Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/variables-de-confusion

M03 · BivariadaIntermedioConcepto

Variables de confusión

La tercera variable que produce asociaciones espurias: cómo se la reconoce, cómo se la controla y por qué no toda variable intermedia debe controlarse.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Definición

Una variable de confusión es una tercera variable que:

  1. Se asocia con la exposición —la variable explicativa—.
  2. Se asocia con el resultado, por una vía que no pasa por la exposición.
  3. No es un paso intermedio en la cadena causal entre las dos.

Las tres son necesarias, pero no alcanzan: una variable anterior a la exposición puede cumplirlas y ser, en realidad, un colisionador entre otras dos causas, y controlarla agrega sesgo. Por eso la definición actual es más directa: una confusora es una causa común de la exposición y del resultado, o algo que la representa. Para ver cuál es cuál se dibuja el diagrama causal.

Variables de confusión: la tercera variable que engaña · video, 4:40

2 · Qué produce

Una asociación que parece causal y no lo es, o una que se ve distorsionada en magnitud o incluso en signo.

El caso escolar: ventas de helado y ahogamientos correlacionan. La temperatura se asocia con las ventas (1), se asocia con los ahogamientos por una vía propia —más gente en el agua— (2), y no es un paso intermedio entre comprar helado y ahogarse (3). Es una confusora, y al controlar por temperatura la asociación desaparecería.

3 · Un ejemplo real

En la EPH, entre los asalariados de 18 años o más, el empleo no registrado es mucho más frecuente con hasta secundario incompleto (58,1 %) que con secundario completo o más (30,3 %): una diferencia de 27,8 puntos.

La edad es una candidata clara a confusora, porque es anterior a las dos cosas: nadie cambia su edad por haber terminado el secundario. Y cumple las otras dos condiciones:

EdadCon hasta secundario incompletoEn empleo no registrado
18 a 2424,9 %68,3 %
25 a 3420,7 %45,3 %
35 a 4923,0 %29,8 %
50 o más33,7 %28,0 %

Los mayores de 50 tienen menos educación formal —por la generación a la que pertenecen— y, a la vez, mucha menos informalidad que los jóvenes. Eso disimula una parte de la diferencia educativa. Ajustada por edad, con el método de Mantel-Haenszel, la diferencia pasa de 27,8 a 29,5 puntos.

Son casos de la muestra, sin ponderar; las 29 personas sin instrucción quedan afuera.

4 · Lo que parece confusión y no lo es

La misma tabla de la EPH, ahora por sexo:

VaronesMujeresDiferencia
Global35,6 %39,4 %−3,7 puntos
Primario incompleto59,0 %70,3 %−11,4
Primario completo50,1 %63,0 %−12,9
Secundario incompleto54,7 %68,5 %−13,8
Secundario completo33,9 %46,5 %−12,6
Superior incompleto33,1 %42,7 %−9,7
Superior completo13,2 %15,2 %−2,0

La brecha global es de 3,7 puntos, y dentro de casi todos los niveles educativos, de 10 a 14. Ajustada por nivel educativo, de 9,6 puntos (10,3 con el ponderador).

El mecanismo: las asalariadas tienen más educación —el 33,5 % completó el nivel superior, contra el 19,6 % de los asalariados—, y ese nivel tiene la informalidad más baja. Su mayor educación compensa la brecha cuando se mira todo junto.

El nivel educativo cumple las dos primeras condiciones: se asocia con el sexo y con la informalidad. La tercera, no. El sexo es anterior a la educación, y las diferencias educativas entre varones y mujeres son en parte consecuencia del género: la educación está en el camino, no antes. No es una confusora, y por eso la brecha de 3,7 puntos no es “la cifra sesgada” ni la de 9,6 “la verdadera”.

5 · Confusión o interacción

Al estratificar pueden pasar dos cosas distintas, y conviene no confundirlas porque llevan a informes diferentes:

Lo que se ve en los estratosQué esCómo se informa
Efectos parecidos entre sí, pero distintos del globalConfusiónUn único valor ajustado
Efectos muy distintos según el estratoInteracciónUn valor por estrato, sin promediar

Si son parecidos o muy distintos no se decide a ojo: hay pruebas de homogeneidad, como la de Breslow y Day para los odds ratios.

Y hay una trampa: depende de la escala. En la tabla por sexo, medidas en puntos, las brechas no son homogéneas (p<0,001p < 0{,}001). Van de −9,7 a −13,8 en cinco niveles, y el superior completo, con −2,0, se despega. Medidas como razones, en cambio, se parecen bastante más: las mujeres tienen entre 1,15 y 1,37 veces la informalidad de los varones en todos los niveles, también en el superior completo. Ahí la brecha en puntos es chica porque la informalidad de los dos es baja, no porque el sexo pese menos.

