Gary King Robert 0. Keohane Sidney Verba El diseno de la investigacion social La inferencia cientifica en los éstudios cualitativos Ciencias Sociales Alianza Editorial3. Causalidad e inferencia causal Hemos analizado dos estadios de la investigacidn social: resumen de los pormenores historieos y extraccién de inferencias descriptivas mediante la division del mundo en componentes sistemiticos y no sistematicos (en los apartados 5 y 6, respectivamente, del capitulo anterior). Muchos estudiosos de los fersomenos sociales y politicos se detendrian en este punto, evitando hacer afirmaciones causales y pidiendo a unos hechos seleceionados y bien ‘ordenads que «hablen por si mismos», ‘Al igual que los historiadores, los cientifics sociales necesita resumir los ppormeniores historicos y hacer inferencias descriptivas. Sin embargo, cuando las ciencias sociales pretenden alcanzar cietos objetivos. sino hay inferencia ‘causal, el anlisis es insuficiente, Esto significa que, al igual que una infere cia causal es imposible sin una buena inferencia descriptiva, ésta, por simi ‘ma, sucle resltarinsatisfactoria e incompleta. No obstante, con esto no que- remos decir que todos los cientifices sociales tengan que intentar, en cualquiera de sus trabajos. dar explicaciones causaes a os fenémenos que es- tudian. A veces la inferencia causal es demasiado dificil y en otras muchas si tuaciones la descriptiva constituse el fin titimo de la empresa investigadora Es evidente que siempre tenemos que dejar claro siel objetivo de nues- tro proyecto de imvestigavion es describir o explicar, Muchas cientificos so- ‘ales no se sienten eomodos con Ia inferencia causal. Les preocupa tanto la Aadvertencia de que «correlacign no es causalidad que no plantean hipdte. Sis 0 inferencias de to causal y sefalan que su trabajo «estudia asociacio- nes y no causas». Otros caen con facilidad en afirmaciones aparentemente “5,EL disefia de (a fnvostig causales, calificando de wexplicaciones» hipstesis o especulaciones n0 eva- Tuadas, que se basan en disefios de investigacién imprecisos. Creemos gue ambas posturas esquivan el problema de Ia inferencia causal. EEvitar el lenguaje causal cuando la causalidad es el auténtico objeto de Ie investigacién o bien hace irelevantc el estudio o bien le permite no respetar las reglas de la inferencia cientifica. Nuestra incertidumbre acerca de las inferen- cias causales nunca desaparecerd, pero esto no debe significar que evitemos extraerlas, Por el contrario, habria que hacerlas en cualquier lugar que parcz- can apropiadas, pero aportando al lector, al mismo tiempo, la mejor y mas sin- cera estimacion de su incertidumbre. Hay que ser valiente al hacer inferencias causales, sempre que detallemos cuidadosamente su ineertidumbre. Ademas, 8 importante que las hipétesis eausales se disciplinen, acercéndose lo més po- sible a las reglas de Ia inferencia causal. Entre los capitulos 4 y 6 casi toda nuestra atencisn se dedica a explicar las circunstancias en las que dicha infe- rencia es apropiada y « facilitar que las investigaciones de los cualitativistas tengan mas posibilidades de aportar pruebas fiables de sus hipdtesis causes En el apartado 1 damos una definicién rigurosa de causalidad, que sirve igualmente para la investigacién cualitativa que para la cuantitativa; des- pués, en el apartado 2, elarificamos algunos concepios de causalidad alter- nativos que figuran en la bibliografia sobre el tema y demostramos que no entran en conflicto con nuestra definicién més fundamental. En el apartado 3 analizamos los presupuestos precisos sobre el mundo y las hiptesis que se necesitan para hacer inferencias causales fiables, Posteriormente, en cl apartado 4, nos centramos en como aplicar a la inferencia causal los crite- ros que desarrollamos para juzzar la descriptiva, En el apartado 5 termina- ‘mos cl capitulo con consejos més generales sobre como elaborar explica- ciones,teorias ¢ hipétesis de tipo causal 1. Definicién de causalidad En este apartado, definimos ta causalidad como un concepto tedrico que ¢s independiente de los datos utilizados para conacerlo. A. continuacién, entra- ‘mos a considerar la nferencia causal a partir de nuestros datos (pata un anali- sis de los problemas especificos de este tipo de inferencia, véanse los capitue Jos 4 al 6). En el apartado 1.) planteamos con todo detalle nuestra definicién ‘de causalidad, junto a un simple ejemplo cuantitativo, mientras que en el 1.2 retomamos esta definicidn con un caso cuantitativo mas etaborade. 1.1 Definicién y un ejemplo cuantitativo Nuestra definicién tedrica de causalidad se aplica de la forma més simple y ‘clara a una sola unidad?, Una unidad. tal como se definié en el spartado 4 del capitulo 2, es uno de los muchas elementes que hay que observar en un estudio, como una persona, un pais, un aio 0 una organizacién politica Para mayor precisin y claridad, hemos elegido un ejemplo corriente de la investigacion cuantitaiiva: el efecto causal que tiene sobre la proporcién de votos que recibe un candidato demécrata a la Cémara de Representantes es- tadounidense el hecho de que ya esté en el poder (utilizar s6lo un candidato demécrata simplifica el ejemplo), La variable dependiente serd la propor- ‘idm de votos que obtienen los demécratas en el sistema biparidista de la ‘Cimara. Por tanto, la variable explicativa clave es divotémica: el demécrata esté en el poder o no lo esta (para lograr una mayor sencillez, en este apat= tedo sélo tenemos en cuenta las circunscripciones en las gue el candidato republicano fue derrotado en los itimos comicios). El lenguaje causal puede ser confuso, y nuestra opcién agui no es muy original. A veces la «variable dependienic» se denomina «variable de rest tados» y con frecuencia las «variables explicativas» son evariabes indepe dientes». Dividimos las explicativas entre «variable causal principal» (tam- bign denominads «causa» 0 «variable de tratamiento») y «variables de controb», Para terminar, la variable causal principal siempre adopta dos 0 mis valores, que suclen conocerse como «grupo de tratamiento» y «grupo de control», Pensemos ahora tinicamente en la cuarta circunscripcién electoral de ‘Nueva York para las eleeciones al Congreso e imaginemos que en 1998 hu- bieran tenido lugar unos comicios en los que se hubieran enfrentado un congresista democrats y un aspitante republicano (no en el poder). Supon- gamos que el candidato demécrata hubiera recibido en estas elecciones una fraccién del voto expresada como y (el subindice 4 indica la cuarta cir- cunscripeién de Nueva York y el superingice /el hecho de que el deméecrata sea ya congresista). Por tanto, » es un valor de la variable dependiemte Para definir el efecto causal (una cantidad redrica), imaginemos que damos ‘marcha atris en el tiempo hasta el comienzo de la eampaa electoral y que todo sigue igual, a excepcién de que el congresista demécrata decide no Presentarse a la reeleccin y que su partido nombre a otro candidato (pro- bablemente al ganador de las elecciones primarias). Expresamos la fraccién fe voto que el candidato demoerata (no congresista) recibiré mediante y', se refiere a un candidato demécrata que no est en el poder) Esta condicién conirafctica es la esencia de le definicisn de eausalidad, y la diferencia, en esta situacién hipotética, enite voto real (y!) y voto pro- bable (1) es el efteto causal, concepto que definimos con mayor precisién ‘mis adelanie, Hay que tener mucho cuidado al definir contrafacticos por- que, aunque se oponen evidentemente a los hechos, tienen que ser razo- nables: deberia ser posible que el acontecimiento contrafactico hubiera ocu- frido en unas determinadas circunstancias. Al definir la condicion contrafictica adecuada resulta esencial precisar qué se mantiene constante ‘cuando alteramos el valor de la variable de tratamiento. En nuestro ejem- lo, la variable causal principal (0 de tratamiento} es estar en el poder. ¥ “quaEl disefo de la investigacién social cambia desde «ser congresista» a «no ser congresistay, Durante esta trans- formacidn hipotética se mantienen todos los elementos constantes (la fuer- za relativa de los democratas 0 los republicanos en esa circunseripcién en elecciones anteriores, el caracter del proceso de nominacién del candidato, las caracterisicas de la circunscripciGn, el contexto econémico y politico del momento, ete.) hasta que el Partido Demécrata decide su candidato, No sometemos a ningin control las cualidades de los candidatos, como en qué ‘medida se reconoce su nombre, su visbilidad o si se sabe emo funciona cl ‘Congreso, ni tampoco cualquier otra consecuencia que tenga la nominacion por parte del partido. Esto se debe a que, en pare, estos elementos son con- secuencia de nuestra variable de tratamiento: estar en et poder, Io cual quiere decir que, entre las ventajas de esta situacin, se incluye l recone miento del nombre, la visibilidad y todo lo demés. Si realmente mantuvie- ramos constantes estos elementos, estariamos controlando algutios de los efectos mis importantes que tiene estar en el poder y, por tanto, haciendo «caso omiso de ellos. En consecuencia, malinterpretariamos su influencia slobal en el conjunto del voto. De hecho, controlar un nimero suficiente de las consecuencias que tiene estar en el poder podria llevarnos a la incorrec- ta conclusién de que dicha situacién no tiene efecto alguno De manera mis formal, el efecto causal que tiene estar en el poder en la ‘cuarta eircunseripeién de Nueva York —la proporcién de votos recibida por el candidato demdcrata que puede atribuirse al hecho de que ya sea congre~ sista~ seria la diferencia entre estas dos fracciones del voto: (v4 ~ y). Por razones que pronto quedarin claras, esta diferencia la denominamos efecto causal realizado, y, para expresatla con una notacién més general, utiliza- ‘mos la unidad i en vez de solo la cireunscripeién 4* (Efecto causal realizado en la unidad i) = Bu Es obvio que este efecto se define Ginicamente en teoria, ya que. en cual- quier eleccién real, solo podriamos observar yo 7S. 0 ninguna de tos dos, pero nunca ambos a la vez. De este modo, esta sencilla definicién de causa~ lidad demuestra que nunca podemos conocer eon certeza un efecio causa Para Holland (1986), éste es ef problema fundamental dela inferencia cau sal, y en verdad lo es porque. independientemente de lo perfecto que sea el disefio de la investigacién, de la cantidad de datos que recojamos, de lo perspicaces que sean los abservadores, de lo.diligentes qué sean los ayt- antes y del grado de control experimental que tengamos, nutica canocere- ‘mos a ciencia cierta la inferencia causal. De hecho, gran parte de las cues tiones empirieas de los disefios de investivacién que se analizan en este Tibro tienen que ver con este problema fundamental y easi tod las indica- ‘ciones que damos son intentos parcales de evitarlo, Nuestra definicién bésiea de causalidad se aparta de la de Holland, ya ue en el apartado 6 del capitulo 2 hemos sefialado que las ciencias sociales Lee siempre necesitan dividir e] mundo en componentes sistemticos y no siste- miticos, mientras que la definicién de Holland no establece claramente esta distincién*. Para ver la importancia de esta division, pensemos en qué ocurriria se pudiéramos repetir la campafia electoral de 1998 en la cuarta ‘circunseripcién de Nueva York, con el congresista demécrata y el aspirante epublicano al cargo, La suma total de votos tendria un resultado ligers- mente diferente, a causa de ciertas caracteristicas no sistemticas de las ‘campaias electorales: aspectos politicos que no se mantienen de unas cam- pafas a otras, incluso si éstas parten de situaciones idénticas, Entre estas ccaracteristicas no sistematicas se pueden incluir las meteduras de pata ver- bales, un discurso o pronunciamiento sobre un problema que concita una sorprendente, una actuacién inesperadamente desafortunada en un altenci ‘debate, mal tiempo durante un mitin del eandidato o el dia de las elecciones ‘ también los resultados de alguna investigacién periodistica, Por lo tant, ppodemos iniaginar una variable que representara los valores del voto d tata en diversas reproducciones hipoteticas de las mismas elecctones Como hemos seialado anteriormente (véase el apartado 6 det capitu- Jo 2), esta variable se denomina variable aleatoria», ya que tiene caracte- risticas no sistematicas: le afectan las variables explicativas que no contem- pla nuestro anilsis tedrieo 0 contiene una variabiidad fundamentalmente inexplicable’. Definimos la variable aleatoria que representa la proporeign de votos recibida por cl candidato demécrata que ya es congresista como Y! (obsérvese la Y mayiscula), y la proporcién de los que habria recibido wn deméerata no congresista en reproducciones hipotéticas, como ¥* ‘Ahora definimos el efecto causa! aleatorio en la circunscripeién 4 como la diferencia entre estas dos variables aleatorias. Como queremos mantener cierto caricter general, de nuevo utilizamos una notacin que se refiere ala tunidad fen ver de a la circunseripcién 4 (Efecto causal aleatorio en ta unidad i) = (1"— (AI igual que en la definicién de variable aleatoria, un efecto causal del tmismo tipo es el que cambia en cada reproduccién hipotética del mismo ‘experimento, pero tambien representa muchas interesantes caracteristicas sistematicas de las elecciones.) Si pudigramos observar a Ja vez dos propor- clones de voto diferentes en la eixcunscripcién 4 —la primera referida a unas elecciones a las que se presentara un congresista demécrata y la Segunda sobre otras sin 6l—. podriamas ver directamente el efecto causal realizado de Ia ecuacién (3.1). Es evidente que, a causa del problema fun- damental de inferencia causal. no podemos observar el efecto causal reali- zado; en consecuencia, en la ecuaciin 3.1, dicho efeeto es una inica aplica- ign no observade del efecto causal aleatorio de la ecuacién 3.2. Dicho de ‘tro modo, sien la cireunscripeion 4 se hacen diferentes reproducciones hi- Potéticas de las mismas elecciones, unas eon un candidate congresista de- =p meeeEl disefio de ta investic mécrata y otras tantas con uno no congresista, el efecto causal realizado (no observado) se convertiré en un efecto causal aleatorio, Deseribir la causalidad como una de las caractersticas sistematicas de las variables aleatorias puede parecer excesivamente complicado, pero tiene dos ventajas. La primera es que hace que nuestra definicion de causalidad sea directamente andloga a las caractersticas sistemticas de un fenémeno (com. son la media o la vatianza) que sirven de objeto a la inferencia des- criptiva: las medias y las varianzas también son caracteristicas sistemticas de las variables aleaiorias (como en el apartado 2 del capitulo anterior). La segunda es que posibilita la division de un problema inferencial causal en sus componentes sistematias y no sistemdticos. Aunque muchas de las e2- racteristicas sistemiticas de una variable aleatoria puedan ser de interés Ia ‘mis relevante para nuestro simple ejemplo es el efécto causal medio de 1a tunidad é, Para explicar qué significa esto tetomamos nuestro ejemplo de las ‘elecciones en Nueva York Recuérdese que la variable aleatoria representa la fraccién del voto reci~ bida por el candidato demécrata (ya sea congresista 0 no) en un nimero clevado de reproducciones hipotéticas de los mismos comicios. Definimos de la siguiente manera el valor esperado de esta variable aleatoria —ta me- dia de fracciones del voto en dichas reproducciones— para el no congre- sista EY D= pw, yy para el congressta como: EM) = En consecuencia, el efecto causal medio de estar en el poder para la unidad {es una caracteristica sistemética del efecto causal aleatorio, y se define como la diferencia entre estos dos valores esperados (utilizamos de nuevo, para generalizar, la unidad fen vez de la circunscripeion 4); Efecto causal . medio en la unidad i= 6 G3) E (Efecto causal aleatorio en la unidad i) =EM-¥") = EO) EO) =H Ky 3. Causalidad e inferencia e {de modo que en la primera linea de esta ecuacién, f (beta) expresa este efecto causal medio. En la segunda indicamos que en la unidad i este indi- cador es s6lo la media (valor exsperado) dl efecto causal aleatorio, mientras ue en las lineas tercera y cuarta se muestra cémo calcular la media. La tl- tima linea es otra mancia de expresar la diferencia entre las medias de los dos eonjuntos de elecciones hipotéticas (Ia media de la diferencia de dos variables aleatorias es igual la diferencia de sus medias), Pata resumirlo ‘con palabras: ef efecto causa’ es la diferencia que existe entre el componen- te sistemético de las observaciones que se hacen cuando la variable expli- cativa tiene wn valor yel componente sistematico de observaciones compa- ables cuando la variable explicativa tiene otra valor. La titima linea de la ecuecidn 3.3 es similar a la ecuacién 3.1, yal ser asi, el problema fundamental de la inferencia causal existe todavia en esta formula. De hecho, expresado de esta manera, el problema es ain mis ‘rane, porque, aunque pudiéramos esquivar et problema fundamental en tun efecto causal realizado, todavia seguiriamos teniendo todos los habitua- Jes en la inferencia, incluido el de separar los componentes sistematicos y fo sistematicos del efecto causal aleatorio, A partir de ahora, wtilizaremos Ja expresién de Holland, «problema fundamental de la inferencia causal», para hacer referencia a la dificulted que él identificd y samién a los pro- blemas inferenciales habituales, que hemos afiadido a la formulacién de _ este autor. En el recuadro de la pigina 108 mostramos. una notacion ms general de los etectos causales, que resultard itil en el resto del libro. Hay otras muchas caracteristicas sistematicas