Correlação não é causalidade

Nos meses em que a venda de sorvete sobe, os afogamentos também sobem. Sorvete causa afogamento? Claro que não: o verão causa os dois. Esse é o exemplo clássico da regra mais importante da leitura de dados: correlação (duas coisas variando juntas) não é causalidade (uma provocar a outra). Parece óbvio no sorvete, mas o mesmo erro, disfarçado, sustenta manchetes, propagandas e decisões todos os dias: quem toma vitamina vive mais (ou quem cuida da saúde faz as duas coisas?), escolas privadas ensinam melhor (ou selecionam alunos com mais recursos?).

Os três suspeitos de sempre

Quando X e Y andam juntos, há sempre três explicações concorrentes. Causalidade direta: X causa Y. Causalidade reversa: Y causa X (países ricos têm mais médicos porque são ricos, ou ficaram ricos por tê-los?). E a terceira variável: algo escondido causa os dois, como o verão do sorvete, o chamado fator de confusão. Distinguir entre as três é o trabalho central da econometria, e nenhum gráfico de duas linhas subindo juntas o faz sozinho.

Como se estabelece causa

O padrão-ouro é o experimento: sortear quem recebe o tratamento elimina as outras explicações, porque os grupos ficam iguais em tudo, exceto no tratamento. Quando o experimento é impossível (não se sorteia quem nasce pobre), entram os desenhos quase-experimentais: experimentos naturais, comparações antes-e-depois com grupos de controle, descontinuidades de regras. A pergunta-chave do leitor diante de qualquer estudo: comparado com quê, e por que essa comparação é justa?

A formalização da inferência causal transformou o aforismo em arcabouço. No modelo de resultados potenciais (Neyman-Rubin), o efeito causal é a diferença entre o que aconteceu com tratamento e o que teria acontecido sem ele, um contrafactual por definição inobservável para o mesmo indivíduo; todo método causal é uma estratégia para construir o contrafactual crível, e a correlação simples falha porque tratados e não tratados diferem por seleção (quem escolhe tratamento difere de quem não escolhe). A randomização resolve por construção; os métodos quase-experimentais (instrumentos, diferenças em diferenças, descontinuidades) resolvem sob hipóteses explícitas e testáveis em parte, e a linguagem gráfica de Judea Pearl sistematiza quais controles fecham as portas dos confundidores e quais as abrem (o aviso contra controlar por colisores, o erro sofisticado).

O repertório de patologias merece catálogo: correlações espúrias por tendências comuns (duas séries que crescem no tempo correlacionam-se com quase tudo, a armadilha clássica de séries temporais que Yule já documentara em 1926), causalidade reversa, viés de variável omitida e viés de seleção, cada qual com seu antídoto de desenho. A régua editorial decorrente, e o motivo de este termo existir num portal YMYL: diante de estudo mostra que, perguntar pela fonte da variação (quem decidiu quem recebeu o quê?), pelo grupo de comparação e pela robustez. A economia adotou essa disciplina na revolução da credibilidade, e o leitor pode adotá-la no café da manhã: a maioria das manchetes causais não sobrevive às três perguntas.