Definicion de Falsa correlación: definición, cómo funciona y ejemplos
La **falsa correlación** es un error lógico que se produce al asumir una relación causal entre dos fenómenos cuando en realidad no existe. Se da cuando dos variables parecen estar relacionadas, pero en realidad no lo están.
¿Qué es una correlación espuria?
En estadística, una correlación falsa (también conocida como 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 se debe simplemente al azar o ambas se deben a algún factor de confusión invisible.
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 suele deberse a un tercer factor que no aparece durante el estudio. A esto a veces se le llama factor de interferencia.
Correlación significa que un cambio en una variable provoca un cambio en otra variable.
Cuando dos variables aleatorias se suceden muy de cerca en una gráfica, es fácil sospechar que el movimiento de la variable A está relacionado con el movimiento de la variable B, o viceversa. Esto parecería indicar que las dos variables están correlacionadas.
Sin embargo, un estudio estadístico más exhaustivo puede revelar que los movimientos coordinados son aleatorios o provocados por un tercer factor que influye en ambas 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, los investigadores o analistas examinan críticamente los métodos de investigación utilizados.
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.
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.
Los estadísticos y otros científicos pueden utilizar muchas técnicas para evitar e identificar relaciones espurias, entre ellas:
- Garantizar una muestra adecuadamente representativa
- Obtener un tamaño de muestra adecuado
- Tenga cuidado con los puntos finales arbitrarios
- Controlar tantas variables externas como sea posible.
- Usar la hipótesis nula y probar un valor p fuerte
Ejemplos de falsa correlación
Es fácil encontrar correlaciones interesantes, pero muchas de ellas resultarán falsas. Tres ejemplos son la teoría del dobladillo, el indicador del Super Bowl y la correlación propuesta entre la raza y las tasas de finalización de la universidad.
teoría del dobladillo
La teoría del dobladillo, que se originó en la década de 1920, afirma que la longitud de la falda y la dirección del mercado de valores están correlacionadas. Si el largo de las faldas es largo, la teoría es que la bolsa está bajista. Si el largo de la falda 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 de un equipo de la NFL probablemente significará un repunte en el mercado. 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 un asesor financiero serio no lo recomendaría como estrategia de inversión.
Nivel educativo y raza.
Los sociólogos han centrado su atención 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. Estos hallazgos pueden sugerir que la raza tiene un efecto causal en las tasas de finalización de la universidad. Sin embargo, esto no tiene en cuenta otros factores que influyen en el ingreso y finalización de la universidad. Por ejemplo, las escuelas de comunidades predominantemente negras suelen recibir menos financiación que las escuelas de comunidades predominantemente blancas. En este caso, el racismo, más que la raza, sería visto como la variable causal que influye en el logro educativo.
¿Cuál es un ejemplo de correlación pero no de causalidad?
Un ejemplo de correlación es un estudio que muestra que dormir más conduce a un mejor rendimiento durante el día. Incluso si existe una correlación, no es necesariamente una relación de causa y efecto. Por ejemplo, si el estudio se limitara a los participantes de una sola oficina, podrían utilizar un nuevo software que mejoraría su productividad. Involucrar a una población más grande en el estudio ayudaría a eliminar este tipo de factor de confusión.
¿Qué es la falsa regresión?
La regresión espuria es un modelo estadístico que muestra evidencia estadística engañosa de una relación lineal. En otras palabras, se trata de 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 competición ha mejorado porque tiene zapatillas nuevas para correr y ya no le duelen los pies cuando corre. La suposición original era una relación falsa de causa y efecto.
Línea de fondo
Una correlación falsa o espuria ocurre cuando dos variables parecen estar correlacionadas, pero no lo están. Esto suele ocurrir cuando sus movimientos en el gráfico parecen estar relacionados. Si la correlación es espuria, el movimiento es aleatorio o está causado por un tercer factor de confusión.
Las correlaciones falsas a menudo son causadas por errores en el diseño experimental, como un tamaño de muestra pequeño o un criterio de valoración arbitrario. Para confirmar una relación causa-efecto, se debe diseñar un estudio que controle todas las posibles variables de confusión. Los científicos y estadísticos pueden utilizar el análisis estadístico para identificar relaciones espurias.
Preguntas Frecuentes
1. ¿Qué es una correlación espuria?
Una correlación espuria se refiere a una relación entre dos variables que parece ser causa y efecto, pero no lo es. Es simplemente una apariencia engañosa de relación que puede deberse al azar o a un factor de confusión invisible.
2. ¿Cuál es un ejemplo de correlación pero no de causalidad?
Un ejemplo de correlación pero no de causalidad sería un estudio que muestra que dormir más conduce a un mejor rendimiento durante el día. Aunque existe una correlación, no necesariamente hay una relación de causa y efecto, ya que otros factores pueden influir en el rendimiento.
3. ¿Qué es la falsa regresión?
La regresión espuria es un modelo estadístico que muestra evidencia de una relación lineal engañosa entre dos variables independientes no estacionarias. En resumen, es una correlación espuria entre variables independientes.
¿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.