Sandbox de causalidad

<p>Una correlación indica que dos variables se mueven juntas — no por qué. El mismo número puede surgir de tres estructuras fundamentalmente distintas:</p><ul><li>Causa directa (X → Y): eliminar X cambia Y.</li><li>Factor de confusión (Z → X, Z → Y): Z causa ambos; X e Y están correlacionadas, pero ninguna causa a la otra. Controlar por Z elimina la correlación.</li><li>Colisionador (X → Z ← Y): X e Y son independientes, pero si seleccionas o condicionas sobre Z, creas un vínculo espurio entre ellas.</li></ul><p>El grafo acíclico dirigido (DAG) del gráfico codifica qué variables son causas y cuáles efectos. Sin él no puedes distinguir estos casos a partir de un único coeficiente de correlación — por eso la inferencia causal siempre empieza con un modelo estructural, no con una matriz de correlaciones.</p>

La idea más profunda de este laboratorio es la diferencia entre observar una variable y modificarla. Los factores de confusión y los colisionadores nos engañan porque solo vemos datos que algún proceso oculto ya moldeó. Un experimento aleatorizado rompe esto: asignar X con el lanzamiento de una moneda corta toda flecha que apunta hacia X, así que cualquier correlación con Y que sobreviva tiene que ser causal. Por eso un ensayo controlado resuelve una pregunta que ningún volumen de datos observacionales puede resolver.

El escenario de Simpson no es un juguete. En 1973, las admisiones de posgrado de UC Berkeley mostraron cerca del 44% de hombres admitidos frente al 35% de mujeres, sugiriendo un sesgo. Sin embargo, departamento por departamento, las mujeres eran admitidas a tasas algo más altas: simplemente habían solicitado en mucho mayor número a los departamentos más competitivos. Agregar entre departamentos invirtió la tendencia interna de cada grupo, exactamente la reversión que traza la línea discontinua de esta herramienta.