Análisis de efectos para determinar correlación o causalidad

Correlación frente a causalidad

Determinar cuándo un evento es un ejemplo de correlación o causalidad puede resultar confuso. Para empezar, recuerde que la correlación es cuando dos eventos suceden juntos, pero la causalidad es cuando un evento causa el segundo evento. Al final de la lección, podrá realizar una serie de pruebas para determinar si existe una correlación o una causalidad.

Precedencia temporal

Al analizar un efecto para determinar la correlación o la causalidad, lo primero que debe hacer es considerar la precedencia temporal, que es un proceso que establece lo que viene primero: la causa o el efecto. El ejemplo más clásico de esto es la pregunta: ¿qué viene primero, la gallina o el huevo? Cuanto más difícil es determinar qué sucede primero, más débil es la relación de causalidad. Por ejemplo, si inmediatamente se siente dolorido después de cada vez que levanta pesas, es muy probable que levantar pesas le cause dolor. Sin embargo, esto no siempre estará claro. Por ejemplo, digamos que las personas que beben alcohol tienen tasas más altas de depresión. ¿La depresión conduce a beber alcohol como método de afrontamiento? ¿O las personas que beben alcohol desarrollan depresión debido a la forma en que el alcohol interactúa con el cerebro? Debido a que la depresión y el alcoholismo pueden ocurrir durante largos períodos de tiempo, puede ser difícil determinar qué sucede primero.

Otro ejemplo es la asociación entre felicidad y estado civil. ¿Es más probable que las personas felices estén en una relación de pareja o de pareja? ¿La gente comienza a salir con alguien y luego la compañía los hace más felices? ¿O la felicidad viene antes que las citas? Quizás las personas se sientan atraídas por personas que parecen felices, porque proyectan una buena vida de la que otras personas quieren formar parte.

Covarianza y variables de confusión

Establecer una relación es un paso importante. Antes de averiguar si una relación es correlación o causalidad, primero debemos determinar la covarianza de causa y efecto., que es la fuerza de la relación. Por ejemplo, podríamos encontrar que las personas que levantan pesas con frecuencia tienden a tener una masa muscular más alta que las personas que no levantan pesas con frecuencia. Si bien necesitamos investigar más para determinar si el levantamiento de pesas causa una mayor masa muscular o si las personas que nacen fuertes gravitan hacia el levantamiento de pesas, al menos podemos determinar un patrón general entre los dos. Sin embargo, podríamos encontrar que no existe una relación sólida en absoluto. Si una persona que levanta pesas con regularidad no tiene más probabilidades de tener mayor masa muscular que alguien que no levanta pesas, diríamos que no existe una relación.

También puede haber una variable de confusión , que puede ser otra razón para la relación. Por ejemplo, quizás los grandes atletas son geniales porque son fuertes y luego continúan levantando pesas para convertirse en mejores atletas.

Prueba de variable independiente

¿Ha escuchado alguna vez que las muertes por ahogamiento aumentan cuando aumentan las ventas de helados? ¿Significa esto que el helado causa ahogamiento? Probablemente no. La mejor explicación es que la gente compra más helado en los meses de verano. Las personas también nadan más durante los meses de verano, lo que provoca que más personas se ahoguen durante el verano. Para agotar todas las opciones, lo que significa que probamos cada explicación, usamos pruebas de variables independientes. Por ejemplo, digamos que estamos probando si un nuevo programa de ejercicio conduce a una mayor pérdida de peso. Querríamos probar cualquier otro tipo de variable independiente, como la dieta y la genética. Si encontramos que personas con genética similar, como hermanos o hermanas, comen lo mismo pero uno sigue el programa de ejercicio y otro es sedentario, podemos estar más seguros de que el programa de ejercicio provoca pérdida de peso. Sin embargo, si descubrimos que las personas que hacen el mismo ejercicio, pero comen de manera diferente, pierden diferentes cantidades, tendremos menos confianza en el efecto que tiene el programa de ejercicios en la pérdida de peso.

La mejor manera de agotar todas las opciones es considerar todos los factores que podrían influir en una relación. Una buena forma de ver esto es pensar primero en una relación como A causa B. Luego, pregúntese si C podría causar A, si C podría causar B, o si de hecho A causa B. Por ejemplo, si le dicen que las altas tasas de coeficiente intelectual se correlacionan positivamente con las altas tasas de graduación, es posible que deseemos observar varias otras variables. ¿Las personas que asisten a la universidad logran tasas de CI más altas? ¿Tienen las personas que leen más libros índices de coeficiente intelectual más altos y también índices de graduación más altos?

Resumen de la lección

Hay tres preguntas o pruebas básicas para hacer al determinar la causalidad , que es un evento causa el segundo evento, o correlación , que es cuando dos eventos suceden juntos. Recuerde que la causalidad significa que un evento conduce al otro evento. La correlación significa que dos eventos ocurren juntos, pero uno no causa al otro. Cuando analizamos los efectos para determinar la correlación o la causalidad, existen tres pruebas básicas. Primero, podemos considerar la precedencia temporal , que es un proceso que establece lo que viene primero: la causa o el efecto. Queremos saber si la gallina viene antes que el huevo o el huevo antes que la gallina. También querrá determinar si realmente existe una covarianza de causa y efecto, o la fuerza de la relación. En otras palabras, ¿existe alguna relación? También querrá determinar si hay una variable de confusión , que es otra posible razón para una relación. Finalmente, querrá considerar las pruebas de variables independientes , que es cuando probamos todas las demás explicaciones. Hacer todo esto lo ayudará a agotar todas las opciones y probar cada explicación.

Rodrigo Ricardo Editor y fundador