5.3: Razonamiento Causal

Los argumentos inductivos se utilizan para apoyar las afirmaciones sobre causa y efecto. Estos argumentos vienen en varias formas diferentes. Lo más directo es lo que se llama inducción enumerativa. Este es un argumento que hace una generalización (no apresurada), inferyendo que un evento o tipo de evento causa otro sobre la base de un (gran) número de observaciones particulares de la causa inmediatamente anterior al efecto. Para usar un ejemplo muy famoso (de la historia de la filosofía, debido a David Hume, el filósofo escocés del siglo XVIII que tenía mucho que decir sobre la causa y el efecto y el razonamiento inductivo), podemos inferir de las observaciones de una serie de colisiones de bolas de billar que la primera bola choca con el segundo hace que la segunda bola se mueva. O podemos inferir de una serie de observaciones de embriaguez tras el consumo de bebidas alcohólicas que embeber alcohol hace que uno se emborrache.

Todo esto está bien y bien, hasta donde va. (Dejando a un lado el escepticismo filosófico de Hume sobre nuestra capacidad de saber que una cosa causa otra y sobre la conclusividad del razonamiento inductivo). Simplemente no va muy lejos. Si queremos establecer un conocimiento sólido de lo que causa los fenómenos naturales que nos interesan, necesitamos técnicas más sofisticadas que la simple inducción enumerativa. Existen tales técnicas. Estos son patrones de razonamiento identificados y catalogados por el filósofo, científico, lógico y político inglés del siglo XIX John Stuart Mill. Las formas inferenciales que Mill enumeró han llegado a llamarse “Métodos de Molino”, porque las consideraba como herramientas para ser utilizadas en la investigación de la naturaleza, métodos para descubrir las causas de los fenómenos naturales. En esta sección, veremos los Métodos de Molino cada uno por turno (hay cinco de ellos), usando ejemplos para ilustrar cada uno. Terminaremos con una discusión sobre las limitaciones de los métodos y la dificultad de aislar causas.

El (los) significado (s) de 'Causa'

Antes de continuar, sin embargo, debemos emitir algo así como un descargo de responsabilidad: cuando decimos que una acción o evento causa otra, realmente no sabemos de qué demonios estamos hablando. Bien, tal vez eso es ponerlo un poco con demasiada fuerza. El punto es éste: el significado de 'causa' ha sido objeto de intenso debate filosófico desde la antigüedad (tanto en Grecia como en India) —debate que continúa hasta nuestros días. A lo largo de milenios se han planteado innumerables teorías filosóficas sobre la naturaleza de la causalidad, y no hay acuerdo general sobre lo que es (¡o si las causas son incluso reales!).

No vamos a adentrarnos en esas aguas filosóficas; son demasiado profundas. En cambio, nos limitaremos a sumergir los dedos de los pies, haciendo una observación preliminar sobre la palabra “causa”, una observación que da alguna pista de por qué ha sido objeto de tanta deliberación filosófica durante tanto tiempo. La observación es esta: hay una serie de formas distintas, pero perfectamente aceptables en las que usamos la palabra 'causa' en el lenguaje cotidiano. Adjuntamos diferentes significados incompatibles al término en diferentes contextos.

Considera este escenario: Estoy en mi huerto de patio trasero con mi hija menor (de 4 años en ese momento). Ella me está “ayudando” en mis labores regando algunas de las plantas. (Aquellos que alguna vez hayan empleado a un niño de 4 años para facilitar un proyecto intensivo en mano de obra entenderán las citas de miedo). Ella pregunta: “Papi, ¿por qué tenemos que regar las plantas?” Yo podría responder: “Hacemos eso porque el agua hace que las plantas crezcan”. Esta es una afirmación perfectamente ordinaria sobre la causa y el efecto; es incontrovertida y cierta. ¿A qué me refiero con 'causas' en esta frase? Quiero decir que el agua es una condición necesaria para que las plantas crezcan. Sin agua, no habrá crecimiento. Sin embargo, no es una condición suficiente para el crecimiento de las plantas: también se necesita luz solar, buen suelo, etc.

Consideremos otra verdad completamente ordinaria, incontrovertida sobre la causalidad: la decapitación causa la muerte. ¿A qué me refiero con 'causas' en esta frase? Quiero decir que la decapitación es una condición suficiente para la muerte. Si la muerte es el resultado que buscas, la decapitación hará el truco por sí sola; nada más se necesita. No es (gracias a Dios) una condición necesaria para la muerte, sin embargo. Hay muchas otras formas de morir además de decapitar.

