Limitaciones de la investigación correlacional

Correlación

Una de las mejores pruebas estadísticas que existen, en mi opinión, es la correlación. La correlación es una relación mutua entre dos variables. Esto significa que cuando una variable sube, la otra responderá aumentando (conocida como correlación positiva) o disminuyendo (conocida como correlación negativa). Las variables fáciles de entender incluyen:

• Cuanto más uno estudia, más altas son sus calificaciones.
• Cuanto más se come, menos hambre se siente.

Pero en las ciencias sociales, rara vez existe una correlación perfecta. Una correlación perfecta significa que se ven cambios simultáneos y equivalentes cuando se modifica una variable. Por ejemplo, si estuviera haciendo un experimento sobre el estudio y observara una correlación perfecta entre las horas dedicadas al estudio y las calificaciones en los exámenes, volvería a consultar sus datos.

Los comportamientos y la vida real son tan complicados que rara vez se ve una correlación perfecta. Habrá algo corriendo interferencia. Usted, como investigador, quiere intentar reducir la cantidad de interferencia.

Existen otros límites para la correlación, y el investigador que utiliza técnicas de correlación debe conocer algunos de los límites de las correlaciones. Y la parte realmente aterradora es que no siempre son tan obvios como el problema de la correlación perfecta.

Causalidad

La correlación no es igual a la causalidad.

Los experimentos suelen estar diseñados para demostrar que la variable A causa algo en la variable B. De eso se tratan exactamente nuestros ejemplos anteriores de estudiar y comer. Sin embargo, esos ejemplos son increíblemente simplistas. Aquí hay una pregunta que tiene un poco más de complejidad: ¿La televisión violenta hace que la gente sea más violenta?

La pregunta comienza a moverse de un lado a otro cuanto más lo piensas. ¿La televisión violenta hace que la gente sea más violenta, o la gente violenta ve televisión más violenta?

Un problema con la correlación es que las variables que le interesan simplemente interactúan entre sí. No necesariamente se están causando entre sí. Entonces, siempre que esté usando una correlación, es inexacto decir que la variable A causa la variable B. Todo lo que puede decir con una correlación es que la variable A interactúa con la variable B.

Direccionalidad

Las correlaciones no indican la dirección de la interacción.

Una correlación no le dice cómo interactúan la variable A y la variable B. Todo lo que te dice es que interactúan. Aquí hay otro ejemplo: a medida que aumenta el uso de drogas, aumentan los problemas de relaciones interpersonales.

Esto significa que a medida que aumenta el uso de drogas, también aumentan los problemas de relación. ¿O es que a medida que aumentan los problemas en las relaciones, también aumenta el consumo de drogas? Todo lo que podemos decirle de nuestra correlación es que los dos están conectados.

Dejando de lado nuestro ejemplo, podemos hacer conjeturas fundamentadas sobre la direccionalidad de una correlación, pero la correlación en sí no nos dice qué variable causa lo que estamos observando. Nuestra suposición fundamentada se basa en nuestra comprensión de un tema, el experimento y lo que podemos interpretar a partir de la correlación.

Tercera variable

Las correlaciones pueden estar midiendo una tercera variable desconocida.

Esta es una de las preocupaciones más comunes cuando se utiliza un diseño correlacional. ¿Qué sucede cuando en realidad no está midiendo las dos variables que cree que está midiendo? Aquí está el famoso ejemplo: las tasas de homicidio y las ventas de helados están correlacionadas positivamente.

A medida que aumentan las tasas de homicidios, también aumentan las ventas de helados. Al parecer, después de un buen asesinato, a los asesinos les gusta salir a comprar helados. Tener sentido; el asesinato requiere mucho trabajo.

Lo que realmente está sucediendo es que se está midiendo una tercera variable. Después de un poco de trabajo, se hizo evidente que las tasas de homicidio y las ventas de helados estaban correlacionadas con la temperatura. A medida que aumenta la temperatura, también aumentan los ánimos y las ventas de helados. La correlación original entre helado y asesinato estaba siendo influenciada por una variable desconocida e invisible.

No hay una forma sencilla de saber si hay una tercera variable que estropea sus datos. Tienes que echar un buen vistazo a las variables que estás estudiando y lo que dicen. Las matemáticas ayudan aquí, pero es más un problema de lógica que de matemáticas.

Resumen de la lección

La correlación es una relación mutua entre dos variables. Una correlación perfecta , que es un cambio simultáneo y equivalente que se observa cuando se altera una variable, casi nunca ocurre en la investigación psicológica. La correlación también tiene varios otros límites, que un investigador debe conocer. Esto incluye:

• La correlación no es igual a la causalidad.
• Las correlaciones no indican la dirección de la interacción.
• Las correlaciones pueden estar midiendo una tercera variable desconocida.

Resultado de aprendizaje

Cuando termine esta lección, debería poder identificar las tres limitaciones principales de la correlación.