de estos efectos causales Bleatorios que podrian ser de interés en diversas circunstancias. Por ¢jem: plo, quiza queramos saber la varianza de los posibles efectos causates (rea- lizados) que tiene el hecho de estar en el poder sobre el voto demecrata en s unidad i, al igual que quisimos conocer la del propio voto mediante la ouacion 2.3 del apariado 6 del capitulo anterior. Para ealcular este indica _ Sor del efecto causal, eplicamas la operacion de la varia (arianza del efecte causal en la unidad f) = ¥/ “ry ‘en la que evitamos introducir un nuevo simbolo que represente el resultado el cilculo de la varianza, V41— ¥°). Con seguridad, los nuevos congresis- tas querrin saber la variacn del efecto causal que tiene el hecho de estar ‘evel poder para poder evaluar en qué medida su experiencia se parecer @ lade los congresistas anteriores y hasta qué punto pueden fiarse de la esti- _Thacidn del efecto causal medio que tuvo el hecho de estar en el poder en _ ¢lecciones anteriores. Resulla especialmente importante comprender que __ ¢sla varianza del efecto causal es una parte fundamental del mundo y que no _ presenta una incertidumbre eausada por la estimaci6n,Edis dele investigacion soci 4.2 Un ejemplo cuatitativo En el apartado 1 hemos desarrollado nuestra previsa definicién de causali- dad y, al ser delicados y bastante complejos algunos de los conceptos que se barajaban, ilustramos la explicacién con un ejemplo simple y corriente de la investigacion cuantitativa, que nos ayud6 a transmitir los conceptos {que queriamos recalcar sin tener que ocuparnos de los detalles contextuales 4 de fa sensbilidad cultural que caraterizan la investigacion cualitativa de ‘alidad. En este apartado retomamos nuestra definieién de causalidad, pero cesta vez utlizamos un ejemplo cualitativ. ‘Los politélogos aprenderian mucho si pudieran volver a poner en mar- cha la historia manteniendo todos sus elementos constants, a excepcién dela variable explicativa controlada por el investigador. Por ejemplo, una de las cuestiones mas importantes alas que se enfentan Tos que participan de la politica y el gobierno es la relacionada con las consecuencias de una deter minada ley 0 normativa. El Congreso de los Estados Unidos prueba una ley impositiva para que tenga ciertas consecuencias: que condluzea a unas inversiones concreta, incremente los ingresos en cierta cantidad y cambie las pautas de consumo. Acaso tiene tal efecto? Podemos abservar lo que curre después de que se aprueba el impuesto, para comprobar si surgen las consecuencias deseadas, pero, aunque sea asi, nunca estaremos seguros de que provengan de la ley. El cambio en la politica de inversiones podria haberse producido en cualquier caso. Si fuera posible volver a poner en ‘marcha la historia, con y sin la nueva normativa, tendriamos mucho mis control a la hora de hacer una estimacion del efecto causal de la ey. Ev dentemente, no podemos hacerlo, pero la ldgica nos ayudaré a disefiar una investigacion que dé una respuesta aproximada @ nuestra pregunta Pensemvos ahora en un ejemplo general de la politica comparada, De pues del derrumbe del sistema soviético numerosos gobiernos de las rep blicas ex sovitieas de Europa del Este instauraron nuevas formas de go- bierno. Ahora se hallan inmersos —y son conscientes de ello— en un importante experimento politico: estin aprobando nuevas constituciones con Ia intencidn de que éstas creen sistemas democrticos estables. Uno de los dilemas constitucionales que se les presentan es elegir entre sistemas de ‘gobierno parlamentarios o presidenciales. Determinar cul de ellos tiene imis posibilidades de conducir a una democracia estable ha suscitado un considerable debate entre los académicos del érea (Linz, 1993; Horowitz, 1993; Liphart, 1993). La polémica es compleja,principalmente porque hay muchos tipos de sistemas parlamentarios y presidenciales y también por la variedad de las demés dispasiciones constitucionales (como Ta naturaleza del régimen electoral) que podrian acompanar a este dilema ¢ interactuar ‘on él, Nuestro abjetivo no es analizar en profundidad estas opciones, sino dar una version muy simplificada del dilema que plantean, con el fin de de- finir un efecto causal dentro de este ejemplo cualitativo. De este modo, st 3. CGusaligad e inferencia causal © brayamos la diferencia que hay entre las caracteristicas sistematicas y no sistematicas del efecto causal El debate sobre sistemas presidenciales y parlamentarios tiene que ver con diversas caracteristicas de ambos. Nos centraremos en dos de ellas: en ‘qué medida representa cada ordenamiento los diversos intereses de la cit- dadania y si favorece la existencia de um liderazgo fuerte y con capacidad de decisidn. Se suele decir que los sistemas parlamentarios permiten una ‘mejor representacién de todos los grupos ¢ intereses sociales en el gobier- no, ya que hay muchos escaiios que llenary los pueden ocupar representan- tes elegidos por diversos seciores. Por el contrario, el cardcter dristico (odo o nada) de Ios sistemas presidenciales conlleva que algunos grupos se sientan apartados del gobierno, le sean desafectos y generen una mayor inestabilidad, Por otra parte, es posible que los regimenes parlamentarios especialmente los que representan de manera adecuada a todo el arco de {grupos c intereses sociales— se blogueen y que no cuenten con un gobier "no decidido. También estas earactersticas pueden conducir a la desafeceién yla inestabilidad® | El objetivo principal de este apartado es formular una definicion precisa de efecto causal, Para ello, imiginemos que podemos instaurar un sistema parlamentario y que. periddicamente, durante unos di afos, calibramos su ‘grado de estabilidad demoeratica (quiza la propia supervivencia 0 desapari- ion del sistema, asf como los intentos de golpe de Estado que sufre w otros “indicadores de inestabilidad); a la vez, en el mismo pals, fundamos un sis- tema presidencial y también medimos su estabilidad en el mismo periodo y con los mismos elementos. El efecto causal realizado sera la diferencia en- fre los grados de estabilidad observados en el sistema presidencial y en el " parlamentario. La imposbilidad de calibrar este efecto causal directamente ¢ otro ejemplo del problema fundamental que plantea la inferencia causal. Como parte de esta definicién, también necesitamos distinguir los efec- 40s sistemiticos y no sistemitios de la forma de gobierno. Para ell ginemos que llevamos a cabo este experimento hipotético muchas veces. | Definimos el efec1o causal medio como la media de los efectos causales tealizados en las reproducciones de estos experimentos. Utilizar asi la me- ‘dia hace que se anulen las caracteristicas no sistematicas del problema y © Permite que nuestro indicador incluya slo las sistematieas. Entre éstas se encuentran la indecisién en un sistema parlamentario 0 la desaféecién de Jas minorias en uno presidencial, mientras que entre las no sistemiticas se puede incluir una repentina enfermedad de! presidente que precipita el po- bicrno en el caos. Este iltimo acontecimiento no seria un rasgo persistente ‘en un sistema presidencial; apzreceria en una de las repeticiones del experi ‘Mento, pero no en otras’ Otro rasgo notable de este ejemplo es la varianza del efecto causal, A ‘ualquier pais que sc esté plameando elegir entre estos sistemas politicos le interesara conocer el efeeto causal medio que tiene uno u otra sobre la esta “SEREL diseio de ta jnvestiaacton social bilidad democratica; sin embargo, para cada pais s6lo hay una oportunidad s6lo una reproduccién de este experimento, En tal siuacién, puede que a los lideres politicos es imerese algo més que el efecto causal medio. Quiza ‘uieran comprender cules podrian ser los efectos eausales maximo y mini- mo 0, al menos, la varianza de los efectos causales. Por ejemplo. quiza el sistema presidencial reduzea la estabilidad democrétiea media, pero la va- riabilidad de este efecto es enorme: a veces aumenta mucho la estabilidad y otras la disminuye de forma considerable. Esta varianza se conviert en un riesgo para el sistema politico. En tales cireunstancias, puede que los ciu- media de ¥, es cero (0 que se representa como una desviacién de esta me- di qu ronson rao ne aplcaied bel model), poems pest de tino constant en ea ean y re de me tis sine cone FY) =XB (6) EL parametro f sigue siendo el valor teorico del efecto causal medio, una | caracteristicasistematica de las variables aleatoras y uno de nuestios ob- fetes ent frrca cus. Ete modo consti un eno expel | del candlisis de regresion> que es habitual en la investigacion cuantitat Ye, pero los coefcientes de regreson solo coinciden a veces con las esti- maciones de los efectos causles. falas para que se pueda demostrar de la forma més répida y facil posible “que estin equivocadas. Es evidente que no tenemos que intentar equivocat- "os, pero incluso una teoria incorrecta es mejor que una afirmacién que no «8 ni false ni cierta, Subrayar la necesidad de que las torias sean falsables os obliga a mantener una perspectiva adecuada sobre la incertidumbre y Barantiza que vamos a considerar tales teorias como algo provisional sin | Aejarlas convertise en dogmas. Siempre hay que estar dispuesto a rechazar “las teorias si existen suficientes prucbas cientficas en su contra. Una de las Preguntas que hay que plantearse en relackén a una teoria (0 & cualquier hi Btesis que se derive de ella) es simplemente: ;,qué datos la falsarian? Esta ‘jogsEL disehe de (» investigactén cact Un anilisis formal de la falta de sesgo en las estimaciones causales En este recuadro demostramos la falta de sesgo det estimador que represen- ta el pardmetro det efecto causal que apareciaen el apartado 1 de este ca- pitulo. La notacién y ta lcica de estas ideas son bastante paraelas alas de ta defnicién formalde falta de sesgo que se dio en el apartado 7 del capi- tuto 2, dento de contexto dela inferencia descriptive. El simple modelo - neal que tiene una variable explicatva y otra dependiente es como sigue FY) = Bx ‘Nuestra estimacion de es simplemente ls de regresion por minimos cua- | drados: oe (a7) Para determinar si 6 es un estimador no sesgado de {es preciso tomar el valor esperado, haciendo su media en las reproducciones hipotéticas: (3.8) {0 cual demuestra que es un estimador no sesgado de 8. } pregunta debe aplicarse a cualquier teoria o hipdtesis. pero, sabre todo, tie- he que hacerlo ¢] investigndor que primero formula una teoria, Karl Popper es el autor que mis se relaciona con la idea de falsabilidad (Popper. 1968). y para él existe una asimetria fundamental entre eonfirmar Sears Al mu 3. Causalidad ¢ inferencia caus Un analisis formal de la eficiencia A continuacién, calibramos la eficiencia del estimadar estandar que repre- senta el pardmetro del efecto causal que aparecta en el apartado 1 de ‘este capitulo. En la ecuacién (3.8) hemos demostrado que este estimador no esta sesgado, y ahora calculamos su vatianza: Bay, ve) =v 6s) 7 Sen ey" ae ¢ x En consecuencia, la vatianza de este estimador es una funcién de dos componentes. En primer lugar, cuanto mis aleataria sea cada unidad en fnuestios datos (la mayor es ot), més variable seré nuestro estimador &, y | esto no deberia sorprendemnos. Ademés, cuanto mayor sea la varianza ob- servada en la variable explicativa Sx}, menos variable ser nuestra es- timacin de 6. Enel caso extrema de que no haya varabilidad en X, nada podrd ayudarnos a estimar el efecto que tienen las cambios producides en La variable expicatva sobre a dependent, yen este ejemplo, ta férmuta | pronostcarS una varianza infinita (incrtidumibre completa). De manera | mis general, este componente indica que la eficienca es mayor cuando, en La variable explicatva, tenemos datos que proceden de una gama de valores mas ampliz. Por tanto, lo ms habitual es que sea mejor evaluar | ‘uestras hipotesis causales en tantassituaciones diferentes como sea po- sible. Se puede pensar en este iltima asunto coma si consistera en trazar tua tinea utilizando una regla, dos puntos sobre una pagina y poco pulsa. | Si los dos puntos estan muy juntos (F tiene una pequeRa varianza), 10s ; errores que se registren al colocar la reglaserdn mucho mayores que si es- | [iver mis sep staan en que X ene uns wasonza grande). Prestuna teoria (verificacién) y desmentirla (Falsacién), Lo primero es prictica- mente irrelevante, mientras que lo segundo es la clave de la ciencia. Popper cree que una teoria, una vez que se enuncia, pasa a convertirse de inmedia to en parte integrante del cuerpo de conocimientos vientiieos aceptados Al ser generales las teorias y especificas las hipdtesis, las primeras impl ‘an, téenicamente, Ia existencia de un nimero infinito de las segundas. Sin ‘embargo, silo es posible someter a pruebas empiricas @ un nuimero limitado de hipdtesis. En este sentido, was teorias no son verificables» porque nunca podemos comprobar todas sus consecuencias observables (Popper. 1968, p. 252), Al comprobar cada hipdtesis se puede demostrar que es coherent con la teoria, pero un determinado nimero de resultados empiricos eohe- rentes no cambiaran nuestra opinién, ya que la teoria sigue constituyen- do un conocimiento cientfico aceptado, Por otra parte, si se demuestra que una sola hipstesis es incorrecta y, por tanto, que no se ajusta a la teoria, ésta serd falsada y dejar de pertenecer al bagaje del conocimiento humano. «Pot fo tanto, la sucesién de comprobaciones no altera en absolut Ta posi- cién de ninguna hipétesis, pero el fracaso de una sola de esas pruebas si puede tener muchas consecuencias» (Miller, 1988, p. 22). Popper no pre- fendia que la falsacién fuera un concepto determinista y reconocia que toda infetencia empiriea es, en cierto modo. inciesta (Popper. 1982). En su andl sis del desmentido eseribié que «aunque se admita la asimetria [entre falsa- ci6n y verificacién}, sigue siendo imposible, por varins razones. que eual- Quier sistema teorico sea talsado de manera concluyenten (Popper, 1969) p42) Las ideas de Popper nos parecen fundamentales para formuarteorias Siempre hay que disefarlas de manera que puedan ser falsadas y también debemos aprender de la insistencia de Popper en el carter provisional de toda elas, Sin embargo. para evaluar las teorias existentes en las ciencias sociales no resulta tan significativa la asimetria entre verificacién y fa ign. Ninguna de ellas contribuye a nuestro conocimiento cientifica. En cierto sentido general, la cuestion no es tanto si una teoria es o no fsa —casi todas las teorias sociales interesantes cuentan al menos eon una consecuencia observable que parece equivocada—, sino en qué medida nos ayuda dicha teovia a explicar el mundo. Si siguiéramos la regla de Popper, las teorias que se basan en el supuesto de la eleceién racional hu bieran sido rechazadas hace tiempo. ya que han sido falsadas en muchos ejemplos especificos. Sin embarzo, los eientificos sociales optan con fee- ‘cuencia por mantener este supuesto. convenientemente modificada. por- ue les concede un poder considerable en muchas clases de problemas de investigacién (véase Cook y Levi, 1990). Lo mismo puede decirse de casi cualquier otra teoria socal de interés. De hecho, en las ciencias sociales, intentar falsar teorias es buscar los limites de su aplicabilidad. Aprende- ‘mos cuando alguna consecuencia observable indica que Ia teoria no se ‘cumple y también cuando funciona correctamente SETS " Plica otras muchas de cardcter mas especi 3. Causalidad e inferencia cause! Para los cientiticos (y especialmente para los sociales) que evalian teo- rias formuladas con propiedad, la asimetria fundamental de Popper resulta ppracticamente irrclevante. O" Hear (1989, p. 43) hizo una afirmacién simi- lar acerca de la aplicacién de las ideas de Popper a las ciencias fisicas Popper siempre suele hablar tenendo en mene explicaciones de teorias umiversales Peco bay que insist una vez ms en que proponer y comprobar teorias univcrsales es slo uno de los objetivo de la cieneia. Puede que, debido a condiciones que han vine 4o conserablemente alo largo del tempo y el espac, no haya teorias amiversales verdaderas, y ésta es una posbilidad que no podetos subestimar. Sin embargo. aunque 2s fuera ciencis ain podria eumplir mushos de sus objetives, al darnos sono. tos y hacer verdadentsprediciones acerca de las eondivionos que eonstiuyen y rodean nuestro restrngide dmbito espacio-tempora ‘Seguramente, esta misma idea puede aplicarse ain con mas razén a las ciencias sociales, ‘Ademids, la evaluacién que hace Popper de las teorias no establece wna distincién fundamental entre las que acaban de formularse y las que ya han resistido numerosas prucbas empiricas. Cuando estamos comprobando la distincién determinista entre verdad o fiecién en una teoria universal (de la cual no hay ejemplos interesante), la idea de Popper es apropiada, pero no resulta itil para lo que nosotros pretendemos, que es buscar los limites © de aplicacign de una teusia, Cusne esos sefatado muchas veces en este li- bro, propugnamos que todas las inferencias relativas a hipOtesis especificas ‘se hagan planteando el mejor cdculo (una estimacidn) y midiendo su incer- tidumbze, La conclusién a la que Mleguemos respecto a si Ia inferencia con- cuerda 0 no coneuerdla con nuestra teoria tend el mismo efecto sobre la fe que tenemos en ésta. Tanto la coherencia como la incoherencia aportan {informacion sobre la verdad de Ia teoria y tienen que influiren la certidum- bre de nuestras creencias" Pensemos en la hipstesis de que las eampatias electorales de tos demi= erat y de los republicanos durante las eleceiones presidenciales estadou- rnidenses tienen poco impacto global sobre su resultado. Esta hip6tesis im- como las que propugnan que Jos