Por último, considere esta verdadera afirmación: fumar causa cáncer. ¿A qué me refiero con 'causas' en esta frase? Bueno, no quiero decir que fumar sea una condición suficiente para el cáncer. Mucha gente fuma toda su vida pero tiene la suerte de no contraer cáncer. Además, no me refiero a que fumar sea una condición necesaria para el cáncer. Mucha gente tiene cáncer, incluso cáncer de pulmón, a pesar de no haber fumado nunca. Más bien, lo que quiero decir es que fumar tiende a producir cáncer, que aumenta la probabilidad de que uno contraiga cáncer.

Entonces, tenemos tres usos totalmente ordinarios de la palabra 'causa', con tres significados completamente diferentes: causa como condición necesaria, condición suficiente, y mera tendencia (ni necesaria ni suficiente). Estos son incompatibles, pero todos aceptables en sus contextos. Podríamos pasar a enumerar aún más usos para el término, pero ya se ha hecho el punto. La causalidad es un concepto resbaladizo, razón por la cual los filósofos llevan tanto tiempo luchando por captar su significado preciso. En lo que sigue, dejaremos de lado estas preocupaciones y hablaremos de causa y efecto sin cobertura ni descargos de responsabilidad, pero es útil tener en cuenta que al hacerlo pondremos sobre algunos problemas filosóficos profundos y difíciles.

Métodos de Molino

John Stuart Mill identificó cinco patrones diferentes de razonamiento que uno podría usar para descubrir causas. Se trata de formas de argumento, cuyas conclusiones implican una pretensión en el sentido de que una cosa causa (o está causalmente relacionada con) otra. Se pueden utilizar solos o en combinación, dependiendo de las circunstancias. Como fue el caso del razonamiento analógico, estos son patrones de inferencia que ya empleamos irreflexivamente en la vida cotidiana. El beneficio de hacerlas explícitas y someterlas a un escrutinio crítico es que con ello logramos una perspectiva metacognitiva, una perspectiva desde la cual podemos llegar a ser razonadores más conscientes de sí mismos y efectivos. Esto es especialmente importante en el contexto del razonamiento causal, ya que, como veremos, hay muchos escollos en este dominio en los que somos propensos a caer, muchos errores comunes que cometen las personas al pensar en causa y efecto.

Método de Acuerdo

Hace poco he estado sufriendo de acidez estomacal. Parece que al menos dos o tres días a la semana, a la hora de la cena, tengo esa horrible sensación de indigestión en el pecho y ese asqueroso sabor en mi boca. Reflujo ácido: ugh. Tengo que hacer algo al respecto. ¿Qué podría estar causando mi acidez estomacal, me pregunto? Sé que las cosas que comes y bebes son causas típicas del padecimiento, así que empiezo a pensar atrás, mirando lo que he consumido los días en que me sentía mal. Según recuerdo, todos los días recientes en los que sufrí acidez estomacal fueron diferentes de varias maneras: mis cenas iban desde falafel hasta espaguetis y burritos picantes; a veces comía un gran almuerzo, a veces muy poco; algunos días bebía mucho café en el desayuno, pero otros días no ninguno en absoluto. Pero ahora que lo pienso, una cosa destaca: últimamente he estado de humor nostálgico, pensando en los buenos viejos tiempos, cuando era un estudiante universitario despreocupado. He estado escuchando mucha música de esa época, viendo películas antiguas, etc. Y como parte de ese viaje por el camino de los recuerdos, he vuelto a adquirir el gusto por una de mis bebidas favoritas de esa época: Mountain Dew. Me he estado regalando una buena botella de las cosas con el almuerzo de vez en cuando. Y efectivamente, cada uno de los días que tuve acidez estomacal fue un día en que bebí Mountain Dew en el almuerzo. Eh. Supongo que el Mountain Dew está causando mi acidez estomacal. Será mejor que deje de beberlo.

Esta pequeña historia es una instancia del Método de Acuerdo de Mill. Es un patrón de razonamiento que se puede utilizar para averiguar la causa de algún fenómeno de interés. En este caso, el fenómeno del que quiero descubrir la causa son mis episodios recientes de acidez estomacal. Finalmente me doy cuenta de que la causa es Mountain Dew. Podríamos resumir el patrón de razonamiento de manera abstracta así:

Queremos encontrar la causa de un fenómeno, llamarlo X. Examinamos una variedad de circunstancias en las que ocurre X, buscando posibles causas. Las circunstancias difieren de diversas maneras, pero cada una tiene en común que presentan la misma causa potencial, llámala A. Concluimos que A causa X.

