Sandbox de causalidade

<p>Uma correlação mostra que duas variáveis se movem juntas — não por quê. O mesmo número pode surgir de três estruturas fundamentalmente diferentes:</p><ul><li>Causa direta (X → Y): remover X muda Y.</li><li>Fator de confusão (Z → X, Z → Y): Z causa ambos; X e Y são correlacionados, mas nenhum causa o outro. Controlar por Z elimina a correlação.</li><li>Colisor (X → Z ← Y): X e Y são independentes, mas se você selecionar ou condicionar sobre Z, cria um vínculo espúrio entre eles.</li></ul><p>O grafo acíclico dirigido (DAG) no gráfico codifica quais variáveis são causas e quais são efeitos. Sem ele, não é possível distinguir esses casos a partir de um único coeficiente de correlação — por isso a inferência causal sempre começa com um modelo estrutural, não com uma matriz de correlação.</p>

A ideia mais profunda deste laboratório é a diferença entre observar uma variável e alterá-la. Fatores de confusão e colisores nos enganam porque só vemos dados que algum processo oculto já moldou. Um experimento aleatorizado rompe isso: atribuir X no cara ou coroa corta toda seta que aponta para X, de modo que qualquer correlação com Y que sobreviva tem de ser causal. É por isso que um ensaio controlado resolve uma pergunta que nenhum volume de dados observacionais consegue responder.

O cenário de Simpson não é brincadeira. Em 1973, as admissões de pós-graduação da UC Berkeley mostraram cerca de 44% dos homens admitidos contra 35% das mulheres, sugerindo viés. No entanto, departamento por departamento, as mulheres eram admitidas a taxas ligeiramente maiores — elas simplesmente haviam se candidatado em número muito maior aos departamentos mais concorridos. Agregar entre os departamentos inverteu a tendência interna de cada grupo, exatamente a reversão que a linha tracejada traça nesta ferramenta.