anuncios televisivos y raciofinicas, asi como los debates, tampoco tie- ‘nen mucha influencia en fos votantes. En realidad, cualquier cémprobactin Ia teoria debe contrasar una de ests hipdtess. Hay una comprobacion de ‘sta teoria que ha demostrada que se pueden hacer pronésticos mis preci- S03 del resultado utiizando las variables de que se dispone Gnicamente al hacerse las convenciones y. por To tanto, antes de las eampafias (Gelman y King. 1995), Esta comprobacion concuerda eon la teoria (si podlemos pre- Acir las elecciones antes de la campaia, no puede devirse que esta tenga hucha importancia). pero no la verifica completamente, Puede que haya al Bin aspecto de Ia eampafa que tenga alguna pequcia iniluencia que expli= 113Fl disere de ta investiga gue eiertos errores de prondstico (y pocos investigadores dudan de ello} ‘Ademis, la prediccién puede haber sido fruto de la suerte 0 quiz, en los afios en que se han recogido los datos, las campaas no hayan incorporado ninguna tictica innovadora(y, por tanto impredecible), Podriamos Hevar a cabo otras muchas comprobaciones,introduciendo en el modelo de pronéstico variables que midieran aspectos de la campatia, ‘como a cantidad relativa de espacios televisivas 0 radiofanicos, la elocuen- cia dé los candidates y In evaluacién de los resultados de los debates. Si to- das estas hipdtesis no tuyieran ningtin efecto, Popper ditia que nuestra opi- nin no cambia de forma resefiable, de manera que la teoria de que las campafias presidenciales no tienen impacto se mantendria. De hecho. si hi- cigramos mil comprobaciones similares y todas concordaran con la teoria, ésta todavia podria estar equivocada, ya que no hemos puesto a prueba to- das las infinitas variables posibles que miden una campafa. De manera que, aunque dispusiéramos de muchos resultados coherentes con la teoria, ain posirta ser cierio que las campafas de elecciones presidenciales infli- yen en el comportamiento del votante Sin embargo, si se demostrara que un tinico aeontecimiento de la cam- ppafia —eomo una importante acusacién de comportamiento inmoral— ti ne alguna influencia en los votantes, la teoria quedaria falsada, Segiin Popper. aungue esta teoria no se falsara de forma coneluyemte (lo eu! ree0- nocié que era iinposible), aprenderiamos mis de esta manera que con mil comprobaciones que concordaran con el Para nosotros, no es asi como se hacen las ciencias sociales o como de- berian hacerse, Después de hacer mil comprobaciones a favor 0 en contra, ‘no prescindiriamos de la teoria que afirma que las eampafas no tienen im- pacto, sino que la modificariamas para decir, quizi, que as camparias nor- recen de impacto, a no ser que haya pruebas concluyentes de que uno de los candidatos se ha comportado de forma inmoral. Sin embargo. como esta moviticacién haria mas resrictiva nuestra teoria, necesitariamos cevaluarla con un nuevo conjunio de datos antes de confiar en su valider, La teoria seguiria siendo convincente, y. de alguna manera, con cada nueva evaluacion empirica sabriamos miss sobre sus limites. Cada prueba que pasa una teoria inluye tanto en fa estimacion de su validez. como en la ine ‘ertidumbre de ese célculo. y el impacto puede aleanzar nuestro grado de interés en que la teoria funcione. En ¢l anilisis anterior hemos planteado una forma importante de abor- {ar las teoriasy también hicimos una advertencia: nuestro enfoque subraya el caracter contingente de teorias e hipétesis. Mas adelante, propugnamos jue se intente dar a ambas una aplicacién amplia, Esta es una estategia til ‘para investgar, pero siempre debemos recordar que no es probable que las tcorias sociales tengan una aplicacién universal. Las teorias que se dicen aplicables @ cualquier circunstaneia, en cualquier lugar —algunas variantes del marxismo y de Ja teoria de la eleccion racional son ejemplos de esta males ETT iad # inferencie saasal pretensién—, o bien se presentan de forma tautolbgiea (en cuyo €aso ni son vverdaderas ni falsas) o de manera que es posible desmenttias empirica- mente (en cuyo caso descubriremos que hacen predicciones incorrectas. Las teoris sociales mas atiles son validas en determinadas condiciones (en campanias electoraes en las que no hay pruebas concluyentes de comporta- tmiento inmoral por parte de ningin candidato) o en ciertos contextos (en paises industrializados, pero no en los menos desarrollados: en las campa- fas para clegit a Camara de Representantes, pero no en las del Senado). _ Siempre hay que intentar coneretar los limites de aplicacién de la teoria 0 hipdtesis. £1 paso siguiente es preguntarse: gpor qué existen esos limites? {qué tienen las elecciones al Senado que invalidan las gencralizaciones Aplicubles a las de la Camara de Representantes?, ;qué have que la indus tvalizacién transforme los efectos causales?, ,qué variable falta en nuestro ~ anilisis que podria generar una teria de aplicacin més yeneral? AI hacer- nos estas preguntas traspasamos los limites de nuestra teoria 0 hipdtesis, para mostrar gue factores hay que considerar eon el fin de ampliar su eam- = pode accién Sin embargo, bay que aftadir una advertencia. Hemos sefalado que cl proceso de evaluacidn de teorias ¢ hipdtesis es flexible: eiertas comproba- no las confirman ni desmientendefinitivamente .Cuando jriea no coneuerda con nuestras expectativas tedricas, nti: ‘amos la teoriainmediatamente por la borda. Padernos hacer varias cosas: llegar a la conclusion de que quieé los datos solo son pobres por easualidad 0 ajustar lo que consideramos que es el Ambito de apicacién de una teoria 0 hipdtesis aunque no se sostenga en un caso determinado y, en viru de ese juste, seguir aceptando esa elaboracion tedriea. La ciencia avanza median- © te tales ajustes, pero éstos pueden ser peligrosos, Silos Hevamos demasiado lejos haremos que nuestras teorias sean invulnerables al desmentido, En | consecuencia, hay que tener mucho cuidado al adaptar teorias para que “concuerden con nuevos datos y no lay que forzarlas mis alli de Io plausi- bie, afadiendo numerosas excepciones y casos especiales. Si nuestro estudio desmiente algun aspecto de la teoria podemos optar por mantenerla, pero incorporande una excepeion. Este procedimiento re- sulta aceptable siempre y cuando se reconozea el hecho de que estamos tealuciendo las pretensiones de la teoria, De este modo, ésta sera menos va Hiosa porque explica menas; seatin huestra terminologia tendeemos menos control sobre | problema que queremos comprender *. Ademas, este enor ‘ue puede produtir una eteorfa» que no sea rris que una mezeolanza de di- | Nersas excepciones y conclusiones. En algin momento hay que estar dis- Pesto a prescindir por completo de ciettas teorias € hipotesis. Si hay Alemasiadas excepciones, Ia teoria debe rechazarse. De manera que, en si misma, fa concision, que es fa preferencia normativa por teorias que tienen = pocos componentes. no siempre es aphicable. Lo tinico que necesitamos esAl disenio de le investign completamente la idea de concision cuando es itil, Pensar que, en gran me- dida, la ciencia consiste en explicar muchos fenémenos mediante unos po- 08 pone dle manifiesto que las teorias de pocos componentes no son mejo~ res ni peores. Para maximizar el control hay que intentar formulas teorias ue expliquen lo mas posible con e! menor nimero de elementos, A veces esta formulacién se logra mediante la concisién, pera otras no, Podemos pensar cn ejemplos en los que una teoria ligeramente mis complicada ex- plica tina parte del mundo mucho mas amplia. En tl situacién, sepuramen- te utilizariamos una teoria poco concisa, ya que ésta maximiza mejor el ‘control que la mas concisa 5.2 Regla 2: construir teorias que tengan coherencia interna Una teorfa sin coherencia interna no sélo es falsable: es falsa, De hecho, ésta es la nica situacién en In que se conoce fa veracidad de una teoria sin necesidad de datos empirieos: si tiene dos o mas componentes que generan hipétesis contradictorias, no hay datos del mundo empirico que pueda sos- tenerla. No tendria que ser polémico gorantizar la eoherencia interna de las teorias, pero esa cuslidad suele ser dificil de alcanzar. Se puede lograr me- diante modelos formales, matemiticos. Es en la economia donde mas desa- rrollada esta la creacién de modelos formales, aunque es cada vez mas ha- bitual en sociologia, psicologia, cienicia politica, antropotogia y en oxras dlsciplinas (véase Ordeshook, 1986). Los politslogos han desarrollado mu- ‘merosas teorias evenciales a partir de modelos mateméticos en frcas come la eleccion racional, la social, los modelos electorales espaciales, la econo- mnfa pablica o la teoria de juegos. Con estas investigaciones se han logrado importantes resultados y una gran cantidad de hipOtesis plausibles. Una de las aportaciones mis valiosas de los modelos formales es su capacidad para poner de manifiesto la incoherencia de teorias planteadas mediante la ex- presidn verbal ‘Sin embargo, a igual que ocurre con otras hipStesis, los modelos forma- Jes no son explicaciones verificadas si no evalian empiricamente sus pre- dicciones. En la investigacion social, la formalizacién nos ayuda a razonar ccon més claridad y garantiza realmente que muestras ides tengan coheren: cia interna, pero no resuelve los problemas de evaluacion empiriea de las teorias. En las ciencias sociales, os supuestos de los modelos formales sue- Jen ser sencillas expresiones matemiticas 0 maneras de warantizar que se puede llegar a un equilibrio. Hay pocos autores que crean que ef mundo po- litico es matematico en la misma medida en que lo creen algunos fisicos del mundo que ellos analizan. Por lo tanto, est0s modelos formales no son ‘ms que modelos: abstracciones que hay que diferenciar del mundo que es- tudiamos. De hecho, algunas teorias formales hacen predicciones a partit de supuestos enormemente simplificadores y a veces no tienen gtan valor aaa TS empirico, Sélo desde un punto de vista abstracto son mas precisas que las teorias sociales no formales: sus prediciones acerca del mundo teal no son mis especiticas porque sus condiciones no se corresponden, ni siguiera de forma aproximada, con las reales Simplificar es esencial pura los modelos formales, al igual que lo es en toda investigacién, pero hay que tener cuidado con las inferencias que se extraen de la realidad a partir de esos modelos. Por ejemplo, presuponer que todas las variables omitidas no tienen consecuencias sobre Jos resulta- dos puede ser muy itil al construir modelos, y, precisamente, esto es lo que hacemos en muchos de tos modelos formales cualitativos de este libro. Es {os supuestos no suetenjustficarse por ser rasgos del mundo; solo se dice {que son instruments tiles para construir modelos a partir de él. En conse euencia, sus resultados se refieron concretamente a situaciones en la que t Jes variables omitidas son irrelevantes y pueden parecerse 0 no a los del ‘mundo real. No fenemos que comprobar el supuesto para elaborar e1 moxle- Jo y sus consecuencias, pero si es esenctal que lo pongamos a prucba du- ‘ante la evaluacidn empitiea. Para que el modelo formal sea wi, el supuc to no tiene que ser eorrecto, pero no podemos emplear en la elaboracion de discos de investigacién empirica supuesios tedricos no comprobados justficados. Por el contrario, para que las teorias formales sean tiles en los estudios enipiricos, suele ser preciso complementarlas con ottos cle- mentos Un buen! modelo formal debe ser abstracto, de manera que Jos raspos clave de problema se pongan de manifiesto y pueda aplcarsefécilmente el razonamiento matemitico. Asi, consideremos un modelo formal sobre las consecuencias de la representacién proporcional en los sistemas de partidos que implique que la primera fragmenta los segundos. La variable causal slave es el ordenamiento electoral, o sea, si es un sistema de representacion Droporcional en el que ls partidos obtienen escafos en funcidn del porcen- taje de votos que logran o si es un sistema mayoritario en el que slo hay wn ganador en cada circunseripeidn. La variable dependiente es el niimero de partidos politicos, que suele denominarse «grado de fragmentacién del sis- tema de partidos». La hipotesis principal es que lus ordenamientos electo- fales que se basan en la representaciOn proporcional generan mis patios Politicos que fos de tipo mayortario. Para una mayor sencillez, este modelo podria influ dnicamente variables que midieran algunos raspos esenciales del sistema electoral y también el grado de fraymentacion del de partidos, El modeto solo generaria una hipétess. no una conclusin, acerca de Ia re lacién que existe entre la representaciin proporcional y la Fragmentacién el sistema de partidos en el mundo real y esa hipatesis habia que com robarla utlizando métodos cualittves o cuaotitaivos empiricos. Sin embargo, aunque una de las consecuencias de este modelo sea que ka Fepresentacién proporcional fragmenta Jos partides politicos y aunque no se utilizar otras vaiublesen el model, en un analisisempitic seria absurdo ‘TeeInvestigacion sociat Hl disefio de utilizar solamente dos, Un estudio que indique que los paises que wrilizan ka representacion proporcional tienen sistemas de partidos mas fragmentados estar dejando de lado el problema de la endogencidad (apartado 4 de! capi- tulo 5), puesto que quiza los paises que instauran sistemas electorales de tipo proporcional lo hagan precisamente porque ya tienen un sistema de parti- dos fragmentado, Del mismo modo, el sesgo de Ja variable omitida seria un problema porque también es probable que los paises en los que existen pro- fundas divisiones raciales, émicas religiosas tengan un sistema de partidos fagmentado y que su sistema electoral sea de tipo proporcional De este modo, parecen cumplirse las dos condiciones pura que exista sesgo de fa variable omitida (apartado 2 del capitulo 5): dicha variable se ‘correlacions tanto con la explicativa como con la dependiente, y. por tanto, todo andlisis que prescinda de la variable relativa a la division social produ- crt inferencias sesgadas ‘Tendria que quedar claro que los modelos formales son extremadamente tiles para aclarar nuestras ideas y para desarrollarteorias con eoherencia interna, Quiza sélo un modelo formal pueda poner de manifiesto y correxir Jas incoherencias internas de muchas teorias especialmente complejas que se expresan con palabras, AT mismo tiempo, no es probable que esas elabo~ raciones teoricas proporcionen modelos correctos para la comprobacion tempirica, y podemos asegurar que no sirven para evitar ninguno de los pro~ blemas empiricos de la inferencia cientifica 5.3. Regla 3: seleccionar cuidadosamente las variables dépendientes Es evidemte que al investigar todo debe hacerse con cuidado, pero elegit las variables, principalmente las dependientes, es una decisién especialmente importante. A continuacién damos tres indicaciones (basades en errotes ue se cometen con demasiada frecuencia en eseritos cuantitatives ¥ cuali- tativos): En primer lugar, las variables dependiemtes dehen ser realmente depen- dientes, Elegie una variable dependiente que en realidad produce cambios ‘en las explicativas es un error muy habitual, Analizamos las eonsecuencias especifieas de la endogencidad y ciertas maneras de esquivarla en el aparta do 4 del capitulo 5, pero hay quie subrayar aqui este problema porque la fore mma mas facil de evitarlo es elegir variables explicativas claramente exoge- nas y variables dependientes manifiestamente endogenas, “8 no ha que seleceionar observaciones que estén basa das en la variable dependiente para que ésta se mantenga constante, ESO también puede parecer bastante obvio, pero hay investigadores que suelen elegir observaciones en las que la variable dependiente no cambia en abso- Jugo (como en el ejemplo anatizado en el apartado 3.1 del eapitulo 4), Aun- ue el diseiio de investigacién no se haga con el proposito de que esta va- EET Ts rable se mantenga constante, puede resultar que lo sea, Sin embargo, esto no supondea un problema a menos que hayamos predeterminado tal situa- cin mediante la seleceién ce criterias, Por ejemplo, supongartyes que se se= leecionan observaciones en dos categorias de una variable explieativa y que resulta que la dependiente es constante en los dos grupos. Este no serd mds ‘que un caso en el que el efecto causal estimado es cero. Para terminar, tenemos que elegir una variable dependiente que repre seme la variucivn gue quermios explicar. Aunque esta indieacién parezca cevidente, el asunto es bastante delicado, como pone de manifiesto Stanley Lieberson (1985, p. 100) Un simple experimento pravitatcrio, presente en el Ontario Science Cente de Toronto, inspira un ejemplo heuristico. En este monje se Ua caer una moneda una. plum dentro de un tubo en el que se hy hecho el vacio, y ambsasIegan al ford cas al miso tiempo. Como el vaefo no esto es de suponer quc la mond llegar al fondo un po- quit antes que Ia pluma. En euslqucr caso imaginénonios un esto en el que se de- Jen caer varios objios. sin qu se tenge ol eonto tan ferrea que orga el vaio (que &s 4 que ccuriia en una investigacion social no experimental), Si los cintfiegs sociales Pereiben que varia e tempo que tarda cade objeto en Near al suelo lo normal es que ‘quieran saber que caracteristias deteeminan esa diferencia, Es probable que rasgos como lx densidad y la forma de lo objets inflayan en la velocidad de la ea si no exist ef vaco, Si el imvestigadon socal tiene suerte, fy conjanccn de esos factres ex Plicara completamente las diferercias de velocidad que presenta la eid de cad uno de os objeto ys esas, se pond muy eontento porgue se habit explicado todas las var Fiaciones que hay entre un objeto y otro, Modiane el nuzonamento habit en las cien= «is