Moverse juntas no es empujarse
La correlación mide si dos variables varían juntas: si cuando una sube la otra también (positiva), si una sube y la otra baja (negativa), o si no hay patrón (cero). Es un número entre menos 1 y más 1. Pero solo describe cuánto se mueven al unísono, no por qué.
La causalidad afirma algo mucho más fuerte: que cambiar una cosa provoca el cambio de la otra. Entre «van juntas» y «una causa a la otra» hay un abismo, y cruzarlo sin evidencia es el error lógico más común en titulares y pláticas de café. Que A y B correlacionen puede significar que A causa B, que B causa A, que una tercera causa ambas, o que fue pura coincidencia. La correlación, por sí sola, no decide entre esas cuatro salidas.
Correlaciones espurias y coincidencias
Existen bases de datos que emparejan variables sin sentido para burlarse del error: el consumo de queso correlaciona con las muertes por quedarse atrapado en las sábanas; el número de películas de un actor sale con la cantidad de metros de vía férrea construidos. Son correlaciones espurias: matemáticamente reales, causalmente ridículas. Sirven de vacuna mental: si dos cosas pueden seguirse al pie de la letra por pura casualidad numérica, la correlación desde luego no demuestra nada por sí sola.
El problema se agrava con los datos agregados en el tiempo: muchas variables «suben» simplemente porque todo crece con la población, la inflación o el paso de los años, así que se parecen aunque no tengan que ver. Por eso, cuando leas «los estudios muestran que X se relaciona con Y», la pausa obligatoria es: ¿relación o causa? ¿y qué más podría estar moviendo a las dos?
Un estudio halla que las ciudades con más bibliotecas tienen más delincuencia. ¿Cuál es la mejor interpretación?
Una correlación alta y estadísticamente significativa entre dos variables es suficiente para afirmar que una causa a la otra.
La correlación solo mide cuánto dos variables se mueven , no si una la a la otra. Cuando un tercero oculto eleva ambas, hablamos de una variable de .
Clasifica cada explicación
Marca si cada afirmación sobre una correlación es una lectura responsable o un salto causal indebido:
Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.
Busca un titular que diga «X se relaciona con Y» o «X aumenta el riesgo de Y». Identifica la correlación reportada y escribe al menos tres explicaciones alternativas: ¿podría ser al revés? ¿hay una tercera variable? ¿podría ser coincidencia? ¿Qué datos harían falta para hablar de causa?
Pregunta guía: ¿qué más movió a las dos al mismo tiempo?
Tu texto se guarda sólo en este dispositivo.
Un artículo popular une dos datos. Un paso comete el error de correlación por causa. Señálalo:
Marca la línea o las líneas con error y pulsa Comprobar.
Chequeo: correlación y causalidad
Aquí se mira lo que ya fuiste acertando. Pulsa «Comprobar» para saber si puedes seguir.
Para dominar este tema
- La correlación mide cuánto dos variables van juntas.
- Causalidad afirma que una provoca a la otra: es otra cosa.
- Una tercera variable (confusora) puede elevar ambas a la vez.
- Existen correlaciones espurias reales pero sin sentido.
- Antes de aceptar «causa», exige mecanismo y control de otras variables.
Siguiente: Tercera variable y causación inversa — profundizamos: cuándo la causa va «al revés» de lo que crees y cómo una confusora disfrazada engaña hasta a estudios serios.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.