La noción de causalidad puede aludir al vínculo entre una causa y su efecto.
La causalidad es el principio o el origen de algo. El concepto se utiliza para nombrar a la relación entre una causa y su efecto, y puede utilizarse en el ámbito de la física, la estadística y la filosofía.
La física sostiene que cualquier evento está causado por otro anterior. Por lo tanto, si se conoce con precisión el estado actual de algo, es posible predecir su futuro. Esta postura, conocida como determinismo, fue matizada con el avance de la ciencia.
TemasLa causalidad en la filosofía, la estadística y la sabiduría popular
De acuerdo al principio de causalidad, todo efecto siempre tiene una causa. El principio de uniformidad agrega que, en idénticas circunstancias, una causa siempre produce el mismo efecto.
Para la filosofía, la causalidad es la ley en virtud de la cual se generan efectos. Los filósofos consideran que el hecho de cualquier suceso está originado por una causa y señalan tres condiciones para que A sea la causa de un efecto B: A debe ocurrir antes que B, siempre que ocurra A tiene que ocurrir B y A y B deben ser cercanos en tiempo y espacio.
La estadística, por su parte, sostiene que la causalidad es una relación de necesidad de co-ocurrencia de dos variables.
La noción de causalidad también está presente en la sabiduría popular o en los conocimientos informales. Varios refranes difunden esta idea, como “cosecharás tu siembra” o “quien siembra vientos recoge tempestades”. Estas frases no están vinculadas a hechos científicos o fácticos, sino que tienen su valor en la creencia de que el comportamiento de las personas inevitablemente tiene sus consecuencias.
La causalidad también aparece en la sabiduría popular, como en el caso de la expresión «Cosecharás tu siembra».
Test de Granger
Clive W. J. Granger, un economista nacido en el año 1934 en Gran Bretaña y ganador del Premio Nobel de Economía en 2003, fue el autor de un test de hipótesis estadística cuyo objetivo era determinar si una serie temporal (también denominada cronológica, se trata de una secuencia de datos) servía para predecir otra.
Por lo general, las regresiones estadísticas (fenómeno por el cual una medición extrema tiende a acercarse a la media luego de una segunda observación), reflejan meras correlaciones, pero Granger aseguraba que la causalidad en economía podía mostrarse a través de algún tipo de prueba.
Cabe mencionar que, como la verdadera causalidad es una cuestión profundamente filosófica, los expertos en econometría (rama de la economía que se vale de diversos recursos estadísticos y matemáticos para realizar análisis, interpretaciones y predicciones acerca de sistemas económicos) sostienen que el test de Granger solo puede devolver información causal predictiva.
El test, que permite averiguar si una variable puede ofrecer resultados útiles para predecir el valor de otra, siempre que su carácter sea unidireccional o bidireccional, exige la comparación de la conducta presente de una serie temporal X con la pasada, para deducir si es capaz de predecir el comportamiento de una serie temporal Y. Si el resultado es positivo, puede decirse que el resultado X causa en el sentido de Granger el resultado Y, y su comportamiento se considera unidireccional.
Si, por otro lado, tiene lugar todo lo expuesto en el párrafo anterior, y se suma el hecho de que el resultado Y permite predecir el resultado X, entonces estamos ante la presencia de un comportamiento bidireccional: ambos resultados se causan mutuamente.
Limitaciones de esta hipótesis para analizar la causalidad
La causalidad de Granger posee ciertas limitaciones, dado que no se trata de verdadera causalidad. Por ejemplo, si tanto X como Y son parte de un mismo proceso con diferentes intervalos de tiempo, una de ellas puede no descartar la hipótesis alterna (también llamada alternativa, ofrece una solución diferente a la propuesta por la hipótesis principal y por la nula, o sea, la opuesta). Sin embargo, al manipular una de ellas no se mostraría ningún cambio en la otra.
En pocas palabras, el test de Granger fue diseñado para tratar pares de variables, por lo que el uso de tres o más puede ofrecer resultados confusos.
