Que dos cosas ocurran juntas no demuestra que una sea la causa de la otra. Una correlación indica que dos variables presentan algún tipo de asociación estadística, pero esa relación puede deberse a causalidad directa, causalidad inversa, una tercera variable, sesgos de los datos o incluso al azar.
Distinguir correlación y causalidad es fundamental para interpretar estudios científicos, noticias, estadísticas y afirmaciones que circulan por redes sociales. Frases como «las personas que hacen X tienen más Y» describen, en principio, una asociación. Para concluir que X provoca Y necesitamos evidencia adicional y un razonamiento causal adecuado.
Esto tampoco significa que las correlaciones carezcan de valor. Al contrario: muchas investigaciones importantes comienzan detectando asociaciones. El error consiste en convertir automáticamente una relación observada en una explicación causal.
Qué es una correlación
Una correlación aparece cuando dos variables cambian de forma relacionada dentro de un conjunto de datos.
Por ejemplo, podemos observar que cuando aumenta una variable también tiende a aumentar otra, o que una aumenta mientras la otra disminuye.
Correlación positiva
Existe una correlación positiva cuando valores mayores de una variable tienden a asociarse con valores mayores de la otra.
Por ejemplo, en determinadas poblaciones puede existir una relación positiva entre altura y peso: en promedio, las personas más altas tienden a pesar más. Esto no significa que la relación sea perfecta ni que conocer una variable permita predecir exactamente la otra.
Correlación negativa
Una correlación negativa aparece cuando valores mayores de una variable tienden a relacionarse con valores menores de otra.
Por ejemplo, en determinadas circunstancias podría observarse que a medida que aumenta una variable de protección disminuye la frecuencia de cierto resultado adverso.
Ausencia de correlación
Dos variables pueden no mostrar una relación estadística clara. Pero tampoco debemos convertir automáticamente «no encontramos correlación» en «sabemos que no existe ninguna relación».
La muestra puede ser pequeña, las mediciones imprecisas, la relación no lineal o el efecto demasiado débil para ser detectado mediante el análisis utilizado.
Qué significa causalidad
Hablamos de causalidad cuando un factor influye realmente en la probabilidad o en el estado de otro fenómeno.
Si X causa Y, modificar X debería modificar Y bajo las condiciones relevantes, aunque en fenómenos complejos la relación puede ser probabilística y depender de muchos otros factores.
Una causa no tiene por qué producir siempre el mismo efecto.
Fumar, por ejemplo, causa cáncer de pulmón en el sentido epidemiológico de que aumenta significativamente su riesgo. Eso no significa que toda persona que fuma vaya a desarrollar cáncer ni que todas las personas con cáncer de pulmón hayan fumado.
En biología, medicina, ecología y ciencias sociales, las causas suelen modificar probabilidades dentro de sistemas donde intervienen múltiples variables.
Por qué correlación no significa necesariamente causalidad
Supongamos que observamos que dos variables, X e Y, cambian juntas.
Existen varias explicaciones posibles:
- X causa Y.
- Y causa X.
- Una tercera variable Z causa o modifica ambas.
- Existen relaciones causales más complejas entre varias variables.
- La asociación está producida por un sesgo de selección o medición.
- La correlación ha aparecido por azar.
Una correlación por sí sola normalmente no permite decidir cuál de estas explicaciones es correcta.
El problema de las terceras variables
Uno de los motivos más importantes por los que una correlación puede resultar engañosa es la presencia de una variable de confusión.
Una variable de confusión está relacionada tanto con el factor que estudiamos como con el resultado y puede crear, ocultar o modificar una asociación.
Imaginemos que encontramos una relación entre el consumo de determinado producto y una enfermedad. Antes de atribuirle causalidad deberíamos preguntarnos si quienes consumen ese producto también difieren en:
- edad
- actividad física
- alimentación general
- consumo de alcohol o tabaco
- situación socioeconómica
- acceso a atención sanitaria
- otras exposiciones ambientales
Si alguna de estas variables se relaciona tanto con el consumo como con la enfermedad, podría explicar parte o toda la asociación observada.