sociales, investi Hegrd a la conclusion de que se eniende completamente 6! fenmeno porque se han explicate tds fas diferencias que existe entre las objets que se estudian. Seguramente, debe de haber algo qu flla en mestosprocedimientos ' podenos abordar este problems sin siquiera referimos a ta gravedad, En este ejemplo, los procedimientos del investigador solo serian erroneos Sila variable mas interesante fuera la gravedad, Si ésta fuera la variable ex- Dlicativa que nos preocupara, el experimento no la cambiarla (ya que s6lo ‘curre en un lugar) y, por tent, no nos daria informacidn sobre ella, Sin mbargo, el experimento que describe Lieberson tendria un mayor interés si Guisiéramos comprender las variaciones que se producen en el tiempo que tardan diferentes objetos en tocar ef suelo, cuando se dejan exer desde tina ‘misma altura a diferentes niveles de presiin del aire. De hecho, aunque Jo Supiéramos todo de la gravedad. este experimento nos seguiria dando una informaeidn valiosa, pero si, como presupone el autor. le que nas interesa Tealmente es hacer una inferencia sobre el efecto causal de la gravedad, ne- Cesitariamos una variable dependiente que cambiara nuesttas observaciones ada ver que variara el grado de atraceién de la gravedad, Del mismo ‘modo, en Ins ciencias sociales hay que asegurarse de que realmente nos in= 119°ELéisefo la investigacién sociat teresa ms nuestra variable dependiente que los factores contentusles que el diseho de investigacién mantiene constantes, En consecuencia, para obtener una estimacidn no sesgada del impacto de las variables explicativas es preciso que todo el abanico de posibles va- riaciones de la variable dependiente pueda scr resultado det experiment, Poner limites artificiales al abanico de posibilidades dc la variable depen- dente a sus valores genera lo que definimos (en el apartado 3 del capitu- Jo 4) como sesgo de seleocién, Por ejemplo, si nos interesan las condicio- nes que propician el estallida de conflicios armados, no podemos elegit solo observaciones en las que ése sea precisamente el resultado. Tal estudio podria darnos mucha informacion sobre cémo varian las observaciones de conflctos armades (al igual que el experimento de Ia gravedad nos infor smaba de las que se registran en la velocidad con que caen diversos objets) pero no nos permitivia examinar las causas ce esos conflictos. Si esto es 10 que queremos entender, ert mejor utilizar un disefo en el que seleccione mos observaciones a partir de nuestras variables explicativas, dejindoe a la dependiente la posibifidad de abarear todas las situaciones posibles: en las que hay poco o ningin conflicto, en las que amenaza con producirse 0 en Jas que realmente esta 5.4 Regla 4: maximizar lo concreto La cuarta regla, que surge de muestra insistencia en la falsabilidad, la cohe- rencia y la variaciin de la variable dependiente, es maximizar lo coneret. Siempre que sea posible, hay que elegir conceptos observables en vez de no observables. En las teorias de las ciencias sociales se utilizan con frecuen- cia conceptos abstractos, no observados, como fos de utilidad, cultura, in- tenciones, motivaciones, idemificacién, inteligencia a interés nacional Pueden ser muy stiles para fornnclar teoris, pero también una carga para la evaluacién empirica de teorias e hipotesis, a menos que se puedan definit dde manera que sea posible observarlos y medirlos 0, al menos, hacer ambas cosas con sus consecuencias. Plantear explicaciones mediante ideas como cultura, interés nacional o uilidad resultara sospechoso, a menos que tales conceptos se puedan calibrar al margen de la variable dependiente que esta- ‘08 explicando, Cuando se utilizan tales términos en fas explicaciones, ¢s facil caer en la tautologia o no presentar consecuencias observables y dife- renciadoras. La accién de un individuo o de una nacidn puede explicarse @ partir de un deseo de maximizar la utilidad, materializar unas intenciones © trabajar en beneficio del interés nacional: pero la prueba de gue esa accién ha logrado tales fines resid en el hecho de que el actor o In nacién hayan participado en ella. El investigador es responsable de formular una teoria que especifique con claridad y precision qué eonsecuencias observables van a indicar su veracidad y 2 distinguirla de otras alternativas ligicas FERRET 3, Gausatidad e inferencia causal Con esta regla no queremos decir en modo alguno que concepios como Jos de intencionalidad o motivacion carezcan de importancia, Sélo preten- demos sefialar que, en una ciencia empiriea como la nuestra, la principal norma explicaiva lene que ser la verificacin 0 falsaci6n empirica. Siem- pre seré mis dificil y menos provechoso buscar pruebas empiricas para Conceptos abstractos, inconmensurables ¢ inobservables que para muchas ideas especificas y coneretas concebidas de manera imperfecta. Cuanto Imas abstractos scan nuestros conceptos, mas difusas seran sus consecuen- cias observables v menos posibilidades habra de falsar la teoria, Los investizadores suelen utilizar la siguiente estrateyia.Parten de algin coneepto abstracto como fos mencionados anteriormente, aceptan que no pueden medirio de forma directa y, en consecuencia, sefalan indicadores especificos de dicho concepro que si pueden medirse y los utilizan en sus cexplicaciones. La eleccidn de ese indicador conereto se basa en que es ob- servable. A veces, es lo tinico observable (por ejemplo, solo hay datos dis- pponibies de este fendmeno o es el inico tipo de acontecimiento histérico del que se guarda informacién). Este aspecto dé la investigacién empirica es perfectamente respetable y, de hecho, Suele ser necesario, Sin embargo, tiene una parte mala, pues con frecuencia el indicador es- pecifico esté lejos del concepto original y solo se elaciona con é! de forma indirecta € incierta, Quiz no sea en absoluto un indicador vélido del con- ccepto abstracto, pero el investigador, después de pedir perdén répidamente por el desfase que ltay entre uno y otto, adjudica al primero el nombre del segundo y sigue adelante como si estuviera midiendo el concepto directa- mente, Por desgracia, esta objctualizacién es frecuente en las ciencias so- ciales, quiz mis en la investigacién cuantitativa que en la cualitativa, pero demasiado habitual en ambas. Por ejemplo, el investigador utiliza las eifas que tiene sobre correos, comercio, turismo ¢ intercambio de estudiantes Para elaborar un indice de «integracin sociab» en Buropa: reliza una en- cesta para averiguar sia los entrevistados les preocupa mas el medio am- biente que ganar dinero, clasificéndolos después como «materialistas» 0 apostiaterialistas», u observa que las insttuciones federales estadouniden- ss se diferencian entre si por el periodo medio de permanencia de los tra- bajadores en sus empleos y con este dato mide la winstitucionalizaciony de dichos onganismos. ‘Aqui tenemos que dejar claro lo que queremos decir. El desfase entic ‘concepto e indicador es inevitable en gran parte de Ios estudios sociales. ‘pero hay buenas razones para utilizar conceptos generales en vez de especi- ficos: nos permiten ampliar nuestro marco de referencia y la aplicabilidad de la teoras. De este modo, podemes referimos al poder legislativo en vez de utilizar categorias mas estrechas, como parlamento. o inslituciones conere- tas, como el Bundestag aleman, Podemos hablar de wérganes decisorios» ‘en lugar de legislativo cuando queremos que nuestra teoria sea aplicable a una gama de instituciones ain mis amplia (de hecho, en el siguiente apar- 2Eliseo de ta Investigacién sock Gaasaligad e int tado lo recomendamos). La ciencia se basa en estas clasificaciones abstrac- tas, si no estariamos volviendo al resumen de los pormenores histiricos, Sin embargo, nuestros términos abstractos y generales deben relacionarse fen algin momento con conceptos especificos y mensurables que hagan posible Ia comprobacién empirica. Esta relacién —y la distancia que se recorre para establecerla— siempre hay que tenerla en mente y hacerla ex- pilicita, Ademas, el problema tebrieo que se plantee debe justificar el deter- ‘minado nivel de abstraccién elegido, que, a su vez, tiene que ayudar a rela- ccionar una investigacién concreta —en la que un determinado indicadar es el actor clave— con un problema general Para nosotros sera una responsa- bilidad ver que se llevan a cabo nuevas investigaciones, que utilizan otros indicadores especificos. con el fin de reforzar el supuesto de que los nues- tuos estin realmente relacionados con un eoncepto mis ampli. Los térmi- nos abstractos anteriores —cintegeacin social», «postmaterialismon ¢ ««nstitucionalizaciény— pueden medirse de forma razonable con 10s indi- cadores especificos indicados. No negamos que haya que dar un salto desde 1 indicador espectfico hasta el concepto abstracto general —en las ciencias sociales esto es preciso para continuar la investigacion—. pero hay que dar- Jo con enidado, justificéndolo y «recordando» siempre de dénde se parte Por lo tanto, no nos oponemos a las abstracciones, pero pedimos quc el Jenguaje de Ia investigacién social sea lo mis conereta y preciso posible. Si, como suele ocurriren las ciencins sociales, no hay mis remedio que uti- lizar elaboraciones teéricas inobservables, al menos tendremos que elexir ‘ideas con consecuencias observables. Por ejemplo, la inteligencian nutica se ha observado directamente, pero no deja de ser por ello un concepto muy ltl, Existen numerosos tests y otras formas de evaluar sus implicaciones. Por otra parte, si podemos elegir entre «insttucionalizacion de la presiden- ciay y «mtimero de empleades de la Casa Blanca», suele set mejor quedarse con jo segunda. Podemos sefialar que este concepto se relaciona con el de insttucionalizacién de la presidencia —que es ms general—, pero no hay ‘que concretar el concepto limitada hasta el punto de eansiderar que es idén- tico al mas amplio. Ademas, si nimero de empleados significara institucio- nalizacidn. tendriamos que poder encontrar otras medidas de este segundo ‘eoncepto que respondieran a las mismas variables explicativas que el pri- mero, Mas adelante analizaremos cémo se «maximiza el contro» amptian- do las variables dependientes. Nuestra defensa dela concrecién se extiende en general a las palabras que utlizamos para describir nuestra teora, Siel lector tiene que pasar mu- cho tiempo averiguand los significados precisos de una teoria.ésta tend ‘menos utilidad. Al describir teorias, hay que reducir al minimo la polémiica sobre nuestras infenciones. Para lograr esta mayor especificidad, aunque no estemos Hevando a cabo imestigacién empitica, hay que dedicar cierto tiempo a considerar. explicitamente, las eonsecuencias observables de Ia to- ria e incluso los posibles proyectos de investigacién que podriamos realizar S22 Cuanto mis impreciso sea nuestro lenguaje, menos posibilidades habra de que nos equivoquemos, pero también de que nuestro trabajo sea itil. Es jor equivocarse que ser impreciso. En nuestra opinion, al presentar la Logica de un proyecto de investign- cin, defender su importancia y deseribir los acontecimientos en detalle, hay que cultivar una redaccién elegante (y disfrutarla), préetica que consti- tuye un bien escaso en las ciencias sociales. El aburrimiento nunca ha he- ccho avanzar ninguna ciencia, Sin embargo, cuando ¢l objeto de estudio se transforma en una inferencia causal © descriptiva, en la que nos interesan “observaciones y generalizaciones que esperamios se maitengan, es preciso utilizar una terminologia y una forma de pensar concretas y especificas 5.5. Regla 5: formular teorias de forma tan incluyente como sea posible Aceptando los condicionantes que implica asegurarse de que una teoria es falsable y de que masimizamos la eonerecién, hay que formula tl teoria de manera que explique una parte del mundo lo ms grande posible. Nos damos cuenta de que hay cierta tension entre esta quints regla yl hecho de que antes instiramos a la concrecién, S6lo podemos decir que ambos obj tivos son importantes, aunque en muchos casos pueden contraponerse y hay que tenerlos presentes para llegar a un equilibrio. Por ejemplo, no debemos presentar nuestra teoria como si sélo fuera plicable al Bundestag alemin, cuando hay razones para creer que pudiera serlo en todo poder legislativo independiente. Para formularla no es preciso dar pruebas de todas sus consecuencias, siempre que se haga ua estima cidn razonable dela incertidumbre que conlleva. Puede que hayames dado pruebas consistentes de que la teoria es aplicable al Bundestag alemin Aunque no las tengamos de que funciona en otros émbitos,tampoco las te- memos de que no sca asi. Un marco de referencia més amplio resulta itl si no perdemos de vist el hecho de que es necesario evaluar su aplicabitidad De hecho, expresara en relacién a un marco de referencia hipotiticamente mis amplio podria obligarnos a pensar en qué raspos estrueturales de la teoria la harian aplicable o no a otros poderes leislatives independiente. {Seria adecuada. por ejemplo, para el Senado estadounidense. cuyos inte- gramtes no se eligen de una sola vez sino de manera escalonada. para la asamblea de New Hampshire, que es mucho mas numerosa en relacion al rnimero de electors, o para Ia CAmara de los Communes britinica. en a que es mucho mis fuerte el voto de partido? Presentar qué rasgos sistemiticos de a teoriacreemos que la hacen aplicable en diferentes reas es un impor tante ejercicio. Quiz asi nos demos cuenta de que estamos equivocados, pero esto ¢shastante mj que no formula lo eoria con sufieientepreci- sidn desde el principio, 12388El disono ce fa tnyestigacién social Puede que parezca que esta regla entra en conflicto con ta preferencia ‘que mostré Robert Merton ({1949], 1968) por las ateorias de aleance me- dio», pero incluso una lectura répida de este autor nos indicari que no es asi. Merton estabs reaccionando contra una tradicién sociolégica en la que habia «teoriasy, como la de «la accion» de Parsons, que se formulaban de ‘manera tan amplia que no podian falsarse. En la ciencia politica, la «teoria 4e sistemas» de Fasion (1965) se halla en la misma tradicidn (véase Feks- tein, 1975, p. 90) Este es un ejemplo del tipo de criticas que a Merton ((1949}, 1968, p. 43) le gustaba hacer: «Por lo que se ve, la teoria de ta fi- jacién de los roles no concuerda con orientaciones tedricas tan generates como el marxismo, el analisis funcionalista, el conductismo social, la sociologia integral de Sorokin o la teoria de la accion de Parsons». Merton no critica la teoria de la fijacién de los roles, que consideraba de aleance medio, sino que ataca las «amplias orientaciones tebricas» con las que con ceuerda casi cualquier teoria més especifica w observacién empirica. Merton esti a favor de las teorias de «alcance medio», pero creemos que estaria de acuerdo en que hay que formular teorias de la manera més general posible, sicmpre que sigan siendo falsables y concretas, Para relomar un concepto que hemos mencionado anteriormente, enunciar teorias de este modo es ‘maximizar el contro. Si la teoris puede comprobarse —y es evidente que el peligro de las mas generales es que quizd estén expresadas de manera que rho’ se pneda—, enanto mas general sea, mejor Osea. a mayor amplinud ‘mis control. ae 4. Precisar qué va a observarse © Hasta ahora hemos setialado euales son para nosotros as nocmas de ia infe- * rencia cientica, segin se aplican tanto ala investigacion cualitativa como © A la cuantitativa (capitulo 1), hemos definido la inferencia descriptiva (ca- | pitulo 2) y aclarado lo que entendemos por eausalidad e inferencia causal | (capitulo 3). A continuacidn, vamos a plantear problemas especificos del “disefio de investigaciones. A partir de ahora, para ilustrar nuestros argu “mentos uilizaremos muchos ejemplos tomados de la bibliografia existente | velaborados de forma hipottis, El presente capitulo se ocupa de cémo te- snemos que seleceionar los casos u observaciones para nuestro andlisis. B- as decisiones tienen gran importancia, ya que una mala seleccién de easos -puede impedir que, en estadios posteriores, 1a mas imaginativa de las ini- © iativas logre extrnerinferencias causeles vilidus. Ene} eapitulo 5 sei “mos algunas de las principales causas de seseo e ineficiencia que habria que evita 0, al menos, entender para poder aquilatarnuestrasestimaciones. | Posteriormente, en el capitulo 6, proponemos algunas ideas para incremen- “tur las observaciones disponibles, las cuales suefen encontarse ya en los © datos que hemos reengido. A continuacién, retomamos un asunto que se in- trodujo cn el capitulo I: Ia necesidad de extraet la mavor cantidad posible F ode consecuencias observables de nuestrs teorias y, en Ja medida de fo posi- F bie, de comprobar cuantas mas mejor. © Enel apartado 3.2 del capitulo 3 analizamos la «independencia condi- F cional»: supuesto que seRala que se eligen las observaciones y se asignan = los valores de las variables explicativas al margen de los de las dependien-tos procesos de seleccion sugitiendo, a la vez, estrategias imperfectas pero ites que pueden darnos cierto control sobre el problema que plantea el es- tudio. Al in y al cabo, nuestro objetivo es lograr un disefio de investigacién ‘que seleccione cn funcion de las variables explicatvas presentes en nuestra teoria y que permita el cambio de la variable dependiente, Sin embargo, al encaminamios hacia esa meta, puede que sea iil utilizar disefios que tengan en cuenta los valores observados dela variable dependiente; pero al invest- zor que lo haga hay que aconsejrle suma cautela. Nuestro objetivo pri- ‘mordial es obtencr mis informacion relevante para conirastar nuestra teo- ria, sin por ello introdueir un seso que ponga