Correlação não implica causalidade!

É comum nos depararmos com análises em que a correlação entre duas variáveis é apontada como relação de causa e efeito. Que fique bem claro, correlação NÃO implica causalidade. Mas como calcular a causalidade?

A causalidade pode ser expressa matematicamente e calculada através de métodos baseados em dados. Embora sejam poucos os métodos capazes de detectar as relações de causalidade, os baseados na teoria da identificação de sistemas são bastante explorados, sendo o mais conhecido de todos a causalidade de Granger (GRANGER, 1969).

Granger (1969) publicou em seu trabalho que regressões não apenas apontam correlações entre sinais, mas também servem para indicar causalidade, o que lhe rendeu um Prêmio Nobel em Economia no ano de 2003. A causalidade de Granger foi ao longo dos anos amplamente utilizada em econometria, neurociências e recentemente em processos industriais.

A teoria da informação também possui medidas capazes de determinar a influência causal. Na década de 50, Shannon (1951) introduziu a ideia de incerteza na teoria da informação: a média dessa incerteza ficou conhecida como entropia de Shannon. A partir destes conceitos, surgiu a entropia de transferência, inicialmente estudada por Schreiber (2000), que mede a causalidade.

Essa é a minha primeira publicação aqui no LinkedIn. Pretendo postar mais conceitos relacionados à Ciência de Dados em um formato que tenha conteúdo científico mas sem as amarras presentes em alguns textos acadêmicos. Em próximas postagens, vou explicar como calcular a causalidade de Granger e a entropia de transferência.

GRANGER, C. W. Investigating causal relations by econometric models and cross-spectralmethods. Econometrica: Journal of the Econometric Society, JSTOR, p. 424–438, 1969.

SCHREIBER, T. Measuring information transfer. Physical review letters, APS, v. 85, n. 2, p. 461, 2000.

SHANNON, C. E. Prediction and entropy of printed english. Bell System Technical journal, Wiley Online Library, v. 30, n. 1, p. 50–64, 1951.