Introducción a la Psicología

Investigación Correlacional

La correlación significa que hay una relación entre dos o más variables (como el consumo de helados y la delincuencia), pero esta relación no implica necesariamente causa y efecto. Cuando dos variables están correlacionadas, simplemente significa que a medida que una variable cambia, también lo hace la otra. Podemos medir la correlación calculando una estadística conocida como coeficiente de correlación. Un coeficiente de correlación es un número de -1 a +1 que indica la fuerza y dirección de la relación entre variables. El coeficiente de correlación generalmente se representa con la letra r.

La porción numérica del coeficiente de correlación indica la fuerza de la relación. Cuanto más cerca esté el número de 1 (ya sea negativo o positivo), más estrechamente relacionadas estarán las variables, y los cambios más predecibles en una variable serán a medida que cambie la otra variable. Cuanto más cerca esté el número de cero, más débil será la relación y menos predecibles serán las relaciones entre las variables. Por ejemplo, un coeficiente de correlación de 0,9 indica una relación mucho más fuerte que un coeficiente de correlación de 0,3. Si las variables no están relacionadas entre sí en absoluto, el coeficiente de correlación es 0. El ejemplo anterior sobre el helado y el crimen es un ejemplo de dos variables que podríamos esperar que no tengan relación entre sí.

El signo positivo o negativo del coeficiente de correlación indica la dirección de la relación (Figura 1). Una correlación positiva significa que las variables se mueven en la misma dirección. Dicho de otra manera, significa que a medida que una variable aumenta, también lo hace la otra, y a la inversa, cuando una variable disminuye, también lo hace la otra. Una correlación negativa significa que las variables se mueven en direcciones opuestas. Si dos variables están correlacionadas negativamente, una disminución en una variable se asocia con un aumento en la otra y viceversa.

El ejemplo de las tasas de helado y delincuencia es una correlación positiva porque ambas variables aumentan cuando las temperaturas son más cálidas. Otros ejemplos de correlaciones positivas son la relación entre la altura y el peso de un individuo o la relación entre la edad de una persona y el número de arrugas. Uno podría esperar que exista una correlación negativa entre el cansancio de una persona durante el día y el número de horas que durmió la noche anterior: la cantidad de sueño disminuye a medida que aumentan las sensaciones de cansancio. En un ejemplo del mundo real de correlación negativa, los estudiantes investigadores de la Universidad de Minnesota encontraron una correlación negativa débil (r = -0.29) entre el número promedio de días a la semana que los estudiantes dormían menos de 5 horas y su GPA (Lowry, Dean, & Manders, 2010). Tenga en cuenta que una correlación negativa no es lo mismo que ninguna correlación. Por ejemplo, probablemente no encontraríamos correlación entre las horas de sueño y el tamaño del calzado.

Como se mencionó anteriormente, las correlaciones tienen valor predictivo. Imagina que estás en el comité de admisiones de una universidad importante. Se enfrenta a un gran número de solicitudes, pero solo puede acomodar un pequeño porcentaje del grupo de solicitantes. ¿Cómo puede decidir quién debe ser admitido? Podrías intentar correlacionar el GPA universitario de tus estudiantes actuales con sus calificaciones en exámenes estandarizados como el SAT o el ACT. Al observar qué correlaciones fueron más fuertes para sus estudiantes actuales, podría usar esta información para predecir el éxito relativo de aquellos estudiantes que han solicitado la admisión en la universidad.

Figura 1. Las gráficas de dispersión son una vista gráfica de la fuerza y dirección de las correlaciones. Cuanto más fuerte sea la correlación, más cerca estarán los puntos de datos de una línea recta. En estos ejemplos, vemos que hay (a) una correlación positiva entre el peso y la altura, (b) una correlación negativa entre el cansancio y las horas de sueño, y (c) ninguna correlación entre el tamaño del calzado y las horas de sueño.

Correlación No indica Causalidad

Correlacional la investigación es útil porque nos permite descubrir la fuerza y la dirección de las relaciones que existen entre dos variables. Sin embargo, la correlación es limitada porque establecer la existencia de una relación nos dice poco sobre la causa y el efecto. Mientras que las variables a veces se correlacionan porque una causa la otra, también podría ser que algún otro factor, una variable de confusión, realmente esté causando el movimiento sistemático en nuestras variables de interés. En el ejemplo de tasa de helado/delincuencia mencionado anteriormente, la temperatura es una variable de confusión que podría explicar la relación entre las dos variables.

