Correlação versus causalidade nos seus dados pessoais: como ler seus próprios números com honestidade

Aqui vai uma frase que soa verdadeira. “Os dias em que bebi mais água são os dias em que me senti mais concentrado. Logo, a água melhora minha concentração.” A primeira metade está certa. A segunda é um salto, e é nesse salto que a analítica pessoal entra em silêncio nos trilhos errados.

Este artigo é sobre esse salto. O que uma correlação nos seus dados realmente diz, o que ela não diz, as quatro leituras mais comuns e equivocadas, e como agir sobre um padrão sem afirmar demais. Se isso é novo para você, comece pelo nosso guia de analítica pessoal e volte quando tiver algumas semanas de registro.

O que uma correlação realmente é

Uma correlação, no sentido pessoal, é uma pequena observação estatística. Ela diz: nos seus dados, neste período, dois campos tenderam a se mover juntos. Quando um estava alto, o outro estava alto. Ou quando um estava alto, o outro estava baixo. Ao longo de muitos dias, dias de mais água se alinhavam com dias de mais foco mais vezes do que o contrário.

Isso é um fato real sobre os seus registros. Também é um fato bem mais estreito do que parece.

Uma correlação é limitada de três formas ao mesmo tempo. Limitada a você, e não a outra pessoa. Limitada a este período da sua vida, e não ao resto. E limitada por tudo o mais que acontecia naqueles dias, que a correlação absorve em silêncio dentro do próprio formato. O número que você vê é o padrão depois que a vida passou por ele, não antes.

Ler uma correlação como se fosse uma lei física limpa é o erro mais fácil, e a maioria dos apps não faz nada para evitá-lo.

O que uma correlação não é

Quatro coisas, em particular. Nenhuma é detalhe semântico. São a diferença entre usar bem os seus dados e enganar a si mesmo com eles.

Não é prova de que uma coisa causou a outra

Quando água e foco andam juntos, várias histórias se encaixam igualmente bem. Talvez a água ajude o foco. Talvez o foco, ou o que faz de um dia um dia concentrado, também te faça beber mais água (você lembrou da garrafa porque o dia estava calmo). Talvez ambas sejam consequência de outra coisa, uma agenda sem estresse, um fim de semana, uma estação. A correlação não consegue separar isso. Só um experimento começa a separar.

Não é prova de que o padrão vai se manter no mês que vem

Um padrão limpo em março pode sumir em abril. Sua vida muda, seus hábitos mudam, as estações mudam. Uma correlação descreve o que aconteceu, não o que vai acontecer. Tratá-la como previsão é ler além.

Não é prova de que o padrão se generaliza para outra pessoa

Sua colega de apartamento poderia registrar os mesmos campos pelas mesmas semanas e obter uma forma diferente. Analítica pessoal é, por desenho, pessoal. Um padrão nos seus dados não tem pretensão sobre os outros, e o deles não tem pretensão sobre você.

Sozinha, não é acionável

Esta é a que mais gente pula. Mesmo uma correlação forte não te diz, por si só, se mudar um campo vai mudar o outro. Como a causa pode estar na direção oposta, ou passar por um terceiro fator, “faça mais X para ter mais Y” é uma hipótese, não uma conclusão. O movimento honesto diante de uma correlação forte é “vou testar isso”, não “vou agir como se fosse verdade”.

As quatro leituras equivocadas mais comuns

Se você registra com cuidado por alguns meses, vai esbarrar nas quatro. Nomeá-las ajuda.

Confundir a direção

Água e foco é o exemplo clássico. A água ajudou o foco, ou o tipo de dia em que você consegue se concentrar é também o tipo de dia em que você bebe água? Você sente que a resposta é a primeira. Os dados não dizem qual é.

Uma leitura de direção trocada vira “X correlaciona com Y” em “X causa Y” no automático, quando “Y causa X” ou “compartilham uma causa” se encaixam nos mesmos números.

Variáveis ocultas (a terceira variável)

Os dois campos podem se mover juntos porque algo mais está movendo os dois. Sono. Estresse. Fim de semana versus dia útil. Um prazo. Um feriado. O clima. Seus dados veem os dois campos, não o terceiro escondido, e o terceiro escondido infla em silêncio o vínculo aparente.

Um exercício útil: quando vir uma correlação forte, anote três outras coisas que também aconteciam nos dias de X alto. Se a maioria delas viaja junto com X, a história de X para Y provavelmente está pegando força emprestada.

Causalidade invertida

“Mais água leva a mais foco” pode se inverter sem quebrar os dados. “Mais cansaço leva a beber menos água, porque o cansado de você esquece a garrafa” produz a mesma nuvem de pontos. A partir de uma correlação você não consegue saber qual é verdade. Você pode adivinhar pelo autoconhecimento, mas seja honesto: você está raciocinando, não medindo.

