Skip to content

10 correlaciones que no son causas

10 correlaciones que no son causas
Satisfacer
  1. El problema con Henry (y Hawthorne)
  2. ¿Siempre apuesta por el negro?
  3. la mano y la pata calientes del mono
  4. desequilibrio hormonal
  5. Reorganización del mercado de valores del Super Bowl
  6. Big data, falta de claridad
  7. El salario mínimo es igual al desempleo máximo
  8. El desayuno vence a la obesidad, la cena niega las drogas
  9. sexo suicida
  10. Malestar de la vacunación

10: El problema con Henry (y Hawthorne)

Los investigadores que estudiaron la productividad de los trabajadores de las fábricas a principios del siglo XX descubrieron el efecto Hawthorne, o la idea de que el conocimiento de los participantes de un experimento podría influir en sus resultados.

Christopher Furlong News / Getty Images

La gente busca el dolor. Responden no solo al estímulo que estás estudiando, sino también a la experiencia en sí. Los investigadores ahora están tratando de diseñar experimentos para controlar estos factores, pero no siempre fue así.

Vea la fábrica de Hawthorne en Cicero, Illinois. En una serie de experimentos de 1924 a 1932, los investigadores investigaron los efectos en la productividad de los trabajadores asociados con el cambio del entorno de la planta de Illinois, incluidos los cambios en los niveles de luz, la reorganización de ubicaciones y el movimiento de las estaciones de trabajo. Justo cuando pensaban que entendían algo, notaron un problema: los aumentos de productividad observados disminuyeron a medida que los investigadores dejaban el empleo, lo que indica que el conocimiento de la experiencia de los trabajadores, no de los cambios de los investigadores, había impulsado el empoderamiento. Los investigadores todavía llaman a este fenómeno Efecto espino.

Publicidad

Un concepto relacionado, el Efecto John Henry, ocurre cuando los miembros de un grupo de control intentan vencer al grupo experimental con esfuerzo. No necesitan conocer la experiencia; solo necesitan que un grupo reciba nuevas herramientas o instrucciones adicionales. Como el hombre legendario al volante de acero, quieren demostrar sus habilidades y ganarse el respeto. [sources: Saretsky; Vogt].

9: ¿Siempre apuestas por el negro?

Si el rojo solo apareciera siete veces seguidas en la ruleta, ¿sería más probable que apostara al rojo o al negro antes de la octava ronda?

Si el rojo solo apareciera siete veces seguidas en la ruleta, ¿sería más probable que apostara al rojo o al negro antes de la octava ronda?

tony4urban / iStock / Thinkstock

Los personajes principales de “Rosencrantz and Guildenstern Are Dead” de Tom Stoppard comienzan la película perplejos, confundidos y finalmente asustados cuando cada uno de los 157 lanzamientos consecutivos de monedas se encuentra cara a cara. Las explicaciones de Guildenstern de este fenómeno van desde ciclos de tiempo hasta “una lógica espectacular para el principio de que cada pieza, rotada individualmente, tiene la misma probabilidad de caer cabeza que …”

La evolución ha conectado a los humanos con patrones de visión, y nuestra capacidad para procesar adecuadamente este impulso parece desvanecerse cuanto más tiempo pasamos jugando. Podemos aceptar racionalmente que los eventos independientes como cara o cruz mantienen las mismas posibilidades sin importar cuántas veces los ejecutes. Pero también vemos estos eventos, menos racionalmente, como secuencias, que crean correlaciones mentales falsas entre eventos aleatorios. Tomando el pasado como preludio, seguimos pensando que la próxima reversión debería ser una cruz.

Publicidad

los estadísticos lo llaman error del jugador, también conocido como el Error de Montecarlo, a partir de un ejemplo particularmente ilustrativo que tuvo lugar en este famoso balneario de Mónaco. Durante el verano de 1913, los jugadores observaron con creciente asombro cómo la rueda de la ruleta del casino se apagaba 26 veces seguidas. Iluminados por la certeza de que el rojo estaba “vencido”, los apostantes continuaron jugando sus fichas. El casino hizo una menta [sources: Lehrer; Oppenheimer and Monin; Vogt].