Un ejemplo clásico: helados y ahogamientos
Un ejemplo didáctico habitual consiste en imaginar que durante el año aumentan al mismo tiempo las ventas de helados y los ahogamientos.
Sería absurdo concluir que comer helados provoca ahogamientos.
Existe una tercera variable evidente: la temperatura y la estación del año.
Cuando hace calor:
- se venden más helados
- más personas acuden a playas y piscinas
- aumenta la exposición a situaciones donde puede producirse un ahogamiento
La correlación entre helados y ahogamientos podría ser real en los datos, pero la interpretación causal directa sería falsa.
Este ejemplo es sencillo. En investigaciones reales, las variables de confusión pueden ser mucho más difíciles de identificar y medir.
La causalidad inversa
Otra posibilidad es que interpretemos la dirección causal al revés.
Supongamos que un estudio observa que las personas con determinado problema de salud realizan menos actividad física.
Podríamos concluir precipitadamente que:
menos actividad física → problema de salud.
Pero también podría ocurrir, al menos parcialmente:
problema de salud → menos actividad física.
O ambas direcciones podrían intervenir simultáneamente.
Por eso la secuencia temporal es esencial para inferir causalidad: una causa debe preceder a su efecto.
También existen correlaciones producidas por azar
Cuando se analizan muchas variables, algunas pueden correlacionarse simplemente por coincidencia estadística.
Imaginemos una base de datos con cientos de indicadores económicos, sanitarios, ambientales y sociales. Si comparamos todas las variables posibles entre sí, encontraremos inevitablemente algunas asociaciones llamativas aunque no exista ninguna relación causal real.
Este problema aumenta cuando:
- se realizan gran cantidad de comparaciones
- solo se comunican las correlaciones llamativas
- se formulan hipótesis después de observar los datos
- no se replican los resultados en nuevas muestras
Por eso una correlación sorprendente debe considerarse normalmente un punto de partida para investigar, no una demostración inmediata.
Una correlación fuerte tampoco demuestra causalidad
Puede parecer intuitivo pensar que una asociación muy fuerte debe ser causal. Pero tampoco es una regla absoluta.
Una tercera variable muy potente puede generar una relación fuerte entre otras dos. Un sesgo sistemático de medición también puede producir asociaciones aparentemente impresionantes.
La fuerza de una asociación puede contribuir a una inferencia causal, pero debe analizarse junto con otras evidencias.
Y una correlación débil puede formar parte de una relación causal
El error contrario también existe.
En sistemas complejos, una causa puede producir un efecto pequeño porque intervienen numerosos factores adicionales.
Una asociación modesta pero consistente, correctamente medida y respaldada por diferentes métodos puede tener una interpretación causal sólida.
Por eso no existe un valor de correlación que, por sí solo, convierta automáticamente una asociación en causal.
Cómo ayudan los experimentos a establecer causalidad
Una de las mejores maneras de investigar una relación causal consiste en modificar deliberadamente una variable y observar qué ocurre con otra.
Ese es uno de los principios de los experimentos controlados explicados en el método científico.
En un ensayo aleatorizado, los participantes pueden asignarse al azar a diferentes condiciones. La aleatorización ayuda a distribuir entre los grupos factores conocidos y desconocidos que podrían actuar como variables de confusión.
Si los grupos son suficientemente comparables antes de la intervención y posteriormente muestran diferencias sistemáticas en el resultado, la interpretación causal puede fortalecerse considerablemente.
Pero un experimento tampoco garantiza automáticamente una conclusión correcta. Puede haber:
- muestras demasiado pequeñas
- errores de medición
- pérdidas de participantes
- falta de enmascaramiento
- análisis inadecuados
- resultados difíciles de generalizar a otras poblaciones
La calidad del diseño sigue siendo fundamental.
No siempre podemos hacer experimentos
La frase «solo un experimento demuestra causalidad» también simplifica demasiado cómo funciona la ciencia.
Existen preguntas en las que realizar un experimento sería imposible, impracticable o éticamente inaceptable.
No podemos asignar al azar personas a fumar durante décadas para comprobar si desarrollan cáncer de pulmón. Tampoco podemos modificar experimentalmente el clima planetario, provocar una extinción masiva o repetir la evolución de una especie a escala geológica.