Cada una de las circunstancias pasadas concuerda con las demás en el sentido de que todas presentan la misma causa potencial, de ahí el Método de Acuerdo. En la historia anterior, el fenómeno X del que quería encontrar la causa era la acidez estomacal; las diversas circunstancias fueron los días en que había padecido esa condición, y variaban respecto a las causas potenciales (alimentos y bebidas consumidas); sin embargo, todos coincidieron en presentar a Mountain Dew, que es el factor A causante de la acidez estomacal, X.

De manera más simple, podemos resumir el Método de Acuerdo como una simple pregunta:

¿Qué factor causal está presente cada vez que el fenómeno de interés está presente?

En el caso de nuestra pequeña historia, Mountain Dew estuvo presente siempre que la acidez estomacal estaba presente, por lo que concluimos que era la causa.

Método de Diferencia

¡Todos en mi casa tienen sarpullido! Picazón en la piel, pequeñas protuberancias rojas; es molesto. No son solo los adultos, mi esposa y yo, sino también los niños. ¡Hasta el perro se ha estado rascando constantemente! ¿Qué podría estar causando nuestro malestar? Mi esposa y yo hacemos una lluvia de ideas, y recuerda que recientemente cambió de marca de detergente para ropa. A lo mejor es eso. Entonces volvemos a lavar toda la ropa (incluida la almohada en la que duerme el perro en el alféizar de la ventana) en el viejo detergente y esperamos. Seguro, dentro de uno o dos días, el sarpullido de todos se ha ido. ¡Dulce alivio!

Esta historia presenta una instancia del Método de Diferencia de Mill. Nuevamente, utilizamos este patrón de razonamiento para descubrir la causa de algún fenómeno que nos interesa, en este caso, el sarpullido que todos tenemos. Terminamos descubriendo que la causa es el nuevo detergente para ropa. Aislamos esta causa eliminando ese factor y viendo lo que pasó. Podemos resumir el patrón de razonamiento de manera abstracta así:

Queremos encontrar la causa de un fenómeno, llamarlo X. Examinamos una variedad de circunstancias en las que ocurre X, buscando posibles causas. Las circunstancias difieren de diversas maneras, pero cada una tiene en común que cuando les quitamos una causa potencial —la llamamos A— el fenómeno desaparece. Concluimos que A causa X.

Si introducimos la misma diferencia en todas las circunstancias—eliminando el factor causal— vemos el mismo efecto—desaparición del fenómeno. De ahí, el Método de la Diferencia. En nuestra historia, el fenómeno que queríamos explicar, X, fue el sarpullido. Las diversas circunstancias son los diferentes habitantes de mi casa —mamá, papá, niños, hasta el perro— y los diferentes factores que los afectan. El factor que eliminamos de cada uno, A, fue el nuevo detergente para ropa. Cuando hicimos eso, el sarpullido desapareció, por lo que el detergente fue la causa de la erupción, una X causada. Más simplemente, podemos resumir el Método de Diferencia como una simple pregunta:

¿Qué factor causal está ausente cuando el fenómeno de interés está ausente?

En el caso de nuestra pequeña historia, cuando el detergente estaba ausente, también lo fue el sarpullido. Concluimos que el detergente causó el sarpullido.

Método Conjunto de Acuerdo y Diferencia

Este no es realmente un método nuevo en absoluto. Es sólo una combinación de los dos primeros. Los Métodos de Acuerdo y Diferencia son complementarios; cada uno puede servir como cheque sobre el otro. Utilizarlos en combinación es una forma extremadamente efectiva de aislar causas.

El Método Articular es una herramienta importante en la investigación médica. Es el patrón de razonamiento utilizado en lo que llamamos estudios controlados. En tal estudio, dividimos nuestros sujetos en dos grupos, uno de los cuales es el grupo “control”. Un ejemplo muestra cómo funciona esto. Supongamos que he formulado una píldora que creo que es una cura milagrosa para la calvicie. ¡Voy a ser rico! Pero primero, necesito ver si realmente funciona. Así que reúno a un grupo de hombres calvos juntos para un estudio controlado. Un grupo recibe el medicamento real; el otro, el grupo control, recibe una pastilla de azúcar, no la droga real en absoluto, sino un mero placebo. Entonces espero a ver qué pasa. Si mi medicamento es bueno como creo que es, van a pasar dos cosas: primero, al grupo que obtuvo el medicamento le crecerá cabello nuevo; y segundo, al grupo que recibió el placebo no le crecerá cabello nuevo. Si alguna de estas cosas no sucede, vuelve a la mesa de dibujo. Obviamente, si el grupo que consiguió la droga no consiguió ningún pelo nuevo, mi cura para la calvicie es un fracaso. Pero además, si el grupo que obtuvo el mero placebo le creció pelo nuevo, entonces otra cosa además de mi droga tiene que ser la causa.