Incluso cuando no podemos señalar variables de confusión claras, no debemos asumir que una correlación entre dos variables implica que una variable causa cambios en otra. Esto puede ser frustrante cuando una relación de causa y efecto parece clara e intuitiva. Piense en nuestra discusión sobre la investigación realizada por la Sociedad Americana del Cáncer y cómo sus proyectos de investigación fueron algunas de las primeras demostraciones del vínculo entre fumar y el cáncer. Parece razonable suponer que fumar causa cáncer, pero si nos limitáramos a la investigación correlacional, estaríamos sobrepasando nuestros límites al hacer esta suposición.

Desafortunadamente, la gente hace afirmaciones equivocadas de causalidad en función de correlaciones todo el tiempo. Tales afirmaciones son especialmente comunes en anuncios y noticias. Por ejemplo, una investigación reciente encontró que las personas que comen cereales de manera regular logran pesos más saludables que aquellos que rara vez comen cereales (Frantzen, Treviño, Echon, Garcia-Dominic, & DiMarco, 2013; Barton et al., 2005). Adivina cómo las compañías de cereales informan de este hallazgo. ¿Comer cereales realmente hace que una persona mantenga un peso saludable, o hay otras explicaciones posibles, como que una persona con un peso saludable es más propensa a comer regularmente un desayuno saludable que una persona obesa o que evita las comidas en un intento de hacer dieta (Figura 2)? Si bien la investigación correlacional es invaluable para identificar relaciones entre variables, una limitación importante es la incapacidad de establecer la causalidad. Los psicólogos quieren hacer declaraciones sobre causa y efecto, pero la única manera de hacerlo es llevar a cabo un experimento para responder a una pregunta de investigación. La siguiente sección describe cómo los experimentos científicos incorporan métodos que eliminan, o controlan, explicaciones alternativas, que permiten a los investigadores explorar cómo los cambios en una variable causan cambios en otra variable.

Figura 2. ¿Comer cereales realmente causa que alguien tenga un peso saludable? (crédito: Tim Skillern)

Correlaciones ilusorias

La tentación de hacer declaraciones de causa y efecto erróneas basadas en la investigación correlacional no es la única forma en que tendemos a malinterpretar los datos. También tendemos a cometer el error de correlaciones ilusorias, especialmente con observaciones no sistemáticas. Las correlaciones ilusorias, o correlaciones falsas, ocurren cuando las personas creen que existen relaciones entre dos cosas cuando no existe tal relación. Una correlación ilusoria bien conocida es el supuesto efecto que las fases de la luna tienen en el comportamiento humano. Muchas personas afirman apasionadamente que el comportamiento humano se ve afectado por la fase de la luna, y específicamente, que las personas actúan de manera extraña cuando la luna está llena (Figura 3).

Figura 3. Mucha gente cree que la luna llena hace que la gente se comporte de forma extraña. (crédito: Cory Zanker)

no se puede negar que la luna ejerce una poderosa influencia en nuestro planeta. El flujo y reflujo de las mareas del océano están estrechamente vinculados a las fuerzas gravitacionales de la luna. Muchas personas creen, por lo tanto, que es lógico que también nos afecte la luna. Después de todo, nuestros cuerpos están hechos en gran medida de agua. Un meta-análisis de casi 40 estudios demostró consistentemente, sin embargo, que la relación entre la luna y nuestro comportamiento no existe (Rotton & Kelly, 1985). Si bien podemos prestar más atención al comportamiento extraño durante la fase completa de la luna, las tasas de comportamiento extraño permanecen constantes durante todo el ciclo lunar.

¿Por qué somos tan propensos a creer en correlaciones ilusorias como esta? A menudo leemos o escuchamos sobre ellos y simplemente aceptamos la información como válida. O, tenemos una corazonada sobre cómo funciona algo y luego buscamos evidencia para apoyar esa corazonada, ignorando la evidencia que nos diría que nuestra corazonada es falsa; esto se conoce como sesgo de confirmación. Otras veces, encontramos correlaciones ilusorias basadas en la información que nos viene más fácilmente a la mente, incluso si esa información es severamente limitada. Y si bien podemos sentirnos seguros de que podemos usar estas relaciones para comprender y predecir mejor el mundo que nos rodea, las correlaciones ilusorias pueden tener inconvenientes significativos. Por ejemplo, la investigación sugiere que las correlaciones ilusorias, en las que ciertos comportamientos se atribuyen incorrectamente a ciertos grupos, están involucradas en la formación de actitudes perjudiciales que, en última instancia, pueden conducir a un comportamiento discriminatorio (Fiedler, 2004).