La frase " correlación no implica causalidad " se refiere a la incapacidad de deducir legítimamente una relación de causa y efecto entre dos eventos o variables únicamente sobre la base de una asociación o correlación observada entre ellos. [1] [2] La idea de que "correlación implica causalidad" es un ejemplo de falacia lógica de causa cuestionable , en la que se considera que dos eventos que ocurren juntos han establecido una relación de causa y efecto. Esta falacia también se conoce con la frase latina cum hoc ergo propter hoc ('con esto, luego por esto'). Esto difiere de la falacia conocida como post hoc ergo propter hoc ("después de esto, luego a causa de esto"), en la que un evento que sigue a otro se considera una consecuencia necesaria del evento anterior, y de la fusión , la fusión errante de dos. eventos, ideas, bases de datos, etc., en uno solo.
Como ocurre con cualquier falacia lógica, identificar que el razonamiento detrás de un argumento es defectuoso no implica necesariamente que la conclusión resultante sea falsa. Se han propuesto métodos estadísticos que utilizan la correlación como base para las pruebas de hipótesis de causalidad, incluida la prueba de causalidad de Granger y el mapeo cruzado convergente . Los criterios de Bradford Hill , también conocidos como criterios de causalidad de Hill, son un grupo de nueve principios que pueden ser útiles para establecer evidencia epidemiológica de una relación causal.
En el uso casual, la palabra "implica" significa vagamente sugiere , en lugar de requerir . Sin embargo, en lógica , el uso técnico de la palabra "implica" significa "es condición suficiente para". [3] Ése es el significado que pretenden los estadísticos cuando dicen que la causalidad no es segura. De hecho, p implica que q tiene el significado técnico del condicional material : si p, entonces q se simboliza como p → q . Es decir, "si la circunstancia p es cierta, entonces se sigue q ". En ese sentido, siempre es correcto decir "correlación no implica causalidad".
La palabra " causa " (o "causación") tiene múltiples significados en inglés. En terminología filosófica, "causa" puede referirse a causas necesarias, suficientes o contribuyentes . Al examinar la correlación, "causa" se utiliza con mayor frecuencia para referirse a "una causa contribuyente" (pero no necesariamente la única causa contribuyente).
Si hay causalidad, hay correlación pero también una secuencia en el tiempo de la causa al efecto, un mecanismo plausible y, a veces, causas comunes e intermedias. La correlación se utiliza a menudo para inferir causalidad porque es una condición necesaria : es decir, si A causa B, entonces A y B necesariamente deben estar correlacionados. Sin embargo no es una condición suficiente .
La causalidad inversa o la causalidad inversa o la dirección incorrecta es una falacia informal de causa cuestionable donde la causa y el efecto se invierten. Se dice que la causa es el efecto y viceversa.
En este ejemplo, la correlación (simultaneidad) entre la actividad de los molinos de viento y la velocidad del viento no implica que el viento sea causado por los molinos de viento. Es más bien al revés, como lo sugiere el hecho de que el viento no necesita molinos para existir, mientras que los molinos necesitan viento para girar. El viento se puede observar en lugares donde no hay molinos de viento o molinos de viento no giratorios, y hay buenas razones para creer que el viento existía antes de la invención de los molinos de viento.
Es al revés, ya que enfermedades como el cáncer provocan un nivel bajo de colesterol debido a una multitud de factores, como la pérdida de peso y un aumento de la mortalidad. [6] Esto también se ve en los ex fumadores. Los exfumadores tienen más probabilidades de morir de cáncer de pulmón que los fumadores actuales. [7] Cuando a los fumadores de toda la vida se les dice que tienen cáncer de pulmón, muchos dejan de fumar. Este cambio puede hacer que parezca que los exfumadores tienen más probabilidades de morir de cáncer de pulmón que los fumadores actuales. Esto también se puede ver en los alcohólicos. A medida que a los alcohólicos se les diagnostica cirrosis hepática, muchos dejan de beber. Sin embargo, también experimentan un mayor riesgo de mortalidad. En estos casos, son las enfermedades las que causan un mayor riesgo de mortalidad, pero el aumento de la mortalidad se atribuye a los efectos beneficiosos que siguen al diagnóstico, lo que hace que los cambios saludables parezcan poco saludables.
Ejemplo 3
En otros casos, puede que simplemente no esté claro cuál es la causa y cuál el efecto. Por ejemplo:
Esto fácilmente podría ser al revés; es decir, a los niños violentos les gusta ver más televisión que a los menos violentos.
