Si los debates teóricos parecen no poder acabar nunca, uno podría pensar que los estudios empíricos deberían darle la razón a una u otra parte. Si bien en algunos casos la evidencia empírica es sobradamente abrumadora y, por tanto, clarificadora, en muchas de las grandes preguntas las respuestas se siguen basándose en los bandos que las planteen. Inclusive, en el caso de que consigas demostrar la estrecha relación existente entre dos sucesos (una gran correlación), no estarás certificando al 100% que el proceso de causación sea el correcto. Que dos variables estén correlacionadas no nos dice nada de su causación.
¿Por qué es importante entender el proceso de causación?
Varios filósofos argumentan que la idea de causación es una de las primeras ideas innatas (que nacen con nosotros, es decir, son parte de nuestro proceso de razonamiento y no hay que “aprenderlas” del exterior).
La causación nos permite establecer y entender las primeras reglas del funcionamiento de nuestro mundo a través del inductivismo, la experimentación a través de la observación como, por ejemplo, qué si dejamos de aplicar fuerza de agarre con la mano en un objeto éste se cae (no necesitamos entender el funcionamiento y la ecuación de gravedad previamente).
La causación nos permite establecer la cadena de eventos que, a partir de una acción (A), generan una reacción o fenómeno (B). Y se entiende necesario si queremos alcanzar o producir B de una manera intencionada.
El problema viene cuando filósofos como Hume declarán que “No podemos penetrar en la razón de la conjunción. Sólo observamos la cosa en sí misma, y siempre se da que la constante conjunción de los objetos adquiere la unión en la imaginación» (Hume, 1740: 93).”
Es decir, que lo único que vemos realmente es la correlación o conjunción entre variables o efectos. El proceso causacional pertenece al mundo de nuestra imaginación. No significa que no exista, sino que no podemos “verlo”, solo intuirlo.
Cuando observamos, estudiamos y analizamos relaciones, todo lo que vemos son, sencillamente, correlaciones. El dar un paso más y dotar a una correlación con la característica de causación es un mero hecho de “superstición”. Lo único que podemos establecer es un patrón de regularidad que nos de la confianza y seguridad necesaria para poder tratar de entender el mundo.
¿Seguirá saliendo el Sol por el este mañana?
Sea como fuera, el problema de la causación es importante y merece ser tenido en cuenta. Por ello es importante tener un modelo teórico detrás que determine de antemano la causación. No se trata tanto de justificarla, sino de intentar que sea consecuencia de unas hipótesis previas que puedan demostrarse ciertas (cambiándolo todo a un proceso deductivo). Sin embargo, habrá problemas que queden sin respuesta, ya que un diferente set de hipótesis puede acabar demostrando un diferente efecto causal para una misma correlación (observación).
Cum hoc ergo propter hoc
El lenguaje matemático usado mediante las funciones nos dan una idea del efecto causacional en un plano lógico-matemático. Si Y=F(x), definimos a Y como una variable endógena, cuyo comportamiento se define (es decir, es causado) por el comportamiento de la variable exógena (x).
Así, podemos disponer de una serie de datos, que podemos mostrar gráficamente, que nos permita ver la relación existente entre dos (o más) variables. El problema consiste en confundir esta relación meramente estadística con una relación de causación, y es que existen varias vías por las que podemos incidir en el error.
¿En qué dirección?
Si relacionamos el consumo de bienes de alimentación con el total de población observaremos una estrecha relación, ya que es un consumo bastante estable. En este caso es obvio cual es la relación causacional: Una mayor población impulsará hacia arriba el consumo total de alimentos. (Al revés podríamos decir que una sociedad que consume más alimentos atrae población o tiene más natalidad, pero no tendría mucho sentido).
Si bien esta relación es relativamente sencilla, hay algunas mucho más complejas. Por ejemplo, la relación que existe entre la M1 y la M3, es decir, entre la base y la oferta monetaria. Un monetarista clásico diría que los movimientos en la base (M1) ocasionan, a través de la expansión crediticia, movimientos en la oferta (M3). Sin embargos, los teóricos del crédito endógeno realizaron hace poco un estudio donde el efecto causacional es el inverso (corroborando así su teoría), siendo la variación en la oferta la que, después, hace variar la base.
Es decir, no solo tenemos que saber distinguir entre correlación y causación, sino que ya tenemos problemas con destacar la dirección por la que ésta sucede.
El factor X
Una posibilidad es que dos variables no estén relacionadas entre sí, pero tengan lazos con una tercera (X) que no hemos introducido en el análisis.
En este caso tendríamos que Y=F(X) y que M=G(X). Ambas variables (tanto Y como M) están condicionadas por X, pero no tienen relación real entre sí. Sin embargo, podemos establecer una sencilla relación: Si M=G(X), entonces X=G-1(M), y por tanto, Y=F(G-1(M)).
Esto genera la denominada relación espuria, una correlación significativa a nivel estadístico pero que no representa ninguna relación causal entre ambas variables.
Doctor X meets Doctor T
Una posibilidad bastante recurrente es que la variable que cause (o que explique discursivamente) esta relación espuria, sea el tiempo.
Bueno, obviamente el tiempo no es la causa de nada, sino el marco por el que podemos establecer el efecto causacional. No es el tiempo el que causa que el helado se derrita, sino el calor.
Toda causación implica una sucesión de efectos, es decir, un antes y un después y, por tanto, un marco temporal. En si mismo, el tiempo es un requisito necesario, aunque no suficiente, de todo efecto causal.
El tiempo, como requisito indispensable, puede entrar dentro de las variables exógenas que determinen la variación de la variable endógena y, aquí viene el problema, hacer de factor X. De hecho, al estar el tiempo en todas las variables que impliquen una cierta sucesión temporal (lo cual es redundante), podemos comparar y establecer correlaciones de casi cualquier tipo con casi cualquier variable y confundirlas con el proceso de causación.
Así, por ejemplo, Bobby Henderson (uno de los creadores del pastafarismo) popularizó la conocida correlación que existe entre el número de piratas y el calentamiento global. A medida que desciende el número de los primeros, los problemas medioambientales se agravan. (¿Es que acaso los piratas nos protegían del calentamiento global o es que eran muy sensibles al mismo?)
De nuevo, estos ejemplos humorísticos nos permiten asimilar los problemas de una forma sencilla, y encontrar el error de forma casi obvia, pero hay problemas más complejos que distan mucho de estar plenamente solucionados.
La econometría dispone de herramientas sofisticadas que solucionan de una u otra manera toda la serie de trabas existentes para encontrar el efecto, si es que existe, entre las variables. Si bien las críticas están servidas y, desde luego, en la gran multitud de relaciones que se pueden encontrar en periódicos y artículos diarios no académicos estos problemas no son tenidos demasiado en cuenta (supongo que hasta yo simplifico muchas veces).
Así que, ya sabéis, que dos variables presenten una cierta correlación estadística no tiene porque implicar una causación determinada. Aunque, si bien en términos filosóficos podemos incluso hasta dudar de que exista algo como la causación (en filosofía se puede dudar de todo ¿no?), a nivel práctico, tomando las precauciones pertinentes, no hay que llegar a tales extremos si queremos llegar a ser prácticos.
Miguel Puente Ajovín - Caótica Economía
