Función CORREL de Excel: calcula la correlación estadística

Descargar libro de trabajo de ejemplo

Descarga el libro de trabajo de ejemplo

Este tutorial demuestra cómo utilizar el Función CORREL de Excel en Excel para calcular la correlación.

Descripción general de la función CORREL

La función CORREL Calcula la correlación de dos series de números.

Para usar la función de hoja de cálculo CORREL Excel, seleccione una celda y escriba:

(Observe cómo aparecen las entradas de la fórmula)

Sintaxis y entradas de la función CORREL:

1	= CORREL (matriz1, matriz2)

array1 - Matrices de números.

¿Qué es la función CORREL?

La función CORREL de Excel devuelve el coeficiente de correlación (de Pearson r) de dos rangos de datos.

¿Qué es el coeficiente de correlación?

El coeficiente de correlación, generalmente denominado de Pearson r (nombrado en honor a Karl Pearson, la persona que lo desarrolló), es una estadística que le dice qué tan fuertemente están relacionadas dos variables.

De Pearson r es una cifra entre -1 y 1, que puede dar lugar a tres posibles interpretaciones: una correlación positiva, una correlación negativa y ninguna correlación.

Correlacion positiva

Una correlación positiva (r > 0) significa que cuando las dos variables están en tándem, cuando observa una puntuación alta en una variable, tiende a observar también una puntuación alta en la otra. Asimismo, cuando una variable es baja, la otra también tiende a ser baja.

Por ejemplo, la altura y el peso tienen una correlación positiva. Vea el cuadro a continuación, que muestra la altura y el peso de una pequeña muestra de jugadores de béisbol:

los r de esta pequeña muestra es 0,73, una correlación positiva muy fuerte. Esto tiene sentido lógicamente: las personas más altas tienden a ser más pesadas, en promedio, ya que esa altura adicional se compone de huesos, músculos y otros tejidos que pesan algo.

Pero la correlación no es perfecta (en una correlación perfecta con un r de 1, todos los puntajes caerían en la línea de tendencia). Algunas personas más bajas pueden ser más pesadas, tal vez cargan un poco de grasa extra o hacen ejercicio en el gimnasio. Del mismo modo, algunas personas altas pueden ser muy delgadas y, en realidad, pesar menos que muchas personas más bajas.

La correlación aquí es probablemente tan alta porque estamos tratando con atletas, sería menor en la población general. Recuerde tener esto en cuenta cuando utilice CORREL: el r lo que obtienes no es definitivo; debes pensar en cuáles son tus datos y cómo los obtuviste al hacer tus interpretaciones.

Correlación negativa

Una correlación negativa (r <0) significa que cuando observa una puntuación alta en una variable, tiende a observar una puntuación baja en la otra variable y viceversa.

Por ejemplo, los resultados de las pruebas de los estudiantes y el número de ausencias que tuvieron en la escuela están correlacionados negativamente. Es decir, cuantos más días pierden, más bajas tienden a ser sus puntuaciones. Cuantos menos días pierden, más altas tienden a ser las puntuaciones:

Nuevamente, la correlación no es perfecta (como casi nunca lo es). Tenemos un estudiante aquí que se perdió 5 días, pero aún así logró una puntuación del 85%. También tenemos uno que obtuvo un 52%, a pesar de que solo faltó dos días.

Seguimos teniendo una clara tendencia negativa. Pero todavía hay mucha variación en los resultados de las pruebas que no se puede explicar solo por la ausencia. Esto puede deberse a otras variables, como aptitud, motivación, salud y muchos otros factores potenciales.

Por lo tanto, cuando use CORREL, tenga en cuenta que hay un panorama más amplio que es posible que sus datos no expliquen completamente.

Sin correlación

Sin correlación (r = 0 o está cerca de 0) significa que no puede predecir la puntuación de una variable en función de otra. Si traza los datos, no verá una tendencia discernible y la línea de tendencia será plana o casi plana.

Aquí hay algunos datos sobre la longitud del dedo anular y el coeficiente intelectual:

Como puede ver, no hay conexión entre estas dos variables en esta muestra, por lo que podemos asumir que no están relacionadas.

En la práctica, es poco probable que obtenga una r de exactamente 0. Recuerde que cuando se recopilan datos, a menudo hay alguna variación debido a errores, tal vez en la medición o en los informes. Así que solo porque tu r no es exactamente 0, no significa que haya encontrado algo.

La correlación no es causalidad

Es fundamental tener en cuenta que CORREL no puede decirle qué variable está influyendo en la otra, o incluso si existe alguna relación causal entre las variables. Por ejemplo, se ha encontrado una correlación entre las siguientes variables:

• La cantidad de helado vendido y la cantidad de delitos violentos.
• Cuán feliz eres y cuán exitoso eres en tu carrera.
• La cantidad de personas que se ahogaron en una piscina y la cantidad de películas en las que apareció Nicolas Cage por año.

El primer ejemplo es el problema de la tercera variable. Por supuesto, el helado no hace que la gente sea violenta, ni la violencia desencadena un deseo por la leche congelada y el azúcar. La tercera variable es el clima. En climas cálidos, la gente simplemente sale más, hay más contacto entre las personas y, por lo tanto, más posibilidades de que surja un conflicto. Cuando hace calor, la gente también compra más helado. Entonces, las ventas de helados y los delitos violentos solo se correlacionan porque ambos están vinculados a una tercera variable.

El segundo podría ser un ejemplo de causalidad dual. Tener éxito en el trabajo puede ser bueno para tu felicidad: ganarás más dinero y, en general, tendrás más control sobre el trabajo que haces y con quién lo haces. Pero la felicidad también puede ser beneficiosa para el éxito, tal vez las personas más felices sean más fáciles de llevarse bien y desarrollen relaciones laborales más sólidas, o tal vez sean más resistentes mentalmente a los reveses. En este caso, ambas variables se influyen mutuamente.

El tercero es simplemente un correlación espuria. El hecho de que dos variables se correlacionen en sus datos no significa que interactúen de todos modos en la vida real.

La conclusión es que una correlación no puede decirle si dos variables están conectadas causalmente.

Cómo usar CORREL

Utilice la función CORREL de Excel de esta manera:

1	= CORREL (B3: B15, C3: C15)

Con CORREL define dos argumentos: los dos rangos de datos que desea correlacionar.

Aquí hay algunos puntos clave a tener en cuenta con CORREL:

• El texto, los booleanos (VERDADERO / FALSO) y las celdas vacías se ignoran.
• Ambos rangos de datos deben tener la misma cantidad de puntos de datos; de lo contrario, obtendrá un error # N / A
• Si uno de los rangos de datos está vacío, o si no hay ninguna variación en los datos (es decir, si todos los puntos de datos son el mismo número), obtendrá un # DIV / 0. Error

Función CORREL en Google Sheets

La función CORREL funciona exactamente igual en Google Sheets que en Excel:

Notas adicionales

Ejemplos de CORREL en VBA

También puede usar la función CORREL en VBA. Escribe:
application.worksheetfunction.correl (matriz1, matriz2)
Para los argumentos de la función (matriz1, etc.), puede ingresarlos directamente en la función o definir variables para usar en su lugar.

Regrese a la lista de todas las funciones en Excel