Ejemplo 4
Una correlación entre el uso de drogas recreativas y los trastornos psiquiátricos podría ser de cualquier manera: tal vez las drogas causen los trastornos, o tal vez las personas usen drogas para automedicarse para afecciones preexistentes. La teoría de las drogas de entrada puede argumentar que el consumo de marihuana conduce al uso de drogas más duras, pero el uso de drogas duras puede conducir al consumo de marihuana (ver también confusión de lo inverso ). De hecho, en las ciencias sociales , donde los experimentos controlados a menudo no pueden utilizarse para discernir la dirección de la causalidad, esta falacia puede alimentar argumentos científicos de larga data. Un ejemplo de ello se puede encontrar en la economía de la educación , entre los modelos de detección / señalización y de capital humano : podría ser que tener una capacidad innata le permita a uno completar una educación, o que completar una educación desarrolle la propia capacidad.
Ejemplo 5
Un ejemplo histórico de esto es que los europeos en la Edad Media creían que los piojos eran beneficiosos para la salud, ya que rara vez había piojos en las personas enfermas. El razonamiento fue que la gente se enfermaba porque los piojos se iban. Sin embargo, la verdadera razón es que los piojos son extremadamente sensibles a la temperatura corporal . Un pequeño aumento de la temperatura corporal, como en el caso de la fiebre , hace que los piojos busquen otro huésped. El termómetro médico aún no se había inventado, por lo que rara vez se notaba ese aumento de temperatura. Los síntomas evidentes aparecieron más tarde, lo que daba la impresión de que los piojos se habían ido antes de que la persona enfermara. [8]
En otros casos, dos fenómenos pueden ser cada uno causa parcial del otro; Consideremos la pobreza y la falta de educación, o la procrastinación y la baja autoestima. Sin embargo, quien formula un argumento basado en estos dos fenómenos debe tener cuidado de evitar la falacia de causa y consecuencia circular . La pobreza es una causa de la falta de educación, pero no es la única causa, y viceversa.
La falacia de la tercera causa (también conocida como ignorar una causa común [9] o causa cuestionable [9] ) es una falacia lógica en la que se confunde una relación espuria con causalidad . Afirma que X causa Y cuando en realidad, tanto X como Y son causados por Z. Es una variación de la falacia post hoc ergo propter hoc y un miembro del grupo de falacias de causa cuestionable .
Todos esos ejemplos tratan de una variable oculta , que es simplemente una tercera variable oculta que afecta a ambas causas de la correlación. A menudo también surge una dificultad cuando el tercer factor, aunque fundamentalmente diferente de A y B, está tan estrechamente relacionado con A y/o B que se confunde con ellos o es muy difícil separarlos científicamente (ver Ejemplo 4).
El ejemplo anterior comete la falacia de correlación implica causalidad, ya que concluye prematuramente que dormir con los zapatos puestos causa dolor de cabeza. Una explicación más plausible es que ambos se deben a un tercer factor, en este caso acostarse borracho , lo que da lugar a una correlación. Entonces la conclusión es falsa.
Este es un ejemplo científico que resultó de un estudio realizado en el Centro Médico de la Universidad de Pensilvania . Publicado en la edición del 13 de mayo de 1999 de Nature , [10] el estudio recibió mucha cobertura en ese momento en la prensa popular. [11] Sin embargo, un estudio posterior en la Universidad Estatal de Ohio no encontró que los bebés que dormían con la luz encendida causaran el desarrollo de miopía. Encontró un fuerte vínculo entre la miopía de los padres y el desarrollo de la miopía infantil, y también señaló que era más probable que los padres miopes dejaran una luz encendida en la habitación de sus hijos. [12] [13] [14] [15] En este caso, la causa de ambas condiciones es la miopía de los padres, y la conclusión anterior es falsa.
Este ejemplo no reconoce la importancia de la época del año y la temperatura para la venta de helados. El helado se vende durante los calurosos meses de verano a un ritmo mucho mayor que durante las épocas más frías, y es durante estos calurosos meses de verano cuando es más probable que las personas realicen actividades que impliquen agua, como nadar . El aumento de las muertes por ahogamiento se debe simplemente a una mayor exposición a actividades acuáticas, no al helado. La conclusión expresada es falsa.