8: La mano y la pata calientes del mono

Las supersticiones se presentan en todas las formas en los deportes, como besar la bola de boliche.

Las supersticiones se presentan en todas las formas en los deportes, como besar la bola de boliche.

© Russell Underwood / Corbis

Ninguna discusión sobre las secuelas, el pensamiento mágico o la falsa causalidad estaría completa sin un recorrido por las páginas de deportes. Las temporadas deportivas estelares surgen de una interacción tan misteriosa de factores (habilidades naturales, entrenamiento, confianza en uno mismo, el factor X ocasional) que visualizamos modelos de rendimiento, incluso cuando los estudios rechazan repetidamente los tiroteos en serie y las supersticiones. imaginado. .

La creencia en rachas o rupturas implica que el éxito “causa” el éxito y el fracaso “causa” el fracaso o, quizás más razonablemente, que la variación en un factor común, como la confianza, causa el fracaso. Pero estudio tras estudio no puede probarlo. [sources: Gilovich et al.; Tversky and Gilovich]. Lo mismo ocurre con las supersticiones, aunque eso no impidió que Kevin Rhomberg de los Indios de Cleveland se negara a girar a la derecha en el campo, ni impidió que el pívot de los Senadores de Ottawa, Bruce Gardiner, hundiera su bastón. . [source: Trex].

Publicidad

Incluso la crisis del segundo año suele ser el resultado de un primer año muy bueno. Las fluctuaciones en el desempeño tienden a nivelarse a largo plazo, un fenómeno que los estadísticos llaman Regresión a significar. En los deportes, este promedio es ayudado por el oponente, quien se ajusta para equilibrar el conjunto de habilidades exitosas del nuevo jugador.

7: desequilibrio hormonal

La historia de la TRH, una vez ampliamente utilizada para tratar los síntomas de la menopausia, ha demostrado ser menos sencilla.

La historia de la TRH, una vez ampliamente utilizada para tratar los síntomas de la menopausia, ha demostrado ser menos sencilla.

Christopher Pattbery / iStock / Thinkstock

Los ensayos clínicos aleatorios son el estándar de oro en estadística, pero a veces, en epidemiología, por ejemplo, las consideraciones éticas y prácticas obligan a los investigadores a analizar los casos disponibles. lamentablemente entonces estudios observacionales sesgo de riesgo, variables ocultas y, peor aún, un grupo de estudio que puede no reflejar a la población en su conjunto. Estudiar una muestra representativa es fundamental; esto permite a los investigadores aplicar los resultados a personas ajenas al estudio, como al resto de nosotros.

Un ejemplo: la terapia de reemplazo hormonal (TRH). Además de tratar los síntomas asociados con la menopausia, ha sido elogiada por su capacidad para reducir el riesgo de enfermedad coronaria (CAD), gracias a un estudio observacional de 1991 que hizo mucho ruido. [source: Stampfer and Colditz]. Sin embargo, los ensayos controlados aleatorios posteriores, incluida la Big Women’s Health Initiative, han revelado una relación negativa o estadísticamente insignificante entre la TRH y la enfermedad coronaria. [sources: Lawlor et al.; New York Times].

Publicidad

¿Por qué la diferencia? Por un lado, las mujeres que usan THS tienden a tener un nivel socioeconómico más alto y reciben una dieta y ejercicio de mejor calidad, una relación explicativa oculta que el estudio observacional no abordó por completo. [source: Lawlor et al.].

6: Reorganización del mercado de valores del Super Bowl

Cuándo John Elway y sus compañeros de equipo de los Broncos ganaron el Super Bowl durante dos años consecutivos en 1998 y 1999, el vínculo entre el Super Bowl y la bolsa se vino abajo.