Tanto el Método de Acuerdo como el Método de Diferencia están siendo utilizados en un estudio controlado. Estoy usando el Método de Acuerdo sobre el grupo que obtuvo el medicamento. Espero que siempre que esté presente el factor causal (mi píldora milagrosa), así también será el fenómeno de interés (crecimiento del cabello). El grupo control lo complementa con el Método de Diferencia. Para ellos, espero que siempre que el factor causal (la píldora milagrosa) esté ausente, así también será el fenómeno de interés (crecimiento del cabello). Si suceden ambas cosas, tengo una fuerte confirmación de que mi medicamento causa crecimiento del cabello. (Ahora todo lo que tengo que hacer es averiguar cómo gastar todo mi dinero!)

Método de Residuos

Estoy dirigiendo un negocio. Vamos a llamarlo LogiCorp. Por una módica cuota, los logísticos altamente capacitados de LogiCorp evaluarán todos sus argumentos deductivos, emitiendo Certificados de Validez (o Invalidez) que son legalmente vinculantes en los cincuenta estados. Satisfacción garantizada. De todos modos, como debería ser obvio a partir de esa breve descripción del modelo de negocio, LogiCorp es una empresa altamente rentable. Pero los resultados del año pasado fueron decepcionantes. Las ganancias bajaron 20% con respecto al año anterior. Algo de esto se esperaba. Realizamos una renovación de la sede mundial de LogiCorp ese año, y el costo tuvo un efecto en nuestros resultados: la mitad de las ganancias perdidas, 10%, se pueden atribuir a los gastos de renovación. Además, a medida que los costos de atención médica continúan aumentando, tuvimos que gastar dinero adicional en paquetes de beneficios de nuestros empleados; estos gastos representan un 3% adicional de déficit de ganancias. Por último, otra parte de la caída en las ganancias puede explicarse por la entrada de un competidor en el mercado. La firma advenediza Argumentos R Us, con sus tiempos de respuesta rápidos y precios ultra baratos, ha ido recortando nuestra cuota de mercado. Sus servicios son totalmente inferiores a los nuestros (¡deberías ver la técnica de sombreado de mala calidad en sus diagramas de Venn!) y LogiCorp los aplastará eventualmente, pero por ahora están dañando nuestro negocio: la competencia de Arguments R Us representa una caída del 5% en nuestras ganancias.

Como CEO, por supuesto estaba consciente de todos estos problemas potenciales a lo largo del año, así que cuando miré los números al final, no me sorprendió. Pero, cuando sumé las contribuciones de los tres factores que conocía —el 10% de la renovación, el 3% de los gastos de atención médica, el 5% de la competencia externa— me quedé corto. Esas causas solo dan cuenta de un déficit de 18% en las ganancias, pero estábamos abajo de 20% respecto al año; hubo un déficit extra de 2% que no pude explicar. Soy un tipo sospechoso, así que contraté a una firma de seguridad externa para monitorear las actividades de varios empleados altamente ubicados en mi firma. ¡Y me alegro de haberlo hecho! Resulta que mi director financiero había estado tomando lujosas vacaciones de fin de semana a Las Vegas y cobrando sus gastos a la tarjeta de crédito de la compañía. Su atraco seguramente representa el 2% extra. Inmediatamente despedí al imbécil. (Tal vez pueda conseguir un trabajo con Arguments R Us.)

Esta pequeña historia presenta una instancia del Método de Residuos de Mill. 'Residuo' en este contexto solo significa el resto, lo que queda. El patrón de razonamiento, dicho de manera abstracta, corre algo como esto:

Observamos una serie de fenómenos, los llamamos X1, X2, X3,..., Xn. Como cuestión de conocimiento previo, sabemos que X1 es causado por A1, ese X2 es causado por A2, y así sucesivamente. Pero cuando agotamos nuestro conocimiento previo de las causas de los fenómenos, nos quedamos con uno, Xn, que es inexplicable en esos términos. Por lo que debemos buscar un factor causal adicional, An, como causa de Xn.

El fenómeno sobrante, Xn, inexplicable en términos de nuestro conocimiento de fondo, es el residuo. En nuestra historia, ese fue el déficit de ganancias adicional del 2% que no pudo explicarse en términos de los factores causales que ya conocíamos, a saber, la renovación de la sede (A1, que causó X1, un déficit del 10%), los gastos de atención médica (A2, que causó X2, un déficit del 3%), y la competencia de Arguments R Us (A3, que causó X3, un déficit de 5%). Tuvimos que buscar otra causa previamente desconocida para el 2% final, residual.

