La frase "correlación no implica causalidad" se refiere a la incapacidad de deducir legítimamente una relación de causa y efecto entre dos eventos o variables únicamente sobre la base de una asociación o correlación observada entre ellos. [1] [2] La idea de que "la correlación implica causalidad" es un ejemplo de una falacia lógica de causa cuestionable , en la que dos eventos que ocurren juntos se toman para establecer una relación de causa y efecto. Esta falacia también se conoce con la frase latina cum hoc ergo propter hoc ('con esto, por lo tanto debido a esto'). Esto difiere de la falacia conocida como post hoc ergo propter hoc("después de esto, por lo tanto por esto"), en el que un evento que sigue a otro es visto como una consecuencia necesaria del evento anterior, y de la fusión , la fusión errante de dos eventos, ideas, bases de datos, etc., en uno solo.
Como ocurre con cualquier falacia lógica, identificar que el razonamiento detrás de un argumento es defectuoso no implica necesariamente que la conclusión resultante sea falsa. Se han propuesto métodos estadísticos que utilizan la correlación como base para las pruebas de hipótesis de causalidad, incluida la prueba de causalidad de Granger y el mapeo cruzado convergente .
En el uso casual, la palabra "implica" vagamente significa sugiere más que requiere . Sin embargo, en lógica , el uso técnico de la palabra "implica" significa "es una condición suficiente para". [3] Este es el significado que pretenden los estadísticos cuando dicen que la causalidad no es segura. De hecho, p implica que q tiene el significado técnico del condicional material : si p entonces q simbolizado como p → q . Es decir, "si la circunstancia p es verdadera, entonces se sigue q ". En este sentido, siempre es correcto decir "correlación no implica causalidad".
Donde hay causalidad, hay correlación, pero también una secuencia en el tiempo de causa a efecto, un mecanismo plausible y, a veces, causas comunes e intermedias. Si bien la correlación se utiliza a menudo al inferir la causalidad porque es una condición necesaria, no es una condición suficiente.
El análisis causal es el campo del diseño experimental y las estadísticas relacionadas con el establecimiento de causa y efecto. [4] [5] Para dos eventos correlacionados cualesquiera, A y B, sus posibles relaciones incluyen:
Por lo tanto, no se puede llegar a ninguna conclusión con respecto a la existencia o la dirección de una relación de causa y efecto solo por el hecho de que A y B están correlacionados. Determinar si existe una relación real de causa y efecto requiere una mayor investigación, incluso cuando la relación entre A y B es estadísticamente significativa , se observa un gran tamaño del efecto o se explica una gran parte de la varianza .