El hecho de que dos variables parezcan estar correlacionadas no necesariamente significa que una esté causando a la otra. Para empezar, la relación podría ser falsa o casual. Pero la relación entre las variables también puede ser el resultado de una tercera variable que ‘causa’ o explica las otras dos, y que por lo tanto lleva a que las dos variables causadas por esta tercera parezcan estar relacionadas entre sí. Por ejemplo, si en una escuela primaria uno midiera la relación entre las habilidades aritméticas de los estudiantes y las estaturas de estos, se concluiría que, de hecho, existe una correlación positiva entre estatura y habilidades aritméticas, es decir, mientras mayor es la estatura de los estudiantes, mayores son sus habilidades aritméticas.

Sin embargo, sabemos que la altura no hace que los estudiantes aprendan matemática ni que el aprendizaje de la aritmética hace que los estudiantes sean más altos. En este caso, que es muy evidente, hay un tercer factor que explica la correlación entre las mejores habilidades aritméticas y la estatura de los estudiantes: 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, o sea en los niveles más altos, tienden a ser más altos y a tener mayores habilidades aritméticas.

Desafortunadamente, la mayoría de nosotros tenemos la tendencia a inferir automáticamente una relación de causalidad sobre la base de una correlación. Pero para sostener una causalidad se debe siempre ir más allá de los hechos empíricos y buscar una explicación o “teoría” aceptable que conecte convincentemente las variables involucradas. Una teoría es a un conjunto de hechos o datos, lo que un edificio es a un montón de ladrillos. Una teoría, que desde luego debe resistir sistemáticamente las pruebas empíricas, es la que proporciona la base para hablar de una relación causal entre variables y así darle significado real a los datos.