Inicio Intelectualidad Rombos contra la confusión entre correlación y causación

Rombos contra la confusión entre correlación y causación

¿Girar los ejes en un diagrama de dispersión podría impedir la confusión entre causalidad y mera correlación? [Nature; fuente: https://arxiv.org/abs/1809.09328 (2018) y Zillow Economic Research].

El tan repetido lema de que la correlación no implica la causación no siempre es eficaz. Los medios de comunicación, el público en general e incluso los científicos incurren a menudo en ver una relación de causa y efecto donde solo hay una asociación.

Ahora, dos investigadores cree que podrían haber dado con una solución: cuando se presenten resultados relativos a correlaciones, gírese la gráfica, sencillamente, 45 grados.

La nueva gráfica, a la que llaman «de rombo», es la criatura de Carl Bergstrom, biólogo evolucionista, y de Jevin West, científico de la información, de la Universidad de Washington en Seattle. Ambos han impartido juntos un curso sobre la forma en que se usan mal los números al que llamaron Calling Bullshit (que podría parafrasearse como «denunciar las afirmaciones, en este caso científicas o académicas, que no tienen fundamento o ni siquiera coherencia»).

Han descrito la gráfica de rombo en un artículo colgado en el repositorio de prepublicaciones arXiv. Proponen que se roten las gráficas de nubes de puntos, o diagramas de dispersión, 45 grados en sentido contrario al de las agujas del reloj, lo que les da forma de rombo, con ejes simétricos. Esperan que esa orientación inusual de la gráfica «choque» y fuerce por ello a los que la miren a considerar explícitamente, y cabe esperar a que lo rechacen, el prejuicio de la causalidad.

Parte de su motivación les viene de las numerosas veces que la prensa dice incorrectamente que hay una relación de causalidad. «Con repasar las últimas dos semanas se encontrarán numerosos ejemplos», dice Bergstrom. «El vino tinto causa esto, el chocolate aquello».

Pero Bergstrom añade que no solo la prensa lo hace mal: hasta los científicos mismos pueden cometer los mismos errores. En Metodología Experimental se les enseña que a la variable independiente (la que controla el experimentador) le toca el eje X de la gráfica, mientras que a la dependiente (la que se mide) le corresponde el Y.

Cuando se trata de los datos observacionales, los científicos pueden también aplicar esas reglas instintivamente y suponer equivocadamente que la variable del eje X influye en la otra. La naturaleza simétrica de la gráfica de rombo significa que ninguno de los ejes tiene prelación sobre el otro y la esperanza es que así reduzca el riego de la atribución causal errónea.

«Me pareció una buena idea y entendí la lógica de lo que hacían», dice Catey Bunce, estadística médica del King’s College de Londres. «¿Creo que el uso de estas gráficas hará que menos gente caiga en esa confusión entre correlación y causación? No, no lo creo».

La razón, dice Bunce, es que hay otros factores que pueden llevar a un  científico a suponer la causación y que podrían minar el impacto positivo de las gráficas romboidales.

«Creo que la publicidad tiene algo que ver con eso», dice. «Cuando se escribe un artículo que afirma que hay tal o cual causación se está haciendo una aseveración bastante atrevida, y eso atrae la atención de los demás».

Añade que las gráficas de rombo, como cualquier método estadístico nuevo, podrían tener peligros ocultos que solo resultarán claros poco a poco, cuando se empiece a interpretarlas equivocadamente también a ellas.

Bergstrom reconoce que hay un largo trecho que recorrer antes de recomendar que las gráficas de rombo se conviertan en la norma. El equipo piensa ahora investigar si la gente es realmente capaz de leerlas y si lo es, si reducen realmente las malas interpretaciones. «O ayudan o no», dice. «En estos momentos es una propuesta, y el paso siguiente, claro está, es utilizar apropiadamente los ensayos con usuarios».

Matthew Warren / Nature News.

Artículo traducido y adaptado por Investigación y Ciencia con permiso de Nature Research Group.

Referencia: «Why scatter plots suggest causality, and what we can do about it», de Carl T. Bergstrom y Jevin D. West en arXiv:1809.09328 [cs.HC].