Por el contrario, un valor de -1.00 señala una asociación negativa perfecta, donde el orden en una variable es exactamente el opuesto al orden en la otra (no hay pares concordantes). Un valor de 0 sugiere la ausencia de una asociación predominante entre las variables en términos de su ordenación.

La interpretación de la magnitud de la gamma debe hacerse con cautela. Debido a que la gamma ignora los empates, tiende a producir valores más altos (más “optimistas”) que otras medidas como la Tau-b de Kendall, especialmente cuando hay muchas observaciones concentradas en pocas categorías. Un valor de 0.60, por ejemplo, se interpreta como que existe un 60% más de probabilidad de que el orden de los pares sea concordante que discordante. En el marco de la Reducción Proporcional del Error, esto se traduce en que cometemos un 60% menos de errores al predecir el orden de una variable si conocemos el orden de la otra, en comparación con una predicción al azar.

Además de la magnitud, es crucial considerar la significancia estadística del valor obtenido. En muestras grandes, la distribución de la gamma se aproxima a una distribución normal, lo que permite calcular un error estándar y realizar pruebas de hipótesis para determinar si el valor observado es significativamente diferente de cero. No obstante, en muestras pequeñas o con distribuciones muy asimétricas, la interpretación debe ser estrictamente descriptiva. La dirección del signo (+ o -) informa inmediatamente si la relación es directa o inversa, lo cual es vital para validar hipótesis teóricas en campos como la sociología y la educación.

5. Aplicaciones en la Investigación Científica

La aplicación primordial de la gamma de Goodman-Kruskal se encuentra en el análisis de escalas de Likert y otros instrumentos de medición ordinal comunes en las ciencias sociales. Por ejemplo, un investigador podría utilizar gamma para examinar la relación entre el nivel socioeconómico (bajo, medio, alto) y el nivel de satisfacción con los servicios públicos (muy insatisfecho, insatisfecho, satisfecho, muy satisfecho). Dado que ambas variables son ordinales y es probable que existan muchos empates en las categorías, la gamma ofrece una medida clara de la tendencia general sin las complicaciones de los modelos de regresión lineal.

En el ámbito de la psicología organizacional, la gamma se utiliza para correlacionar niveles de jerarquía laboral con niveles de compromiso organizacional o estrés percibido. Al ser una medida robusta frente a distribuciones no normales, permite a los analistas tratar con datos de encuestas que a menudo presentan sesgos o valores atípicos. Asimismo, en la investigación de mercados, se emplea para entender la relación entre la frecuencia de uso de un producto y la lealtad a la marca, donde ambas dimensiones se miden mediante rangos de intensidad o preferencia.

Otra aplicación relevante se da en la epidemiología y salud pública, específicamente cuando se estudian factores de riesgo clasificados en niveles (como exposición baja, moderada o alta) y su relación con la gravedad de una enfermedad. La gamma permite identificar si un incremento en el nivel de exposición se corresponde sistemáticamente con un incremento en la severidad del cuadro clínico. Su versatilidad y facilidad de cálculo a través de paquetes de software estadístico la han mantenido como una técnica estándar en el arsenal de cualquier analista de datos que trabaje con variables categóricas ordenadas.

6. Significado e Impacto en el Análisis de Datos

El impacto de la gamma de Goodman-Kruskal trasciende su función como simple fórmula matemática; representa un cambio de paradigma hacia una estadística más flexible y adaptada a la realidad de los datos humanos. Al proporcionar una medida que es invariante ante transformaciones monótonas de las escalas, asegura que los resultados no cambien si un investigador decide, por ejemplo, agrupar categorías de una manera distinta, siempre que se mantenga el orden original. Esta propiedad de estabilidad es fundamental para la replicabilidad de los estudios científicos.

Además, la gamma ha servido como base para el desarrollo de modelos más complejos, como los modelos log-lineales para tablas de contingencia, que también fueron impulsados por Leo Goodman. Su introducción permitió que la comunidad científica abandonara la práctica arriesgada de tratar variables ordinales como si fueran de intervalo (asignándoles números arbitrarios y aplicando correlaciones de Pearson), una práctica que a menudo conduce a conclusiones erróneas sobre la fuerza y la naturaleza de las relaciones sociales.

En la era del Big Data y el aprendizaje automático, aunque han surgido algoritmos más sofisticados, la gamma sigue siendo una herramienta de diagnóstico esencial en la fase de análisis exploratorio de datos. Permite a los científicos de datos comprender rápidamente las dependencias monótonas entre características (features) antes de alimentar modelos predictivos. Su legado es la democratización del análisis riguroso de datos cualitativos, permitiendo que la subjetividad de las opiniones y actitudes humanas sea capturada con precisión matemática.

7. Debates, Críticas y Limitaciones

A pesar de su utilidad, la gamma de Goodman-Kruskal ha sido objeto de críticas, principalmente debido a su tratamiento de los empates. Al ignorar todos los pares que caen en la misma categoría, la gamma tiende a sobreestimar la fuerza de la asociación en comparación con otros coeficientes. Si una tabla de contingencia tiene una gran cantidad de datos concentrados en una sola celda, la gamma puede indicar una relación perfecta (1.00) simplemente porque no hay pares discordantes, incluso si la mayoría de los casos no muestran una variación clara en sus rangos. Esto se conoce a veces como la “insensibilidad a los vínculos”.

