estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/correlacion-parcial
Correlación parcial
La correlación entre dos variables una vez descontado el efecto de una tercera: la versión numérica de estratificar, y la forma de poner a prueba una confusión.
Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma
1 · Qué es
La correlación parcial entre e controlando por es la correlación que queda entre las dos primeras después de descontar, de cada una, la parte que explica.

El parecido tiene un límite: estratificar da una correlación por grupo, y la parcial da una sola, como si la relación fuera la misma en todos. Cuando no lo es, la parcial la promedia y esconde la diferencia (hay un ejemplo en la sección 4).
2 · La forma intuitiva de entenderla
La fórmula parece arbitraria y no lo es. Da exactamente el mismo resultado que este procedimiento en tres pasos:
- Ajustar la recta de sobre y quedarse con los residuos: lo que no explica de .
- Hacer lo mismo con sobre .
- Calcular la correlación entre esos dos conjuntos de residuos.
Este camino tiene una ventaja sobre la fórmula: sirve igual con varias variables de control. Basta con sacar los residuos de una regresión múltiple de sobre todas ellas, y lo mismo con .
3 · Un ejemplo construido
El caso clásico de los bomberos: cuantos más bomberos acuden a un incendio, mayor es el daño. Con dos mil incendios simulados en los que el tamaño del siniestro determina las dos cosas:
| Correlación | Valor |
|---|---|
| Bomberos y daño | 0,640 |
| Bomberos y tamaño del siniestro | 0,798 |
| Daño y tamaño del siniestro | 0,798 |
| Bomberos y daño, controlando por tamaño | 0,009 |
La asociación original era fuerte y, una vez descontado el tamaño del incendio, desaparece por completo. En esta simulación los bomberos no causan el daño, porque así se la construyó: los dos son consecuencia de la magnitud del fuego. El 0,009 que queda tampoco es un efecto pequeño, es azar: con dos mil casos, la prueba da .
Con datos reales lo esperable sería otra cosa. Los bomberos reducen el daño, así que, descontado el tamaño, la parcial debería dar negativa: un caso del último resultado de la tabla siguiente.
# La simulación, para reproducirla
set.seed(50011)
n <- 2000
tamano <- rnorm(n)
bomberos <- tamano + rnorm(n, sd = 0.755)
dano <- tamano + rnorm(n, sd = 0.755)
cor(bomberos, dano) # 0.640
cor(resid(lm(bomberos ~ tamano)), resid(lm(dano ~ tamano))) # 0.009
4 · Qué puede pasar al controlar
No siempre la correlación baja. Los resultados posibles, y qué significa cada uno:
| Qué pasa con | Interpretación |
|---|---|
| Cae a casi cero | Era espuria, o pasaba a través de |
| Baja pero se mantiene | explicaba parte; queda una relación propia |
| Queda casi igual | no tenía nada que ver |
| Aumenta | estaba tapando la relación |
| Cambia de signo | la tapaba tanto que la daba vuelta |
Que caiga a cero no dice por sí solo que la relación fuera falsa. Si es un mediador — influye en y en —, también desaparece, y ahí la relación era real. Los números son los mismos en los dos casos: lo que los distingue es el orden causal que se supone (ver la sección 6).
Los dos últimos casos sorprenden y son reales: se los llama supresión. Una forma de que ocurra es que la tercera variable se relacione en sentidos opuestos con las otras dos; otra, que se relacione solo con una de ellas, porque al descontarla se achica el denominador. Es pariente de la paradoja de Simpson, que es la inversión de una relación al separar en grupos.
Con datos reales
Entre los 14.212 ocupados de la EPH del primer trimestre de 2026 con horas e ingreso declarados, sin ponderar:
| Correlación entre horas semanales e ingreso | |
|---|---|
| Sin controlar | 0,249 |
| Controlando por sexo | 0,223 |
| Controlando por nivel educativo | 0,258 |
| Solo varones | 0,189 |
| Solo mujeres | 0,294 |
- Por sexo, baja pero se mantiene. Las mujeres declaran menos horas () y menos ingreso (): una parte de la relación pasaba por ahí. El intervalo de confianza del 95 % de la parcial va de 0,207 a 0,239.
- Por nivel educativo, sube un poco. El nivel educativo no tiene relación con las horas () y sí con el ingreso (): es la forma de supresión del denominador.
- La parcial no es la de cada grupo. El 0,223 es un promedio de dos relaciones distintas, 0,189 en los varones y 0,294 en las mujeres. Para ver esa diferencia hay que estratificar.
5 · Parcial y semiparcial
Hay dos versiones y los programas ofrecen las dos:
| Qué descuenta | Se interpreta como | |
|---|---|---|
| Parcial | de las dos variables | la relación entre lo que queda de cada una |
| Semiparcial | solo de una, | cuánto agrega a explicar |
La semiparcial —o parte— nunca es más grande que la parcial, en valor absoluto, y es la que conecta con la regresión múltiple: si se le saca a , su cuadrado es lo que sube el del modelo de al incorporar . En el ejemplo de la EPH, controlando por sexo, la semiparcial de las horas es 0,221 y : el sube casi cinco puntos al agregar las horas a un modelo que ya tenía el sexo.
Hay que fijarse a cuál de las dos le saca el programa: son dos semiparciales distintas y no todos usan la misma convención.
