Estabelecer uma Relação Causa-Efeito

Como estabelecemos uma relação causa-efeito (causal)? Que critérios é que temos de cumprir? Geralmente, há três critérios que deve cumprir antes de poder dizer que tem provas de uma relação causa-efeito:

Precedência Temporal

P>Primeiro, tem de ser capaz de mostrar que a sua causa aconteceu antes do seu efeito. Parece fácil, huh? É claro que a minha causa tem de acontecer antes do efeito. Alguma vez ouviu falar de um efeito a acontecer antes da sua causa? Antes de nos perdermos na lógica aqui, considere um exemplo clássico da economia: a inflação causa desemprego? Parece certamente plausível que à medida que a inflação aumenta, mais empregadores descobrem que, para fazer face aos custos, têm de despedir empregados. Assim, parece que a inflação poderia, pelo menos parcialmente, ser uma causa de desemprego. Mas tanto a inflação como as taxas de emprego estão a ocorrer em conjunto numa base contínua. Será possível que as flutuações no emprego possam afectar a inflação? Se tivermos um aumento da população activa (ou seja, menor desemprego) podemos ter mais procura de bens, o que tenderia a fazer subir os preços (ou seja, inflacioná-los) pelo menos até que a oferta possa recuperar. Então qual é a causa e qual é o efeito, inflação ou desemprego? Acontece que neste tipo de situação cíclica envolvendo processos em curso que interagem e que ambos podem causar e, por sua vez, ser afectados pelo outro. Isto torna muito difícil estabelecer uma relação causal nesta situação.

Covariação da Causa e do Efeito

O que significa isto? Antes de se poder mostrar que se tem uma relação causal, é preciso mostrar que se tem algum tipo de relação. Por exemplo, considere o silogismo:

se X então Y
se não X então não Y

Se observar que sempre que X está presente, Y também está presente, e sempre que X está ausente, Y também está, então demonstrou que existe uma relação entre X e Y. Não sei quanto a si, mas por vezes acho que não é fácil pensar em X e Y. Vamos colocar este mesmo silogismo em termos de avaliação do programa:

se programa e depois resultado
se não programa e depois não resultado

Or, em termos coloquiais: se dá um programa observa o resultado mas se não dá o programa não observa o resultado. Isto fornece provas de que o programa e o resultado estão relacionados. Note, contudo, que este silogismo não fornece provas de que o programa causou o resultado – talvez houvesse algum outro factor presente com o programa que causou o resultado, em vez do programa. As relações descritas até agora são relações binárias bastante simples. Por vezes queremos saber se diferentes quantidades do programa levam a diferentes quantidades do resultado – uma relação contínua:

se mais do programa do que mais do resultado
se menos do programa do que menos do resultado

Sem explicações alternativas plausíveis

Apenas porque se mostra que existe uma relação não significa que seja uma relação causal. É possível que haja alguma outra variável ou factor que esteja a causar o resultado. Isto é por vezes referido como o problema da “terceira variável” ou “variável em falta” e está no cerne da questão da validade interna. Quais são algumas das possíveis explicações alternativas plausíveis? Basta olhar para as ameaças à validade interna (ver ameaças de grupo único, ameaças de grupo múltiplo ou ameaças sociais) – cada uma descreve um tipo de explicação alternativa.

Para que possa argumentar que demonstrou a validade interna – que demonstrou que existe uma relação causal – tem de “descartar” as explicações alternativas plausíveis. Como se faz isso? Uma das principais formas é com a sua concepção de investigação. Vamos considerar uma simples ameaça de um único grupo à validade interna, uma ameaça histórica. Vamos supor que mede o seu grupo de programas antes de eles iniciarem o programa (para estabelecer uma linha de base), dá-lhes o programa, e depois mede o seu desempenho depois, num pós-teste. Vê uma melhoria acentuada no seu desempenho que gostaria de inferir ser causada pelo seu programa. Uma das explicações alternativas plausíveis é que tem uma ameaça histórica – não foi o seu programa que causou o ganho, mas sim algum outro evento histórico específico. Por exemplo, não foi a sua campanha anti-tabagismo que causou a redução do tabagismo, mas sim o último relatório do Surgeon General que foi emitido entre o momento em que deu o seu pré-teste e o pós-teste. Como é que descarta isto com o seu desenho de pesquisa? Uma das formas mais simples seria incorporar a utilização de um grupo de controlo – um grupo que é comparável ao seu grupo de programa, com a única diferença de não terem recebido o programa. Mas eles experimentaram o último relatório do Cirurgião Geral. Se verificar que eles não mostraram uma redução do tabagismo, mesmo tendo experimentado o mesmo relatório do Cirurgião Geral, “excluiu” efectivamente o relatório do Cirurgião Geral como uma explicação alternativa plausível para a razão pela qual observou a redução do tabagismo.

Na maioria das pesquisas sociais aplicadas que envolvem a avaliação de programas, a precedência temporal não é um critério difícil de cumprir porque se administra o programa antes de medir os efeitos. E, estabelecer a covariação é relativamente simples porque se tem algum controlo sobre o programa e se pode configurar as coisas de modo a ter algumas pessoas que o conseguem e outras que não (se X e se não X). Tipicamente, o critério mais difícil de cumprir é o terceiro -determinar explicações alternativas para o efeito observado. É por isso que a concepção da investigação é uma questão tão importante e que está intimamente ligada à ideia de validade interna.