Falsa correlación: definición, cómo funciona y ejemplos

Definicion de Falsa correlación: definición, cómo funciona y ejemplos

Falsa correlación: definición, cómo funciona y ejemplos

Preguntas Frecuentes

Incluye tres preguntas frecuentes sobre el contenido dando sus respuestas. Utiliza muchas negritas utilizando HTML tag ¿Qué es una correlación espuria? En estadística, una correlación falsa (o espuria) se refiere a una relación entre dos variables que parece ser causa y efecto, pero no lo es. En una correlación espuria, cualquier relación observada entre variables ocurre simplemente por casualidad o se debe a algún factor invisible que distorsiona el resultado. Resultados clave Una correlación falsa, o espuria, ocurre cuando dos factores parecen estar causalmente relacionados entre sí, pero no lo están.La aparición de una relación causa-efecto a menudo se debe a un movimiento similar en el mapa, que resulta ser aleatorio o causado por un tercer factor “confusor”.Las correlaciones espurias pueden deberse a tamaños de muestra pequeños o criterios de valoración arbitrarios.Los estadísticos y científicos utilizan análisis estadísticos cuidadosos para identificar relaciones espurias.Confirmar una relación causa-efecto requiere de un estudio que tenga en cuenta todas las variables posibles. Comprender la correlación espuria Al principio, puede parecer que las relaciones espurias muestran que una variable afecta directamente a otra, pero no es así. Esta correlación engañosa a menudo es causada por un tercer factor que no está presente en el momento del estudio, a veces llamado factor de confusión. Cuando dos variables aleatorias se suceden estrechamente en un gráfico, es fácil sospechar una correlación cuando un cambio en una variable provoca un cambio en la otra variable. Dejando a un lado la causalidad, que es un tema diferente, esta observación puede llevar al lector del diagrama a creer que el movimiento de la variable A está relacionado con el movimiento de la variable B, o viceversa. Sin embargo, un estudio estadístico más exhaustivo puede revelar que los movimientos coordinados son aleatorios o causados ​​por un tercer factor que influye en dos variables. Ésta es una correlación falsa. Los estudios realizados con muestras pequeñas o criterios de valoración arbitrarios son particularmente susceptibles a falsos positivos. Falsa detección La forma más obvia de detectar relaciones espurias en los resultados de una investigación es utilizar el sentido común. El hecho de que sucedan dos cosas y parezcan relacionadas no significa que no haya otros factores en juego. Sin embargo, para estar seguro es necesario examinar críticamente los métodos de investigación. En la investigación, todas las variables que puedan influir en los resultados deben incluirse en el modelo estadístico para controlar su efecto sobre la variable dependiente. Falsa correlación Muchas conexiones falsas se pueden identificar usando el sentido común. Si se encuentra una correlación, generalmente hay más de una variable en juego, y esas variables a menudo no son inmediatamente obvias. Ejemplos de falsa correlación Es fácil encontrar correlaciones interesantes, pero muchas de ellas resultarán falsas. Tres ejemplos son la teoría del largo de la falda, la medida del Super Bowl y la correlación propuesta entre la raza y las tasas de finalización de la universidad. Teoría del largo de la falda: La teoría del largo de la falda, que se originó en la década de 1920, afirma que el largo de la falda y la dirección del mercado de valores están correlacionados. Si el largo de la falda es largo, la correlación es que el mercado de valores está bajista. Si el largo de las camisetas es corto, el mercado es alcista. Indicador del Super Bowl: A finales de enero, se habla a menudo del llamado indicador del Super Bowl, que sugiere que una victoria de un equipo de la Conferencia de Fútbol Americano probablemente significará que el mercado de valores caerá el próximo año, mientras que una victoria del equipo de la Conferencia Nacional de Fútbol probablemente significará que el mercado subirá. Desde el inicio de la era del Super Bowl, el indicador ha sido preciso aproximadamente el 74% de las veces, o 40 de 54 años, según OpenMarkets. Es un tema divertido del que hablar, pero probablemente no sea algo que un asesor financiero serio recomendaría como estrategia de inversión a sus clientes. Nivel educativo y raza.: Los sociólogos se han centrado en determinar qué variables influyen en el logro educativo. Según una investigación del gobierno, el 56% de los blancos de entre 25 y 29 años completaron la educación superior en 2019, en comparación con solo el 36% de los negros de la misma edad. La implicación es que la raza tiene un efecto causal en las tasas de finalización de la universidad. Sin embargo, es posible que la raza en sí misma no influya en el nivel educativo. Los resultados también pueden estar relacionados con los efectos del racismo en la sociedad, que puede ser una tercera variable “latente”. El racismo afecta a las personas de color al colocarlas en desventaja educativa y económica. Por ejemplo, las escuelas en comunidades no blancas enfrentan mayores desafíos y reciben menos financiamiento, los padres en comunidades no blancas tienen trabajos peor pagados y menos recursos para dedicar a la educación de sus hijos, y muchas familias viven en desiertos alimentarios y sufren desnutrición. . El racismo, no la raza, puede verse como la variable causal que influye en el logro educativo. ¿Cómo detectar una correlación falsa? Los estadísticos y otros científicos que analizan datos deben estar constantemente atentos a relaciones espurias. Hay muchos métodos que utilizan para identificarlos, entre ellos:Garantizar una muestra adecuadamente representativaObtener un tamaño de muestra adecuadoTenga cuidado con los puntos finales arbitrariosControlar tantas variables externas como sea posible.Usar la hipótesis nula y probar un valor p fuerte ¿Cuál es un ejemplo de correlación pero no de causalidad? Un ejemplo de correlación: cuanto más duermas, mejor será tu productividad durante el día. Aunque existe correlación, no es necesariamente causalidad. Es posible que dormir más no sea la razón por la que una persona se desempeña mejor; por ejemplo, podrían utilizar una nueva herramienta de software que mejore su productividad. Para encontrar una relación de causa y efecto, se necesita evidencia de un estudio que muestre una relación de causa y efecto entre el sueño y el rendimiento. ¿Qué es la falsa regresión? La regresión espuria es un modelo estadístico que muestra evidencia estadística engañosa de una relación lineal; en otras palabras, una correlación espuria entre variables independientes no estacionarias. ¿Qué es la causalidad falsa? La falsa causalidad se refiere a la suposición de que una cosa causa otra debido a una conexión entre ellas. Por ejemplo, podríamos suponer que Harry entrenó duro para convertirse en un corredor más rápido porque su rendimiento en distancias mejoró. Sin embargo, la realidad puede ser que el rendimiento de Harry en las carreras ha mejorado porque tiene nuevas zapatillas para correr fabricadas con la última tecnología. La suposición original era una relación falsa de causa y efecto.

¿Problemas o dudas? Te ayudamos

Si quieres estar al día, suscríbete a nuestra newsletter y síguenos en Instagram. Si quieres recibir soporte para cualquier duda o problema, no dude en ponerse en contacto con nosotros en info@wikieconomia.org.