en peligto la calidad de las inferencias. EL disefio de Ls investio Entender qué debe evitarse En el capitulo 4 analizamos cmo habia que elaborar un estudio mediante tun diseiio de investigacién preciso en ol que los procedimientos de selec ion de observaciones hicieran posiblesinferencias eausales vidas. Sin embargo, realizar bien esta tarea es neceSario pero no suficiene para extraer tales inferencias, ys que hay posteriores errores de anélisis que pueden destruc el trabajo que antes se ha hecho bien. En este capitulo vamos a es- tugiar de qué manera, una vez sclescionadas las observaciones para el ani- lisis, es posible comprender las causas de la ineficienciay del sesgo y redu- cirlas & proporeiones manejables. Posteriormente, nos ocuparemos de cémo Podemos controlar la investigacion con el fin de enfrentarnos adecuada- | mente a estos problemas Para analizar la falta de eficiencia y el sesgo vamos a recordar los eite- rios de evaluacion de inferencias que presentamos en el apartado 7 del capitalo 2 y en el 4 del capitulo 3. Si tenemos un diseio de investgacion preciso, tenemos que centrarnos en los dos problemas clave que se vun a "estudiar en este capitulo: ses ineficiencia. Para entender estos eoncep- tos resulta til imaginarse ls inferencias como estimaciones de puntos com eretos flanqueados por los extremos de un intervalo, Por ejemplo, pod mos suponer que una persona tiene cuarenta aiios, dos arriba, des abajo. © Esta cifra es nuestro mejor caleulo (la estimacidn), que el intervalo que hay entre teinta y ocho y cuarentay dos sitia en su centro, con una estimacign de nuestra incertidumbre (la amplitud del intervalo), Queremos elegi el in- tervalo de manera que la verdadera edad esté dentro de él durante mucho ‘Toisasec? EL dicefo de investigacién sociat tiempo. La falta de sesgo tiene que ver con el hecho de centrar un intervalo cerca de la estimacién correcta, mientras que la eficiencia se relaciona con cel estrechamiento de un intervalo que se ha centrudo correctamente. Estas definiciones de falta de sesgo y de eficiencia son siempre aplica- bles, independientemente de que se quieran hacer inferencias descriptivas —como en el ejemplo de la edad— 0 causales. Si, por ejemplo, queremos hacer una estimacién del efecto que tienen los estudios en la renta (los in- ‘Bresos monelarios que se perciben por cada aflo de estudio), tendremos un punto de estimacién del efecto que estaré flanqueado por un intervalo que refleja nuestra incertidumbre respecto a la cantidad exacta, Necesitaremos un intervalo que sea lo més estrecho posible (para una mayor eficiencia) y ‘cuyo centro esté cerca de la estimaciOn correcta (para evitar sesgos): tam- bién sera necesario que el calcula aproximado del ancho del intervato re- presente sinceramente nuestra incertidumbre, En este capitulo nos eentramos en las causas del sesgo y de Ia ineficien: cia, desde ese primer momento del estudio en ef que pretendemos mejorar la calidad de la informacion hasta cuando Hegamos a extraer inferencias ccausales. En el apartado | analizamos los errores de medida que pueden sesgar nuestros resultados y hacerlos también menos eficientes, Posterior~ ‘mente, en el apartado 2, pasamos a considerar el sesgo que puede aparecer en nuestras inferencias causales cuando henios eliminado del analisis varia bles explicativas que se deberian haber incluido. En el apartado 3 aborda- mos el problema contrario: controlar las variables irtelevantes que reducen la eficiencia de nuestro andlisis. A continuacién, estudiaremos ¢] problema {que se plantea cuando nuestra variable «dependiente» afecta a las «explica~ tivasn, Este problema se canoce con e] nombre de «endogeneidad» y se aborda en el apartado 4. Para terminar, en los apartados 5 y 6 analizaremos, respectivamente, la adjudicacin aleatoria de valores en las variables expli- ceativas, asi como diversos métodos de control no experimental 1. Error de medida Una vez que hemos seleccionado nuestras observaciones. tenemos que me- dir los valores de las variables que nos interesan, Como en las eiencias 60- ciales todas las observaciones y medidas son imprecisas, nos eneontrare- ‘mos enseguida con el problema del error de medida En la investigacidn social In mayoria de los anilisis imtentan caleular el nivel de error y reducitlo lo mas posible, Los estudios cuantitativos disponen de medidas mas precisas (numéricas), pero no necesariamente mas eerteras, La finbilidad (el que diversas medidas del mismo fenémeno tengan el mis ‘mo resultado) a veces se obliene sacrificando la validez. (que las medidas re- flejen lo que el observador trata de calibrar), Los cualitativistas intentan ob- tener medidas certeras que, sin embargo, suelen ser un poco menos prec Entender qué debe evitarse En ciertos rasgos esenciales, la observacién cualitativa y la medicién cuantiativa son muy parecidas. Es cierto que en Ia primera las categorias se suelen etiquetar con palabras, mientras que en la segunda se asignan valo- res numéricos a las eategorias y medidas; sin embargo, los investigadores de una y otra tendencia utilizan eriterios nominales, ordinales y de interva- Jo, Con los de tipo nominal, se conforman grupos de observaciones en los ‘que no se presupone que las eategorias tengan un determinado orden. Las que son de relevancia pueden basarse en el ordenamiento legal o institucional; ppor ejemplo, en Ia politica comparada, pueden ser de interés las pautas de Jos sistemas presidenciales, pariamentarios 0 autoritarios en diversos pai- ses, Las categorias ordinales dividen los fenémenos siguiendo algiin tipo de ‘orden. Por ejemplo, un investigador cualitativo puede clasificar los paises en tres o cuatro categorias, teniendo en cuenta su grado de industrializacion oe] tamafio de sus fuerzas armadas. Para terminar, la medicidn a través de intervalos utiliza variables continuas, como se have en los estudios de flu- jos comerciales internacionales, Las diferencias que hay enice Ja medicién cuantitativa y la cualitativa afectan a la presentacién de los datos, no a la posicn tedrica de dicha me- dicién, Los cusltativistas utilizan en sus medidas palabras como «mis» 0 sanenos», «mayor» © amenor, «fuerte o udébilr, mientras que los cuan- titativistas usao nimeros. Por ejemplo, la mayoria de los investigadores cualitatives del campo de lus relociones internacionales es muy consciente de que el «mimero de muertos en combate» no tiene por qué ser un buen indicador de la impor- tancia que tiiien las guerras para las tendencias posteriores de la politica mundial, En la teoria del equilibrio de poderes se considera que, para cali- brat Ia estabilidad, el eoncepio teGrico relevante no es la gravedad de la guerra sino el cambio que se produce en los principales actores «a conse- ‘cuencian de ella (véanse Gulick, 1967, y Waltz, 1979, p. 162). Sin embar- 20, al querer evitar la falta de valide. el cualitativista corre el riezo de que los errores de medida le hagan no ser fiable. ;Cémo podemos saber Io que se produce «a consecuenciay de algo si no definimos precisamente esa ex- presidn’? De hecio, sta parece implicar que la valoracién se hace en fu cidn de la incertidumbre en sus inferencias. Los cuantitativistas han de pre- sentar, junto a sus medidas numéricas, cuales son los errores tipicos, ‘entras que fos eualitativistas tienen que hacer una estimacién de la ince tidumbre, redactando cuidadosamente lo que piensan de sus observaciones [eyeseiio de to investigacién soca La diferencia entre las mediciones de unos y otros estriba en su forma de presentar ideas que, en esencia, son las mismas, ‘Las mediciones cualitativas y cuantitativas también se parecen en otro sentido, En ambas, as categorias suelen ser mecanismos creados por el in- vestigador y no vienen «dadas» por la naturaleza. La clasificacién de las raciones en regimenes democriticos y autocraticos o parlamentarios y pre~ sidenciales depende de elaboraciones intelectuales, al igual que ordenartas segiin ctiterios como el de mayor o menor industrilizacion, Es evidente que no existen respuestas con validez universal: todas las mediciones dependen del problema que el investigador pretenda compren- der, Lo mejor es que los criterios que forman las categorias estén lo mas cerca posible de las primeras ideas teéricas y empiricas del investigador sin embargo, esta misma pretensién recalca todavia més el hecho de que di ‘chas categorias son mecanismos al servicio de los propésitos del investiga dot. E] ndimero de regimenes parlamentarios en los que la proporcionalidad es el principal sistema de representacidn depende de como se clasifiquen esos «regimenes parlamentarios» y de lo que se entienda por sistema de re- presentacién proporcional. En el campo de las relaciones internacionales es posible investigar los flujos monetarios registrados, pero el uso de una me- ida continua depende de qué transacciones se haya decidido computar, de las teplas que determinan Jo que es una transaccion y de eémo se definen las fronteras nacionales. Del mismo modo, en unas elecciones al Congreso es- tadounidense, la proporcién de voto demécrata en una eircunseripeion de- pende de que, en Ia clasifieacién que haga el investigador para su estudio, se presuponga que las etiquetas «democratay y arepublicano» tienen el ‘mismo significado en las 435 circunscripeiones. Ineluso los eriterios de categorizacion que hemos uilizado en este apar- tado para hacer mediciones (nominales, ordinales 0 de intervalo) dependen de para qué fines te6ricos se utilicen éstas. Por ejemplo, podria parecer evi- dente que la etnia es un prototipo de variable nominal que, en los Estados Unidos, podria cadifiearse como negro, blanco, latino, indio y asiitico. Sin embargo, existe una gran diversidad dentro de estos grupos nominales, en funeién de la intensidad con que los miembros de cada grupo se identifican con él. Por lo tanto. padriamos categorizar a los grupos étnicos segin una scala ordinal, basindonos, por ejemplo, en la proporeién de miembros de cada uno de esos grupos que esta muy identificado con aquel al que perte- rece. Quizii nos interese también el tamafio de estos grupos: por lo tanto, podriamos utilizar a etnia como criterio de medids para determinar ciertos intervalos, Lo principal es wilicar la medida mis apropiauta para nuestros fines tedricos. Los problemas de medicion mas frecuentes aparecen cuando se mide sit) hacer referencia explicita a ninguna estructura teorica. Por ejemplo. a veces los investigadores toman una variable que es continua de forma natural y ‘que puede medirse bien, como la edad. y establecen eategorias de juventud. aE e, J planteadas— mediante una variable ordinal, incluso utilizando inte mediana edad y vejez. Para ciertos fines, esta clasificacién puede ser suti- ciente, pero, como presentacidn tedrica de la edad de una persona, el proce- dimiento resulta innevesariamente impreciso. El error de agrupaciéin que | se produciri sera considerable y hay que evitario, BI hecho de librarse de | este tipo de error nos remite al principio de que no hay que descartar datos | sin que haya razén para ello. ‘Sin embargo, podemos cometer el error contratio: asignar valores conti- | muos y numéricas de intervalo a variables que por naturaleza son discon- | tinuas. En general, la medicién mediante intervalos no es mejor que la ordi- nal © nominal. Por ejemplo, en una encuesta se puede preguntar sobre la filiacién religiosa y sobre el grado de compromiso en este sentido. La in- "_ tensidad del segundo indieador podria medirse —si las preguntas estin bien alos, dependiendo de cuil sea ta naturaleza del instrumento de medicidn, Sin embargo, no tendria mucho sentido hacer una lista numérica con las reli= ™ giones a las que perteneve cada individuo, En este caso, probablemente no cxista una variable ordinal o continua, y este procedimiento generaria un error de medida Elegir entre categorias nominales, por un lado, u ordinales © de interva~ Jo, por otro, puede implicar un intercambio entre riqueza deseriptiva y faci- lidad a la hora de comparar. Pensemos, por ejemplo, en las normas de voto ¢ las organizaciones internacionales. EI ordenamiento institucional que las * de aprobarse, los recursos que se destinan a la organizacion y las expectati- © vas de que se cumplan las resoluciones. Un conjunto de eategorias nominales podria distinguir entre aquellos sistemas en los que un tinico miembro tiene la facultad de vetar cualquier esolucion (como ocutria en el Consejo de la Sociedad de Naciones, segin | elarticulo 15 de su Acta de Constitucion), aquelios en los que solo pueden | hacerlo ciertos miembros (como en el Consejo de Seguridad de las Nacio- “es Unidas), en los que se decide en funcion de algiin tipo de mayoria cua- Tificada (como en las decisiones que afectan al mercado interno de la | Unidn Europea) y en fos que es una mayoria simple la que toma las devisio- Fes (como ocurte en la mayoria de las votaciones de la Asamblea General las Naciones Unidas). Cada sistema puede generar sus propias dinami- [2s de negociacion, y si lo que pretendemos es estudiar cdmo funciona uno J de ellos en particular (aquel en cl que un miembro puede ejercer el veto). es Ssencial que definamos nuestras categorias para no ineluir en el andlisis Otros tipos de sistemas. Las cateyorias nominales serian apropiadas para Sin embargo, también podriamos ver estas categorias de forma ordinal, “Yendo de las mas restrictivas (en las que se requicre unanimidad) a las me- s (en las que se precisa mayoria simple}. Esta categorizacion seria nece- Tecrala Investigacion socia saria si tuviéramos que comprobar proposiciones teéricas que tuvieran que ver con la telaciin que existe entre lo restrictivas que son las normas de ‘oto y las pautas de negociacin 0 con el earicterdistributivo de Tos resul- tados tipicos. No obstante, al menos dos de nuestras eategarias —Ias que contemplan el veto de ciertos miembros y la decisiOn por medio de mayorias cualificadas— son bastante confuses, ya que suponen la existencia de un abanico de diversos arreglos. La primera categoria permite que un solo ‘iembro ejerza un veto totel —prictica que raya en lo dictatorial y tam- bign que veten todos los miembros, a excepcién de 10s pocos que apenas tienen peso; en la segunda se incluye la reglamentacin de la Union Euro- ea, que impide que dos estados constituyan una minoria de blogueo en de- Cisiones que afectan al mercado interno. La formula que utiliza el Fondo Monctario Internacional es, desde el punto nominal, un ejemplo de deci- sin por mayoria cualificada, pero, en 1a prictica, concede a los Estados Unidos y, desde hace poco, a la Unidn Europea, que acti como un bloque, la capacidad de onsituir est tipo de minoria de bloqueo. De ahi que pue- da pertenecer @ cualquiera de las dos eategorias. En consecueneia, podriamos intentar dat un paso adelante y her una medida intermedia que se basara en la proporcion de estados (o de recur- 0s: sogin ef producto nacional bruto, las aportaciones a la onganizacion © Ja poblacin) que se precisa para aprobar resoluciones, clasificando las or gaanizaciones internacionales segin lo resirietivos que sean sus procedi- rmientos de vot. Sin embargo, con diferentes baremos —por ejemplo, si se calibran los recutsos en funcién de la poblacin 0 del producto nacional bruto— se ob- fendran resultados diferentes, por lo que las ventajas que pueda tener la precisin de tales medidas so verin limitadas por la arbirariedad de los eri- terias de medicion 0 por la complejidad de los datos agregados. Cada cate- goria tiene ventajas e inconvenientes: Ios fines del investigador deben de- terminar qué opeién se toma los dos siguientes subapartados vamos a analizar las consecuencias especificas del errr de medida para la investigacin cualitativa y Hegare- mos a conclusiones que pueden parecer sorprendentes, Casi nadie discutiria ‘que un error sistemzico de medida, como el que supone exagerar de mane- a constante el valor de ciertas unidades, causa sesgo y también incoheren- cia, ya que dicho seszo no puede desaparecer si se incorporan mas observa” ciones eargadas de errores, Sin embargo, si analizamos el problema con mas atencién, veremos que sélo ciertos tipos de error de medida sistemnéti- ‘co sesgan nuestras inferencias causales. Ademés, las consecuencias dé! error de medida no sistemético estin menos claras. Vamos a analizar est@ lltimo tipo de error en dos partes: en la variable dependiente y, despues, &# la explicativa. Tal como vamos a demostrar, el error en la variable depem- diente produce ineficiencias que pueden generar resultados incorrectos €f cualquier situacién y dificultar el rastreo de pruebas constantes de Ia exis- tender gue di evitars tencia de efectos sistemiticos. Dicho de otro modo, el error de medida no sistematico en la variable dependiente no produce sesgo, pero puede au- ‘mentar considerablemente la ineficacia. Mas interesante resulta la presen- cia de este tipo de error en la variable causal clave, pues siempre sesga las inferencias de forma predecible. Comprender Ia naturaleza de estos sesgos ‘nos ayudara a atenuarlos 0 quizé a evitarlos, 1.1. Error de medida sistematico En este apartado nos ocupamos de las conseeuencias del error de medida sisteménico, ue consiste en exagerar de manera Constante el valor de cier- tos tpos de unidades y que. a veces, puede sesgar y hacer incoherent la es ~ timacién de fos efectos causales. Nuestro cometida es determinar qué tips de sesgo produce cada error de medida sistematico. Tanto en la investiga- “cin cuanttativa como en la cualitativa, este error puede derivarse del he- ho de que los investigaores tomen decisiones que hagan que los datos fa- _ vorezean Ia constatacién de sus expectativas. En el trabajo cuantitativo, puede que