Cómo calcular el coeficiente de correlación en Excel paso a paso

¿Las ventas suben cuando aumenta la inversión en publicidad? ¿Las visitas a la web están relacionadas con las consultas recibidas? Para responder con datos, existe una medida estadística sencilla: el coeficiente de correlación. Y se puede calcular en pocos clics con una hoja de cálculo. En esta guía te explicamos qué es el coeficiente de correlación y cómo calcularlo en Excel paso a paso, con un ejemplo, en 2026.

¿Qué es el coeficiente de correlación?

Es un valor estadístico que mide la fuerza y la dirección de la relación lineal entre dos variables. El más utilizado es el coeficiente de correlación de Pearson, cuyo valor oscila entre −1 y +1:

• +1: correlación positiva perfecta (si una variable sube, la otra también, de forma proporcional).
• 0: ausencia de relación lineal.
• −1: correlación negativa perfecta (si una sube, la otra baja).

Para qué sirve calcular la correlación

A partir de los valores de correlación, las empresas pueden evaluar el impacto de una variable sobre otra y detectar relaciones que merecen estudiarse:

• Inversión publicitaria y ventas.
• Visitas web y número de contactos.
• Precio y volumen de ventas.
• Temperatura y consumo de determinados productos.
• Satisfacción de clientes y recompra.
• Horas de formación y productividad.

Cómo interpretar el resultado

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

Las mismas franjas valen para valores negativos, que indican una relación inversa. Son orientaciones, y el significado depende del contexto y del tamaño de la muestra.

Atención: correlación no implica causalidad. Dos variables pueden moverse juntas sin que una cause la otra, por casualidad o por un tercer factor (por ejemplo, ventas de helados y quemaduras solares dependen del calor).

Cómo calcular el coeficiente de correlación en Excel

1. Abre Excel

El primer paso es abrir Excel y crear una hoja de cálculo donde recoger tus datos.

2. Introduce los datos en dos columnas

Escribe cada variable en una columna, con el mismo número de observaciones y alineadas fila a fila. Por ejemplo, en la columna A la inversión publicitaria mensual y en la B las ventas del mismo mes. Incluye encabezados en la primera fila.

Mes	Inversión (A)	Ventas (B)
1	500	6.200
2	700	7.100
3	600	6.800
4	900	8.400
5	1.000	8.900
6	800	7.600

3. Usa la función COEF.DE.CORREL

En una celda vacía escribe: =COEF.DE.CORREL(B2:B7;C2:C7), indicando los rangos de las dos variables (en inglés, CORREL). También puedes usar la función PEARSON, que da el mismo resultado. Pulsa Intro. El resultado será un número entre −1 y 1; en este ejemplo, cercano a +1, lo que indica una relación positiva muy fuerte.

4. Alternativa: instala las herramientas para análisis

Excel incluye un complemento llamado «Herramientas para análisis» que permite generar una matriz de correlación de varias variables a la vez. Para activarlo:

1. Ve a Archivo > Opciones > Complementos.
2. En «Administrar», elige «Complementos de Excel» y pulsa «Ir».
3. Marca «Herramientas para análisis» y acepta.
4. Ve a la pestaña Datos > Análisis de datos > Coeficiente de correlación.
5. Selecciona el rango de entrada con todas las columnas, marca «Rótulos en la primera fila» y elige dónde mostrar el resultado.

Obtendrás una tabla con la correlación entre cada par de variables.

5. Visualiza los datos con un gráfico de dispersión

Selecciona las dos columnas y elige Insertar > Gráfico de dispersión. Añade una línea de tendencia y muestra su ecuación y el valor R². Un gráfico te ayuda a ver si la relación es realmente lineal y a detectar valores atípicos.

6. Interpreta y decide

Analiza el valor obtenido, comprueba si tiene sentido en el contexto del negocio y evita conclusiones precipitadas. Una correlación alta puede sugerir que merece la pena analizar con más detalle o hacer un experimento controlado.

Buenas prácticas

• Usa datos fiables y del mismo periodo para ambas variables.
• Asegúrate de tener suficientes observaciones (cuantas más, más fiable).
• Revisa los valores atípicos, que pueden distorsionar el resultado.
• Recuerda que Pearson mide relaciones lineales; si la relación es curva, el valor puede ser bajo aunque exista una relación.
• Combina el número con un gráfico.
• No asumas causalidad sin pruebas adicionales.

Ejemplo práctico

Una tienda online calcula la correlación entre su inversión mensual en publicidad y sus ventas de los últimos 12 meses y obtiene 0,82. Es una relación fuerte, lo que anima a mantener la inversión; pero al estudiar el gráfico detecta que, a partir de cierto nivel de gasto, las ventas crecen menos. Decide probar un aumento controlado durante dos meses y medir el retorno antes de subir de forma definitiva el presupuesto.

Errores frecuentes

• Confundir correlación con causalidad.
• Usar rangos de distinto tamaño o desalineados.
• Calcularla con muy pocos datos.
• Incluir celdas vacías o con texto en los rangos.
• No mirar el gráfico y no detectar relaciones no lineales.

Análisis estadístico en 2026 y 2027

Las hojas de cálculo incorporan asistentes de IA que calculan correlaciones, crean gráficos y explican resultados a partir de una pregunta. Facilita el trabajo, pero exige criterio para elegir las variables y para interpretar. En 2027, combinar estadística básica con herramientas de análisis automáticas permitirá a las pymes tomar decisiones más informadas.

Preguntas frecuentes

¿Qué valor se considera una buena correlación?

Depende del contexto; en ciencias sociales y marketing, valores por encima de 0,5 o 0,6 suelen considerarse relevantes.

¿Puedo calcular la correlación entre más de dos variables?

Sí: con la herramienta de análisis de datos obtienes una matriz que compara todas entre sí.

Los números sugieren relaciones; tu criterio decide si merece la pena actuar sobre ellas

Si quieres analizar los datos de tu negocio, hablemos.

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