Resumen
La correlación es una medida estadística que permite conocer el grado de asociación lineal entre dos variables cuantitativas u ordinales (X, Y). También determina la fuerza de asociación y dirección que toma esta relación mediante el cálculo del coeficiente de correlación, cuyo resultado puede variar en el intervalo [-1, +1]. Entre más cercano a 1 sea el coeficiente de correlación, mayor la fuerza de asociación. Cuando una relación es aleatoria o no existe, el coeficiente tiende a cero. Los coeficientes de correlación solo miden relaciones lineales de variables continuas con distribución normal (Pearson) o monótonas con variables ordinales organizadas en rangos o jerarquías (Spearman), las cuales tienden a cambiar al mismo tiempo, pero no necesariamente a un ritmo constante. Las pruebas de correlación son muy usadas en la investigación biomédica para determinar la tendencia de dos variables a ir juntas, a lo que también se denomina covarianza; lo que no necesariamente significa que cuando se reporta una correlación (+/-) esta represente una relación de causa y efecto.
Citas
Arndt S, Turvey C, Andreasen NC. Correlating and predicting psychiatric symptom ratings: Spearman’s r versus Kendall’s tau correlation. J Psychiatr Res. 1999;33(2):97-104. https://doi.org/10.1016/S0022-3956(98)90046-2
Pinilla JO, Rico AFO. ¿ Pearson y Spearman, coeficientes intercambiables? Comun en Estad. 2021;14(1):53. https://doi.org/10.15332/23393076.6769
Talavera JO, Rivas-Ruiz R. Clinical research IV. Relevancy of the statistical test chosen. Rev Med Inst Mex Seguro Soc. 2011;49(4):401–5.
Hazra A, Gogtay N. Biostatistics Series Module 6: Correlation and Linear Regression. Indian J Dermatol. 2016;61(6):593-601. https://doi.org/10.4103/0019-5154.193662.
Fredricks GA, Nelsen RB. On the relationship between Spearman’s rho and Kendall’s tau for pairs of continuous random variables. J Stat Plan Inference. 2007;137(7):2143-2150. https://doi.org/10.1016/j.jspi.2006.06.045