Importancia del Análisis de Regresión y Correlación

No existe técnica que sea capaz de probar los enunciados causales empíricamente, es decir las relaciones causas-efectos, existen lagunas herramientas que tratar de explicar la casualidad la Teoría de Restricciones y en la formulación de Proyectos existen herramientas cualitativas que ayudan a entender las relaciones causales.

Lo que se puede hacer es comprobar si las inferencias causales que formula un investigador son consistentes con los datos disponibles. Definiremos modelo como conjunto de relaciones que se usan para representar de forma sencilla una porción de la realidad empírica.

Cuando un investigador elabora un modelo y posteriormente se comprueba que el modelo no se ajusta a los datos, se pueden tomar dos decisiones: modificar el modelo o abandonarlo. Pero si el modelo es consistente con los datos, esto nunca prueba los efectos causales. La consistencia entre los datos y el modelo no implica la consistencia entre el modelo y la realidad. Lo único que se puede afirmar es que los supuestos del investigador no son contradictorios y por lo tanto pueden ser válidos. Pero el "ser válidos", no quiere decir que sean la única explicación del fenómeno objeto de estudio, ya que es posible que otros modelos también se adapten a los mismos datos.
Asociación no implica causalidad: Que exista una fuerte asociación entre dos variables no es suficiente para sacar conclusiones sobre las relaciones causa - efecto.

Ejemplo: existe fuerte correlación entre el número de efectivos que actúan en una batalla y la importancia del daño ocasionado al enemigo, pero será las única variable a considerar?. Que opinan?.