En estudios de mercado, recursos humanos y finanzas, el coeficiente de correlación contribuye a la toma de decisiones informadas.
El coeficiente de correlación es una herramienta que se emplea para medir la relación existente entre un par de variables. Se emplea en el campo de la estadística al momento de cuantificar el nivel de variación conjunta, de dependencia lineal, que existe entre dos variables.
Este recurso, que está simbolizado con la letra ‘r’, tiene un valor que oscila entre -1 y 1. Es útil saber, asimismo, que el coeficiente de correlación no experimenta modificaciones al variar la escala de medición y que su signo coincide con el que presenta la covarianza.
Cabe resaltar, asimismo, que al investigar el origen, los fundamentos y otras particularidades del coeficiente de correlación adquiere notoriedad la figura de Karl Pearson, un matemático de origen británico que fue su principal impulsor. Por eso es habitual que el apellido se utilice como identificación haciendo referencia al coeficiente de correlación de Pearson. Existe, por otra parte, la correlación de Spearman, una medida de perfil no paramétrico que emplea números de orden y rangos. Fue un psicólogo llamado Charles Edward Spearman quien la motorizó mientras buscaba establecer y demostrar la denominada teoría de la inteligencia.
Temas
ResumenCaracterísticas del coeficiente de correlación
El coeficiente de correlación ofrece información de interés sobre la dirección y la intensidad de la relación que se establece entre las variables analizadas. También indica si hay conexión entre ellas y qué tan sólido es su vínculo.
Al ser independiente de una escala de medición, el resultado no sufre alteraciones si, por señalar una posibilidad a modo de referencia, se expresa una altura en metros y no en centímetros.
En el caso de una covarianza positiva, se describe a la correlación como directa; de haber covarianza negativa, entonces se describe como inversa a la correlación. No hay correlación alguna, en cambio, si es nula la covarianza.
De acuerdo a quienes se instruyeron en las características y las aplicaciones del coeficiente de correlación de Pearson, este índice ofrece una interpretación y ejecución sencillas. Esta prueba estadística se distingue por ofrecer simetría entre variables (el orden de ellas no altera la correlación) y por dar espacio a diferentes clasificaciones según sea el rango de valores. Cuando el rango se sitúa entre 1 y -1, marca la teoría, hay correlación perfecta; y si el valor es cero no existe una correlación lineal, hablándose de una correlación nula. De ser menos que cero el valor, entonces se define como correlación negativa, mientras que un valor por encima de cero refleja una correlación positiva.
El método estadístico conocido como análisis de correlación se vale del coeficiente de correlación para la medición de la relación entre variables.
Tipos de coeficientes
Así como se reconocen diversas clases de correlaciones (junto a las enumeradas en el párrafo anterior aparece, por ejemplo, la correlación canónica como técnica de carácter estadístico para, examinando un par de grupos de variables, medir la relación lineal), también hay múltiples tipos de coeficientes destinados a ser provechosos en diferentes contextos.
Ya aludimos, líneas arriba, al coeficiente de correlación de Pearson y al coeficiente de correlación de Spearman. Ahora es oportuno sumar datos sobre el coeficiente de Kendall, una medida estadística que se usa al analizar la concordancia entre atributos, por ejemplo.
Existe, asimismo, el coeficiente de correlación parcial, que se calcula seleccionando al menos dos variables numéricas. Tras elegir mínimamente una variable numérica de control y escoger probabilidades uni o bilaterales se determina la correlación parcial, un dato que brinda la posibilidad de averiguar si hay una tercera variable generando la correlación.
De hacer foco en el coeficiente de determinación, por otra parte, se descubrirá que este recurso se emplea en el marco de un modelo estadístico concebido para poner a prueba una hipótesis o efectuar la predicción de resultados. Uno de los escenarios más habituales se asocia a la regresión lineal simple, contexto en el cual el coeficiente de determinación surge como el cuadrado de la medida denominada coeficiente de correlación de Pearson.
A diferencia de un gráfico de barras donde se plasman datos categóricos, el coeficiente de correlación se destina a la cuantificación de la relación que surge entre variables.
Ventajas y limitaciones del coeficiente de correlación
Son varias las ventajas que ofrece el coeficiente de correlación, aunque conviene asesorarse también acerca de sus puntos débiles para obtener un panorama lo más completo y objetivo posible respecto a las fortalezas y limitaciones de esta herramienta.
Entre sus bondades figura su contribución a la identificación de patrones y el descubrimiento de relaciones entre un par de variables, así como su ayuda a la construcción de modelos predictivos y a la toma de decisiones informadas.
Con él se minimizan el riesgo y la volatilidad y se facilita el proceso de gestión de riesgos, por agregar aspectos a favor.
Sin embargo, el alcance y el provecho experimentan restricciones, a saber:
- En primer término, hay que remarcar que se asume con el coeficiente de correlación un trabajo sobre una asociación lineal. Éste no resulta afectado por modificaciones en la escala de las variables. En caso de estudiar relaciones discontinuas o no lineales se aconsejan el empleo del coeficiente de correlación policórico o del coeficiente de rango de Kendall, entre otros.
- No es adecuado para la descripción de la pendiente relacionada a la línea de mejor ajuste (para tal fin se sugiere, para un análisis de regresión, la técnica de mínimos cuadrados).
- Los valores que se alejan del diagrama de dispersión pueden provocar un resultado distorsionado.
- Con un coeficiente de correlación no es posible establecer causalidad.
Publicado por 
