Guía del análisis de correlación
Análisis de correlación: detecta e interpreta relaciones en los datos de tu encuesta
Un análisis de correlación muestra si dos variables suben y bajan a la vez y hasta qué punto están relacionadas, por ejemplo la satisfacción con la atención al cliente y la disposición a recomendar. Aquí descubres cómo funcionan Pearson y Spearman, cómo valorar r, por qué una correlación no demuestra una causa y qué calcula 121surveys por ti.
Crear y probar es gratis. Para publicar, eliges un plan de pago.
Lo básico: qué dice el coeficiente de correlación
¿Qué mide el coeficiente de correlación r?
El coeficiente de correlación r resume la relación entre dos variables en un número entre −1 y +1. El signo indica la dirección: positivo significa que los valores altos de una van con valores altos de la otra; negativo, que una sube mientras la otra baja. El valor absoluto indica la fuerza: con 0 no hay relación lineal; con ±1, todos los puntos están sobre una recta. Ojo: r solo recoge relaciones lineales (Pearson) o monótonas (Spearman). Una curva en forma de U invertida puede dar un r cercano a 0, y un diagrama de dispersión te muestra si es así.
Correlación de Pearson: fórmula y requisitos
La r de Pearson pone en relación la variación conjunta de dos variables con la variación de cada una: r = Σ(x − x̄)(y − ȳ) / √(Σ(x − x̄)² · Σ(y − ȳ)²). En el numerador está la suma de los productos de las desviaciones; el denominador hace que el resultado no dependa de la unidad, así que medir en euros o en céntimos no cambia r. Pearson encaja con datos cuantitativos o casi: respuestas numéricas, deslizadores y, en la práctica, la mayoría de las escalas de valoración de cinco o más puntos. La relación debería ser más o menos lineal, y unos pocos valores atípicos bastan para mover mucho r.
Correlación de rangos de Spearman: para rangos y valores atípicos
La rho de Spearman no trabaja con los valores, sino con su posición en el orden: cada respuesta recibe un rango, los empates comparten el rango medio y después se calcula la r de Pearson sobre esos rangos. Así Spearman detecta cualquier relación monótona, aunque no sea una recta, y es mucho menos sensible a los valores atípicos. Para escalas cortas con pocos puntos, distribuciones asimétricas o clasificaciones reales suele ser la opción más prudente.
¿Cuánto es fuerte? Cómo situar r
Una regla práctica muy extendida, propuesta por Cohen, llama débil a una r de alrededor de 0,1, moderada a una de 0,3 y fuerte a partir de 0,5. Es una convención, no una ley: en encuestas de actitudes, valores en torno a 0,3 ya suelen ser relevantes, mientras que dos mediciones de lo mismo deberían coincidir mucho más. Ayuda el cuadrado r²: indica la parte de la variación que las dos variables comparten. Con r = 0,3 es solo 0,09, es decir, un nueve por ciento: la relación existe, pero no explica la mayor parte de las diferencias entre las personas encuestadas.
Cuántas respuestas
Para detectar con fiabilidad una correlación media (r = 0,3) necesitas unas 85 respuestas. Las correlaciones más débiles requieren bastantes más.
Correlación no es causalidad
Por qué una relación no demuestra una causa
Una correlación solo dice que dos variables varían a la vez. No puede mostrar que una provoque la otra. Quien está contento con el soporte recomienda más a menudo, pero quizá los clientes satisfechos simplemente recurren más al soporte y tienen así más ocasiones de vivir buenas experiencias. Para hablar de causa necesitas más: un orden temporal, una explicación plausible y, idealmente, un experimento en el que cambies a propósito una variable y observes la otra.
Terceras variables, correlación espuria y dirección
A menudo detrás de una correlación hay una tercera variable que influye en ambas. Si la satisfacción con un software va unida al tamaño del equipo, la razón real puede ser el sector en el que abundan los equipos grandes. Al dividir los datos por esos grupos, una relación puede debilitarse, desaparecer o incluso invertirse. La dirección también queda abierta: ¿la confianza lleva a la satisfacción o al revés? Una sola encuesta no basta para responderlo.