Cuando John Elway y sus compañeros de equipo de los Broncos ganaron el Super Bowl durante dos años consecutivos en 1998 y 1999, el vínculo entre el Super Bowl y la bolsa se vino abajo.

Doug Collier / AFP / Getty Images

En 1978, el periodista y columnista deportivo Leonard Koppett se burló de la confusión de correlación causal al sugerir irónicamente que los resultados del Super Bowl podrían predecir el mercado de valores. Resultó contraproducente: la gente no solo creyó, sino que funcionó, con una frecuencia aterradora.

La propuesta era la siguiente: si alguno de los 16 equipos originales de la Liga Nacional de Fútbol, ​​los que existían antes de que la NFL se fusionara con la Liga de Fútbol Americano en 1966, hubiera ganado el Super Bowl, el mercado de valores habría cerrado más alto que ese. el 31 de diciembre anterior. Si gana un ex equipo de la AFL, caerá [sources: Koppett; Koppett; Koppett; Koppett; Zweig].

Publicidad

De 1967 a 1978, el sistema Koppett pasó de 12 a 12; hasta 1997, tuvo una tasa de éxito del 95%. Tropezó en 1998 y 1999 cuando los ex alumnos de la AFL, los Denver Broncos, ganaron y el mercado creció. [sources: Koppett; Koppett; Koppett; Koppett].

Algunos han argumentado que el modelo existe, motivado por creencias; Funciona, dicen, porque los inversores lo creen o porque creen que otros inversores lo creen. Esta noción, aunque inteligente en un sentido regresivo, hace poco para explicar los 12 años de correlaciones exitosas que precedieron al artículo de Koppett. Otros argumentan que un patrón más relevante es la tendencia alcista a gran escala del mercado de valores, con la excepción de algunos cambios importantes y menores a corto plazo, y el hecho de que un equipo original de la NFL ganó todos los Super Bowl de 1984 a 1998.. [source: Norris].

5: Big Data, falta de claridad

Target es solo una de las muchas empresas que combinan big data para aumentar las ventas.

Target es solo una de las muchas empresas que combinan big data para aumentar las ventas.

© John Gress / Corbis

Big data, el proceso de encontrar patrones en conjuntos de datos lo suficientemente grandes como para soportar los métodos analíticos tradicionales, es actualmente objeto de una tremenda confusión en la sala de juntas. [source: Arthur]. ¿Pero más grande siempre es mejor?

Esta es una regla dada por la mayoría de los investigadores en su primera clase de estadísticas: cuando encuentre un mar de datos, resista la tentación de continuar expedicion de pesca. Con suficientes datos, paciencia y flexibilidad metodológica, las correlaciones son casi inevitables, aunque poco éticas y en gran medida innecesarias.

Publicidad

Después de todo, la simple correlación entre dos variables no implica causalidad; Además, en muchos casos, esto no significa un gran valor. Por un lado, los investigadores no pueden utilizar medidas de correlación estadísticas a voluntad; cada uno contiene ciertos supuestos y limitaciones que las expediciones de pesca a menudo ignoran, sin mencionar las variables ocultas, los problemas de muestreo y las malas interpretaciones que pueden arruinar un estudio mal diseñado.

Por supuesto, el big data tiene sus usos. El control de inventario prospera al descubrir patrones de compra, sin importar cuán misteriosas sean sus causas subyacentes. Para dar un ejemplo un poco aterrador, Target usó plantillas de compras para identificar a las clientas embarazadas y luego enviar cupones específicos. [sources: Duhigg; Hill; Taylor]. Así que aproveche esta tarjeta de recompensas, y un 10% de descuento en sus vitaminas prenatales, pero no espere demasiados grandes datos en el departamento de causalidad.

4: El salario mínimo es igual al desempleo máximo

Los huelguistas de comida rápida se unieron a simpatizantes, sindicalistas y activistas en una manifestación en Foley Square de la ciudad de Nueva York para exigir un aumento del salario mínimo a $ 15 la hora.