En estos casos la ciencia utiliza estudios observacionales, experimentos naturales, genética, modelos, comparaciones, secuencias temporales, mecanismos y líneas independientes de evidencia.
Una investigación observacional no es automáticamente débil. Su capacidad para establecer causalidad depende de la pregunta, del diseño y de la posibilidad de descartar explicaciones alternativas.
Qué es un estudio observacional
En un estudio observacional los investigadores miden exposiciones y resultados sin asignar deliberadamente a las personas o sistemas estudiados a una determinada condición.
Estos estudios son esenciales en:
- epidemiología
- ecología
- astronomía
- geología
- climatología
- ciencias sociales
- biología evolutiva
El reto consiste en separar el efecto del factor estudiado de otras diferencias existentes entre los grupos o situaciones observados.
Cómo se puede inferir causalidad sin un experimento controlado
La inferencia causal utiliza diferentes tipos de evidencia y razonamiento.
Temporalidad
La supuesta causa debe ocurrir antes que el efecto.
Esta condición es necesaria, aunque no suficiente. Que X ocurra antes que Y no demuestra que X lo haya causado.
Consistencia
Una asociación resulta más convincente si aparece repetidamente en diferentes poblaciones, lugares, momentos y métodos de investigación.
Relación dosis-respuesta
En algunos fenómenos, aumentar la exposición produce un aumento o disminución progresiva del efecto.
Esta relación puede reforzar una interpretación causal, aunque no todas las causas producen respuestas lineales o simples.
Mecanismo plausible
Conocer un mecanismo capaz de conectar causa y efecto puede reforzar considerablemente una hipótesis.
Sin embargo, desconocer todavía el mecanismo no demuestra que una relación causal sea falsa. La historia de la ciencia contiene relaciones causales reconocidas antes de comprender completamente sus mecanismos.
Experimentos naturales
En ocasiones las circunstancias producen grupos comparables que reciben exposiciones diferentes sin que los investigadores hayan creado deliberadamente esa situación.
Estos experimentos naturales pueden proporcionar información causal especialmente valiosa cuando se analizan correctamente.
Convergencia de evidencia
Una conclusión causal gana credibilidad cuando diferentes métodos con limitaciones distintas apuntan en la misma dirección.
Esta lógica está estrechamente relacionada con la forma en que se evalúa la evidencia científica: ningún dato debe interpretarse aislado del diseño que lo produjo y del resto del conocimiento disponible.
Los criterios de Bradford Hill: útiles, pero no una lista automática
En epidemiología son conocidas las consideraciones formuladas por Austin Bradford Hill en 1965 para evaluar cuándo una asociación puede interpretarse razonablemente como causal.
Entre ellas se encuentran:
- fuerza de la asociación
- consistencia
- especificidad
- temporalidad
- gradiente biológico o dosis-respuesta
- plausibilidad
- coherencia con otros conocimientos
- evidencia experimental
- analogía
Estos elementos siguen siendo útiles para pensar sobre causalidad, pero no deben utilizarse como una checklist mecánica.
No es necesario que todos aparezcan en cada relación causal ni la presencia de varios garantiza por sí misma causalidad.
La inferencia causal moderna utiliza además modelos estadísticos, razonamiento contrafactual, diagramas causales y otros métodos diseñados para hacer explícitos los supuestos sobre cómo se relacionan las variables.
Correlación no implica causalidad no significa que nunca podamos conocer causas
La frase «correlación no implica causalidad» se utiliza a veces incorrectamente para rechazar cualquier conclusión causal basada en estudios observacionales.
Eso tampoco es correcto.
La afirmación significa:
una correlación aislada no basta para demostrar causalidad.
No significa:
una correlación nunca puede formar parte de evidencia causal.
Si disponemos de temporalidad, replicación, controles adecuados, mecanismos compatibles, relaciones dosis-respuesta, experimentos naturales y otros resultados independientes, una asociación puede contribuir a una inferencia causal muy sólida.
El ejemplo del tabaco y el cáncer de pulmón
La relación entre tabaco y cáncer de pulmón es un ejemplo histórico importante porque no podía estudiarse asignando éticamente personas a fumar durante décadas.
