Como reformador de la educación, usted no sólo está interesado en la descripción, sino también, y principalmente, en la relación entre diferentes ‘objetos’ (o ‘variables,’ en la jerga estadística). Usted quisiera saber qué explica o qué causa la realidad educativa de su país. También desearía poder, en alguna medida, predecir las consecuencias concretas de las diferentes opciones de reforma educativa. Por ejemplo, si desea aumentar la matrícula de las niñas en zonas rurales, le gustaría saber qué elementos o acciones tendrán un efecto positivo en aumentar la matrícula de las niñas. ¿Construir escuelas más cerca de sus casas? ¿Contratar más maestras del sexo femenino? ¿Reducir las tasas de delincuencia? La estadística constituye una fuente crucial de apoyo para identificar estos elementos.

Los profesionales de la estadística miden lo que denominan “correlación” para determinar la fuerza de la relación entre dos elementos, como el número de maestras mujeres en la escuela y la proporción de niñas matriculadas en zonas rurales, etc. Otra herramienta usada en forma generalizada para medir las relaciones entre variables es el análisis de regresión. El objetivo del análisis de regresión no sólo es medir la fuerza de una relación, sino también generar un modelo de esa relación (llamado “función”), de modo de poder predecir el comportamiento de una cosa basándose en el comportamiento de la otra. Por ejemplo, se usa la regresión para tratar de predecir la oferta de maestros sobre la base del pago que ellos reciben. Esta regresión o relación específica entre salario y oferta de trabajo se usa de manera generalizada en economía y se denomina “curva de oferta de trabajo”. (En general, la relación entre el precio de un bien y la cantidad ofrecida y demandad es central en economía y estudiada bajo el título de análisis de oferta y demanda.)

Es necesario ser siempre muy cautelosos en nuestras conclusiones respecto de explicaciones y predicciones estadísticas. En el mejor de los casos, la estadística puede establecer lo que los especialistas llaman una “correlación” entre diferentes elementos (“variables”), es decir, establecer que los elementos que se están midiendo se comportan como si estuvieran correlacionados. Por cierto, también puede establecer que no hay ninguna relación entre los objetos estudiados. Pero la estadística no puede establecer causalidad. En otras palabras, no se puede inferir causalidad sobre la base de una correlación.

Por ejemplo, si en un país se mediera la relación entre las habilidades aritméticas de los estudiantes primarios y sus estaturas, se concluiría que existe una correlación positiva entre habilidades y estatura, o sea, que mientras mayor es la altura del estudiante, mayores son sus habilidades aritméticas. Ahora, obviamente afirmar que las habilidades aritméticas de un individuo son consecuencia de su estatura no tiene sentido. Lo que ocurre en este caso es que existe un tercer factor que es la causa simultánea del aumento de las habilidades aritméticas de los estudiantes y del aumento en su estatura, este factor es la ‘edad’ de los estudiantes. De modo que no es que los estudiantes más altos sean mejores para la aritmética, sino que los estudiantes de más edad son más altos y al mismo tiempo tienen mayores habilidades aritméticas.

Debemos ser muy cuidadosos. La presencia de causalidad sólo podrá sostenerse en forma razonable luego de haber propuesto una teoría aceptable para explicar la relación meramente fáctica entre los elementos o ‘variables’. En términos estrictos, aun cuando se haya propuesto una teoría aceptable para explicar una relación que también parece estar respaldada por los hechos, ésta será siempre una “hipótesis” en espera de ser, tarde o temprano, rebatida.

Una hipótesis es una afirmación acerca de la relación empírica existente entre dos variables. Una hipótesis no podrá nunca ser definitivamente comprobada, ya que incluso cuando los hechos del mundo real nunca han contradicho dicha hipótesis, siempre existe la posibilidad de que ello ocurra en el futuro. La estadística sólo puede apoyar o rechazar una determinada hipótesis acerca de las relaciones entre los objetos que nos interesan, pero nunca probarla.