Correlación y causalidad: cómo distinguirlas en los datos

Una tienda observa que quienes reciben más correos promocionales también compran más. ¿Debería enviar más mensajes para aumentar las ventas? Tal vez, pero los datos por sí solos no responden: quizá los clientes más interesados son también quienes aceptan recibir más comunicaciones.

Confundir una asociación con una relación de causa y efecto puede llevar a decisiones costosas o conclusiones equivocadas. Distinguir entre correlación y causalidad ayuda a formular mejores preguntas y a elegir análisis adecuados. En esta guía aprenderás a reconocer explicaciones alternativas, interpretar ejemplos y valorar qué evidencia necesitas antes de afirmar que una acción produce un resultado.

Qué es la correlación

La correlación describe una relación estadística entre variables: cuando cambia una, la otra tiende a cambiar de cierta manera. Una asociación positiva indica que valores más altos de una variable suelen acompañarse de valores más altos de la otra. Una negativa indica que, a medida que una aumenta, la otra tiende a disminuir.

Por ejemplo, una empresa podría observar que los clientes con más visitas a su web gastan más. Esa relación puede ser útil para describir comportamientos o predecir ventas, pero no demuestra que obligar a alguien a visitar la web más veces aumente su gasto.

Un indicador habitual es el coeficiente de correlación de Pearson, que toma valores entre -1 y 1 y resume la intensidad y dirección de una relación lineal. Un valor cercano a cero indica poca relación lineal, no necesariamente ausencia de cualquier relación: dos variables podrían estar vinculadas de forma curva. Además, los valores extremos pueden alterar el coeficiente, por lo que conviene revisar también un gráfico de dispersión.

La correlación es una descripción de los datos observados. Por sí sola no explica qué mecanismo los produjo ni en qué dirección actuaría una posible causa.

Qué significa causalidad

Hay causalidad cuando un cambio en una condición produce un cambio en un resultado. La pregunta clave no es solo qué ocurrió, sino qué habría ocurrido en las mismas circunstancias si la condición hubiera sido distinta. A esa situación alternativa se la conoce como contrafactual.

Imagina que una tienda cambia el diseño de su página de pago y aumentan las compras. Para atribuir el aumento al diseño, habría que estimar qué habría pasado durante ese mismo periodo si la página no hubiera cambiado. No podemos observar ambas situaciones simultáneamente para la misma visita, así que necesitamos una comparación creíble.

Esto distingue una pregunta descriptiva de una causal:

Descriptiva: ¿qué relación existe entre recibir correos y comprar?
Predictiva: ¿ayuda el historial de correos a anticipar quién comprará?
Causal: ¿cuánto cambiarían las compras si enviáramos un correo adicional?

Una variable puede ser buena para predecir sin ser una palanca eficaz para intervenir. Por ejemplo, el interés previo puede predecir tanto la apertura de mensajes como la compra, aunque enviar más mensajes no genere el efecto esperado.

Por qué una correlación puede resultar engañosa

Antes de aceptar una explicación causal, conviene examinar otras formas en que pudo surgir la asociación. Las siguientes situaciones pueden aparecer por separado o combinarse.

Una tercera variable influye en ambas

Un factor de confusión es una variable que influye tanto en la posible causa como en el resultado y puede distorsionar la relación observada. Si los días calurosos coinciden con más ventas de helados y más visitas a piscinas, sería incorrecto concluir que comprar helado provoca esas visitas. La temperatura puede contribuir a ambos comportamientos.

En el ejemplo de los correos, el interés previo podría influir tanto en la cantidad de mensajes recibidos como en la probabilidad de comprar. Si no se tiene en cuenta, es fácil atribuir al correo un efecto que al menos en parte se debe a ese interés.

La dirección puede ser inversa

A veces, el resultado aparente precede a la supuesta causa. Una empresa puede observar que los clientes que contactan con soporte tienen más incidencias. Eso no demuestra que contactar genere incidencias: probablemente muchas personas escriben porque ya tenían un problema.

Comprobar el orden temporal es imprescindible. Si la supuesta causa ocurre después del resultado, no puede haberlo causado. Pero que ocurra antes tampoco basta para demostrar causalidad.

La selección y el azar importan

Si solo analizas las respuestas de una encuesta voluntaria, quienes responden pueden diferir de quienes no lo hacen. Una asociación dentro de ese grupo quizá no represente a todos los usuarios. También puede aparecer un patrón por azar, especialmente al probar muchas variables y destacar únicamente las relaciones llamativas.

La forma de recopilar datos importa tanto como el cálculo posterior. Pregunta quién falta, cómo se eligieron los casos y si la relación se buscó desde el principio o apareció tras explorar numerosas posibilidades.

Cómo evaluar si una relación podría ser causal

No existe una prueba única que convierta automáticamente una correlación en causalidad. Sí puedes seguir un proceso ordenado para valorar la solidez de una conclusión.

