Dois fenômenos podem caminhar lado a lado por anos — e ainda assim não ter relação causal. A mente ama coincidências com cara de explicação: “aconteceu junto, logo foi por causa”. Em ciência e fora dela, essa pressa produz diagnósticos ruins e certezas barulhentas demais.
A diferença que parece óbvia — e não é
Correlação é uma associação: quando uma coisa varia junto com outra. Causalidade é outra conversa: é quando uma coisa produz (ou contribui para produzir) a outra, sob certas condições.
- Correlação diz: “andam juntas”.
- Causalidade diz: “uma empurra a outra — e eu consigo mostrar por quê”.
A confusão nasce porque “andar junto” é visível, rápido e sedutor — enquanto “o que causa o quê” exige trabalho: hipóteses, controle, comparação, teste, réplica.
Mill tratou isso no Livro III do Sistema de Lógica: separar regularidade de dependência causal é o coração do método indutivo — e o ponto onde a ciência se faz ou se desfaz.
Por que correlação não prova causa
Quatro motivos clássicos para duas coisas se correlacionarem sem uma causar a outra:
- Causa invertida — você acha que A causa B, mas é B que causa A. “Pessoas doentes tomam mais remédios; logo, remédios causam doença.” Na prática, é o contrário: a doença leva ao uso do remédio. O erro parece bobo escrito assim — mas em dados complexos, a direção da seta raramente é óbvia.
- Terceira variável — A e B andam juntas porque uma terceira coisa, C, empurra ambas. “Quem toma mais sorvete sofre mais afogamentos.” O sorvete não puxa ninguém para o fundo. O calor aumenta tanto o consumo de sorvete quanto a ida a piscinas e praias. É o caso mais comum — e o mais traiçoeiro, porque C nem sempre é visível.
- Coincidência estatística — às vezes é só ruído que parece padrão, especialmente quando você testa muita coisa ao mesmo tempo. Cruze dezenas de variáveis e “descubra” relações impressionantes que somem quando o conjunto muda. Quanto mais combinações você testa, mais certezas falsas aparecem — por pura matemática, não por ciência.
- Mistura de grupos — o padrão aparece quando você junta tudo, mas some (ou se inverte) quando separa por grupos relevantes. Idade, renda, região, risco prévio: tudo isso pode distorcer o “todo” e criar uma “tendência” que não existe em nenhum grupo isolado.
O erro mais comum no cotidiano é tratar correlação como explicação pronta: “desde que comecei X, minha vida melhorou”, “depois que tal governo entrou, tal indicador subiu”.
Pode ser verdade. Mas sem separar alternativas, isso é só narrativa bem arrumada — e narrativa não é prova. É a falácia post hoc com terno.
Como a ciência tenta chegar mais perto da causa
Causalidade não é adivinhação. É inferência com disciplina.
Os caminhos mais comuns:
- Experimento controlado — você controla condições e randomiza grupos. Se tudo é semelhante e só a intervenção muda, o efeito fica rastreável. É por isso que a ciência inventou o grupo placebo: sem ele, toda melhora pode ser coincidência com jaleco.
- Quase-experimentos — quando não dá para experimentar, você compara “como se” fosse: antes/depois com controle, grupos parecidos, diferenças em diferenças. Menos preciso, mas melhor do que nada.
- Mecanismo plausível — não basta “andar junto”; você precisa de uma história testável: como A poderia produzir B? Se não há caminho explicável, a correlação pode ser acidente.
- Replicação e convergência — quando métodos diferentes apontam para o mesmo resultado, a hipótese causal ganha força. Um resultado sozinho, isolado e “novo demais” pede cautela — como mostram os estudos famosos que não sobreviveram ao reteste.
Coincidência não é explicação
A mente gosta de fechar história rápido.
A ciência tenta fazer o contrário: manter a história aberta até que ela aguente teste. Antes de aceitar “X causa Y”, três perguntas que economizam enganos:
- Existe uma variável de confusão provável?
- O resultado se mantém quando muda a amostra, o período ou o método?
- Há mecanismo plausível — ou só “apareceu no gráfico”?
Correlação é pista, não sentença. Causa exige controle — ou, no mínimo, comparação séria.
Aprender a separar uma da outra não é preciosismo acadêmico; é defesa contra soluções fáceis, políticas apressadas e “descobertas” que só funcionam até a próxima planilha.
Num mundo onde dados são abundantes e gráficos são baratos, a pergunta cara continua sendo a mesma: o que causa o quê — e como você sabe?
Se você já viu alguém transformar gráfico em sentença e coincidência em “prova”, este texto pode ajudar. Compartilhe — às vezes, a pergunta “comparado com o quê?” é tudo o que falta.