As correlações podem ser valiosas, especialmente para fazer previsões. Mas isso não basta. Para termos controle sobre nossa capacidade de fazer mudanças, precisamos saber se realmente existe um relacionamento causal.
Por exemplo, o geneticista inglês Ronald A. Fisher identificou uma correlação entre a importação de maçãs e a taxa de divórcios, que claramente não tem relação de causa e efeito. Assim, limitar a compra internacional da fruta não é solução para melhorar o relacionamento dos casais.
Outra razão pela qual dois fatores podem ser correlacionados, ainda que não haja relação de causa e efeito, é quando eles têm uma causa comum.
Tais confusões são muito comuns na literatura cientÃfica. Por exemplo, um estudo de 1999, publicado na revista Nature (www.nature.com/articles/20094) mostrou que crianças com menos de dois anos de idade que dormiam com luzes noturnas eram mais propensas a ter miopia. Outros pesquisadores mostraram mais tarde (www.nature.com/articles/35004663) que os pais mÃopes eram mais propensos a manter as luzes acesas durante a noite. Pode ser que os pais fossem uma causa comum do uso de luzes noturnas e, em virtude de herança genética, a miopia fosse transmitida aos filhos. Nesse caso, a razão pela qual os dois fatores podem ser correlacionados, embora não tenha relação de causa e efeito, é que eles têm uma causa comum.
Fonte: Nick Barrowman, “Correlation, Causation, and Confusion,” The New Atlantis, Number 43, Summer/Fall 2014, pp. 23–44. DisponÃvel em: http://www.thenewatlantis.com/publications/correlation-causation-and-confusion. Acesso em 25.04.17.
Nota: Além de permitir previsões, as correlações podem ser usadas em análises. Uma publicação financeira fez o seguinte comentário: “É interessante observar que o governo Chinês informou uma inesperada recuperação do PIB. Entretanto, o Ãndice de Fretes em Containers, que costuma apresentar uma boa correlação com o PIB não corresponde à boa notÃcia. Então, o Mercado colocou a notÃcia sob suspeiçãoâ€.