urilicen datos seswados porque son las inieas series numéricas | disponibles, mientras que en el cualitativo el error de medida sisteitico “puede provenir de evaluaciones subjetivas realizadas por investigadores que Yyatengan hipstesis formadas y que quieren demostrar que son corrects f= Deberia ser eviente que cualquier error le medida sistemdtico sesgard | las inferenciasdescriptivas’, Pensemos, por ejemplo, en el caso ms simple ue podamos imaginar, en el que sin darnos eventa afadimos 1,00 dilares la estimacién de renta anual de cada una de las personas que responde a | tina encuesta. Es obvio que en nuestro céleulo de la renta media anual de = oda la muestra habri también una sobreestimacion por ese mismo valor. Si [tos interesara hacer un céleulo aproximado del efecto causal que tienen los | Sstudios universitarios en la medha de renta anual, el error de medida siste- Mitico no tendria consecueneias sobre nuestra inferencia causal. Si, por templo, el grupo ce personas con estudios universitaios ganara realmente a media de 30.000 dolares, pero el grupo de control que no fue a Ja uni- sidad ingresara una media de 25.000, nuestra estimacién del efecto cau ue tienen Jos estudios universitarios sobre Ia yenta anual mostraria un eremento de 5,000 dolares, Si la renta de cada persona en ambos grupos hubiera sobreestimado en la misma cantidad (digamos, 1.000 dotates de v0), nuestro efecto causal —que ahora procede de restrle 26,000 dla 8 431.000 seguiria siendo 5.000. Por lo tant, ef error de medida sisie~ tio que afecra @ todas las unidades por medio de una misma cantidad een oss infra casa (et pucde aptciars nj 5 08 Seniramos en la version relatva a los efectos constantes del supuesto de ho es BERR é [pylemaseEl diseto de (a favestigacién so Sin embargo, supongamos que hubiera un error sstematico en una parte dela muestra’ los lienciados umiversitarios exageransistemstcamente sus ingresos porque quieren impresionat al entrevistador, pero las cantidades Que sefala cl grupo de control son mas correctas. Fn este caso, tant Ia in- ferencia descriptiva como la del efecto cansal que tienen los estudio sobre Ia rena estarian sespadas. Si sabemios que existe este problema, podremes plantear mejores preyuntas en la encuesta u obtener la informacién de otro modo, Silos datos ya se han reeagidoy no podemos recabar més, poriamos, por lo menos, determinar en que direccién va el sesgo para corregrlo posteriormente Para hacer més hincap en este asunto, pensemos en un ejemplo toma- do de los escritos sobre integracién regional. dentro de Ia bibliografia rela~ tiva.a las relaciones internacionales, En esta dre, mas que en cualquier ota de las relaciones internacionales, se hi intentado contrast hipotesis con- tetas, a veces mediante indicadores cuanttativs, Sin embargo, wino de sus conceptos mas importantes —en qué medida el control de las poli ficas se transmite desde los estados-nacién a las organizaciones internacionales- no puede exyresarsefivilmente con medias cuantitativas vidas. Por lo tano, los investigadores han idead formas cualitaivas de medivioy ls han codificado utilizando su conocimiento prafundo del problema (por ejemplo, Lindbers y Scheingold, 1970: 71, p. 71, cuadro 3.1). Han ineorpo- ado a sus varinhles explicativas conceptos subjetivos como la ccomple mnentaviedad del valor de las ites» ola aforma de tomar decisioneso (véan- Se Nye, 1971-0 Lindberg y Scheingold, 1971), con la inteneibn de analizat Iasrelaciones que se establecen entre las variables explicativasy la depen- diente cuando en la medicidn de amas se utlzan tales eonceptos. Este enfoque respondia a una preocupacién por Ia valde: habia inves gadoresexperios que codifieaban la informacion y que podtan examinar tra gelevante para los conceptos subyacentes en ss metas. Sin embargo. con este enfoque se corria el riesgo de cometer un error de medida subjeti- Yo. Los investizadores tenan que controlarse mucho para ro codiiear las variables explicativas en funcién de sus propias posturas 0 expectativas: ted- ricas. En cualquiera de los casos, puede ave lo havan hecho. pero para el Jeetor resulta dite determinar hasta qué punto lograron su objetivo, En tales circunstanias, nuestro consejo es que, en primer lugar, sé intenten utilizar yaloraciones que hayan hecho ofrns investigadores para propésitos completamente diferentes. En la investigacion cuantitativa 0 cualitativa, este elemento de arbitrariedad nos garantiza que Jas medidas 90. fe verdninfluidas por nicsrashipatesis, las cuales. cabe suponer, s€ het conformado posteriormente. Esta estrategia sucle seguirse en los estudios uantitativos el investigador toma medidas ajenas y las utiliza para SUS propésitos—. pero también es may buena para los eualitativos. Por efem™= plo, se puede haver que observadores expercos codifiquen conjuntamente Giertas variables clave para un problema mediante sus diversas interpret” es p12 &, Entender gue ai ciones y explicaciones, Aprovechando el andlisis y 1os conocimientos que Comparten dichos informadores. se podtrian organizar bancos de datos con calegorias normalizadas y después utilizarlos para evaluar hipétesis. Si us- ted ¢s la primera persona que usa un conjunto de variables, seria iil dejar ue otros experios coxiticaran las variables, sin conocer la teoria que usted tiene sobre la relacion que quiere evaluat, Enséieles sus notas de trabajo y las entrevistas grabadas para ver si sus conclusions sobre las medidas son las mismas que las de usted, Como la fiabilidad de una codificacién au- menta si puede reproducirse, el resultado de esta revision de las medidas sera mejor cuanto mis cualificados estén los observadores que fa realicen. Error de medida no sistemstico Otro de fos problemas a los que se enfrentan todos los investigadores, ya sea en los estudios cuantitaivos o cualitativos, es el error de medida no sis- | tematic, EI error no sistemdtico no sesga la medida de la variable. En ~ este contexto, defininios las variables que presentan errores de medida n0 _sistemiticos, 0 aleatorios, como aquellas en las que se registran valores que error aleatorio produce ineficiencias, pero no sesgo cuando se extraen infe- tencias descriptivas. Este asunto ya se ha analizado en el apartado 7.1 del ‘capitulo 2, Ahora vanios més allé de las consecuencias que tiene et error de ocd slestoio en a inerencndeseripva para ooyparos dels que pro- luce en la causal, Cuando se hace una estimacién de efectos causales, el efecto del error _de medida aleatorio es diferente si aparece en la variable expicativa o en la de= __pendiente, Cuando lo encontramos en esta dltima, reduce la eficiencia de Ia estimacion causal pero no la sesga, y puede hacer que los valores de las re- laciones causales sean a veces demasiado altos y otras demasiado bajos. in embargo, la media de la estimacidn sera coriecta. De hecho, en la va- rable dependiente este tipo de error de medida no es diferente, ¢ incluso no Se distingue, del error aleatorio comin que, tal como se refleja en esa varia~ ble, existe en el mundo, En una variable explicativa, el error aleatorio también puede generar sineficiencias que cohduzcan a estimaciones vacilantes, altas o bajas. Sin embaryo, sus consecuencias también son diferentes a las que produce en la Nariable dependiente, ya que en la explicatva el error aleatorio sesga Ia es- Particular: hace que la estimacién indique la existeneia de una relacién eau “sal mas débil de lo que es en realidad. Si la auténtica relacién es positiva, e! = Mis pequefa 0 nula. Si es negativa, la sesgarii aumenténdola haste hacerla © también mula, ‘TeguaseEl diseito de 2 in Como esta diferencia entre el efecto que tiene el error aleatorio en la va- riable explicativa y en la dependiente no resulta evidente de forma intutiva, ofreceremos pruebas formales de él, mostrandolo gréficamente y dando un ejemplo ilustrative, Comenzamos por el efecto del error aleatorio en la va riable dependiente. 1.2.1 "Error de medida no sistematico en la variable dependiente Bl error de medida no sisfemstico 0 aleatorio en una variable dependiente no sesya la estimacidn habitual del efecto causal, pero si la hace menos ef ciente, En cualquier aplicacién, esta fala de eficiencia tendra resultados impredecibles, indicando unas veces la existencia de inferencias causales demasiado grandes y otras demasiado pequefas. Por consiguient, este tipo de error aumenta la incertidumbre de nuestias inferencias. Dicho de otro modo, ef error de medida aleatorio en una variable dependiente crea un problema similar al que proce tener un nimero de observaciones reduci- do; en ambos casos, Ja cantidad de informacion que podemos utilizar para resolver un problema es menor de fo que quisiéramos. El resultado es que el error de medida aleatorio en la variable dependiente produce estimacio- nes de los efectos causates menos eficientes y mis inciertas, Cuando usemos diversos eonjuntos de datos —como habria que hacer siempre que se pueda, las estimaciones basadas en variables dependientes con error de medida aleatorio serén inestables. Alzunos conjuntos de datos nos daran pruebas de la existencia de intensas relaciones, mientras que ‘otros presentarin efectos negativos 0 dirén que no hay ninguno, incluso si la verdadera relacién no ha cambiado en absoluto, Esta ineficiencia dificul- ta, a veces considerablemente, el hallazzo de rasgos descriptivos sistema ‘cos 0 causales en un conjunto de datos o (quizas de forma mas evidente) en la comparacion de varios de ellos. Con frecuencia, ls estimaciones de in- certidumbre serin mayores que las que indica el tamaio de las relaciones que hay entre nuestras variables. Por consiguiente, puede que no tengamos suficiente informacién para determinar la existencia de un efecto causal ue estd oculto por el error aleatorio en la variable dependiente (y represen- tado en Ia mayor incertidumbre de una inferencia). Los investigadores eua- Iitativos y cuantitativos que sean conscienies de este resultado general no podrin enfrentarse a este error més que poniendo un mayor interés en me= jorar las medidas de las observaciones de que disponen 0 recogiendo otras Inuevas que tcngan los mismos niveles de error de medida (0 menores). ‘Comprender lo que suponen estos resultados en un determinado mimero de datos hard que los investigadores puedan matizar més adecuadamente Svs ‘eonclusiones, y el hecho de que se reconozca de manera tan explicita It incertidumbre quiza les induzca a ellos u a attos a llevar a cabo estudios complementarios que midan con més cuidado las variables dependientes TS Entender que debe tarse © que tengan un mayor nimero de observaciones). El reconocerlo asi ten- dria que ser (odavia ms ttl para et disefo de la investigacién, ya que los investigadores suelen tener que aleanzar un equilibrio enire la necesidad de medi con mis precision y la de obtener mais observaciones. Este iltimo objetivo es mis importante para nuestra hipétesis: neeesitamos determinar si la informacién que ésta baraja puede obtenerse mejor wilizando mas ob- servaciones de los casos actuales 0 si hay que recoger més datos Pensemos en el siguiente ejemplo de error de medida aleatorio en una variable dependiente. Al estudiar el efecto de la situacién econémica sobre los delitos violentos en los paises en desarrollo o en ls regiones de un solo pais de estc tipo. podemos medir la variable dependiente (violencia ilegal) observando a cada comunidad durante un corto periodo de tempo. Por s ___ puesto, estas observaciones nos darin medidas relativamente insuficienes, ya que su media seri correcta, pero, en algunas comunidades, no podremos conocer muchos delitos y subestimaremos ef valor medio de la violencia, mientras que en otras veremos que hay mucha eriminalidad y sobrees aremos ese misma indieador Supongamos que nuestra medida de la variable explicativa —a situacion _-econémiica— sea el porcentaje de desempleados de la comunidad y que Ia “calculemos bastame bien (quiza utlizando buenos datos del gobierno). Si estudiéramos la influencia que tiene la economia —tal convo la representa el porcentaje de parados— en la cantidad media de delitas violentos, cabra es- Perar vesultat muy invieris —tamibién inestabes st se comparan diversas aplicaciones—. precisamente porque la variable dependiente se ha medido "de forma imperfecta, aunque, como promedio, la tenia de medieion es co- El saber que ésta es la causa del problema y estar sepuros de que la “més, comprobamos que el error de medida y las pocas abservaciones gene- = tan problemas similares. Podriarmos mejorar la eficiencia aumentando la ractitud de nuestras observaciones (quiz recurriendo a buenas estadisticas oliciales para reducir el error de medida) o incrementando el nimero de bservaciones mal medidas en diversas comunidades. En cualquiera de estos bn para solucionar el problema inferencial. Este es otto ejemplo de por qué Ia cantidad de mformacion que barajamos en rlacion con un problema Es mis importante que el nimero total de observaciones de que disponemos sind esta cia la med de a nformacién. Para demostrar por qué es asi. utilizamos una versién simplificada de ¢ ejemplo, primero de forma gritica y después por medio de una prueba Inis formal, En el grafico 5.1, el eje horizontal represen el desemple. Amaginamos que las dos cacgorias («8%> y «7%n) se han medido bien. El ie vertical representa una medida de los delitos violentos. ‘jie\ (otenci intron) x (esemple) En el grfico 5.1, los das eirculos negros pueden representar un estudio sencillo en el que no hay error de medida en ninguna variable. Poderos imaginar que disponemos de un gran nimero de observaciones y que todas coinciden con esos densos eirculos negros, cle manera que se corioce bastan- te bien la posicién de ambos. Por el contrario, podemos imaginar que s6lo tenemos dos abservaciones y que en ellas hay poco error no sistematico de ‘cualquier tipo. Evidentemente, no es probable que en la realidad ocurra nin- _guno de estos easos, pero el modelo subraya los problemas esenciales que plantea el error de medida cuando aparece en Ia variable dependiente de un ‘caso mas general y complicado. Imaginemos ahora otro estudio en el que los delitos violentos se midan con un error no sistemtico. Para recalear el hecho de que la media de esas medidas es correcta, marcamos con tn punto cada uno de los eirculos blan- ‘cos que flanquean simétrieamente, por arriba y por abajo, los primeros efrcu- os negros?, Una nueva linea que represente los seis eirculos de datos ser ‘exactamente jgual a la primera que hemos trazado. De nuevo, hay que setae lar que esta linea se traza minimizando los errores de prediecién, las des vinciones verricales de Is linea ‘Sin embargo, la nueva linea sera mas incierta en varios sentidos. Por ejemplo, los puntos estaran casi tan bien representados tanto si la Tinea est ‘un poco mas empinada como sies ligeramente mas plana. Ademis. su posi- ccién vertical también sera mas incierta, y ella misma pronosticarii peot ‘donde habria de estar cada uno de Tos circulos de datos. El resultado es que ae 5. Entender qué debe evitarse cl error de medida en la variable dependiente reduce la eficiencia de las es timaciones. Aunque estas no tengan sesga —es decir, en la media de nume- +os0s estudios similares—, si podrian estar muy alejadas de la realidad en cada uno de ellos 1.2.2 Error de medida no sistematico en una variable explicativa Como hemos sefalado antes, el error no sistemético en la variable expli- cativa tiene Jas mismas consecuencias para las estimaciones del valor de sa variable —en las inferencias deseriptivas— que para las que afectan al valor de ta variable dependiente: a veces las medidas seran demasiado altas, a veces demasiado bajas, pero su media sera correcta, Como ocurte con el error no sistemtico en la variable dependiente, el error aleatorio en Ia explicativa también puede hacer que las estimaciones de les efectos ‘causales sean inciertas e ineficientes. Sin embargo, cuando este error se produce en las variables explicativas, tiene una consecuencia bastante di- ferente de las que se registran cuando aparece en la dependiente. Cuando cs Ia variable explicativa la que se mide con un error aleatorio, en las esti ‘maciones de la relacién causal aparece un sesgo sistematico que las incti- na hacia un valor nulo, hacia la ausencia de relactén, Dicho de otro modo, cuando hay un verdadero vinculo causal entre la variable explicativa y la dependiente, un error aleatorio on la primera puede ocultar este hecho al reducir el valor de la relacion. Si queremos contrastar nuestra hipdtesis en diversos conjuntos de datos, no slo encontraremos una gran variedad de resultados, come ocurre cuando hay un error aleatorio en la variable de- pendiente, sino que también hallaremos un sesgo sistemitico en ellos que nnos induciré a pensar que la relacion gue existe es mis débil que la que hay en realidad, A] igual que ocurre cuando el error de medida se produce en la variable ependiente, aunque nos demos cuenta de que tal error existe en la expliea- tiva, sus consecuencias no se reducirin con un andlisis més euidadoso de las variables que se han medido con errores, a menos que se sigan nuestros ‘consejos. Evidentemente. con mejores medidas mejorar la situacién, Pensemos de nuevo en nuestro estudio de los efectos del desempleo en Ja delincuencia que se registra en varias comunidades de un pais subses:- rrollado, Sin embargo, supongamos que la situacién que reflejan los datos sea la opuesta a la que mencionabamos anteriormente: en el pais que esta- ‘mos estudiando las cifras de delincuencia son precisas y es ficil que las, autoridades las proporcionen, pero el desempleo es un problema politico y. fn consecuencia, no puede medirse con exactitud, Como no se