Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RELACIONES DE CAUSALIDAD
La importancia de variable no está relacionada con la precisión del modelo. Sólo está
relacionada con la importancia de cada variable para realizar una predicción,
independientemente de si ésta es precisa o no.
Por variable se entiende alguna característica condición o atributo susceptible de ser
medido, usando alguna escala de medición conocida y que puede adoptar diversos valores a
los ojos del observador. Para nuestros efectos, es también de interés medir estas
características. La medición de una variable dependerá de la capacidad del observador para
poder percibir la ocurrencia de ella y de la disponibilidad de un sistema de registro y
medición capaz de identificar el valor real que adopta
Una variable es medida utilizando una escala de medición. La elección de la(s) escala(s) de
medición a utilizar depende del tipo de variable en estudio y del manejo estadístico a la que
se someterá la información. En términos prácticos, existe una correspondencia directa entre
el concepto de variable y escala de medición. Variables y atributo Un atributo corresponde
a un valor específico de una variable
Normalmente, desea centrar sus esfuerzos de modelado en las variables que importan más y
considera eliminar o ignorar las que importan menos.
Por sí mismo nunca se puede usar como base para sostener una causalidad. En términos de
esta sección, esto significa que usted siempre debe tener en cuenta el hecho de que una
correlación no significa ni implica una causalidad. Sin embargo, es evidente que el análisis
de correlación tiene la capacidad de refutar afirmaciones acerca de alguna relación causal
entre variables, al igual que de identificar la base objetiva sobre la cual fundamentar las
hipótesis y teorías. Todo esto hace que la correlación sea una herramienta de análisis muy
poderosa.
Las variables involucradas en una relación causal se pueden clasificar como dependientes e
independientes. Los términos “dependiente” e “independiente” representan una relación
entre las variables. Un cambio en la variable dependiente es causado por (o ‘depende’ de)
un cambio ocurrido en la variable independiente. Los cambios en la variable independiente,
por su parte, ‘causan’ cambios en la variable dependiente. Por ejemplo, un buen maestro
hace que los niños aprendan. Así, en este caso, “buen maestro” es la variable independiente,
mientras que el “aprendizaje” que ocurre en la cabeza de los estudiantes es la variable
dependiente.
Así como una correlación no puede decir nada definitivo en términos de causalidad,
tampoco puede decir nada acerca de la dirección de la causalidad. En otras palabras, aun
cuando parezca haber una relación directa entre dos variables, un análisis de correlación no
nos indica cuál variable es dependiente y cuál independiente, es decir, no nos indica qué
variable es “la que causa” y cual es “la causada”.