Los huelguistas de comida rápida se unieron a simpatizantes, sindicalistas y activistas en una manifestación en Foley Square de la ciudad de Nueva York para exigir un aumento del salario mínimo a $ 15 la hora.

© Andrew Lichtenstein / Corbis

Cualquier cuestión de dinero está destinada a ser profundamente controvertida y altamente politizada, y los aumentos del salario mínimo no son una excepción. Los argumentos son variados y complejos, pero esencialmente una parte sostiene que un salario mínimo más alto perjudica a las empresas, que reduce la disponibilidad de puestos de trabajo, que perjudica a los pobres. La otra parte responde que hay poca evidencia para esta afirmación y que los 3,6 millones de estadounidenses que trabajan por un salario mínimo o menos, algunos de los cuales afirman que no es un salario viable, se beneficiarían de tal aumento. Argumentan que, corregido por inflación, el salario mínimo federal ($ 7,25 la hora en diciembre de 2013) se ha desplomado en los últimos 40 años. [sources: Bureau of Labor Statistics; Irwin].

Como hubiera dicho George Bernard Shaw, “si todos los economistas estuvieran juntos, nunca llegarían a una conclusión”, y el debate sobre el salario mínimo parece confirmarlo. [source: Ridgers. For every analyst who says minimum wage increases drive jobs away there is another who argues against such a correlation [sources: Baskaya and Rubinstein; Card and Krueger].

Publicidad

En última instancia, las dos partes comparten un problema fundamental, que es la gran cantidad de evidencia anecdótica en la que muchos de sus hablantes confían para apoyarse mutuamente. Las historias de segunda mano y los datos cuidadosamente recopilados debilitan el té en cualquier fiesta, incluso cuando se presentan en bonitos gráficos de barras.

3: El desayuno vence a la obesidad, la cena niega las drogas

La familia que cena junta no toma drogas junta.  No exactamente.

La familia que cena junta no toma drogas junta. No exactamente.

Hemera Technologies / Ablestock.com / Thinkstock

Entre libros, medicamentos y cirugías, la pérdida de peso en los Estados Unidos es una industria de $ 20 mil millones al año, con 108 millones de estadounidenses a cargo de la pérdida de peso cada año. [source: ABC News]. No es sorprendente que los estudios sobre la pérdida de peso, buenos, malos o feos, reciban mucha publicidad en los Estados Unidos.

Considere la idea popular de que el desayuno vence a la obesidad, una pepita glaseada con azúcar derivada de dos estudios principales: uno, un ensayo clínico controlado aleatorio de la Universidad de Vanderbilt de 1992, mostró que revierte el desayuno y los hábitos alimentarios normales. Menos está relacionado con la pérdida de peso; el otro, un estudio observacional del Registro Nacional de Control de Peso de 2002, correlacionó el desayuno con la pérdida de peso exitosa, que no es lo mismo que la correlación con la pérdida de peso. [sources: Brown et al.; O’Connor; Schlundt et al.; Wyatt et al.].

Publicidad

Desafortunadamente, el estudio de NWCR no pudo verificar otros factores o, de hecho, no pudo establecer un vínculo causal a partir de su correlación. Por ejemplo, una persona que quiere adelgazar puede entrenar más, desayunar o consumir proteína de cerdo entera, pero sin un dispositivo experimental capaz de establecer vínculos causales, estos comportamientos no son más que características concomitantes. [sources: Brown et al.; O’Connor].

Un problema similar afecta a los numerosos estudios que relacionan las cenas familiares con un riesgo reducido de abuso de sustancias en los adolescentes. Si bien son atractivos por su estrategia simple y atractiva, estos estudios a menudo no controlan los factores relacionados, como los fuertes lazos familiares o la profunda participación de los padres en la vida del niño. [source: Bialik].

2: sexo suicida

Los investigadores que estudian el suicidio entre los sexos deben ser conscientes de que los hombres y las mujeres que se suicidan pueden usar diferentes armas, lo que influye en sus resultados.

