A confusão da "causação": um estudo de caso para modelagem de ganho de peso

Se fosse fácil não teria graça

Nesses últimos três anos, certamente, apesar de não estar tão convicto, talvez por obra de minhas empreitadas pelos cálculos/álgebras/probabilidades/multivariadas, ou pela obsessão superficial sobre o método epidemiológico, mas com boa participação da conjuntura política internacional... O fato é que o conceito de confundimento em relações de causalidade não é nada simples para mim. Aristóteles bem que nos prevenira, e Descartes não pode ser o único culpado da histeria coletiva determinística da humanidade atual.

Tenho me dedicado ao estudo desse evento tão comum em observações de amostras populacionais. Bem como tenho dialogado com muita gente sobre o tema, e nesse ponto devo ser grato ao meu co-orientador (tutor de longa data, amigo de sempre), Prof Marcelo Castanheira.

Eis que me deparei com o Paradoxo de Lord, publicado em 1967, sintetizado no link abaixo. Um exemplo bastante conveniente, uma vez que trata de ganho de peso em universitários. Mas, especialmente, uma boa síntese do como a modelagem na análise de regressão pode interferir nas inferências de uma pesquisa. Ainda, do como um bom e simples modelo pode ser aplicado para simplificar a interpretação de relações causais sujeitas a variáveis confundidoras.

Lord’s Paradox in R