Sin embargo, se acumularon múltiples evidencias:
- una asociación fuerte entre tabaquismo y cáncer de pulmón
- repetición del resultado en estudios diferentes
- temporalidad adecuada
- relaciones entre cantidad de exposición y riesgo
- reducción del riesgo tras abandonar el consumo
- identificación de sustancias carcinógenas en el humo
- mecanismos biológicos compatibles
- evidencias moleculares y experimentales adicionales
El resultado no dependió de una única correlación. Se construyó mediante un cuerpo convergente de evidencia.
Cuidado con controlar demasiadas variables
Puede parecer que cuantos más factores controlemos estadísticamente, mejor será siempre un estudio. Tampoco es necesariamente cierto.
Para estudiar causalidad es importante comprender qué papel desempeña cada variable dentro del proceso.
Controlar una verdadera variable de confusión puede reducir sesgos. Pero ajustar incorrectamente por una variable que forma parte del mecanismo causal o por determinadas variables condicionadas por otras puede introducir nuevos problemas.
Por eso la inferencia causal moderna utiliza con frecuencia diagramas causales para representar hipótesis sobre las relaciones entre variables antes de decidir qué factores deben ajustarse.
Una correlación puede cambiar al separar los datos por grupos
Otro fenómeno importante es que una relación observada en todos los datos combinados puede cambiar, debilitarse o incluso invertirse cuando se analizan grupos relevantes por separado.
Este tipo de situación se relaciona con fenómenos estadísticos como la paradoja de Simpson.
Puede ocurrir cuando una tercera variable distribuye de manera diferente los casos entre grupos y altera la asociación global.
La lección no es que las estadísticas sean engañosas por naturaleza, sino que el significado de una relación depende de cómo se generaron y estructuraron los datos.
Cómo se confunde correlación con causalidad en los titulares
La comunicación pública de la ciencia favorece a veces interpretaciones causales que el estudio original no permite.
Un estudio puede concluir:
«El consumo de X se asocia con una menor frecuencia de Y».
Y el titular convertirse en:
«X previene Y».
La diferencia es enorme.
Expresiones como:
- «se relaciona con»
- «se asocia con»
- «es más frecuente entre»
- «se observa junto a»
no significan necesariamente:
- «provoca»
- «produce»
- «previene»
- «protege contra»
Leer con atención estos verbos es una herramienta sencilla de pensamiento crítico.
Cómo evaluar una noticia que afirma que X causa Y
Ante una afirmación causal conviene hacerse varias preguntas.
- ¿Qué tipo de estudio se realizó? ¿Fue experimental u observacional?
- ¿La supuesta causa ocurrió antes que el efecto?
- ¿Existe un grupo de comparación adecuado?
- ¿Podrían intervenir variables de confusión?
- ¿Se ha considerado causalidad inversa?
- ¿Cuál es el tamaño real del efecto?
- ¿El resultado se ha observado en otros estudios?
- ¿Existe un mecanismo compatible?
- ¿Los autores hablan de asociación o realmente de causalidad?
- ¿El titular afirma más de lo que permite el estudio?
No es necesario ser especialista en estadística para detectar muchas exageraciones. Preguntar cómo se obtuvo la conclusión ya mejora considerablemente la interpretación.
Por qué este error favorece la desinformación
Confundir correlación y causalidad permite construir historias convincentes a partir de datos reales.
Esto es especialmente eficaz porque no siempre es necesario inventar una cifra. Basta con tomar una asociación auténtica y atribuirle una causa que el estudio nunca demostró.
La estructura suele ser:
«Las personas que hacen X presentan más Y, por tanto X provoca Y».
Pero podrían existir diferencias previas entre quienes hacen X y quienes no, causalidad inversa, selección de participantes, errores de medición o multitud de factores adicionales.
Esta es una de las razones por las que comprender cómo funciona la ciencia resulta más útil que memorizar conclusiones aisladas. Una afirmación debe evaluarse por la calidad de su evidencia y por la inferencia que permite realizar.
Errores frecuentes sobre correlación y causalidad
- «Si dos variables están correlacionadas, una causa la otra»: falso. Pueden intervenir confusión, causalidad inversa, sesgos o azar.