Análisis de impulsores en encuestas
En encuestas a clientes y a empleados, la correlación se usa a menudo como análisis rápido de impulsores: ¿qué valoración concreta, como precio, plazo de entrega o asesoramiento, está más relacionada con la satisfacción global o con el NPS? Es una buena primera mirada. Pero los impulsores también suelen estar relacionados entre sí; quien valora bien el asesoramiento a menudo puntúa mejor también la entrega. La aportación propia de cada impulsor solo aparece con una regresión múltiple, que puedes calcular, por ejemplo, en SPSS.
El análisis de correlación en 121surveys
Una matriz de correlación con todas las preguntas numéricas
El análisis calcula la correlación de Pearson para cada par de preguntas numéricas de tu encuesta y la muestra como matriz: escalas de valoración, valoraciones con estrellas, NPS, eNPS, CSAT, CES, pulse check, deslizadores y campos numéricos. La pestaña aparece en cuanto la encuesta tiene al menos dos preguntas de este tipo.
Cálculo por pares, con el recuento de cada celda
En cada par cuentan todas las personas que han respondido a las dos preguntas. La matriz muestra ese número en cada celda, para que no confundas un valor basado en pocas respuestas con otro basado en muchas. Con muy pocas respuestas en común no sale ningún valor.
Filtros y periodo del análisis
Las correlaciones siguen los filtros y el periodo que hayas fijado en el análisis. Así compruebas, por ejemplo, si la relación entre servicio y recomendación cambia entre clientes nuevos y clientes de siempre. Estos análisis avanzados están disponibles a partir del rol Analista.
Exportación para Spearman y regresión, MCP para asistentes de IA
Las correlaciones de Spearman, las pruebas de significación y las regresiones las calculas en tu programa estadístico tras exportar los datos brutos como archivo SPSS, Excel, CSV, ODS o JSON. Un asistente de IA consulta la matriz con la herramienta MCP get_correlations.
Preguntas frecuentes
¿Qué es un análisis de correlación?
Un análisis de correlación comprueba si dos variables están relacionadas y con qué intensidad. El resultado es un coeficiente entre −1 y +1: el signo indica la dirección y el valor absoluto, la fuerza. En una encuesta te sirve, por ejemplo, para ver cuánto se relaciona la valoración de cada servicio con la satisfacción global.
¿Cuándo elijo Pearson y cuándo Spearman?
Pearson encaja con números y escalas algo largas cuya relación es más o menos lineal. Spearman trabaja con rangos y va bien con escalas ordinales cortas, distribuciones asimétricas y datos con valores atípicos. Si ambos resultados se parecen, la conclusión es sólida; si difieren mucho, conviene mirar el diagrama de dispersión.
¿Calcula 121surveys también la correlación de Spearman?
No. La matriz de correlación de 121surveys muestra correlaciones de Pearson. Para Spearman, pruebas de significación o correlaciones parciales, exporta los datos brutos, por ejemplo como archivo SPSS, Excel o CSV, y sigue en tu programa estadístico.
¿Cuántas respuestas necesito para un análisis de correlación?
Depende de lo fuerte que sea la relación que quieres detectar: las relaciones débiles necesitan bastantes más respuestas que las fuertes. Comprueba también que en cada par haya suficientes personas que hayan respondido a las dos preguntas; la matriz de 121surveys muestra el recuento de cada celda. Para estimar cuántas respuestas necesitas para una precisión determinada, recurre a la calculadora de tamaño de muestra.
¿Una correlación alta significa que debo actuar justo ahí?
Es una pista, no una prueba. Una relación fuerte entre una valoración concreta y la satisfacción global convierte ese punto en candidato. Si mejorarlo sube de verdad la satisfacción solo lo muestra una comparación antes y después o una prueba dirigida, y una regresión separa la aportación de impulsores que se solapan.
Encontrar relaciones y luego comprobar causas
Con la matriz de correlación de 121surveys ves de un vistazo qué valoraciones suben y bajan juntas. Tómala como mapa para tus próximas preguntas y comprueba las causas con comparaciones entre grupos, una regresión o una prueba dirigida.