Formula una intervención concreta. Sustituye «los correos aumentan las ventas» por «¿qué cambiaría en las compras si enviamos un correo adicional a clientes elegibles?». Define también el periodo y la población.
Comprueba la secuencia temporal. La intervención debe preceder al resultado. Revisa cuándo se registró cada dato, no solo cuándo apareció en el informe.
Identifica explicaciones alternativas. Enumera factores que puedan influir en la intervención y el resultado: interés previo, estacionalidad o campañas simultáneas, por ejemplo.
Examina la comparación disponible. Pregunta si los grupos eran similares antes de la intervención y si sus resultados se midieron del mismo modo.
Busca una explicación plausible y evidencia adicional. Un mecanismo coherente y resultados consistentes en otros contextos refuerzan la interpretación, aunque no eliminan por sí solos los sesgos.
Expresa la incertidumbre. Indica qué se estimó, con qué precisión y qué limitaciones podrían cambiar la conclusión.

Una asociación intensa o estadísticamente significativa no basta para demostrar causa y efecto. La significación estadística, en términos generales, evalúa la compatibilidad de los datos con una hipótesis estadística bajo ciertos supuestos; no corrige automáticamente una selección sesgada ni demuestra que el efecto sea importante en la práctica.

Experimentos: comparar qué pasa con y sin intervención

Cuando es viable y ético, un experimento aleatorizado ofrece una forma sólida de investigar causalidad. En una prueba A/B, por ejemplo, se asigna al azar a los usuarios elegibles a dos grupos: uno recibe el nuevo diseño y el otro mantiene el diseño anterior. Después se compara una métrica definida de antemano, como la proporción de visitas que completan una compra.

La asignación aleatoria busca que los grupos sean comparables, tanto en factores conocidos como desconocidos, en promedio. Así, una diferencia posterior puede atribuirse con más confianza al cambio. Aun así, no elimina todos los problemas: puede haber muestras pequeñas, fallos de implementación, usuarios expuestos a ambas versiones o diferencias en la medición.

Para diseñar una prueba útil:

Define la población, la intervención, la métrica principal y la duración prevista antes de analizar los resultados.
Comprueba que la asignación y el registro de eventos funcionan correctamente.
Evalúa el tamaño del efecto y su intervalo de confianza, no solo si supera un umbral de significación.
Considera efectos secundarios, como más compras iniciales acompañadas de más devoluciones.
Evita extender la conclusión automáticamente a usuarios, periodos o contextos distintos de los estudiados.

Un experimento bien ejecutado puede estimar un efecto causal para sus condiciones concretas. No garantiza que el mismo efecto se repita con cualquier audiencia o implementación.

Qué hacer cuando no puedes experimentar

En muchos casos no es posible asignar una intervención al azar por razones éticas, prácticas o de coste. Entonces pueden utilizarse datos observacionales y métodos que intentan construir una comparación razonable.

Por ejemplo, se pueden comparar grupos similares en características medidas o analizar cambios antes y después frente a un grupo de comparación. Estos enfoques requieren supuestos: que se hayan medido los factores relevantes, que los grupos habrían seguido tendencias comparables sin la intervención o que no haya ocurrido otro cambio importante al mismo tiempo, según el método.

Ajustar por muchas variables no garantiza eliminar el sesgo. Puede faltar un factor de confusión y, además, controlar variables inadecuadas puede introducir distorsiones. Es útil dibujar las posibles relaciones entre variables antes de decidir qué incluir en el análisis y explicar las limitaciones que permanecen.

Por ejemplo, si una tienda envía una promoción solo a clientes con alto interés previo, comparar sus compras con las del resto no aislará necesariamente el efecto del mensaje. Datos sobre compras anteriores podrían ayudar, pero quizá no capturen todo el interés. La conclusión debería reflejar esa incertidumbre.

Cómo comunicar los resultados sin exagerar

El lenguaje debe corresponder al diseño del análisis. Si solo observaste una asociación, escribe «los clientes que recibieron el mensaje compraron más» y explica que pueden existir otras causas. Evita afirmar «el mensaje aumentó las compras» salvo que la evidencia permita sostener esa interpretación.

Al presentar un resultado, incluye a quién se refiere, qué se comparó, la magnitud estimada y sus límites. Si el objetivo era predecir, dilo: un modelo puede ser útil para anticipar demanda aunque no identifique las causas que la generan.

Conclusión

La correlación muestra que dos variables están relacionadas; la causalidad exige justificar qué cambiaría al intervenir sobre una de ellas. Para distinguirlas, revisa el orden temporal, los factores de confusión, la selección de los datos y la calidad de la comparación.

La próxima vez que encuentres una relación llamativa, antes de convertirla en una decisión pregúntate: «¿Qué otra explicación encaja con estos datos y cómo podría comprobarla?». Esa pregunta es un buen punto de partida para pasar de un patrón atractivo a una conclusión más fiable.