Con respecto a la determinación de causalidad, debemos ser siempre extremadamente cautelosos. Como ya dijimos la existencia de correlación no implica causalidad. En el mejor de los casos, los estadísticos pueden establecer una ‘correlación’ entre diferentes elementos, esto es, que los elementos que se están midiendo se comportan como si estuvieran relacionados. Y por cierto, también pueden 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 empírica.

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. Hay un tercer factor que explica las dos variables y que por este motivo parecen estar relacionadas, pero en realidad no hay ninguna relación entre ellas.

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.

En los siguientes párrafos presentamos algunos ejemplos específicos para la educación que deberían ayudarlo a pensar un poco más acerca de las relaciones de causalidad entre las variables. Los ejemplos tratan de subrayar la necesidad, como usted bien sabe, de ser muy cautelosos al extraer conclusiones sobre la base de una correlación.

1. Los cambios a largo plazo en la remuneración de los maestros primarios y las tasas de matrícula primaria están correlacionados. En la mayor parte del mundo, a partir de los años sesenta han aumentado tanto las remuneraciones reales de los maestros primarios como las tasas de matrícula, ¿pero significa esto que el aumento de los salarios de los maestros constituye la “causa” del aumento de las matrículas en educación primaria? No necesariamente. En primer lugar, una tercera causa podría explicar la correlación entre las dos variables. En general, tres décadas de desarrollo económico a su vez han originado mayores presupuestos para la educación y esto ha permitido que los países aumenten simultáneamente las remuneraciones de los maestros primarios y las matrículas. En segundo lugar, y lo que es muy importante, hay explicaciones más plausibles para el crecimiento simultáneo de las tasas de matrícula primaria y la remuneración real de los maestros primarios, aunque esto último podría tener algún efecto indirecto al mejorar la calidad de la enseñanza.
2. En muchos países en desarrollo, aunque no en todos, los alumnos de las escuelas privadas tienden a tener mejor rendimiento que los estudiantes de escuelas públicas en pruebas de rendimiento en matemática y lectura. ¿Significa esta correlación entre el tipo de escuela y el rendimiento de los estudiantes que las escuelas privadas (escuelas relativamente autónomas, manejadas en forma relativamente autónoma por administradores privados) imparten una mejor enseñanza de matemáticas y lectura a los niños que las escuelas públicas (escuelas con poca autonomía, manejadas por funcionarios públicos supervisados atentamente y regulados en forma rigurosa)? No necesariamente. La autonomía de la administración de las escuelas y el conjunto de incentivos asociados con ello podría constituir una parte de la explicación, pero otras variables tendrían también gran peso en ayudar a explicar las diferencias en los resultados de aprendizaje de los estudiantes en escuelas privadas y públicas en países en desarrollo. Una explicación alternativa, y bastante razonable, es el hecho de que en los países en desarrollo, los niños de las escuelas privadas tienden a provenir de estratos socioeconómicos más altos que los niños de las escuelas públicas y por lo tanto son factores independientes de las escuelas los que tienden a explicar las diferencias en los resultados. Otra explicación razonable es que las escuelas privadas tienen mayores recursos por estudiante que las públicas. Desde luego, esto no descarta que la autonomía de las escuelas privadas para determinar la política educacional, junto con su mayor responsabilidad frente a las familias de los estudiantes, también ayude a explicar porqué los estudiantes de las escuelas privadas obtienen, en gran parte de los países en desarrollo, mejores resultados.