Correlación y causalidad: por qué confundirlas es un error

Buena parte de los errores al interpretar la realidad proviene de confundir dos ideas: que dos cosas ocurran juntas y que una cause a la otra. La diferencia parece evidente en teoría y se pierde con facilidad en la práctica, sobre todo cuando la conclusión resulta atractiva o confirma lo que ya creíamos.

Este texto explica qué es una correlación, por qué no implica causalidad y qué condiciones hacen falta para hablar de causa. Entenderlo permite leer con criterio los estudios y las noticias que los resumen, y desconfiar de las conclusiones que se apoyan solo en una coincidencia.

Qué es una correlación

Hay correlación cuando dos variables cambian a la vez: al aumentar una, la otra tiende a aumentar o a disminuir. Es un hecho descriptivo, útil para formular preguntas. Si dos cosas se mueven juntas, tiene sentido investigar si hay una relación entre ellas.

El problema no está en observar una correlación, sino en extraer conclusiones causales sin más. La correlación informa de que existe un patrón, no de por qué existe. Confundir esos dos niveles es el origen de la mayoría de los titulares engañosos sobre salud y comportamiento.

Tres explicaciones para una misma correlación

Cuando dos variables se mueven juntas, hay al menos tres explicaciones posibles. La primera es que una cause a la otra. La segunda es que exista una tercera variable que influya en ambas. La tercera es que se trate de una coincidencia, más probable de lo que parece cuando se comparan muchas variables a la vez.

La variable oculta es la culpable más frecuente. Si dos cosas dependen de un mismo factor, parecerán relacionadas aunque no tengan nada que ver entre sí. Antes de hablar de causa, conviene preguntarse si existe un factor común que explique ambas.

Las condiciones para hablar de causa

Para sostener una relación causal se suelen exigir varias condiciones: que la causa sea anterior al efecto, que el efecto varíe cuando varía la causa y que se descarten explicaciones alternativas. Cumplir las tres no es sencillo, y por eso la evidencia causal se construye con muchos estudios.

Los ensayos controlados y aleatorizados son la herramienta más potente para aproximarse a la causalidad, porque reparten al azar los factores que podrían confundir el resultado. Cuando no son posibles, por razones éticas o prácticas, se recurre a métodos observacionales con controles estadísticos.

Por qué el sesgo aparece incluso sin mala intención

Los sesgos no requieren intención: aparecen en el diseño de un estudio, en la forma de seleccionar a los participantes o en cómo se mide lo que se quiere medir. Un sesgo de selección, por ejemplo, hace que la muestra no represente a la población y contamine las conclusiones sin que nadie lo pretenda.

Reconocer estas dificultades no invalida la investigación, sino que la sitúa. Los estudios serios declaran sus limitaciones y tratan de reducirlas. La transparencia sobre los posibles sesgos es, precisamente, una señal de calidad.

Cómo aplicar esto en la vida diaria

En la vida diaria, la cautela frente a las afirmaciones causales es una buena costumbre. Ante un titular que dice que algo «provoca» o «previene», conviene preguntarse de qué tipo de estudio sale y si se han controlado otras explicaciones. La palabra «asociado» suele indicar una relación más débil que «causa».

También ayuda pensar en la plausibilidad: ¿existe un mecanismo razonable que explique la relación? ¿Se ha observado en contextos distintos? ¿La conclusión depende de un solo estudio? Un poco de escepticismo bien dirigido evita adoptar decisiones basadas en coincidencias.

Claves para no confundir correlación con causa

• Una correlación describe un patrón, no explica su origen.
• Puede deberse a una tercera variable que influya en ambas.
• También puede ser una coincidencia entre muchas comparaciones.
• Para hablar de causa hacen falta más condiciones, no solo la asociación.
• Los ensayos aleatorizados son la herramienta más fiable para la causalidad.
• La palabra «asociado» suele indicar una relación más débil que «causa».

Cómo interpretar una relación entre dos variables

Conclusión: describir no es explicar

['La correlación describe lo que ocurre; la causalidad explica por qué ocurre. Mantener separadas ambas ideas evita conclusiones precipitadas y permite valorar la evidencia por su solidez, no por lo llamativo de su titular.', 'La actitud adecuada combina curiosidad y cautela: investigar las relaciones que se observan y no convertirlas en certezas antes de tiempo. Ese equilibrio es la base de un pensamiento crítico útil en la ciencia y en la vida cotidiana.']