6 · Cómo se prueba
La prueba es la misma que la de una correlación simple, con un grado de libertad menos por cada variable de control. Con controles:
con grados de libertad. El intervalo de confianza sale de la transformación de Fisher, como el de Pearson, con en lugar de .
Si es categórica con dos valores, se la codifica como 0 y 1 y todo funciona igual. Con más categorías conviene pasar a una regresión con variables indicadoras. Y si las variables son ordinales o la relación es monótona pero no lineal, existe la parcial de Spearman: la misma cuenta sobre los rangos.
7 · Sus límites
Solo controla lo que se mide. Igual que cualquier ajuste estadístico: una confusora que no está en la base sigue actuando. Ver variables de confusión.
Supone relaciones lineales. Se descuenta la parte lineal de ; si el efecto de es curvo, queda un residuo que puede seguir contaminando.
No convierte una asociación en causa. Controlar tres variables no vuelve causal a una correlación observacional.
No hay que controlar por cualquier cosa. Si es un mediador —está en el camino causal entre e —, la parcial borra justamente el efecto que se quería medir; si es un colisionador, crea asociaciones que no existen. La decisión es del orden causal supuesto, no de los datos.
8 · Cuándo usarla y cuándo pasar a un modelo
La parcial es cómoda para una o dos variables de control y para explorar. En cuanto hay más, conviene la regresión múltiple, que hace lo mismo con cualquier cantidad de controles, admite variables categóricas, informa errores estándar e intervalos y permite probar interacciones.
De hecho, los coeficientes de una regresión múltiple son correlaciones parciales reescaladas: el de es la parcial multiplicada por el cociente entre los desvíos de los residuos de y de . Y lo más útil: la prueba t de ese coeficiente es la misma que la de la correlación parcial, con el mismo valor p. Ver interpretación de coeficientes parciales.
9 · Errores frecuentes
- Controlar por un mediador y concluir que no había efecto.
- Leer la parcial como la relación dentro de cada grupo cuando esa relación cambia de un grupo a otro.
- Controlar por un colisionador y crear una asociación inexistente.
- Interpretar una parcial alta como causa.
- Controlar por todo lo disponible sin un orden causal pensado.
- Usarla con relaciones curvas sin transformar antes.
- No informar la correlación simple. Van las dos: la cruda y la parcial, para que se vea cuánto cambió.
- Confundir parcial con semiparcial, o una semiparcial con la otra. Son números distintos y los programas devuelven más de uno.
- Leer un valor cercano a cero como cero sin la prueba.
10 · En el software
# R
library(ppcor)
pcor.test(x, y, z) # parcial, con valor p
pcor.test(x, y, z, method = "spearman") # parcial de Spearman
pcor.test(x, y, cbind(z1, z2)) # varios controles
spcor.test(y, x, z) # semiparcial: le saca z a x (la del ΔR²)
# Ojo: spcor.test(x, y, z) le saca z a y, que es la otra semiparcial
# A mano, por residuos
ex <- residuals(lm(x ~ z))
ey <- residuals(lm(y ~ z))
cor(ex, ey) # el mismo número
# Con la fórmula
(cor(x,y) - cor(x,z)*cor(y,z)) / sqrt((1-cor(x,z)^2)*(1-cor(y,z)^2))
# Python
import pingouin as pg
pg.partial_corr(data=d, x="x", y="y", covar="z")
pg.partial_corr(data=d, x="x", y="y", covar="z", method="spearman")
pg.partial_corr(data=d, x="x", y="y", x_covar="z") # semiparcial: z sale de x
# Por residuos, sin dependencias extra
import numpy as np
ex = x - np.polyval(np.polyfit(z, x, 1), z)
ey = y - np.polyval(np.polyfit(z, y, 1), z)
np.corrcoef(ex, ey)[0, 1]
Excel: no tiene función propia. Con x, y, z en A, B, C:
rxy =COEF.DE.CORREL(A2:A100; B2:B100)
rxz =COEF.DE.CORREL(A2:A100; C2:C100)
ryz =COEF.DE.CORREL(B2:B100; C2:C100)
parcial =(rxy - rxz*ryz) / RAIZ((1 - rxz^2) * (1 - ryz^2))
SPSS: Analizar › Correlacionar › Parciales
(en "Controlando por" van las variables a descontar)Seguir leyendo
Bioestadística · Fundamentos y descripción · 62 de 330
Estadística para Economía y Administración · Fundamentos y descripción · 61 de 318
Probabilidad y Estadística · Fundamentos y descripción · 62 de 302
Estadística para Ciencias Sociales · Fundamentos y descripción · 59 de 288
Estadística para la tesis · Los datos · 112 de 233
Cómo citar: Montivero, J. L. (2026). Correlación parcial. estadistica.ar. https://estadistica.ar/conceptos/correlacion-parcial
estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.
Cómo citar esta entrada
APA (7.ª edición)
Montivero, J. L. (2026). Correlación parcial. estadistica.ar. https://estadistica.ar/conceptos/correlacion-parcial
BibTeX
@misc{estadistica_ar_correlacion_parcial,
author = {Montivero, Jorge Luis},
title = {{Correlación parcial}},
year = {2026},
howpublished = {\url{https://estadistica.ar/conceptos/correlacion-parcial}},
note = {estadistica.ar. Consultado el \today},
urldate = {2026-11-09}
}Última actualización: 9 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.