Los investigadores que estudian el suicidio entre los sexos deben ser conscientes de que los hombres y las mujeres que se suicidan pueden usar diferentes armas, lo que influye en sus resultados.

Ediciones Ingram / Thinkstock

A menudo escuchamos que los hombres, especialmente los jóvenes, tienen más probabilidades de suicidarse que las mujeres. De hecho, estas declaraciones son parte de generalización empírica – el acto de hacer una declaración general sobre un patrón común sin tratar de explicarlo – y ocultar una serie de factores de confusión conocidos y potenciales.

Considere, por ejemplo, el hecho de que las mujeres intentan suicidarse tres veces más a menudo que los hombres. Entonces, ¿cómo puede haber una mayor correlación entre el sexo opuesto y el suicidio? La respuesta está en la tasa de éxito, influenciada por diferencias en la metodología: las mujeres recurren a las pastillas, mientras que los hombres tienden a preferir las armas de fuego. [source: O’Connell].

Publicidad

Incluso si pudiéramos deshacernos de estos factores de confusión, el hecho es que la masculinidad en sí misma no es una causa. Para explicar la tendencia, primero debemos identificar factores comunes a los hombres, o al menos suicidas. Lo mismo se aplica a las tasas de suicidio relativamente altas notificadas entre los hombres divorciados. El divorcio no lleva a los hombres al suicidio; cuando corresponde, la variable causal se oculta entre factores relacionados como aislamiento, depresión, sentimientos de impotencia, estrés financiero o pérdida de la custodia [sources: Kposowa; Kposowa; Reuters].

1: irritación de la vacuna

Pediatra con vial de vacuna MMR y bebé de 15 meses.  En los Estados Unidos, el Comité Asesor sobre Prácticas de Inmunización recomienda un programa de vacunación de dos dosis para las vacunas contra el sarampión, las paperas y la rubéola en niños, la primera dosis a los 12-15 meses de edad y la segunda a los 4-6 años de edad.

Pediatra con vial de vacuna MMR y bebé de 15 meses. En los Estados Unidos, el Comité Asesor sobre Prácticas de Inmunización recomienda un programa de vacunación de dos dosis para las vacunas contra el sarampión, las paperas y la rubéola en niños, la primera dosis a los 12-15 meses de edad y la segunda a los 4-6 años de edad.

© TEK IMAGE / Biblioteca de fotografías científicas / Corbis

Ninguna lista de correlación / causalidad estaría completa sin discutir las preocupaciones de los padres sobre la seguridad de las vacunas, arraigadas en la noción popularizada por celebridades como Jenny McCarthy de que las vacunas contra el sarampión, las paperas y la rubéola (MMR) están relacionadas causalmente con los trastornos del espectro del cáncer. Aunque la comunidad médica ha refutado el artículo de 1998 de Andrew Wakefield que inspiró la idea, y aunque los estudios posteriores no muestran un vínculo causal, incluso con múltiples vacunas, algunos padres todavía temen un vínculo con el autismo u otros riesgos relacionados. [sources: The Lancet; Park; Sifferlin; Szabo].

Si bien es cierto que ninguna vacuna es 100% inofensiva, la creencia en este vínculo causal proviene principalmente de la preocupación natural de los padres, abrumados por la confusión, alimentados por pruebas anecdóticas e influenciados por sesgo de confirmación, o “si no lo hubiera creído, no lo habría visto”. El hecho de que los padres y los médicos tiendan a reconocer los síntomas del autismo más tarde, alrededor de la edad en que los niños reciben muchas vacunas, aumenta la confusión. En realidad, la aparición del autismo es bastante compleja y sigue más de un patrón. De hecho, los estudios ahora muestran que el inicio puede comenzar a los 6-12 meses. [sources: CDC; Johnson and Schultz; Mandell et al.; NIH; Ozonoff et al.].