Método de variación concomitante

Hecho: si eres una persona que actualmente mantiene un peso bastante estable, y no cambias nada más de tu estilo de vida, agregar 500 calorías diarias a tu dieta hará que subas de peso. Por el contrario, si cortas 500 calorías diarias de tu dieta, perderías peso. Es decir, el consumo de calorías y el peso están relacionados causalmente: consumir más causará aumento de peso; consumir menos causará pérdida de peso.

Otro dato: si eres una persona que actualmente mantiene un peso estable, y no cambias nada más de tu estilo de vida, agregar una hora de ejercicio vigoroso por día a tu rutina hará que pierdas peso. Por el contrario, (asumiendo que ya haces mucho ejercicio muchísimo), recortar esa cantidad de ejercicio de tu rutina hará que aumentes de peso. Es decir, el ejercicio y el peso están relacionados causalmente: hacer más ejercicio causará pérdida de peso; hacer menos ejercicio provocará aumento de peso.

(Se trata de ideas revolucionarias, lo sé. Mi siguiente esquema para hacerse rico rápido es popularizar una de esas dietas de moda. En lugar de recomendar comer nada más que tocino o beber nada más que batidos hechos de col rizada y yogur, mi dieta de moda será el plan “Come menos, muévete más”. ¡Voy a ser rico!)

Conozco las relaciones causa-efecto anteriores por el Método de Variación Concomitante. Dicho de manera abstracta, este patrón de razonamiento va algo como esto:

Observamos que, manteniendo constantes otros factores, un aumento o disminución de algún factor causal A siempre va acompañado de un incremento o disminución correspondiente en algún fenómeno X. Concluimos que A y X están relacionados causalmente.

Las cosas que “varían concomitantemente” son cosas, para decirlo más sencillamente, que cambian juntas. A medida que A cambia, sube o baja, X también cambia. Hay dos formas en que las cosas pueden variar de manera concomitante: directa o inversamente. Si A y X varían directamente, eso significa que un incremento en uno irá acompañado de un incremento en el otro (y una disminución en uno irá acompañada de una disminución en el otro); si A y X varían inversamente, eso significa que un aumento en uno irá acompañado de una disminución en el otro.

En nuestro primer ejemplo, el consumo de calorías (A) y el peso (X) varían directamente. A medida que aumenta el consumo de calorías, aumenta el peso; y a medida que disminuye el consumo de calorías, disminuye En nuestro segundo ejemplo, el ejercicio (A) y el peso (X) varían inversamente. A medida que aumenta el ejercicio, el peso disminuye; y a medida que disminuye el ejercicio, aumenta el peso

De cualquier manera, cuando las cosas cambian juntas de esta manera, cuando varían concomitantemente, concluimos que están relacionadas causalmente.

La dificultad de aislar las causas

Los métodos de Mill son útiles para descubrir las causas de los fenómenos en el mundo, pero su utilidad no debe exagerarse. A menos que estén empleados pensativamente, pueden descarriar a un investigador. Un ejemplo clásico de ello es la parábola del lógico borracho. (Inspirado en Copi y Cohen, p. 547) Después de un largo día de trabajo un lunes, cierto lógico se dirige a casa con ganas de relajarse. Por lo que se mezcla un “7 y 7” —el whisky 7 Crown de Seagram y un 7-Up. Sabe tan bien, hace otro y otro, y otro, y otro. Se bebe siete de estos cócteles, se desmaya en su ropa y se despierta sintiéndose terrible (dolor de cabeza, náuseas, etc.). El martes, después de arrastrarse al trabajo, aguantarlo durante todo el día, para luego finalmente llegar a casa, decide quitarse el filo con una bebida diferente: brandy y 7-Up. Se deja llevar de nuevo, y termina bebiendo siete de estos cócteles, con el mismo resultado: desmayarse en su ropa y despertarse sintiéndose horrible el miércoles. Entonces, el miércoles por la noche, nuestro lógico decide volver a mezclar las cosas: escocés y 7-Up. Se bebe siete de estos; mismos resultados. Pero persevera: la noche del jueves, son siete vodka y 7-Ups; otra resaca abrasadora el viernes. Entonces, el viernes en el trabajo, se sienta a averiguar qué está pasando. Tiene un fenómeno —síntomas de resaca todas las mañanas de esa semana— del que quiere descubrir la causa. Es un lógico profesional, íntimamente familiarizado con los Métodos de Molino, por lo que se imagina que debería poder descubrir la causa. Él mira hacia atrás a la semana y utiliza el Método de Acuerdo, preguntando: “¿Qué factor estaba presente cada vez que estaba el fenómeno?” Concluye que la causa de sus resacas es 7-Up.

