Cálculo de la correlación en Excel: guía práctica

Antes de invertir más en publicidad, subir un precio o cambiar un horario, es útil saber si dos variables realmente se mueven juntas. La correlación responde a esa pregunta con un número, y Excel lo calcula en segundos. En esta guía práctica te explicamos qué es la correlación y cómo calcularla en Excel, cómo interpretarla y qué errores evitar, en 2026.

¿Qué es la correlación?

La correlación mide la relación entre dos variables. Un coeficiente de correlación indica la fuerza y la dirección de esa relación: cuando una variable sube, ¿la otra también sube, baja o no cambia? Se expresa con un valor entre −1 y +1.

• Cercano a +1: relación positiva fuerte (si una sube, la otra también).
• Cercano a −1: relación negativa fuerte (si una sube, la otra baja).
• Cercano a 0: sin relación lineal apreciable.

¿Cuándo es útil calcularla?

• Inversión en publicidad y ventas.
• Visitas a la web y solicitudes de contacto.
• Precio y volumen vendido.
• Satisfacción de clientes y recompra.
• Horas de formación y productividad.
• Temperatura o estacionalidad y consumo de ciertos productos.

Cómo calcular el coeficiente de correlación en Excel

Entonces, ¿cómo se calcula el coeficiente de correlación en Excel? Es sencillo:

1. Abre Excel y organiza los datos

Coloca cada variable en una columna, con una fila por observación (por ejemplo, un mes). Ambas columnas deben tener el mismo número de datos, alineados, sin celdas vacías ni texto.

2. Usa la función COEF.DE.CORREL

En una celda vacía escribe =COEF.DE.CORREL(B2:B13;C2:C13) (en inglés, CORREL). Indica el rango de la primera variable y el de la segunda. Pulsa Intro. La función PEARSON ofrece el mismo resultado.

3. Alternativa: herramienta de análisis de datos

Si necesitas una matriz con varias variables, activa el complemento «Herramientas para análisis» (Archivo > Opciones > Complementos). Después ve a Datos > Análisis de datos > Coeficiente de correlación, selecciona el rango completo y marca «Rótulos en la primera fila».

4. Crea un gráfico de dispersión

Selecciona las dos columnas y elige Insertar > Gráfico de dispersión. Añade una línea de tendencia con su ecuación y R². Así ves la forma de la relación y los valores atípicos.

5. Calcula R² si lo necesitas

El coeficiente de determinación (R²) es el cuadrado del coeficiente de correlación y expresa qué parte de la variación de una variable se explica por la otra, en una relación lineal. Puedes obtenerlo con =COEFICIENTE.R2(rango_y; rango_x).

Cómo interpretar el resultado

• 0,00 a 0,19: muy débil o nula.
• 0,20 a 0,39: débil.
• 0,40 a 0,59: moderada.
• 0,60 a 0,79: fuerte.
• 0,80 a 1,00: muy fuerte.

Los valores negativos se interpretan igual, pero con la relación inversa. Son pautas orientativas: el significado depende del tema y del tamaño de la muestra.

Limitaciones y precauciones

• Correlación no es causalidad: que dos variables se muevan juntas no significa que una cause la otra; puede haber un tercer factor o una coincidencia.
• Solo mide relaciones lineales: una relación curva puede dar un valor bajo aunque exista relación.
• Sensible a valores atípicos: un dato extremo puede distorsionar el resultado.
• Depende de la cantidad de datos: con muy pocos puntos, el resultado es poco fiable.
• Los periodos importan: comparar variables con desfase (la publicidad de este mes y las ventas del mes siguiente) puede requerir ajustar las filas.

Correlación de Spearman

Si los datos no son numéricos exactos (rankings, escalas) o la relación no es lineal pero sí creciente, puede usarse la correlación de Spearman, que trabaja con los rangos de los datos. Excel no tiene una función directa, pero puedes calcularla ordenando los datos con RANGO.PROMEDIO y aplicando COEF.DE.CORREL a esos rangos.

Ejemplo práctico

Una tienda online reúne los datos de 12 meses: inversión publicitaria y ventas. Aplica =COEF.DE.CORREL y obtiene 0,78: una relación fuerte. El gráfico de dispersión muestra que, a partir de cierto importe, las ventas crecen menos. Con esta información, decide mantener el presupuesto, probar un aumento moderado durante dos meses y medir el retorno antes de comprometer más inversión.

Errores frecuentes

• Incluir los encabezados o celdas de texto en el rango.
• Usar rangos de distinto tamaño.
• Concluir causalidad a partir de la correlación.
• No revisar el gráfico.
• Ignorar los valores atípicos o los periodos de promociones excepcionales.

Análisis de datos en 2026 y 2027

Las hojas de cálculo incorporan asistentes de IA que calculan correlaciones y crean gráficos a partir de una pregunta. Eso agiliza el trabajo, pero exige criterio para elegir las variables y para interpretar con prudencia. En 2027, el análisis básico estará al alcance de todos; la diferencia estará en preguntar bien y decidir con cabeza.

Preguntas frecuentes

¿Qué diferencia hay entre correlación y regresión?

La correlación mide la fuerza de la relación; la regresión modela cómo cambia una variable en función de la otra y permite hacer previsiones.

¿Cuántos datos necesito?

Cuantos más, mejor; con menos de diez observaciones, interpreta el resultado con mucha cautela.

Un coeficiente alto sugiere dónde mirar; solo el análisis y las pruebas confirman por qué

Si quieres analizar mejor los datos de tu negocio, conoce nuestros servicios de SEO y analítica.

Añade Embed a tus fuentes preferidas en Google y verás antes nuestros artículos en las noticias y en Discover.