Establecer una relación causa-efecto

¿Cómo establecemos una relación causa-efecto (causal)? Qué criterios tenemos que cumplir? Generalmente, hay tres criterios que debes cumplir antes de poder decir que tienes pruebas de una relación causal:

Precedencia temporal

En primer lugar, tienes que ser capaz de demostrar que tu causa ocurrió antes que tu efecto. Suena fácil, ¿no? Por supuesto que mi causa tiene que ocurrir antes que el efecto. ¿Has oído alguna vez que un efecto ocurra antes que su causa? Antes de perdernos en la lógica, consideremos un ejemplo clásico de la economía: ¿la inflación causa el desempleo? Ciertamente, parece plausible que, a medida que aumenta la inflación, más empresarios se encuentren con que, para hacer frente a los costes, tienen que despedir a los empleados. Así que parece que la inflación podría ser, al menos parcialmente, una causa del desempleo. Pero tanto la inflación como las tasas de empleo se dan juntas de forma continua. ¿Es posible que las fluctuaciones del empleo afecten a la inflación? Si se produce un aumento de la población activa (es decir, un descenso del desempleo), es posible que haya más demanda de bienes, lo que tendería a hacer subir los precios (es decir, a inflarlos), al menos hasta que la oferta pueda ponerse al día. Entonces, ¿cuál es la causa y cuál el efecto, la inflación o el desempleo? Resulta que en este tipo de situaciones cíclicas que implican procesos continuos que interactúan, ambos pueden causar y, a su vez, verse afectados por el otro. Esto hace que sea muy difícil establecer una relación causal en esta situación.

Covariación de la causa y el efecto

¿Qué significa esto? Antes de poder demostrar que tienes una relación causal tienes que demostrar que tienes algún tipo de relación. Por ejemplo, considera el silogismo:

Si X entonces Y
Si no X entonces no Y

Si observas que siempre que X está presente, Y también lo está, y siempre que X está ausente, Y también lo está, entonces has demostrado que hay una relación entre X e Y. No sé tú, pero a veces me parece que no es fácil pensar en X e Y. Pongamos este mismo silogismo en términos de evaluación de programas:

si programa entonces resultado
si no programa entonces no resultado

O, en términos coloquiales: si das un programa observas el resultado pero si no das el programa no observas el resultado. Esto proporciona evidencia de que el programa y el resultado están relacionados. Sin embargo, hay que tener en cuenta que este silogismo no proporciona pruebas de que el programa haya causado el resultado: quizá haya habido algún otro factor presente en el programa que haya causado el resultado, en lugar del programa. Las relaciones descritas hasta ahora son relaciones binarias bastante simples. A veces queremos saber si diferentes cantidades del programa conducen a diferentes cantidades del resultado – una relación continua:

si más del programa entonces más del resultado
si menos del programa entonces menos del resultado

No hay explicaciones alternativas plausibles

Sólo porque usted muestra que hay una relación no significa que sea una relación causal. Es posible que haya alguna otra variable o factor que esté causando el resultado. Esto se conoce a veces como el problema de la «tercera variable» o de la «variable ausente» y es el núcleo del problema de la validez interna. ¿Cuáles son algunas de las posibles explicaciones alternativas? Sólo tiene que ir a ver las amenazas a la validez interna (ver amenazas de grupo único, amenazas de grupo múltiple o amenazas sociales) – cada una describe un tipo de explicación alternativa.

Para que usted pueda argumentar que ha demostrado la validez interna – que ha demostrado que hay una relación causal – tiene que «descartar» las explicaciones alternativas plausibles. ¿Cómo se hace eso? Una de las principales formas es con el diseño de la investigación. Consideremos una simple amenaza de un solo grupo para la validez interna, una amenaza histórica. Supongamos que mide a su grupo del programa antes de que empiece el programa (para establecer una línea de base), les da el programa y luego mide su rendimiento después en una prueba posterior. Se observa una notable mejora en su rendimiento, que usted quiere deducir que se debe a su programa. Una de las explicaciones alternativas más plausibles es que se trata de una amenaza histórica, es decir, que no es su programa el que ha provocado la mejora, sino algún otro acontecimiento histórico específico. Por ejemplo, no es su campaña antitabaco la que causó la reducción del número de fumadores, sino el último informe del Director General de Salud que se publicó entre el momento en que se realizó la prueba previa y la posterior. ¿Cómo puede descartar esto con su diseño de investigación? Una de las formas más sencillas sería incorporar el uso de un grupo de control, un grupo que sea comparable a su grupo del programa con la única diferencia de que no recibieron el programa. Pero sí experimentaron el último informe del Cirujano General. Si encuentra que no mostraron una reducción en el consumo de tabaco a pesar de que experimentaron el mismo informe del Cirujano General, ha «descartado» efectivamente el informe del Cirujano General como una explicación alternativa plausible de por qué observó la reducción del consumo de tabaco.

En la mayoría de las investigaciones sociales aplicadas que implican la evaluación de programas, la precedencia temporal no es un criterio difícil de cumplir porque usted administra el programa antes de medir los efectos. Además, establecer la covariación es relativamente sencillo porque se tiene cierto control sobre el programa y se pueden establecer las cosas de forma que haya algunas personas que lo reciban y otras que no (si X y si no X). Normalmente, el criterio más difícil de cumplir es el tercero: descartar explicaciones alternativas para el efecto observado. Por eso el diseño de la investigación es una cuestión tan importante y por eso está íntimamente ligado a la idea de validez interna.