Otra limitación importante es que la gamma solo detecta relaciones monótonas. Si la relación entre dos variables es curvilínea (por ejemplo, en forma de U), la gamma puede arrojar un valor cercano a cero, sugiriendo erróneamente que no existe relación alguna. Por lo tanto, los investigadores deben complementar el cálculo de la gamma con una inspección visual de la tabla de contingencia o gráficos de barras cruzadas para asegurarse de que la métrica está capturando la verdadera dinámica de los datos. No debe usarse como una métrica ciega sin entender la distribución subyacente.

Finalmente, existe un debate sobre cuál es la “mejor” medida ordinal. Algunos estadísticos prefieren la Tau-b de Kendall porque es más conservadora y maneja mejor las tablas cuadradas, mientras que otros optan por la d de Somers cuando hay una distinción clara entre variable dependiente e independiente (ya que la d de Somers es asimétrica, mientras que la gamma es simétrica). La elección entre estas medidas depende a menudo de los objetivos específicos de la investigación y de la naturaleza de los empates en los datos, lo que subraya la necesidad de un juicio crítico por parte del analista.

8. Comparativa con Coeficientes de Correlación Alternativos

Para comprender plenamente la gamma, es útil contrastarla con la Rho de Spearman. Mientras que Spearman utiliza los rangos de los valores individuales, la gamma utiliza la comparación de pares. Spearman es más adecuada cuando los datos ordinales tienen muchas categorías (como una clasificación del 1 al 100), mientras que la gamma es superior para tablas de contingencia con pocas categorías (como bajo, medio, alto). En situaciones de pocos niveles, Spearman pierde precisión debido a la forma en que gestiona los rangos promedio en caso de empates.

En comparación con la Tau-b de Kendall, la gamma siempre será igual o mayor en valor absoluto. Esto se debe a que el denominador de la Tau-b incluye un término que penaliza la existencia de empates en las variables X e Y. Por esta razón, la Tau-b se considera a menudo una medida de asociación más “honesta” cuando el objetivo es generalizar a una población donde los empates son informativos. Sin embargo, si el investigador considera que los empates son simplemente un subproducto de una escala de medición poco refinada, la gamma puede ser la representación más fiel de la asociación teórica subyacente.

Finalmente, frente al Coeficiente de Pearson (r), la gamma es infinitamente más robusta. Pearson requiere que los datos sean de intervalo, tengan una relación lineal y varianza constante (homocedasticidad). La gamma no requiere ninguno de estos supuestos. En presencia de valores extremos (outliers) o distribuciones altamente sesgadas, el coeficiente de Pearson se distorsiona fácilmente, mientras que la gamma mantiene su integridad al basarse únicamente en el orden relativo de los datos. Esta resistencia la convierte en la opción preferida en la investigación social aplicada.

9. Consideraciones Computacionales y Software

En la actualidad, el cálculo de la gamma de Goodman-Kruskal está automatizado en prácticamente todos los paquetes de software estadístico profesional. En SPSS, se encuentra dentro del procedimiento de “Tablas Cruzadas” (Crosstabs) bajo la opción de estadísticas ordinales. En R, se puede calcular utilizando diversas librerías, como el paquete vcd o GoodmanKruskal, que proporcionan funciones específicas para extraer esta métrica de tablas de frecuencia complejas. La facilidad de acceso computacional ha eliminado la barrera del cálculo manual de pares concordantes y discordantes.

Para los usuarios de Python, la biblioteca scipy.stats ofrece funciones relacionadas, aunque a menudo se recurre a implementaciones personalizadas o paquetes especializados en análisis de datos sociales para obtener la gamma exacta. Es importante que el analista verifique cómo el software maneja los valores perdidos (missing values), ya que una gestión inadecuada de estos puede alterar significativamente el número de pares concordantes y discordantes, invalidando así el coeficiente resultante.

Desde una perspectiva de ciencia de datos, la gamma también es útil para la selección de características en modelos de aprendizaje supervisado. Al evaluar la asociación ordinal entre las variables predictoras y la variable objetivo, se pueden descartar aquellas que no muestran una relación monótona significativa, simplificando el modelo y mejorando su capacidad de generalización. La integración de estas medidas clásicas en flujos de trabajo modernos demuestra la vigencia y la robustez del trabajo original de Goodman y Kruskal.

Lecturas Adicionales

• Goodman, L. A., & Kruskal, W. H. (1954). Measures of Association for Cross Classifications. Journal of the American Statistical Association, 49(268), 732-764.
• Siegel, S., & Castellan, N. J. (1988). Nonparametric Statistics for the Behavioral Sciences. McGraw-Hill.
• Agresti, A. (2010). Analysis of Ordinal Categorical Data. Wiley Series in Probability and Statistics.
• Wikipedia. Goodman and Kruskal’s gamma.
• Real Statistics Using Excel. Goodman-Kruskal Gamma.