Coincidência

A mais silenciosa e mais comum. Com um conjunto pequeno de dias, um padrão razoavelmente limpo pode aparecer simplesmente porque amostras pequenas às vezes fazem isso. Duas semanas de “toda vez que treinei me senti melhor” podem se aplainar até a semana seis. Quanto mais curta a janela, mais espaço o ruído tem de parecer uma história.

A cura são mais dados. Padrões que sobrevivem a um ou dois meses de registro honesto merecem mais peso do que padrões que aparecem em doze dias.

Como ler com honestidade uma correlação que Loggr mostra

Quando Loggr mostra um padrão, faz isso em linguagem clara, com um pequeno gráfico. Algo como “nos dias de treino seu humor médio foi notavelmente mais alto que nos dias sem treino”. Loggr não afirma causa, não te diz o que fazer e marca a força para você poder calibrar.

Essa é a entrada. Aqui vai um checklist do que fazer com ela antes de internalizar qualquer coisa.

Pergunte o que mais aqueles dias tinham em comum

Os dias de treino provavelmente não são só dias de treino. Podem ser também os dias em que você dormiu bem, os dias com agenda mais calma, os dias em que você já estava bem o suficiente para querer mexer o corpo. O padrão que Loggr mostrou é o contorno da relação. O interior é com você.

Um teste simples: abra suas notas dos dias altos e dos dias baixos lado a lado. Leia. Muitas vezes a história muda.

Pergunte quantos dados estão por trás

Forte com um ou dois meses de registros consistentes é mais credível do que forte com duas semanas. Loggr só mostra um padrão quando há dias emparelhados suficientes para sustentá-lo, mas o limiar de “suficiente” é o mínimo para um olhar credível, não para uma conclusão fechada. Um padrão que se manteve por uma estação inteira é claramente diferente de um que acabou de cruzar a linha.

Pergunte qual é o tamanho da diferença

Se nos dias de treino seu humor médio foi 7,0 e nos sem treino 6,8, isso quase não é uma história. Se nos com treino foi 7,0 e nos sem treino 5,0, aí sim. Loggr mostra a comparação para você ver a diferença; não pare em “Loggr chamou de forte” e pule a parte de olhar os números.

Pergunte se você já queria que isso fosse verdade

A mais difícil. Se um padrão combina com uma crença com que você chegou, trate com mais ceticismo, não menos. Viés de confirmação é a força mais forte na analítica pessoal, por uma margem que a maioria das pessoas subestima. Um padrão que te surpreende é mais informativo do que um que te confirma, porque suas crenças já estavam puxando os dados.

O que você pode fazer com uma correlação

A ideia não é fazer você parar de olhar os seus dados. É o oposto. Correlações em dados pessoais são úteis quando você as trata pelo que são: um gerador de hipóteses, não uma conclusão. Três usos produtivos.

Gerar um pequeno experimento

Quando você nota “dias de treino correlacionam com humor melhor”, o passo produtivo é um pequeno experimento. Treine de propósito em uma série de dias em que talvez não treinasse, mantenha o resto o mais constante que a vida permitir, e veja o que acontece. Mesmo uma versão informal disso é mais honesta do que agir sobre a correlação como se fosse prova. O experimento é o ponto.

É também por isso que padrões do mesmo dia e do dia seguinte fazem parte do kit. Escrevemos sobre efeitos do dia seguinte à parte: o intervalo entre causa e efeito faz parte do que um experimento tem que escolher.

Notar o que você não estava prestando atenção

Um padrão às vezes é mais útil pelo que implica do que pelo que diz. “Treino correlaciona com humor” talvez esteja falando de treino. Ou talvez esteja te dizendo que os dias sem treino costumam ser domingos, e que algo dos seus domingos é a história real. A correlação apontou para treino; o que você notou foi outra coisa. Conta.

Construir autoconhecimento ao longo do tempo

Saber que três coisas tendem a coexistir na sua vida é útil mesmo sem uma explicação causal. Você conhece o formato da sua semana. Sabe quais segundas costumam ser mais pesadas. Nada disso exige uma causa provada. Exige só descrição honesta, repetida o suficiente para se tornar estável.

Como Loggr é construído com isso em mente

A postura aparece no produto.

Loggr mostra padrões em linguagem clara. Sem score cheio de jargão, sem afirmação de causa, sem conselho. A frase descreve o que aconteceu, não o que fazer.
Loggr marca a força: fraca, moderada, forte. Um padrão fraco é mostrado pelo que é, sem disfarce.
Loggr só mostra um padrão quando há dias emparelhados suficientes por trás. Abaixo desse limiar, o insight aparece bloqueado, com uma nota curta sobre o que falta.
Loggr compara campos no mesmo dia e com um dia de defasagem, e fica com a relação mais forte. Esse é o mecanismo do dia seguinte do guia de rastreio em pares. Funciona nas duas direções: um padrão do mesmo dia pode esconder um do dia seguinte, e vice-versa.
Loggr não interpreta o padrão por você. A interpretação é o pensamento, e o pensamento é o que faz o exercício valer a pena.

