Confusión no observada

La confusión no observada es el «fantasma en la máquina» de los datos: un factor oculto que crea una aparente conexión entre dos cosas que no están relacionadas. Esto ocurre cuando una variable que no se ha medido, llamada factor de confusión, influye tanto en la aparente causa como en el efecto observado.

Por ejemplo, las ventas de helados no causan delitos. El factor de confusión no observado es el calor: hay más personas fuera de casa comprando helados y más personas interactuando en la calle, lo que ofrece más oportunidades para cometer delitos. El tiempo influye en ambos factores y hace que parezcan relacionados.

Prueba esto: ¿Qué otra cosa podría estar causando ambas cosas que observo?

Imagina la confusión no observada como un titiritero oculto. Vemos dos marionetas, como el consumo de café y las tasas de cáncer, que se mueven juntas y suponemos que una controla a la otra. El factor de confusión no observado es el titiritero, como el hábito de fumar, que mueve los hilos de ambas.

La clave es que este factor de confusión no se observa o no se mide en el análisis. Si pudiéramos tener en cuenta la influencia del titiritero, veríamos la relación real entre las marionetas, que a menudo es más débil.

En el ámbito laboral, una empresa puede descubrir que quienes participan en un programa de bienestar tienen menores gastos de atención médica. El programa parece ser la causa, pero un factor de confusión podría ser que los empleados que se preocupan por su salud son quienes eligen participar, y que esa preocupación sea la verdadera razón de sus menores gastos.

Del mismo modo, quien desarrolla una aplicación podría observar que los usuarios que activan las notificaciones automáticas usan más la aplicación. El factor de confusión no observado podría ser el gran interés inicial del usuario, que lo lleva tanto a activar las notificaciones como a usar la aplicación con más frecuencia.

No tener en cuenta estas variables ocultas lleva a políticas poco acertadas y malas decisiones, como invertir demasiado en un programa o una función que no es la verdadera causa de un resultado.

La confusión no observada es un reto fundamental en los estudios observacionales de campos como la epidemiología, la economía y las ciencias sociales, en contextos donde no es viable realizar ensayos controlados aleatorizados. La imposibilidad de medir y controlar todas las posibles variables ocultas hace que sea especialmente difícil establecer una verdadera relación causal a partir de una correlación. Los métodos estadísticos y los diseños de los estudios se centran principalmente en identificar y reducir los efectos de la confusión, tanto observada como no observada.

• El trabajo de Judea Pearl sobre inferencia causal ofrece un marco formal que utiliza grafos acíclicos dirigidos (DAG, por sus siglas en inglés) para representar relaciones causales e identificar posibles factores de confusión. El «criterio de la puerta trasera» es una prueba gráfica clave para identificar los conjuntos de variables que deben controlarse para eliminar la confusión [1]. (2009)

• En econometría, esto suele llamarse sesgo por variable omitida: no incluir una variable relevante en un modelo de regresión lleva a estimaciones sesgadas de los efectos de otras variables [2]. (2009)

• Los epidemiólogos utilizan el análisis de sensibilidad para estimar cuánta influencia tendría que ejercer un factor de confusión no observado para explicar por completo una asociación observada. Esto ayuda a evaluar la solidez de los resultados de un estudio [3]. (2008)

Por definición, no puedes medir directamente un factor de confusión no observado ni descartar de forma definitiva que exista. Su existencia suele plantearse mediante argumentos teóricos basados en el conocimiento del campo, en lugar de pruebas estadísticas. Aunque técnicas como el análisis de sensibilidad permiten explorar sus posibles efectos, no pueden confirmar ni negar la presencia de un factor oculto concreto. Esto significa que siempre debes interpretar las conclusiones de los estudios observacionales con cierto grado de cautela.