La multicausalidad y la insuficiencia de la causalidad lineal: Aspectos preliminares

1. Muchas veces se nos enseña que toda situación, hecho o fenómeno tiene una causa, una razón por la cual ocurrió. Pero no siempre se hace la precisión que esta causa debe ser considerada en sentido abstracto y no en sentido específico. Esta última idea puede interpretarse como una única o sola causa de dicha situación, y en consecuencia, al encontrar tan solo una causa que explique una situación, hecho o fenómeno, se suele tener por terminado el análisis de causalidad. Y acto seguido, se procede a establecer un diagnóstico, conclusión y recomendación. 

2. Ahora bien, diversas especialidades más técnicas, desde este enfoque, no se contentan con encontrar una causa, sino que tratan de buscar todas las causas posibles, a fin de identificar cual es la causa única, mediante un sistema de descarte. Este tipo de análisis es mucho mejor que el anterior, sin embargo no reconoce que es posible que la combinación de diversas causas es la verdadera explicación a un problema específico. Si bien se explicará posteriormente, la idea central es que las situaciones, hechos o fenómenos no se dan por causas únicas, ni por varias causas relacionadas entre sí que pueden configurar una suerte de "macro-causa", sino por una combinación de causas independientes o interrelacionadas pero no que conforman una macro-causa.

3. A continuación un ejemplo: Ares (A) tiene sueño en el trabajo. Baco (B), su compañero de trabajo, "deduce" que A tiene sueño porque no ha dormido las 8 horas, por lo tanto, le recomienda que al llegar a su casa duerma más de 8 horas, a fin de recuperar el sueño. Sin embargo, B no sabe que en realidad A tuvo una fiesta la noche anterior, la cual, si bien terminó temprano, permitiéndole dormir 7 horas, lo dejó exhausto y por ello, siente fatiga y sueño durante el trabajo. ¿Cuál es la causa? ¿La falta de sueño (X), como deduce B o la fiesta de anoche (Z), tal como ocurrió? De otro lado, se conoce que A tiene un historial de experiencia en fiestas y en dormir menos que lo recomendado por los médicos (V), por lo cual podría pensarse que este tipo de conductas no tendría por qué afectarle. Resulta entonces que A tomó una bebida en especialmente relajante (W), lo cual puede distinguirse de la fatiga por la fiesta misma, por lo que ello también puede ser un factor de su sueño el día siguien-te. Así mismo, A se ha visto más fatigado últimamente dado que ha aumentado de peso, lo cual afecta su metabolismo de tal manera que se fatiga más rápido en sus actividades regulares (U). 

4. La pregunta persiste: ¿Cuál es la causa? ¿Existe una única causa? ¿Existiendo múltiples causas, es posible que sea una la preponderante y pueda prescindirse de las demás? Este tipo de análisis se denomina formalmente "análisis multivariante" o "analisis de multi-causalidad". Esto permite afirmar que las situaciones, hechos y fenómenos no se deben a una causa única, ni ha múltiples causas donde una es la preponderante, ni a macrocausas, sin a una combinación específica de causas, no necesariamente interdependiente, que generó la situación: "sueño en el trabajo" (S).

5. En términos formales: S = f (U, V, W, X, Y, Z) . Sólo mediante un análisis de la situación específica (muestra o rango de datos observado) podrá verificarse la existencia de una relación excepcional en la combinación de las causas U, V, W, X, Y y Z que ha determinado a su vez la existencia de S. En este sentido, no es recomendable que a priori se afirma que una u otra causas son las únicas o siquiera las preponderantes. Sólo mediante un estudio a profundidad, por ejemplo estadístico, podrá obtener un resultado con mayor rigurosidad causal.

6. Usualmente, en aras de simplificar, incluso los "operadores" estadísticos (aquellos que usan la estadística en sus estudios) intentarán reducir la multicausalidad a dos causas o a una, ello sólo podrá ser posible si estadísticamente el efecto de las menos preponderantes es nulo o casi nulo desde dicho enfoque cuantitativo. Esta cualidad es sumamente difícil de probar, a pesar que existen convenciones estadísticas que argumentan que la exclusión de tales causas "no significativa" no afectará la combinación específicas de las causas antes descritas. En puridad siempre existirá una diferencia entre ambos escenarios [ S = F (U, V, W, X, Y) vs. S = f (U,V,W,X,Y,Z) ], mientras que la duda será en si dicha diferencia es importante o no, desde un enfoque estadístico. 

7. En muchas situaciones, bien por simplificar, bien por desconocimiento, bien por flojera mental, en el día a día se suele identificar una o dos causas a fin de culminar rápidamente con el análisis univariante y seguir con las actividades regulares de la vida. Si bien la vida no es un estudio científico de todos los días, aunque para algunos sí, lo cierto es que deberíamos tomar más atención a un análisis más riguroso y profundo de los problemas que acontecen el día a día. Ello sobre todo debido a que, como seres humanos que somos, estamos acostumbrados, u obligados, a dar explicaciones de nuestros actos o dar recomendaciones respecto de otros a terceros

8. Lamentablemente, muchas disciplinas, entre ellas el Derecho no trabajan con rigurosidad esta problemática y se entrampan en la insuficiencia de la causalidad lineal" como explicación de los supuestos de hecho e inmediata aplicación de la consecuencia jurídica. En el otro extremo, otras profesiones como la Economía, pueden llegar a trabajar con una multicausalidad infinita, la cual reducen artificiosamente, no por un acto necesario de simplificación per se, sino para la obtención de un modelo con resultados concretos que pueda tener una utilidad en el mundo académico público. 

9. De este modo, una explicación monocausal, o bicausal en el mejor de los casos, será insuficiente. Un ejemplo sería S = f (U) ó S = f (U, V), o bien dicho en términos de lógica matemática simple (causalidad lineal): U --> S ó (V ^ U) --> S. Por el contrario, la multicausalidad requerirá de la utilización de otros instrumentos gráficos y formales, tales como diagramas de árbol o matrices, los cuales trascienden, usualmente, la educación regular o mejor dicho, la memoria regular de la educación básica. 

10. Finalmente, la problemática puede resultar mucho más compleja cuando se identifique que la combinación multicausal (que no es la mismo que una macrocausa) puede ser única para cada hecho concreto de la existencia de una persona, partiendo del supuesto que todos tenemos diferentes factores que rodean nuestra existencia, sin perjuicio de tener algunos muy comunes o parecidos, no es posible tener exactamente los mismos. Esta multicausalidad goza de una mayor complejidad que la causalidad lineal, dad que se trata de una causalidad multidimensional. En otros términos, se estaría hablando de una suerte de ADN determinístico, lo cual será materia de la próxima publicación al respecto. 

JMMC

Comments

Popular posts from this blog

Endogeneidad y Exogeneidad en los Modelos Econométricos [MARTIN, JM.]

Impactos no lineales de la multicolinealidad sobre la eficiencia de los estimadores [MARTIN C., J.M.]

¿El manejo de Base de Datos es Econometría? [MARTIN C, J.M.]