A disciplina difícil

Se você só levar um hábito deste artigo, leve este. Quando uma correlação parece confirmar algo que você já acreditava, seja mais cético, não menos.

A razão é estrutural. Suas crenças sobre a sua vida moldaram desde o começo como você registrou: quais campos escolheu, como avaliou o próprio humor, do que se lembrou. Um padrão que confirma essas crenças reflete em parte essas escolhas, não é um fato independente. Um padrão que as contradiz teve que abrir caminho contra o seu viés para aparecer. Mereceu a atenção.

Quando uma correlação forte cai sobre algo que você já sabia, vá mais devagar. Reveja as quatro leituras equivocadas acima. Faça as quatro perguntas do checklist. Decida então se quer testar. Na maior parte das vezes o padrão sobrevive ao escrutínio e você aprendeu algo honesto. Às vezes não, e você aprendeu algo ainda mais honesto: que estava lendo seus dados por uma lente.

Perguntas frequentes

Se eu não posso provar a causa, qual é o ponto?

O ponto é atenção mais afiada. Dados pessoais não substituem o pensar. Eles apontam o pensar para os lugares certos. Uma correlação diz “isto talvez mereça um olhar”. Isso é útil, contanto que você não promova para “isto é a resposta”.

Posso fazer testes A/B em mim mesmo?

Formalmente sim. Varie uma entrada, mantenha as outras o mais constantes que a vida deixar, registre por um par de semanas, depois inverta a entrada e registre mais um par. Compare. Você obtém algo mais próximo de uma leitura causal do que uma correlação passiva consegue dar. Duas ressalvas. Você continua sendo uma pessoa só, então o resultado é sobre você neste período e nada mais. E a vida raramente deixa o resto constante. Testes A/B pessoais são úteis e limitados, ao mesmo tempo.

Devo agir sobre uma correlação forte?

Talvez, como experimento. Não como conclusão. O enquadramento honesto é: “vou tentar isso por duas semanas e ver o que acontece, e não vou me surpreender se não der em nada”.

E se a correlação contradiz algo em que eu acreditava?

Dê mais atenção, não menos. Padrões que sobrevivem a crenças contrárias costumam ser mais honestos que os que confirmam. Um padrão contrariador chegou ali apesar do puxão das suas crenças. É evidência mais dura, pelos padrões da analítica pessoal.

Quanto tempo até eu poder confiar num padrão?

Uma regra prática: uma semana para configurar, um mês para o primeiro olhar credível, uma estação para peso sério. Padrões que se mantêm por um trimestre, atravessando humores e semanas diferentes, são mais sólidos do que padrões que aparecem numa quinzena intensa.

E se Loggr me mostrar dois padrões que se contradizem?

Acontece. Dois campos podem correlacionar com um terceiro em direções opostas. Ou um padrão do mesmo dia pode ir num sentido enquanto um do dia seguinte vai no outro. São os dados sendo honestos consigo mesmos. A leitura certa em geral é “tem uma história mais complicada aqui”, não “um dos dois está errado”.

Pontos principais

Uma correlação nos seus dados é uma descrição do que aconteceu neste período, na sua vida, com todo o resto absorvido. É real. E mais estreita do que parece.
Uma correlação não prova causa, não é previsão, não generaliza para outras pessoas e por si só não é acionável.
As quatro leituras equivocadas comuns: direção confundida, terceiras variáveis ocultas, causalidade invertida e coincidência por amostra pequena. É fácil cair em qualquer das quatro. Nenhuma é catastrófica se você se mantiver honesto.
Leia um padrão do Loggr com quatro perguntas: o que mais aqueles dias compartilhavam, quantos dados estão por trás, qual o tamanho da diferença, e eu já queria que isso fosse verdade?
O uso produtivo de uma correlação é gerar um pequeno experimento, notar o que você não estava olhando e construir autoconhecimento ao longo do tempo. Nada disso exige afirmar uma causa.
Quando um padrão confirma algo que você já acreditava, seja mais cético, não menos. Viés de confirmação é a força mais forte na analítica pessoal.

Tente isto na próxima vez que Loggr mostrar um padrão

Na próxima vez que Loggr mostrar uma correlação nos seus dados, ainda não aja. Anote três outras coisas que poderiam explicá-la e decida se alguma delas é mais plausível do que a história a que você chegou primeiro. O exercício é o ponto. Se ainda não começou a registrar, você pode abrir Loggr e criar seu primeiro campo em um minuto. Seis tipos de campo, em iOS, Android e web. Os padrões aparecem quando houver o suficiente para sustentá-los, em linguagem clara, com um pequeno gráfico. Lê-los com honestidade continua sendo seu trabalho, e é a parte que vale a pena.