Calculadora de correlación (Pearson y Spearman)
Mide la fuerza y la dirección de la relación entre dos variables numéricas. Pega dos columnas directamente desde Excel, Google Sheets o SPSS y obtén la r de Pearson con su prueba de significación y el intervalo de confianza del 95 % de Fisher — y la correlación de rangos ρ de Spearman en la misma pantalla, para ver de inmediato si los valores atípicos o la no linealidad cambian la conclusión. Una verificación de normalidad Shapiro-Wilk se ejecuta automáticamente y sugiere cuándo el coeficiente de Spearman basado en rangos es la opción más segura. Esta es una herramienta de correlación estadística (no una calculadora de carteras de inversión); los resultados coinciden con cor.test() de R con al menos seis dígitos significativos.
Informe con IA
Deja que la IA interprete tus resultados: un documento Word descargable en formato APA 7 / informe de negocio.
Preguntas frecuentes
¿Cómo informo una correlación en formato APA 7?
Informa r con los grados de libertad (N − 2), el valor p y, a ser posible, el intervalo de confianza, por ejemplo: "El tiempo de estudio y la nota del examen mostraron una correlación positiva fuerte, r(10) = .99, p < .001, IC del 95 % [.96, 1.00]". El Informe IA redacta por ti la frase APA completa y su interpretación.
¿Debo usar la correlación de Pearson o la de Spearman?
La r de Pearson mide la asociación lineal y asume variables aproximadamente normales sin valores atípicos extremos. La ρ de Spearman trabaja con rangos, por lo que es robusta frente a atípicos y captura cualquier relación monótona. Si las dos discrepan notablemente, examina un diagrama de dispersión — esta herramienta muestra ambas por defecto.
¿Qué se considera una correlación fuerte?
Referencias habituales (Cohen): |r| ≈ 0,10 pequeña, 0,30 mediana, 0,50 o más grande. El contexto importa: en psicología un 0,40 puede ser impresionante, en física puede ser débil. La significación estadística solo dice que es improbable que la correlación sea cero, no que sea grande.
¿Correlación implica causalidad?
No. Una correlación significativa indica que las variables se mueven juntas; no puede decirte cuál causa cuál, ni si una tercera variable impulsa a ambas. Las afirmaciones causales requieren diseños experimentales o cuasiexperimentales cuidadosos.