En Trendy trends In Time Series, William M. Briggs insiste en los peligros de trazar de forma mecánica líneas de tendencia sobre series de datos temporales, argumentando que a menudo se cae en la falacia de asumir una fuerza causal subyacente que no existe.
A propósito de un estudio sobre las causas de la inflación pos-COVID, Scott Sumner reflexiona en Fiscal shocks, inflation and the Lucas Critique sobre la complejidad del concepto de causalidad en macroeconomía. Haciendo uso de la crítica de Lucas, Sumner señala que calificar el estímulo fiscal como la causa principal de la inflación es insuficiente: la política monetaria de la Reserva Federal podría haber neutralizado dicho impacto. Del artículo rescato:
Un problema es que no existe una definición generalmente aceptada de «causalidad». Considérese un autobús que se sale de una sinuosa carretera de montaña sin quitamiedos. ¿Qué causó el accidente? Una persona podría afirmar que el accidente no habría ocurrido si la carretera hubiera contado con un quitamiedos adecuado. Otra persona podría sostener que el accidente fue causado por un conductor que no actuó con la suficiente prudencia. No resulta evidente que ninguna de las dos afirmaciones sea «incorrecta».
La solución canónica de este blog para la cuestión anterior es que la causalidad es una idea perspectivista.
Carlos Chavez, en On Causality, recorre la evolución de la idea de causalidad dentro de las ciencias económicas desde los tiempos de Hume hasta hace cuatro días. Y el artículo Causal Claims in Economics estudia la evolución de las afirmaciones causales en la literatura económica entre 1980 y 2023 usando IA para analizar más de 44k artículos para concluir que:
- la proporción de hipótesis de corte causal se ha cuadruplicado del 7.7% al 31.7% en ese periodo y que
- una narrativa causal está correlacionada positivamente con el impacto y las citas a largo plazo de las publicaciones.
The Data Analyst’s Guide to Cause and Effect, libro en línea sobre el asunto que su título indica.