Una red de dependencias direccionales y relaciones de influencia entre eventos, variables o procesos que explica cómo condiciones antecedentes provocan o modifican condiciones subsecuentes; se caracteriza por mecanismos, dependencia contrafactual (qué cambiaría bajo intervenciones especificadas) y un orden de causas distinto de la mera asociación estadística.

Principio

Cuando se identifica correctamente una estructura causal, permite afirmaciones contrafactuales e intervenciones: manipular un elemento aguas arriba cambia de forma fiable los elementos aguas abajo sólo en la medida en que existan los vínculos causales identificados.

Demostración

Escenario ilustrativo (Seguridad vial): Situación → Tras fuertes lluvias aumentan las distancias de frenado. Reconocimiento → Analistas identifican la reducción de la fricción rueda‑calzada como vínculo causal entre lluvia y choques. Acción → Las autoridades aplican sal y reducen límites de velocidad. Consecuencia → Las tasas de choques disminuyen en condiciones comparables, validando el vínculo causal y el mecanismo de la intervención.

Aplicación incorrecta

Inferir erróneamente que correlación prueba causalidad: observar que dos variables covarían (por ejemplo, ventas de paraguas y accidentes) y concluir que una causa la otra sin controlar por factores de confusión; el error semántico es tratar la asociación estadística como prueba de influencia causal.

Consecuencia

Una identificación correcta permite predicción bajo intervención, respuestas políticas o de ingeniería dirigidas y explicación mecanicista; afirmaciones incorrectas pueden producir intervenciones ineficaces o dañinas, especificaciones de modelo erróneas y explicaciones engañosas.

Inversión

Las herramientas estándar (p. ej. grafos acíclicos) fallan o requieren matices cuando las relaciones causales son cíclicas, dependientes de la escala (propiedades emergentes), estocásticas sin manipulabilidad estable o cuando las intervenciones cambian la propia estructura (sistemas reflexivos).

Límite

Claramente dentro → Una dependencia dirigida en la que intervenir sobre A cambia B. Caso límite → Una variable que media o comparte un confusor: determinar si es causa, mediador o causa común depende de supuestos extras. Claramente fuera → Meramente asociación estadística o co‑ocurrencia descriptiva sin dependencia direccional establecida ni mecanismo manipulable.

Tensión semántica

Estructura causal ↔ Asociación estadística — tensión real entre inferir relaciones dirigidas y manipulables y modelar covarianza a partir de datos observacionales; resolverla exige supuestos adicionales, diseños experimentales o intervenciones.

Síntesis

La estructura causal especifica relaciones manipulables y portadoras de mecanismos que justifican la intervención y las afirmaciones contrafactuales; es distinta y a menudo más difícil de demostrar que los patrones estadísticos observados.