Sin embargo, como se ha encontrado en muchos estudios psicológicos, se descubre otra variable, una "puntuación de autoconciencia", que tiene una correlación más marcada (+0,73) con la timidez. Esto sugiere un posible problema de "tercera variable", sin embargo, cuando se encuentran tres medidas tan estrechamente relacionadas, sugiere además que cada una puede tener tendencias bidireccionales (ver "variable bidireccional", más arriba), siendo un grupo de valores correlacionados, cada uno de los cuales se influye entre sí. hasta cierto punto. Por lo tanto, la simple conclusión anterior puede ser falsa.
Las poblaciones más ricas tienden a comer más alimentos y producir más CO 2 .
Investigaciones posteriores [17] han puesto en duda esta conclusión. En cambio, puede ser que otros factores subyacentes, como los genes, la dieta y el ejercicio, afecten tanto los niveles de HDL como la probabilidad de sufrir un ataque cardíaco; Es posible que los medicamentos afecten el factor directamente medible, los niveles de HDL, sin afectar la posibilidad de sufrir un ataque cardíaco.
La causalidad no es necesariamente unidireccional; [ dudoso ] en una relación depredador-presa , el número de depredadores afecta el número de presas, pero el número de presas, es decir, el suministro de alimentos, también afecta el número de depredadores. Otro ejemplo bien conocido es que los ciclistas tienen un índice de masa corporal más bajo que las personas que no andan en bicicleta. Esto a menudo se explica asumiendo que andar en bicicleta aumenta los niveles de actividad física y, por lo tanto, disminuye el IMC. Debido a que los resultados de estudios prospectivos sobre personas que aumentan su uso de la bicicleta muestran un efecto menor sobre el IMC que los estudios transversales, también puede haber cierta causalidad inversa. Por ejemplo, las personas con un IMC más bajo pueden tener más probabilidades de querer andar en bicicleta en primer lugar. [18]
Las dos variables no están relacionadas en absoluto, sino que se correlacionan por casualidad. Cuantas más cosas se examinan, más probable es que dos variables no relacionadas parezcan estar relacionadas. Por ejemplo:
Gran parte de la evidencia científica se basa en una correlación de variables [19] que se observa que ocurren juntas. Los científicos son cuidadosos al señalar que correlación no significa necesariamente causalidad. El supuesto de que A causa B simplemente porque A se correlaciona con B a menudo no se acepta como una forma legítima de argumento.
Sin embargo, a veces la gente comete la falacia opuesta de descartar por completo la correlación. Eso descartaría una gran cantidad de evidencia científica importante. [19] Dado que puede ser difícil o éticamente imposible realizar estudios controlados doble ciego , la evidencia correlacional desde varios ángulos diferentes puede ser útil para la predicción a pesar de no proporcionar evidencia de causalidad . Por ejemplo, los trabajadores sociales podrían estar interesados en saber cómo se relaciona el abuso infantil con el rendimiento académico. Aunque no sería ético realizar un experimento en el que se asigna a niños al azar para recibir o no abuso, los investigadores pueden observar los grupos existentes utilizando un diseño correlacional no experimental. Si de hecho existe una correlación negativa entre el abuso y el rendimiento académico, los investigadores podrían utilizar este conocimiento de una correlación estadística para hacer predicciones sobre los niños fuera del estudio que sufren abuso, aunque el estudio no haya proporcionado evidencia causal de que el abuso disminuya el rendimiento académico. [20] La combinación de metodologías disponibles limitadas con la falacia de correlación desdeñosa se ha utilizado en ocasiones para contrarrestar un hallazgo científico. Por ejemplo, la industria tabacalera históricamente se ha basado en el rechazo de la evidencia correlacional para rechazar un vínculo entre el humo del tabaco y el cáncer de pulmón , [21] al igual que el biólogo y estadístico Ronald Fisher (frecuentemente en nombre de la industria). [lista 1]
La correlación es un tipo valioso de evidencia científica en campos como la medicina, la psicología y la sociología. Primero se debe confirmar que las correlaciones son reales y luego se deben explorar sistemáticamente todas las posibles relaciones causales. Al final, la correlación por sí sola no puede utilizarse como prueba de una relación de causa y efecto entre un tratamiento y un beneficio, un factor de riesgo y una enfermedad, o un factor social o económico y diversos resultados. Es uno de los tipos de evidencia de los que más se abusa porque es fácil e incluso tentador llegar a conclusiones prematuras basadas en la apariencia preliminar de una correlación. [21]