freakonomics - o lado oculto e inesperado de tudo que ... - Ipcp.org.br

geralmente dispõe de um conjunto de dados com inúmeras<br />
variáveis, nenhuma aleatoriamente gerada, sendo que algumas<br />
estão relacionadas e outras, não. Nessa barafunda, é preciso<br />
determinar quais fatores se correlacionam e quais, não.<br />
No caso dos dados do Estudo Longitudinal da Primeira<br />
Infância, imaginemos que a análise de regressão cumpra a seguinte<br />
tarefa: converter cada uma dessas 20 mil crianças em idade escolar<br />
numa espécie de painel eletrônico com idêntico número de<br />
botões, cada um deles representando uma categoria de dados da<br />
criança: suas notas de matemática da 1 ª série, suas notas de<br />
matemática da 3 ª série, sua média em leitura na 1 ª série, a média em<br />
leitura na 3 ª série, o grau de instrução da mãe, a renda do pai, o<br />
número de livros que ela tem em casa, a abastança relativa da<br />
vizinhança e daí por diante.<br />
Agora o pesquisador é capaz de tirar algumas conclusões desse<br />
mesmo conjunto complicado de dados. Ele pode juntar as crianças<br />
que partilhem várias características — todos os painéis eletrônicos<br />
que tenham os botões virados na mesma direção — e, em seguida,<br />
pescar a característica que elas não partilham. E esse o meio de<br />
identificar o real impacto daquele único botão no amplo painel<br />
eletrônico. E assim que o efeito desse botão — e, mais cedo ou mais<br />
tarde, o de cada um deles — fica evidente.<br />
Digamos que desejemos descobrir, por meio dos dados desse<br />
estudo, a resposta para uma questão fundamental sobre<br />
parentalidade e educação: ter um monte de livros em casa<br />
determina um bom desempenho da criança na escola? A análise de<br />
regressão não tem como responder a essa pergunta, mas é capaz<br />
de responder a outra ligeiramente diferente: uma criança que<br />
tenha em sua casa um monte de livros costuma se sair melhor na<br />
escola do que uma cuja casa não abrigue livro algum? A diferença<br />
entre a primeira e a segunda pergunta é a diferença entre<br />
causalidade (1ª pergunta) e correlação (2ª pergunta). Uma análise<br />
de regressão pode demonstrar correlação, mas não comprova<br />
causalidade. Afinal, existem muitas maneiras pelas quais duas<br />
variáveis se correlacionam. X pode causar Y; Y pode causar X;<br />
algum terceiro fator pode estar