Ver interacción entre factores.

6 · Cómo se controla

MomentoEstrategiaQué controla
Diseñoaleatorizacióntodo, incluso lo no medido
Diseñorestricción a un solo nivelesa variable, a costa de generalización
Diseñoemparejamientolas variables usadas para emparejar
Análisisestratificación y Mantel-Haenszellas variables medidas
Análisisregresión múltipleídem, con más variables a la vez
Análisisestandarizaciónla estructura de la población

7 · Lo que NO hay que controlar

Acá está el error más sofisticado del tema, y el que más daño hace.

Un mediador. Si la exposición causa la variable intermedia y esa causa el resultado, controlarla borra parte del efecto que se quería medir. Si la educación mejora el ingreso a través del tipo de ocupación, controlar por ocupación hace desaparecer buena parte del efecto de la educación.

Un colisionador. Una variable causada por las dos. Controlarla introduce una asociación espuria que no existía. Es contraintuitivo y produce sesgos serios, sobre todo cuando el colisionador es el criterio de selección de la muestra.

8 · Cómo reconocerla en la práctica

  1. Listar las variables que podrían afectar al resultado.
  2. Ver cuáles además difieren entre los grupos de exposición.
  3. Descartar las que sean mediadoras o colisionadoras.
  4. Estratificar por las que queden y comparar con el resultado global.

Si la asociación cambia mucho al estratificar, había confusión. El criterio práctico más usado es el del 10 %: si el efecto estimado se mueve más de un 10 % al incorporar la variable, se la considera confusora y se la deja en el análisis.

El criterio solo sirve después del paso 3. Ajustar por un mediador también mueve el estimado —en el ejemplo por sexo, de 3,7 a 9,6 puntos, más del 150 %— y eso no la convierte en confusora. Y con odds ratios el estimado puede cambiar al agregar una variable aunque no haya confusión, por una propiedad de esa medida, así que el criterio es más confiable con diferencias o razones de riesgos. En el ejemplo de la edad, el cambio es del 6 %: por el criterio, no haría falta ajustar, aunque informarla no cuesta nada.

9 · Errores frecuentes

  • No pensarlas. Toda asociación observacional tiene confusoras candidatas.
  • Controlar mediadores y concluir que no hay efecto.
  • Llamar confusora a cualquier variable que cambia el resultado, sin mirar si es anterior a la exposición o viene después.
  • Controlar colisionadores y crear una asociación inexistente.
  • Confundir confusión con interacción. Si los estratos se comportan distinto, no hay que promediarlos: hay que informarlos por separado.
  • Anunciar una interacción sin decir la escala, o decidirla a ojo sin una prueba de homogeneidad.
  • Controlar con categorías gruesas y creer que la confusión desapareció.
  • Creer que controlar por lo medido alcanza.
  • Meter todas las variables al modelo sin un orden causal pensado.
  • Interpretar causalmente todos los coeficientes de un modelo ajustado.
  • Reportar solo el resultado ajustado. Van los dos, crudo y ajustado, para que se vea cuánto cambió.
  • Suponer que un nn grande protege. No: la confusión no se diluye con más casos.

10 · En el software

# R — crudo contra ajustado, siempre los dos
tabla <- xtabs(~ educacion + noreg + edad, datos)
mantelhaen.test(tabla)                 # OR de Mantel-Haenszel y su prueba

# Diferencia de riesgos cruda y ajustada con una regresión lineal
coef(lm(noreg ~ educacion, datos))
coef(lm(noreg ~ educacion + edad, datos))

# Homogeneidad entre estratos (Breslow-Day)
DescTools::BreslowDayTest(tabla)

# Medidas crudas y ajustadas, con sus intervalos
epiR::epi.2by2(tabla, method = "cross.sectional")
# Python
from statsmodels.stats.contingency_tables import StratifiedTable
st = StratifiedTable(lista_de_tablas_2x2)   # una tabla 2×2 por estrato
st.oddsratio_pooled, st.riskratio_pooled    # Mantel-Haenszel
st.test_equal_odds()                        # homogeneidad (Breslow-Day)
SPSS:     Analizar › Estadísticos descriptivos › Tablas cruzadas ›
          la variable de control en Capa 1 ›
          Estadísticos › Estadísticos de Cochran y de Mantel-Haenszel

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Variables de confusión. estadistica.ar. https://estadistica.ar/conceptos/variables-de-confusion

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). Variables de confusión. estadistica.ar. https://estadistica.ar/conceptos/variables-de-confusion

BibTeX

@misc{estadistica_ar_variables_de_confusion,
  author       = {Montivero, Jorge Luis},
  title        = {{Variables de confusión}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/variables-de-confusion}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-10}
}

Última actualización: 10 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.