permiten fas encuestas con muestras sistemiticas, decidimos calibrar el para me- diante la observacidn directa (al igual que antes hicimos con la delincuen- Gia). Inferimas el indice de desempleo del namero de personas que estin 17aEl disefio de te investigncian sacial Un anilisis formal del error de medida en y Consideremos un sencillo ejemplo tineal con una variable dependiente me- ddida con errores y una explicativa que carece de ellos. Nos interesa hacer tuna estimacion del parametro de efecto 6: E(") = Bx es aleatorias, la va También especificamos un segundo rasgo de las vai vianza: wea ta cual presuponemas que es iqual en todas las unidades f= 1, ‘Aunque estas ecuaciones definen nuestro modelo, por desgracia no ob- servamas ¥* sino ¥, donde yerau fs deci qu aval deontota absevada ¥es qua a a verdes tare depen, mds alg err de mea lestoro, Par | ee ee ge joni cate aoe easy tecitanes qe dns desaprere en i meio de vepedecors pat Ga Eps ov gue rose coreaton con lo vrdateravrable Sper Seine ar neon septa, CQUX) 0% Adends,prespe nena qe enor de mes Seneora vanes WU) = en ads uae th uiades 11 vale ea, Yna coments ringer de media Sus pial eV peso rae a inveon mis evor com iets minus | “Camo seta ele de media letra ena varble depen iE abedts os ros abe, cclapos relay estado atta | convener cen Pad ae xy después calculamos la media en las repraducciones hipotéticas: Ms = as aaleerloraiennetitinsioni wears 5. Entender qué debe evitarse be Este andlisis demuestra que, incluso cuando haya un error de medida fen la variable dependiente, el estimador tipico no estard sesgado (sera ‘igual a la media de 8), tal como mostramos que ocurria —en la ecuacién (3.8)— cuando una variable dependiente no tenia error de medida, Sin embargo, para completar este andlisis, tenemos que comprobar la cficiencia de nuestro estimador en presencia de una variable dependiente {que se ha medido con errores. Utilizamos el procedimiento habitual: (5) Hay que sefialar que aqui este estimador es menos eficiente que cuan- do se aplica a datos que catecen de error de medida en la variable depen- | dente (comparese con la ecuacién [3.8]), por lo que respecta al nivel de | error de medida que aparece en dicha variable +2. fe eae,EL disesio de la investigacion social Grifieo 5.2 Error de medida en la variable explicativa e wo ¥ (violencia intra o 2 ‘ 6 a 10 2 X (desemple) de pie sin hacer nada en el centro de varios pueblos cuando pasamos en coche. Como la hora y el dia en que observamos los pueblos varian, al igual que lo hace la situacién meteorol6gica, habra un alto grado de ertor aleatorio en nuestras estimaciones del indice de paro, En un gran nimero de pueblos nuestros céleulos no seran sisteméticamente altos o bajos. Una estimacin que se basara en cualquier pareja de pueblos seria bastante ine- ficiente: quizi las observaciones para cualquiera de ellas se hayan hecho fen domingo (cuando puede que mucha gente esté largo rato en la calle) ‘0 en un dia de Iluvia (cuando pocos Jo harian). Sin embargo, muchas ob- servaciones de parejas de pueblos que se hayan hecho en diversos momen- tos de diferentes dias, con solo con lluvia, produciran tna media correcta de las estimaciones del efecto, No obstante, como se hi sefalado anterior mente, la consecuencia serd muy diferente de la que producia un error si- milar en nuestra medida de la variable dependiente denominada delitos violentos. El grafico 5.2 ejemplifica esta situacién. Los dos circulos negros re- presenian un estudio en el que no hay error de medida en ninguna varia- ble*. Por consiguiente, la inclinacién de la linea continua representa la es- timacién correcta del efecto causal que tiene el desempleo sobre 1a delincuencia, Para mostrar las consecuencias de este error, afiadimos dos ‘frculos més (los blancos) a derecha ¢ izquierda de cada uno de los ne- ros, con el fin de representar un error de medida en la variable explicti- mar Entender que aabe evtarse va cuya media es correcta (o sea, igual a la del eireulo negro). La linea discontinua se ajusta a los circulos blancos, y la diferencia entre las dos lineas es el sesgo debido al error de medida aleatorio que hay en la varia- | ble explicativa. De nuevo recaleamos que las lineas se trazan de manera [que minimicen los etrores que se generan al predevi la variable depen- diente (que aparecen en el grafico como desviaciones verticales de Ia li rea que pasa por los cireulos), segin cada uno de los valores de Jas varia- bles explcativas De este modo, e! efecto estimado del desempleo, que aqui se ha caleula- do con un considerable error aleaoro, sera mucho mis pequefo que el ver. dadero (ya que Ia linea discontinua esté menos inclinada). Como sabemos 4que existe un error de medida en la variable explicativa, podriamos infe- Tit que el auténtico efecto que tiene el desempleo sobre la delincuencia es ‘mayor que la corrlacion observada en este proyecto de investiga, El anilisis de las consecuencias del error de medida en una variable ex- 1. Si,en principio, un andlisis indice que no hay ningim efecto, el efecto verdadero seré muy difel de calibra, ya que no se sabe I greccim del sesgo; por consi uieate e}snliss sera bastame impreciso y asi hal que describe. Puede que auntie efecto sea nulo,nepativo 0 positiv, yque mada en los datos nos sefiale céme es 2. Sin embargo, si un ais indica que fa variable explcaiva ean error de medi «a aleatorio tiene un pequedo efecto positive, tendeemas que wiliar ls resulta 4os de este aparado como justiieacién para concluir que el suténtico efecto Probablemente sea ain mayor que el que hemos encontrado, De! mismo modo, si lo que hallamos es un pequeio efecto neyatvo, ls resultados de este aparta- do podrin utilizar como prueba de gue el efecto verdadero peobablementsin- 0}, ¥ wimbién parece plausible que haya una correlaciin positiva entre desempleo y represiin politica (f° > 0), También presupone- sos, porque es iil en este ejemplo, que las condiciones econémicas son pre- vias a nuesra variable causal clave el nie! de represibn politica. Si as fers, cl prado de sesgo de nuestro anilisis podria ser considerable. Como el de- semnpleo se correlaciona postivamente con la variable dependiente y con la explicativa (FA, > 0 en este caso) excluir ese factor supondria que. sn dar hos cuenta, estériamos haciendo una estimacién del efeeto que tienen ka re= presin y el desempleo en la posibilidad de que haya un golpe de Estado, et vez de hacer tinicamente de la represion (B, + FB en ver de B,). Adem al ser el impacto canjunto de ambos actores mayor qu el de In tepresion por si sola, (B, + FB, es mayor que Bla esimacion del efecto medio de esta i tima variable (H,) seria demasiado grande, Por lo tanto et anlisis dermuestra ave. al exclir las consecuencias del desempleo,sobreestimamos las ave i aE fs? er que debe evita ne la represion politica (cl impacto de esta exclusion no es el mismo que el del error de medida en las variables explicativas, ya que el sesgo de la varia- ble omitida « veces puede tener como consecuencia que se haga una estima- mente la cooperacién, aunque programar una podria ser un buen indicador de que las cosas van bien entre las superpotencias. Tambien es posible que Jas reuniones en la cumbre sean parte de una Secuencia causal, al igual que la raza podia haber influido en el nivel educativo y éste, a su vez. en la partici- © pacidn. Cuando los mandataros dela superpotencias coatian el uno en et tre, convocan una cumbre para reforzar esa confianza mutua, y esa feu | nin, a su vez, conduce a la cooperacion. En este caso, la cumbre no es en absoluto irrlevante, ya que sin ella habria menos cooperacién, Supones- ‘mos que tenemos en cuenta estos Factores que encontramos que las cum bres parecen tener un papel independiente: es decir, que cuando contola~ mos la confianza mutua previa que hay entre los mandatarios y sus ambiciones geopolitcas, la conclusin es que una cumbre parece conducir | una mayor cooperaciin. Aun podriamos profundizar mas y preguntarnos -como ocutre esto, Seria posible compara las cumnbres a partir de las carac~ “teristicas que pueden hacerias mas © menos exitosas y ver i esos factores ‘tienen alguna relacion con el grado de cooperacién posterior. De muevo. es "preciso seleccionar los elementos gue hay que tener en cuenta, y entre ellos "$e pueden inclu: ef grado de preparacion si los problemas tratados fueron ‘econdmicos mis que de seyuridad, el nivel de armonia interna dentro de “cada nacién. la situacién meteoroldgica durante la cumbre y también Ia co ida. La teoria hab de dicho de otro modo, necesitaremos tener “ina idea sobre conceptos y relaciones que nos Uleve a variables expliativas Televantes y que plantee hipdtesis logieas que estén en consonancia con la “experiencia que se tenga de sus efectos. ‘A los investigadores que manejen un pequeio nimero de observaciones Jes resuhari muy dificil evita el sesgo de la variable omitida. En esta situa- ‘189El disefio de la investigacton sec cidn, la ineficiencia tiene muchos costes, entre los que se puede inclu el riesgo de que la presencia de demasiadas variables de control inrelevantes haga que el diseiio de investigacién sea impreciso (apartado 1 det capitu lo 4), Sin embargo, omit variables de control relevantes puede producir sesgo, y, €n principio, quiza cl investigador no sepa si una posible variable esrelevante 0 no, En este punto, podriamos eacr en la tentacién de afirmar que la inferen- cia cdusal es imposible con un mimero escaso de observaciones, Sin embar- £0, para nosotros, las lecciones gue hay que sacar de todo esto son mis l- mitadas y optimistas. Comprender la dificultad que eomporta extraer inferencias causales vilidas a partir de pocas observaciones tendria que ha- cernos més cautelosos a la hora de hacer aseveraciones causales, Como in- dicamos en el capitulo 2, las buenas descripeiones e inferencias descripi- vas tienen mas valor que las inferencias eausales erréneas. De hecho, gran parte de la investigacién cuslitativa mejoraria si se prestara mds atencidn @ Jas inferencias deseriptivas vilidas y menos impetu a la extraccién de afit- rmaciones causales a partir de datos inadecundos y sin calibrar adecuada- mente la incertidumbre. No obstante, es posible avanzar un poco en la comprensién de los problemas causales si los problemas tebricos que nos preocupan se plantean con la suficiente claridad y se vinculan @ las eonse- cuencias observables adecundas. Una investigacion reciente del drea de ls relaciones internacionales puede ayudarnos a incidir en este punto, ‘Lo que levi a Helen Milner a escribir Resisting Protectionism (1988) fue una perplejidad: por qué la politica comerciat de los Estados Unidos «era mas proteccionista en los aos veinte que en los setenta, a pesar de los muchos parecidos que habia entre ambos periodos? Su hipétesis era que la interdependencia internacional habia aumentado entre una y otra década ‘que esto ayudaba a explicar Ia diferencia de comportamienta de los Estados Unidos. Sin embargo, en este nivel de anilisis agregado, s6lo disponia de las dos observaciones que le habian sorprendido, y éstas no podian ayudar- lea distinguir entre su hipotesis y otras muchas explicaciones posibles que se podian dara la variacién observada, Por lo tanto, el urado de incertidam- bre de su teoria habria sido mucho mayor si se hubiera detenido aqui. En consecuencia, tuvo que buscar en otro sitio mas consecuencias observables de su teoria Lo que Milner hizo fue deseribir el proceso que pensaba que producia su efecto causal. Planted In hipdtesis de que la interdependencia econdmica entre las democracias capitalistas afectaba a las preterencias nacionales porque influia en las opciones de los sectores industriales » empresas, los cuales, a base de presionar, conseguian que se Hevaran a cabo las poiticas que querian. En consecuencia, Milner estudio diversos sectores industrials estadounidenses de los aos veinte y sctent. asi como otros franceses en este segundo periodo, y se dio cuenta de que aquellos que mas invertian a escald ‘multinacional y dependian més de las exportaciones eran los menos protee= SeEaaTO 5. Fatender cionistas. Estas conchisiones le ayudaron a confirmar su teorfa general | acerca de las diferencias que habfa, en conjunto, en la politica estadouni- | dense de tos dos periodos. Por lo tanto, su procedimiento fue coherente con Ia parte principal de nuestros consejos metodolégicos: hay que especificar cuales son las consecuencias observables de Ia teoria, aunque no se refieran 4 nuestra preocupacion principal, y disefar la investigacin de manera que se puedan extraer inferencias causales sobre tales consecuencis ¥ que sea posible utilizarlas para evaluar la teoria. De ahi que el estudio de Milner Sea ejemplar en muchos sentidos. En cuattto al diseio de investigacion, el problema més importante al que * se enfenté Milner era el relativo a las posibles variables omitidas. La varia- | ble de control mis evidente era el grado de competencia de las importacio- ies extranjeras, ya que si éste es grande suele producir tendencias més pro- teccionistas en las empresas. Es decir, era probable que la competencia de Jas importaciones se correlacionara con la variable dependiente de Milner y competitive, habria sido probable una correlacién negativa entre Ia compe tencia de las importaciones y Ia dependeneia respecto a las exportaciones "de manera que este sesgo hipotetico se hubiera materializado si el primero de | estos dos factores no se hubiera utilizado como control Milner se enfrenté a este problema seleccionando para su estudio tinica- ~ mente aquellos sectores industriales a los que afectaba de manera determi- _ nante Ja competencia extranjera. En consecuencia, mantuvo constante la in- tensidad de la competencia de las importaciones y elimind, 0 al menos Tedujo considerabiemente, el problema del sesgo de la variable omitida, Po- dri habermanenido constant esa variable de contol clave en oto nivel netracién de importaciones teen sus observaciones. ‘Sin embargo, una vez que habia controlado la competencia de las impor- faciones, Milner tuvo que enfrentarse a otros problemas relacionados con _ sits is bio Vai se revision de los escrites empiricos y teéricas del rea— fueron: (1) que los _ cambios registrados en el poder de los Estados Unidos explicaban los dife- ents resullados de los ails veinte y setenta y (2) que la explicacion se ba- Saba en las transformaciones regstradas en Jos procesos politicos internos ™ el pais. El imtento de controlar la primera explicacién ya estaba incluido Hen su primer disenio de investixacion: como la proporeién del comercio | Mundial en la que participaban los Estadas Unidas en la década de los se- fenta era pricticamente igual a la de los veinte la investigadora control6 TimesEl diseio de ta inves esta dimension del poder estadounidense en el nivel agregado de sus politi- ‘as, asi como en el de los sectores industrials y empresariales. Sin embar- {g0, no controlé las diferencias que habia entre el aislacionismo politico de los Estados Unidos en los veinte y su posicién hegeménica como lider dde una alianza en los setenta; se podria profundizar mas en estos factores para calibrar su potencial capacidad de sesgo. “Milner controlé los procesos politicos internos comparando sectores in- dusttiales y empresas en los veinte y en los setenta, puesto que unos y otras se habian enfientado a las mismas estructuras gubernamentales y procesos politicos. Evidentemente, su nuevo estudio de seis sectores industriales franceses que competian en el Ambito de las importaciones durante Ios aos setenta no le ayudé a mantener constants los procesos politicos internos, pero si le ayudé a descubrir que el efecto causal que tenia la dependencia de las exportaciones sobre la tendencia al proteccionismno no variaba cuan- do lo hacian los procesos politicos internos. Al pensar cuidadosamente en las razones potenciales que habia para incurrir en el sesgo de la variable omitida y disefiar su estudio para responder 2 esa necesidad, Milner redujo considerablemente este posible sesgo. ‘Sin embargo, no controlé de forma explicita otras posibles variables omitidas. Su estudio se cenird «en las preferencias de los grandes grupos comerciales y no examina directamente la influencia de la opinién piblica, la ideologia, los sindicatos, la estructura politica del pais ni otros posibles factores» (1988, pp. 15-16), Desde el punto de vista teérico, In decision de rno controlar estas variables omitidas se podria haber justificado alegando {que no estaban relacionadas con las principales variables causales (depen- dencia de la exportacién e inversién a escala multinacional), que, en parte eran consecuencia de estas titimas o que no tenian efectos sobre a variable dependiente (preferencia por el proteccioaismo en un nivel agregado, com- puesto de empresas y seciores industriales), Sin embargo, si se podian rela- Cionar tales variables omitidas tanto con las explicativas del estudio como con la dependiente, y, desde el punto de vista causal, eran anteriores a las cexplicativas, Milner tendria que haber disefado una investigacién que las hhubiera controlado expliitamente Para terminar, con su procedimiento de seleceién de sectores industrit- les Mitner corrié el rieseo de haver ineficientes sus inferencias causales ‘Como hemos sefalado. su forma de elegir los casos le permitid controlar la causa mis importante de sesgo de la variable omitida mediante el.manteni- miento en valores constantes de la competencia de las importaciones. varit~ ble que. desde un punto de vista tedrico, se esperaba que fuera causalmente anterior a la causal clave. que se correlacionara con ella y que influyets también en les variables dependientes. Selevcion6 los