Nuestro lógico borracho aplicó correctamente el Método de Acuerdo: 7-Up estuvo presente cada vez. Pero claramente no fue la causa de sus resacas. La lección es que los Métodos de Molino son herramientas útiles para descubrir causas, pero sus resultados no siempre son definitivos. La aplicación acrítica de los métodos puede llevar a un mal camino. Esto es especialmente cierto en el método de variación concomitante. Es posible que hayas escuchado la vieja sierra que “la correlación no implica causalidad”. Es útil tener en cuenta este correctivo al usar el Método de Variación Concomitante. Que dos cosas varíen concomitantemente es un indicio de que pueden estar relacionadas causalmente, pero no es una prueba definitiva de que lo sean. Pueden ser efectos separados de una causa diferente y desconocida; pueden ser completamente causalmente no relacionados. Es cierto, por ejemplo, que entre los niños, el tamaño del zapato y la capacidad de lectura varían directamente: los niños con pies más grandes son mejores lectores que los que tienen pies más pequeños. ¡Guau! ¿Así que los pies grandes provocan una mejor lectura? Por supuesto que no. Los pies más grandes y una mejor capacidad de lectura son ambos efectos de la misma causa: envejecer. Los niños mayores usan zapatos más grandes que los niños más pequeños, y también les va mejor en las pruebas de lectura. Duh. También es cierto, por ejemplo, que la calidad hospitalaria y la tasa de mortalidad varían directamente: es decir, cuanto mayor sea la calidad del hospital (prestigio de los médicos, formación del personal, sofisticación de equipos, etc.), en promedio, mayor es la tasa de mortalidad en ese hospital. ¡Eso es contrario a la intuición! ¿Significa eso que la alta calidad hospitalaria provoca altas tasas de mortalidad? Por supuesto que no. Los mejores hospitales tienen mayores tasas de mortalidad porque los pacientes extremadamente enfermos, la mayoría de los heridos graves, son llevados a esos hospitales, en lugar de los que cuentan con personal y equipo de menor calidad. Por desgracia, estas personas mueren más a menudo, pero no porque estén en un buen hospital; es exactamente lo contrario.

Correlaciones espurias, aquellas que no implican ninguna conexión causal en absoluto, son fáciles de encontrar en la era del “big data”. Con bases de datos disponibles públicamente que archivan grandes cantidades de datos, y computadoras con el poder de procesamiento para buscarlas y buscar correlaciones, es posible encontrar muchos ejemplos de fenómenos que varían concomitantemente pero obviamente no están conectados causalmente. Una persona muy inteligente llamada Tyler Vigen se dedicó a hacer esto y creó un sitio web donde publicó sus descubrimientos (a menudo muy divertidos). (http://tylervigen.com/spurious-correlations. El sitio cuenta con una herramienta que permite al usuario buscar correlaciones. Es una manera muy divertida de matar el tiempo.) Por ejemplo, encontró que entre 2000 y 2009, el consumo per cápita de queso entre los estadounidenses estuvo muy estrechamente correlacionado con el número de muertes causadas por la gente enredada en sus sábanas:

Estos dos fenómenos varían directamente, pero es difícil imaginar cómo podrían estar relacionados causalmente. Es aún más difícil imaginar cómo podrían relacionarse causalmente los siguientes dos fenómenos:

Entonces, los Métodos de Mill no solo se pueden aplicar de ninguna manera; uno podría terminar “descubriendo” conexiones causales donde no existe ninguna. Pueden proporcionar pistas sobre posibles relaciones causales, pero se requiere cuidado y análisis crítico para confirmar esos resultados. Es importante tener en cuenta que los diversos métodos pueden funcionar en concierto, proporcionando un chequeo entre sí. Si el lógico borracho, por ejemplo, hubiera aplicado el Método de Diferencia —quitando el 7-Up pero manteniendo todo lo demás igual— habría descubierto su error (habría seguido teniendo resacas). La combinación de los Métodos de Acuerdo y Diferencia —el Método Conjunto, el estudio controlado— es una herramienta invaluable en la investigación científica moderna. Un estudio controlado correctamente realizado puede proporcionar evidencia bastante convincente de conexiones causales (o falta de ellas).