- «Una correlación muy fuerte demuestra causalidad»: no necesariamente. La fuerza es solo una parte de la evaluación.
- «Si existe causalidad debe haber una correlación perfecta»: falso. Los fenómenos complejos dependen de múltiples factores y contienen variabilidad.
- «Los estudios observacionales nunca permiten inferir causas»: falso. Pueden aportar evidencia causal importante cuando se combinan diseños adecuados y distintas líneas de evidencia.
- «Solo los ensayos aleatorizados producen conocimiento causal»: demasiado simple. No siempre son posibles y también tienen limitaciones.
- «Si controlamos estadísticamente muchas variables eliminamos todos los problemas»: falso. El control depende de un modelo causal adecuado y no puede corregir automáticamente todo sesgo.
- «Correlación no implica causalidad significa que las correlaciones no sirven»: falso. Son fundamentales para descubrir patrones, formular hipótesis y construir evidencia.
Preguntas frecuentes sobre correlación y causalidad
¿Cuál es la diferencia entre correlación y causalidad?
La correlación indica que dos variables presentan una relación estadística. La causalidad significa que modificar una influye realmente sobre la otra. Una correlación aislada no permite demostrar esa influencia causal.
¿Puede existir correlación sin causalidad?
Sí. Puede deberse a una tercera variable, causalidad inversa, sesgos, coincidencia estadística u otras relaciones más complejas.
¿Puede existir causalidad sin una correlación fuerte?
Sí. Una causa puede tener un efecto pequeño dentro de un sistema influido por muchas otras variables. La fuerza de la asociación no determina por sí sola si la relación es causal.
¿Cómo se demuestra que algo causa otra cosa?
No existe una prueba universal aplicable a todos los problemas. Se utilizan experimentos cuando son posibles y, en otros casos, temporalidad, control de confusión, experimentos naturales, mecanismos, relaciones dosis-respuesta, replicación y convergencia entre líneas independientes de evidencia.
¿Un estudio observacional puede demostrar causalidad?
Un único estudio observacional suele tener mayores dificultades para descartar explicaciones alternativas que un buen experimento aleatorizado. Sin embargo, un conjunto sólido de estudios observacionales, mecanismos, temporalidad, experimentos naturales y otras evidencias puede respaldar conclusiones causales muy fuertes.
Conclusión
Una correlación nos dice que dos variables presentan una relación en los datos. No nos dice automáticamente por qué están relacionadas.
La asociación puede reflejar causalidad directa, causalidad inversa, variables de confusión, sesgos, estructuras causales más complejas o coincidencia estadística. Para distinguir estas posibilidades necesitamos conocer cómo se obtuvieron los datos y qué otras evidencias existen.
Los experimentos aleatorizados son herramientas especialmente poderosas para estudiar causas porque ayudan a reducir la confusión, pero no todas las preguntas científicas permiten experimentación. En esos casos, temporalidad, replicación, mecanismos, controles, experimentos naturales y evidencia convergente permiten construir inferencias causales.
Por eso la frase correcta no es «las correlaciones no sirven». La idea importante es otra: una correlación es una observación; convertirla en una explicación causal exige evidencia adicional. Comprender esa diferencia es una de las herramientas más útiles para interpretar ciencia, estadísticas y desinformación con criterio.
Bibliografía científica y fuentes
- Hill, A. B. (1965). «The Environment and Disease: Association or Causation?». Proceedings of the Royal Society of Medicine, 58, 295–300.
- Hernán, M. A. y Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC.
- Pearl, J., Glymour, M. y Jewell, N. P. (2016). Causal Inference in Statistics: A Primer. Wiley.
- Rothman, K. J., Greenland, S. y Lash, T. L. (2008). Modern Epidemiology. Lippincott Williams & Wilkins.
- Fedak, K. M. et al. (2015). «Applying the Bradford Hill criteria in the 21st century: how data integration has changed causal inference in molecular epidemiology». Emerging Themes in Epidemiology, 12, 14.
- National Library of Medicine. Recursos sobre estadística, causalidad y diseños de investigación.
- NCBI Bookshelf. Recursos sobre principios de causalidad e inferencia epidemiológica.