Palabras clave
Correlación de datos
Medicina Clínica
Investigación Statistics, Nonparametric
Correlation of Data
Clinical Medicine
Research
Cómo citar
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