Um objectivo central da maioria da investigação é a identificação de relações causais, ou demonstrar que uma determinada variável independente (a causa) tem um efeito sobre a variável dependente de interesse (o efeito). Os três critérios para estabelecer causa e efeito – associação, ordenação do tempo (ou precedência temporal), e não-espureza – são familiares à maioria dos investigadores a partir de cursos sobre métodos de investigação ou estatística. Embora os exemplos clássicos utilizados para ilustrar estes critérios possam implicar que estabelecer causa e efeito é simples, é frequentemente um dos aspectos mais desafiantes da concepção de estudos de investigação para implementação em condições do mundo real.
O primeiro passo para estabelecer causalidade é demonstrar associação; em termos simples, existe uma relação entre a variável independente e a variável dependente? Se ambas as variáveis forem numéricas, isto pode ser estabelecido através da análise da correlação entre as duas para determinar se elas parecem transmitir. Um exemplo comum é a relação entre a educação e o rendimento: em geral, os indivíduos com mais anos de educação são também susceptíveis de obter rendimentos mais elevados. A tabulação cruzada, que classifica as distribuições de duas variáveis categóricas, pode também ser utilizada para associação de exames. Por exemplo, podemos observar que 60% dos protestantes apoiam a pena de morte enquanto apenas 35% dos católicos o fazem, estabelecendo uma associação entre denominação e atitudes em relação à pena capital. Há um debate contínuo sobre quão estreitamente associadas as variáveis devem estar para fazer uma reivindicação causal, mas em geral os investigadores estão mais preocupados com o significado estatístico de uma associação (se é provável que exista na população) do que com a força real da associação.
Após ter sido estabelecida uma associação, a nossa atenção volta-se para a determinação da ordem temporal das variáveis de interesse. Para que a variável independente cause a variável dependente, a lógica dita que a variável independente deve ocorrer primeiro no tempo; em suma, a causa deve vir antes do efeito. Esta ordem de tempo é fácil de assegurar num desenho experimental em que o investigador controla cuidadosamente a exposição ao tratamento (que seria a variável independente) e depois mede o resultado de interesse (a variável dependente). Nos desenhos transversais, a encomenda de tempo pode ser muito mais difícil de determinar, especialmente quando a relação entre as variáveis pode ir razoavelmente na direcção oposta. Por exemplo, embora a educação geralmente preceda o rendimento, é possível que os indivíduos que estão a ganhar bem possam finalmente ter o dinheiro necessário para regressar à escola. A determinação da ordem do tempo pode assim envolver a utilização de lógica, investigação existente, e senso comum quando um desenho experimental controlado não é possível. Em qualquer caso, os investigadores devem ter muito cuidado em especificar a direcção hipotética da relação entre as variáveis e fornecer provas (teóricas ou empíricas) para apoiar a sua reivindicação.
O terceiro critério de causalidade é também o mais problemático, uma vez que exige que se excluam explicações alternativas para a relação observada entre duas variáveis. Isto é denominado de não-espureza, o que significa simplesmente “não falso”. Existe uma relação espúria ou falsa quando o que parece ser uma associação entre as duas variáveis é de facto causado por uma terceira variável externa. Exemplos clássicos de espúrio incluem a relação entre o tamanho dos sapatos das crianças e o seu conhecimento académico: à medida que o tamanho dos sapatos aumenta, aumenta também o conhecimento, mas claro que ambas estão também fortemente relacionadas com a idade. Outro exemplo bem conhecido é a relação entre o número de bombeiros que respondem a um incêndio e a quantidade de danos que resulta – claramente, o tamanho do incêndio determina ambos, pelo que é inexacto dizer que mais bombeiros causam maiores danos. Embora estes exemplos pareçam simples, os investigadores nas áreas da psicologia, educação e ciências sociais enfrentam frequentemente desafios muito maiores ao excluírem relações espúrias simplesmente porque há tantos outros factores que podem influenciar a relação entre duas variáveis. A concepção adequada do estudo (utilizando procedimentos experimentais sempre que possível), a cuidadosa recolha de dados e utilização de controlos estatísticos, e a triangulação de muitas fontes de dados são todos essenciais quando se procura estabelecer relações não espúrias entre as variáveis.
0 comentários