Conceptos y metodología | Concepts and methodology
1
Rev Argent Cir. 2025;117(1):1-4- hꢂp://dx.doi.org/10.25132/raac.v117.n1.cymmli
Correlación: otra medida del tamaño del efecto
Correlaꢀon: another measure of effect size
Mario L. Iovaldi*
La correlación es una medida del tamaño del ¿Y el valor p de la correlación?
efecto. Mide el grado de asociación entre dos variables,
puede ser posiꢀva o negaꢀva y su valor puede variar
Para calcularlo se realiza la prueba de correla-
desde -1 a + 1. Uno es el valor de una correlación per- ción; no obstante, es preciso enfaꢀzar que el valor p,
1
fecta posiꢀva y – 1 el de una perfecta negaꢀva .
independientemente de su valor, si la significación es-
En muchas publicaciones y presentaciones en tadísꢀca existe, solamente quiere decir “no es igual a”,
3
jornadas y congresos se abusa de la palabra correla- citando a Jacob Cohen (“not equal to”) .
ción; para hablar de ella se debe hacer la prueba co-
El valor p va a decir que la asociación entre
rrespondiente. Es recomendable usar las palabras “ten- “x” e “y” es estadísꢀcamente significaꢀva, pero no en
dencia” o “asociación probable” si esta prueba no fue cuánto están asociadas. La fuerza de esa asociación es
realizada.
El concepto más importante cuando se habla
el valor de la correlación.
Vale repeꢀr que no es más diferente un valor
de correlación es que no demuestra una relación de p de 0,00000002 que otro de 0,01. Simplemente dis-
causa y efecto. Pueden hacerse innumerables cálculos minuye la probabilidad de que la diferencia sea por el
de correlación sin senꢀdo y los resultados de la prueba azar, pero al fin de cuentas “no es igual a” (not equal
pueden ser aplastantes. Por ejemplo, la migración de to).
cigüeñas desde África del norte hacia Alemania en pri-
mavera y el número de nacimientos en Alemania en pri- cor.test(x,y)*
mavera. Resulta obvio que el número de nacimientos
no ꢀene absolutamente nada que ver con el número de Pearson’s product-moment correlaꢁon
cigüeñas que llegaron. Simplemente son variables aso- data: x and y
ciadas desde el punto de vista estadísꢀco.
t = 120, df = 3098, p-value <0.0000000000000002
El tamaño del efecto es pequeño entre 0,10 y alternaꢁve hypothesis: true correlaꢁon is not equal to 0
0
0
,30, mediano entre 0,30 y 0,50 y grande si es mayor de
1
,50. Aplica también a los valores negaꢀvos .
95 percent confidence interval:
No es mi intención abundar en fórmulas, pero 0.90 0.91
va un ejemplo con el soꢀware R con números inventa- sample esꢁmates:
2
dos . Esos números inventados son variables conꢀnuas
sobre las cuales queremos demostrar si existe un grado cor
de correlación, los datos fueron omiꢀdos por el bien de 0.91
la brevedad.
Un ejemplo clínico podría ser el de la corre- *Este es el formato de salida (output) literal del soꢂware.
lación del perímetro abdominal con el valor de la glu-
cemia en reposo; esos datos no están incluidos en el
Acá se puede ver el resultado de la prueba. Se
agregan más elementos: el valor t, de la distribución t,
el número de grados de libertad y el valor p, que no por
ser tan bajo es diferente de cualquier valor que le con-
fiere significación estadísꢀca, porque el valor p no mide
ningún tamaño del efecto, simplemente x no es igual
arꢁculo.
cor (x,y) *
[
1] 0.91.
*
Este es el formato de salida (output) literal del soꢂware. a y. Lo que es importante de la prueba de correlación
cor.test) es que nos da el intervalo de confianza, que
X e Y son 2 variables numéricas, la correlación en el ejemplo es muy estrecho, dado que cada serie de
es 0,91, es decir, ꢀenen una correlación posiꢀva fuerte. números ꢀene 3100 valores.
(
*Director de la Revista Argenꢁna de Cirugía.