Menu

Causalidad

La causalidad significa que existe una clara relación causa-efecto entre dos variables. Por lo tanto, hay causalidad cuando la acción A causa el resultado B. Un error común en la interpretación de los estadísticos es inferir la causalidad cuando hay correlación, pero la correlación es simplemente una relación.

Causalidad y correlación

El análisis de correlación muestra si existe una relación entre dos variables. Sin embargo, si existe una correlación, aún no se sabe en qué dirección va esta relación. Para ello, primero hay que comprobar si existe causalidad.

¿Por qué la correlación no es causalidad?

Si existe una correlación entre la variable X y la variable Y, esto no significa que las dos variables estén relacionadas causalmente. Puede ser, por ejemplo, que la correlación se deba exclusivamente a una tercera variable Z y que ni la variable X influya en Y ni la variable Y en X.

Causalidad y regresión

Si existe una relación causal entre dos variables, un análisis de regresión puede predecir una variable con la otra. Por supuesto, hay que tener cuidado de que la dirección sea correcta. Sólo es posible predecir la variable dependiente con la ayuda de la variable independiente con una regresión.

Causality and regression

Al definir una variable como predictora y otra como criterio en la regresión, la dirección causal ya está dada, esta dirección debe entonces justificarse en base a la teoría.

Por lo tanto, la causalidad o la dirección del efecto debe derivarse primero teóricamente antes de que pueda asumirse en un modelo de regresión. Así pues, no se puede "buscar" la causalidad con la regresión, la regresión sólo puede utilizarse si se asume una relación causal.

Por cierto, puede calcular fácilmente un análisis de regresión en línea y un análisis de correlación en línea con DATAtab.

Modelos causales para la regresión

¿Implica la regresión lineal una relación causal? Ni la correlación ni la regresión pueden indicar causalidad. El modelo causal implica un análisis de regresión o de correlación y, además, una teoría sólida que vincule las dos o más variables.

Supuestos de causalidad

Hay dos requisitos previos para la causalidad. Por un lado, debe existir una relación significativa, es decir, una correlación significativa. Por el otro, la segunda condición puede cumplirse de dos maneras: bien existe una secuencia temporal de las variables (1)(e.g. la variable A se recogió antes que la variable B en términos de tiempo), o existe una teoría plausible y teóricamente justificada sobre en qué dirección va la relación causal (2).

assumptions for causality

Si la segunda condición no se cumple de ninguna de las dos posibilidades (1) y (2), es decir, no hay un orden temporal ni se puede fundamentar la causalidad con una teoría bien fundada, entonces sólo se puede hablar de correlación, pero nunca de causalidad. Es decir, no se puede decir que la variable A influye en la variable B o viceversa.

Ejemplo de causalidad

Pongamos que la pregunta de investigación es: ¿Existe una relación causal entre la edad a la que un niño pronuncia sus primeras frases y su posterior éxito escolar?

En primer lugar, hay que comprobar si existe una correlación entre las dos variables, esto se hace con un análisis de correlación. Si hay una correlación significativa, hay que seguir comprobando la segunda condición.

La segunda condición puede confirmarse mediante la teoría o si existe una secuencia temporal. En este caso, existe una clara secuencia temporal. Si hay una correlación, está claro que la variable "edad a la que se pronuncia la primera frase" influye en la variable "éxito escolar posterior", lo contrario no es posible.

Cita DATAtab: DATAtab Team (2024). DATAtab: Online Statistics Calculator. DATAtab e.U. Graz, Austria. URL https://datatab.es

Contacto y soporte Preguntas frecuentes y Sobre nosotros Política de privacidad Software estadístico