Este no es un malentendido trivial. En 2011, la revista Time informó que el 13% de los padres omitieron, retrasaron o dividieron las vacunas de sus hijos; en algunas zonas rurales, el número ha aumentado entre un 20 y un 50 por ciento. Mientras tanto, 15 años después de que comenzara el pánico, los centros médicos informaron brotes de tos ferina y sarampión. Si esta correspondencia es fortuita, correlativa o causal merece consideración. [sources: O’Connor; Park; Park].

Publicado originalmente: 23 de diciembre de 2013

Preguntas frecuentes sobre correlación y causalidad

¿Qué es un ejemplo de correlación pero no de causalidad?
Se observó que cuando aumentan las ventas de helados, también lo hace la tasa de homicidios. Pero eso no significa que el helado mate a la gente. Las ventas de helados aumentan en verano y los malos también están más activos en esta época del año, pero uno no tiene nada que ver con el otro. Este es un ejemplo de correlación. pero no una causalidad.
¿Cuál es la diferencia entre correlación y causalidad?
Una correlación entre dos variables no significa necesariamente que si una variable cambia, afectará a la otra. En causalidad, un evento siempre es causado por la ocurrencia de otro evento. Esto también se conoce como relación causal.
¿Qué entendemos por correlación que no es causalidad?
Es una expresión popular que enfatiza que solo porque dos cosas están relacionadas, no siempre se afectan entre sí. En cambio, puede haber un tercer factor que afecte a ambos.
¿Cuál es la principal diferencia entre correlación y causalidad?
La correlación indica una asociación entre dos variables. La causalidad enfatiza que una variable es responsable de desencadenar un cambio directo en otra variable.

El ejemplo clásico de correlación no equivalente a la causalidad se puede encontrar con el helado y el asesinato.  Es decir, se sabe que las tasas de delitos violentos y homicidios aumentan con el aumento de la venta de helados.  Pero presumiblemente comprar helado no te convierte en un asesino (¿a menos que sea tu género favorito?).

El ejemplo clásico de correlación no equivalente a la causalidad se puede encontrar con el helado y el asesinato. Es decir, se sabe que las tasas de delitos violentos y homicidios aumentan con el aumento de la venta de helados. Pero presumiblemente comprar helado no te convierte en un asesino (¿a menos que sea tu género favorito?).

© Carlo Allegri / Reuters / Corbis

A estas alturas, pensarías que podríamos decir sin ambigüedades qué causa qué. Pero la cuestión de la causa, que ha perseguido a la ciencia y la filosofía desde sus inicios, todavía queda atrás por muchas razones. Los seres humanos están evolutivamente predispuestos a ver patrones y psicológicamente inclinados a recopilar información que respalde puntos de vista preexistentes, un rasgo conocido como sesgo de confirmación. Confundimos coincidencia con correlación y correlación con causalidad.

Para que A cause B, tendemos a decir que, al menos, A debe preceder a B, los dos deben covariarse (variar juntos), y ninguna explicación concurrente puede explicar mejor la covarianza de A y B. Tomada aisladamente, sin embargo , estos tres requisitos no pueden probar la causa; son, como dicen los filósofos, necesarios pero no suficientes. En cualquier caso, no todo el mundo está de acuerdo con ellos.

Publicidad

Hablando de filósofos, David Hume argumentó que la causalidad no existe en un sentido demostrable. Karl Popper y los falsificadores argumentaron que no podemos probar una relación, solo refutarla, razón por la cual los análisis estadísticos no intentan probar una correlación; en cambio, sacan un doble negativo y refutan que los datos no están relacionados, un proceso conocido como rechazar la hipótesis nula.

Con estas consideraciones en mente, los científicos deben diseñar y monitorear cuidadosamente sus experimentos para eliminar sesgos, razonamientos circulares, profecías autocumplidas y variables ocultas. Deben cumplir con los requisitos y limitaciones de los métodos utilizados, basarse en muestras representativas siempre que sea posible y no sobreestimar tus resultados.

¿Listo para leer sobre 10 casos en los que no fue tan fácil?