Por supuesto, realizar correctamente un estudio controlado no es tan fácil como parece. Implica algo más que la simple aplicación del Método Conjunto de Acuerdo y Diferencia. Existen otros factores potencialmente confusos que deben ser contabilizados para que dicho estudio arroje resultados confiables. Por ejemplo, es importante tener mucho cuidado al separar a los sujetos en los grupos de prueba y control: no puede haber diferencia sistemática entre los dos grupos que no sea el factor que estamos probando; si la hay, no podemos decir si el factor que estamos probando o la diferencia entre los grupos es el causa de cualquier efecto observado. Supongamos que estábamos realizando un estudio para determinar si la vitamina C era efectiva o no en el tratamiento del resfriado común. (A pesar de la creencia generalizada de que lo es, los investigadores han encontrado muy poca evidencia que respalde esta afirmación). Se reúnen 100 sujetos que experimentan la aparición de síntomas de resfriado. Queremos que un grupo de 50 para obtener suplementos de vitamina C, y un grupo de 50, el grupo de control, no los reciba. ¿Cómo decidimos a quién se coloca en qué grupo? Podríamos pedir voluntarios. Pero hacerlo podría crear una diferencia sistemática entre los dos grupos. Las personas que escuchan “vitamina C” y piensan, “sí, ese es el grupo para mí” podrían ser personas que están más inclinadas a comer frutas y verduras, por ejemplo, y por lo tanto podrían ser más saludables en promedio que las personas que están apagadas por la idea de recibir suplementos de vitamina C. Esta diferencia entre los grupos podría conducir a diferentes resultados entre el progreso de sus resfriados. En lugar de pedir voluntarios, podríamos simplemente asignar las primeras 50 personas que se presentan al grupo de vitamina C, y las últimas 50 al grupo control. Pero esto podría generar diferencias, también. Las personas que se presentan antes podrían ser madrugadoras, que podrían estar más sanas en promedio que las que atragan tarde.

La mejor manera de evitar diferencias sistemáticas entre los grupos de prueba y control es asignar aleatoriamente sujetos a cada uno. Nos referimos a estudios realizados de esta manera como estudios controlados aleatorizados. Y además de la aleatorización, se pueden tomar otras medidas para mejorar la confiabilidad. Los mejores tipos de estudios controlados son “doble ciego”. Esto significa que ni los sujetos ni las personas que realizan el estudio saben qué grupo es el control y qué grupo está recibiendo el tratamiento real. (Esta información se oculta a los investigadores solo mientras el estudio está en curso; se les cuenta posteriormente, por supuesto, para que puedan interpretar los resultados). Esta medida es necesaria debido a la tendencia psicológica a que las observaciones de las personas sean sesgadas en función de sus expectativas. Por ejemplo, si el grupo control en nuestro experimento de vitamina C supiera que no estaban recibiendo ningún tratamiento para sus resfriados, podrían estar más inclinados a informar que no se estaban sintiendo mejor. Por el contrario, si los miembros del grupo que recibe los suplementos vitamínicos sabían que estaban recibiendo tratamiento, podrían estar más inclinados a informar que sus síntomas no eran tan malos. Es por ello que la práctica habitual es mantener a los sujetos en la oscuridad sobre en qué grupo se encuentran, dando un placebo a los miembros del grupo control. Es importante mantener “ciegas” a las personas que realizan el estudio por las mismas razones. Si supieran qué grupo era cuál, podrían estar más inclinados a observar mejoría en el grupo de prueba y una falta de mejoría en el grupo control. Además, en sus interacciones con los sujetos, sin saberlo, pueden dar información sobre qué grupo era cuál a través de señales subconscientes.

De ahí que el estándar de oro para la investigación médica (y otros campos) es el estudio controlado doble ciego. No siempre es posible crear esas condiciones, a veces lo mejor que pueden hacer los médicos es usar el Método de Acuerdo y simplemente anotar puntos en común entre un grupo de pacientes que padecen la misma afección, por ejemplo, pero los resultados más confiables provienen de tales pruebas. Descubrir causas es difícil en muchos contextos. Los métodos de Mill son un punto de partida útil y modelan con precisión los patrones de inferencia subyacentes involucrados en dicha investigación, pero en la práctica deben complementarse con medidas adicionales y rigor analítico para obtener resultados definitivos. Nos pueden dar pistas sobre las causas, pero no son pruebas definitivas. Recuerde, estos son argumentos inductivos, no deductivos.

Ejercicios

1. ¿Qué se entiende por la palabra 'causa' en lo siguiente: condición necesaria, condición suficiente o mera tendencia?

a) Tirar un ladrillo por una ventana provoca que se rompa. b) La esclavitud causó la Guerra Civil Americana.
c) La exposición al frío provoca congelación.
d) Correr causa lesiones de rodilla.
(e) Cerrar los ojos provoca que no pueda ver.

2. Considera el siguiente escenario y responde las preguntas al respecto:

Alfonse, Bertram, Claire, Dominic, Ernesto y Francine salen a cenar a una cuchara grasienta local. Hay seis elementos en el menú: cóctel de camarón, sopa de setas/cebada, hamburguesa, papas fritas, zanahorias al vapor y helado. Esto es lo que comieron:

Alfonse: camarones, sopa, papas fritas
Bertram: hamburguesa, papas fritas, zanahorias, helado Claire: sopa, hamburguesa, papas fritas, zanahorias Dominic: camarones, sopa, papas fritas, helado Ernesto: hamburguesa, papas fritas, zanahorias
Francine: helado

Esa noche, Alfonse, Claire y Dominic cayeron con un malvado caso de intoxicación alimentaria. Los demás se sintieron bien.

a) Utilizando únicamente el Método de Acuerdo, ¿hasta dónde podemos acotar la lista de posibles causas de la intoxicación alimentaria?
b) Utilizando únicamente el Método de Diferencia, ¿hasta dónde podemos reducir la lista de posibles causas de la intoxicación alimentaria?
(c) Utilizando el Método Conjunto, podemos identificar la causa. ¿Qué es?

3. Para cada uno de los siguientes, identifique cuál de los Métodos de Mill se está utilizando para sacar la conclusión causal.

1. Un agricultor notó un marcado aumento en los rendimientos de los cultivos para la temporada. Comenzó a usar un fertilizante nuevo y mejorado ese año, y el clima era particularmente ideal, solo suficiente lluvia y sol. Sin embargo, el incremento fue mayor de lo que podría explicarse por estos factores. Entonces lo indagó y descubrió que sus campos habían sido colonizados por erizos, que se aprovechan de los tipos de plagas de insectos que suelen comer cultivos.
2. He estado buscando formas de mejorar el sabor de mi chile vegano. Leí en un sitio web que agregar salsa de soja puede ayudar: tiene mucho sabor umami, y eso puede ayudar a compensar la falta de carne. Entonces el otro día, hice dos lotes de mi chile, uno usando mi receta habitual, y el otro hecho exactamente de la misma manera, excepto por la adición de salsa de soja. Invité a un grupo de amigos a una prueba de sabor a ciegas, y efectivamente, ¡el chile con la salsa de soja era el favorito abrumador!
3. La mera presencia de armas de fuego en circulación puede llevar a mayores tasas de homicidios. Los datos son claros al respecto. En los países con mayor número de armas per cápita, la tasa de homicidios es mayor; y en los países con menor número de armas per cápita, la tasa de homicidios es correspondientemente menor.
4. Hay una manera sencilla de acabar con los tiroteos masivos: proscribir las armas semiautomáticas. En 1996, Australia sufrió el peor episodio de tiroteo masivo de su historia, cuando un hombre en Tasmania utilizó dos fusiles semiautomáticos para matar a 35 personas (e hirió a otras 19). El gobierno australiano respondió haciendo ilegales este tipo de armas. No ha habido un tiroteo masivo en Australia desde entonces.
5. Un oncólogo pediátrico se enfrentó a una serie de casos de leucemia infantil en un corto período de tiempo. Desconcertado, realizó exámenes exhaustivos a todos los niños, y además comparó sus situaciones de vida. Se sorprendió al descubrir que todos los niños vivían en casas que estaban ubicadas muy cerca de líneas eléctricas de alta tensión. Concluyó que la exposición a campos electromagnéticos causa cáncer.
6. f) Muchas personas están promocionando los beneficios de la llamada dieta “mediterránea” porque aparentemente disminuye el riesgo de padecer enfermedades cardíacas. Los residentes de países como Italia y Grecia, por ejemplo, consumen grandes cantidades de verduras y aceite de oliva y sufren problemas cardíacos a un ritmo mucho menor que los estadounidenses.
7. A mi hija le cayó lo que parecía ser un caso corriente de gripe: fiebre, escalofríos, congestión, dolor de garganta. Pero fue un poco raro. También estaba experimentando dolores de cabeza muy intensos y una sensibilidad extrema a la luz. Esos síntomas me parecieron atípicos de mera gripe, así que la llevé al médico. ¡Es una buena cosa que hice! Resulta que tuvo un caso de meningitis bacteriana, que es tan grave que puede causar daño cerebral si no se trata a tiempo. Por suerte, lo cogimos a tiempo y a ella le va bien.