sectores que suftian tuna mayor competencia de las importaciones y no los estratificd en func de ninguna otra variable, Posteriormente. en cada una de los sectores de st muestra, y también en muchas empresas. estudid el grado de preferenci 5, Entender que dede evitarse por el proteccionismo (su variable dependiente) e investigé el nivel de de- pendencia econdmica del exterior (su variable explicativa) Este procedimiento de seleccién result ineficiente para sus inferencias causales porque sus variables causales clave cambiaron menos de lo que se hubiera deseado (Milner, 1988, pp. 39-42), Aunque, en este caso, la ine- ficiencia no resulté ser un geave problema, si tuvo como consecuercia que Ia investigadora tuviera que realizar mas estudis de caso de los necesarios para Hegar al mismo nivel de certidumbre en sus conclusiones (ease el apartado 2 del capitulo 6). Dicho de otto modo, si hubiera trabajado con el mismo nimero de casos, pero eligiéndolos de modo:que. en general, va- riaran con la variable explicativa, podria haber extraido inferencias causa- Jes mas s6lidas. Es decir. que el diseiio habria sido mas eficiente si se hu- bieran seleccionado, por una parte, algunos sectores industriales ¥ empresas que carecian de vinculos con el extranjero y, por otra, industrias empresas en las que habia un alto nivel de participacion extranjera: todas éllas habian sufrido constantes apuros econdmicos y tambicn la entrada de importaciones Los investigadores munca pueden rechazar del todo la posibilidad de que las variables omitidas hayan sesgado sus andlisis. Sin embargo, Mil- ner, al haber intentado controlar algunas evidentes fucntes de sesgo de la | variable omitida, pudo defender su hipotesis eon mas ahineo y de modo més convincente. Su riguroso estudio demuestra que Ios cientificos socia- les que trabajan con elementos cualitativos no tienen por qué desesperarse ante Ia perspeetiva de extraer inferencias causales limitadas, La perfeceidn es inaleanzable, quizi incluso indefinible, pero relacionar con cuidado la teoria y el método puede hacer que disefiemos estudios que aumenten la plausibilidad de nuestros argumentos y que reduzean Ia incertidumbre de las inferencias causales, Inclusién de variables irrelevantes: la ineficiencia ‘A causa de los problemas potenciales que presenta el se ‘omitida —que hemos deserito en el apartado anterior go de la variable podriamos pensar -ingenuamente que es esencial recoger ‘odas las posibles variables explicati- vas, estimando a la vez sus efectos causales. Desde el principio hay que re- cordar que esto no es lo que se desprende del apartado 2 de este capitulo, en el que hemos sefialado que omitir una variable explicativa que no se co- relaciona con las explicativas incluidas no genera sesgo —aunque esa Va- © tiable tenga un fuerte impacto causal en la dependiente— y gue es un error ‘controlar variables que son consecuencia de las explicativas. En consecuen- Cia, nuestro argunwenio no deberia llevar a los investigadares a recabar ine Sormaciin sobre todas las tnferencias causules posibles 0 a criticar fox es tudios: que no lo hagan. ‘Toucan:EL diseto de La invest Por supuesto, puede darse el caso de que el investigador siga sin estar seguro de qué variables de control previas tienen un impacto causal en las incluidas 0 cudles se correlacionan con éstas, En tal situacién, habra inves- tigadores que intenten incorporar todas las variables de control cuya corre- lacién con las variables explicativas utilizadas sea concebible, asi como to- das aquellas que, desde un punto de vista tedrico, se pueda esperar que afecten a la variable dependiemte. Es probable que el resultado de esto sea ‘una larga lista de variables y que muchas de ellas sean irrelevantes. Este en- foque, que a primera vista parece una manera cuidadosa y prudente de evie tar el sesgo de la variable omitida, de hecho nos haria correr el riesgo de elaborar un disefo de investigacidn cuyos resultados no podrian ser més que improcisos. Cuando se utiliza un niimero relativamente escaso de ob- servaciones, la imprecisidn, tal como se analiz6 en el apartado | del capitu- Jo 4, es un problema bastante grave para el que este «cuidadoso» diseiio se- ria on realidad perjudicial. En el presente apartado analizamos los costes que tiene incluir variables explicativas irrelevantes y mostramos reservas fundamentales ante la pretensién de «incluirlo todo». Incorporar variables inrelevantes puede ser muy dafino. Nuestra iden principal es que aungue la variable de control no tenga ningiin efecto causal en la dependiente, cwanta mayor correlacién haya entre la variable explicativa y la irrelevunte de control, menos eficiente serd la estimacion del principal efecto causal ‘Vamos a ilustrar esta afirmacién centrandonos en dos diferentes proce- imientos (0 «estimadores»). con el fin de calcular el efecto causal de una variable explicativa cuya inclusion si es apropiada. La primera estimacién de este efecto procede de un andlisis realizado sin variables de contro ire- levantes; en el segundo hay una que si lo es. El andlisis formal que figura ‘en el recuadro posterior llega a las siguientes conclusiones respecto al valor relativo de estos dos procedimientos y al del método antes mencionado. En primer lugar, ninguno de los estimadores esté sesgado. Esto quiere decir ue, aungue se controle una variable explicatva irrelevante, el estimador habitual seguiré déndonos una respuesta media correcta, En segundo lugar, si la variable de control trelevante no se correlaciona con la explicativa principal, la estimaciém del efecto causal de la segunda no silo estard ses- ‘ado, sino que resultard tan ineficiente como si no se hubiera inctuido la variable irrlevanie. En realidad, si estas variables no estin correlaciona- das, se obtendri precisamente la misma inferencia, Sin embargo, sila va- riable de control irrelevante esté muy correlacionada eon Ia explicativa principal, se egistraré una ineficiencia considerable Por lo tanto, los costes de controlar variables irrelevantes son altos. Silo hacemos, es mis posible que nuestros estudios hagan estimaciones alejadas de los auténticos efectos causales. Cuando reproduzeamos un estudio, et un conjunio de datos que presenta una alta correlacién entre a variable ex plicativa clave y una de control ierelevante inclvida en el anlisis, probable~ mente obtengamos resultados diferentes que nos lleven a otras inferencias - Tecoger mis observaciones, pero, si esto no es pr = Saben que tienen que identficar cudles son las variables irrelevantes para no 5. Entender qué debe evitarse causales. De este modo, aunque controlemos todas las variables explicati- vas irrelevantes (sin cometer otros errores), obtendremos la respuesta me- dia correcta, pero quizé en algunos de los proyectos, en todos, nos aleje- mos de ella. La repeticin del andlisistendré, como promedio, el mismo efecto, pero la variable irelevante aumentaré Ia ineficiencia, tal como ha- bria ocurrido si hubiéramos descartado alguna de muestras observaciones. Las consecuencias tendrian que ser claras: al incluir una variable irrlevan- te ejercemos ms presin sobre un conjunto de datos limitado, lo eval hace que dispongamos de menos informacién para cada inferenca, Como ejemplo, pensemos de nuevo en él estado de fs golpes de Este- do en los paises africanos, Una investigacién preliminar indicaba que el grado de represién politica, la variable explicativa principal de interés, au- mentaba la frecuencia de dichos golpes. Supongamos que otro investiga- dor sefalara que el primer estudio era incorrecto porque no habis tenido «en cucnta si cada pais habia logrado la independencia librindose del go- bierno colonial de manera violenia 0 nepociada. Supongamos que creemos que este investipador esta equivocado y gue el tipo de proceso descoloni- zador no influye en la variable dependiente, que es la frecuencia de los golpes (después de utilizar le principal variable explicatva, se contro Ia tepresion politica). ,Cudles serfan las consecuencias de controlar esta or variable irrelevante? La respuesta depende de la relacion que exist entre la variable irelevan te, que evala e! tipo de proceso descolonizador,y la explicatva principal, ‘que mide la represién politica. Sila corrlacion entre amas es alla —como parece posible—, inluir estas variables de control hara que las estimaciones - del efecto de la represién politica sean bastante ineficientes, Para entender ‘sto, hay que seialar que, para controlar de qué manera se accedié a la inde- pendencia, el investigador podria dividir sus eategorias de regimenes repre- sivos y no represivos teniendo en cuenta si el proceso descolonizador habia sido violento o negociado. Se podria medir la frecuencia de los golpes de Estado en cada categoria para evaluar los efectos causales de la represion politica, mientras que se mantiene bajo control fa forma de librarse del go- bierno colonial. Aunque este tipo de disefo sea una forma razonable de evie tar el sesgo de Ja variable omitida, puede tener muchos costes: cuando Ia, nueva variable de control no influya en la dependiente pero se correlacione on una variable explcativa includ, se reduciré el mimero de observacio- nes de cata categoria y a estimacién del principal efecto causal se realizar de forma mucho menos efieiente, Este resultado supone que se desperdicia {gran parte del trabejo del investigador. ya que redueir innecesariamente 1a eficiencia equivale a descartar observaciones. La mejor solucion es siempre le, los investigadores ya tener en cuenta sus consecuencias ss ToaEL disefo de Lo investiaacién social Un anilisis formal de las ineficiencias de la variable incluida Supongamos que el verdadero modelo sea &(Y) = X,B y VY) = a. Sin em- bbargo, pensamos erténeamente que la variable explicativa X, también ha de estar en la ecuaci6n; de manera que hacemos la siguiente estimat NHB +H, 6 sin saber que, en realidad, 8, = 0. {Qué consecuencias tiene una estima- cién simultanea de ambos pardmettos para nuestra estimacion de 8? Si definimos 6, como el estimador correcto —que se basa iinicamente ‘en la regtesin entre X.— yB, como el primer coeficiente de Xen una regresién entre ¥, por una parte, y X, y X. por otra, es faci mostrar que ‘no podemas distinguir entre estos dos estimadores utilizando la falta de ‘sesgo (una medis correcta en muchos experimentas hipotéticos), ya que ambos carecen de él £(6,) = EA) = B, (5.7) Sin embargo, los estimadores st difieren en cuanto a su eficiencia. EL estimador correcta tiene una varianza (calculada en la ecuacion {3.3]) de @ Mo) = (5.8) mientras que la del otro estimador es (6.9) donde la correlacion entre X, y X, es #, (vease Goldberger, 1992, p. 245). En la altima linea de la ecuacién podemos ver la relacién precisa que existe entre las varianzas de los dos estimadores. Si la correlacion entre las dos variables explicativas es nula, no tendré importancia si se incluye la variable irelevante o no, ya que ambos estimadores tendran la misma va rianze, Sin embargo, cuanto mas se correlacionen dos variables, mayor serd la varianza y, por tanto, menor la eficiencia de B, 5, tntender que debe evitarse 4. Endogeneidad En las ciencias politicas la investigacién experimental no es frecuente, No solemos tener lz oportunidad de manipular las variables explicativas; solo las observamos. Una de las consecuencias de esta falta de control es la en- dogencidad, es decir, que los valores de nuestras variables explicativas a ve- es provienen de nuestra variable dependiente en vez de ser una de sus cau- sas, Si hay una auténtica manipulacidn experimental, la direccién de la causalidad es inequivoca. Sin embargo, en muchas dreas de Ia investigacién cualitativa y cuantitativa la endogeneidad es un problema'habitual y grave. Si el investigador no controla los valores de las variables explicativas, Ia ireccién de la causalidad siempre seri un problema dificil. En la investiga- ‘ign no experimental —ya sea cuantitaiva o cualitativa— las variables ex- plicativas y dependientes varian por la influencia de factores que escapan al control del investizador (y que, a menudo, no se ven). Los paises invaden, los oficiales traman golpes de Estado, la inflacion cae, las poiticas de los gzobiernos se implantan, los zandidatos deciden presentarse a las clecciones, los votantes eligen entre ellos y el investigador tiene que intentar elaborar lun argumento para determinar causas y consecuencias, Pensemos en un ejemplo tomado de Ia bibliografia sobre las eleeciones al Congreso estadounidense Muchos académicos han sefialado que el dris- tico aumento que se registré a finales de los sesenta en las ventajas electo- tales de que disponian los candidaros que ya estaban en el poder se debio principalmente al incrememto de los servicios que prestaban estos congre- sistas a su clectorado, Fs decir, que el franqueo gratuito, los presupuestos para viajar a la propia circunscripeién, et personal de que se dispone en ella para ocuparse de las peticiones concretas de los electores, Ia finan- ciacién de proyectos locales con fondos piblicos para lograr abjetivos elec- torales, asi como otros incentivos de los congresistas, han hecho posible que éstos recaben apoyos en sus eitcunscripciones. Muchos ciudadanos les Votan teniendo en cuenta ests cuestiones La hipdtesis del servicio al electorado pareve perfectamente razonable. pero chay pruebas de ella? Numerosos investigadores han intentado presen- tarlas (para una revisién de asta bibliografia, véase Cain, Ferejohn y Fiori- na, 1987), peto pocos son los datos que constatan tal hipétesis, El estudio ‘modal de esta cuestién se base en medidas del servicio que ha dado a su cireunscripcidn cada uno de los congresistas de una muestra y en las que indican la propercién de votos que recibe esa clase de candidatos. Poste- riormente, wiizando un andlisis de regresin, los investigadores hacen una ‘estimacion det impacto causal que tiene ese servicio sobre el voto. Result sorprendente que muchas de esas estimaciones indiquen que el efecto es mulo 0 incluso negativo. Es probable que el problema de Ia endogeneidad explique esos resulta dos paradéjicos. Dicho de ow mado. los eongresistas que corran un mayor oeEl disefio de Ia investigacién sect! riesgo de perder el puesto en las siguientes eleccioes (quizé a causa de un tscindaloo po haber aavesado una mal pach ens eeunscipion da rin mis servicios a sus electores, mientras que los que estén seguros de que no van a rechazarlos se concentrarn en otras vertientes de su trabajo, como la elaboracin de politicas en Washington. El resultado es que los congre sistas que dan més servicios reeiben menos votos, Esto no significa que el servicio al electorado reduzca el niimero de votos, solo que unas expectati- vas de voto alta reducen tal servicio. Si se hace caso omiso de este efecto de retroalimentaci6n, las inferencias serin muy sesgadas, David Laitn traza las lineas generales do un ejemplo de endogeneidad «que toma de uno de los clsicos de las ciencias sociales de principios de s lo, La ética protestante y el espirtu del capitalismo de Max Weber, «We- ber intent6 demostrar que las ensefianzas y doctrinas protestants provoc ban (de forma inadvertida) un cierto tipo de eomportamiento evonsmico: el espiritu capitalista, Sin embargo [.-] Weber y sus discfpulos no pudieron responder a una de las objeciones que suscité esta tess: que los curopeos 2 Jog que ya les interesaba romper los limites del espiritu precapitalista bien podian haberse apartado de Ia iglesia cavlica, precisamente para aleanzar exe propésito, Dicho de otro modo, se podria interpretar que los intereses ccondmicos de ciertos grupos habian hecho que se desarrollara la tia pro- testante, Sin un estudio mejor controlado, se puede dar la vuelta ala linea de causalidad de Webers (Lait, 1986, p. 187; wease también RH. Taw= ney, 1935, que fue quien orign6 este tipo de critica). En lo que queda de este apartado analizaremos cinco métodos para en fremarse al dificil problema de la endogencidat: Cada uno de estos cinco procedimientos puede considerarse un método para evitar los problemas de endogeneidad, pero también pueden verse ‘come formas de aclarar uns hipétesis causal, puesto que las que no prestam atencién 2 un problema de endogensidad sein, finalmente, problemas 6 Fos que haya que redfinir para que, al menos, sea posible que la variable explicative inftya en le dependents: Analizaremos las dos primers su ciones que se dan a la endogeneidad mediante el ejemplo cuantitativo Entender gué debe evitarse ait dee vitae servicio al electorado y para las otras tres nos apoyaremos en ejemplos de investigaciones cualitativas ampliados. 4.1 Corregir inferencias sesgadas La iki tinea de la ecuacibn (5.13) que aparece en el siguiente recuadro ‘nos proporciona un método para determina la direccin exactay la magni- tud del sesgo que procede ce la endogeneidad, Para una mayor comodidad, reproducimos aqui esa ecuacién: E(D)= B+ sesgo Esta formula implica que cuando hay endogencidad no estamos hacien- do la inferencia causal deseada. Esto quiere decir que, si el término del ses- 0 €5 cero, la media de nuesiro método inferencial ( estimador b) no estard sesgada (o Sea seré igual a 9). Sin embargo, si hay un sesgo de endogenei dad, estaremos haciendo ura estimacin de la inferencia correcta mis un factor de sespo. La endogeneidad es un problema porque, en general, no $o- ‘mos conscientes de la magnitud o direceién del sesgo. Este factor de sespo sed grande 0 pequeio, negativo o positivo, segin sea el ejemplo empirico especitico, Por fortuna, aunque en principio no podamos evita el sesyo de endogeneidad. a veces podremos corregirlo a posteriori si determinamos la direccién y quizé el nivel de sesgo {La ecuacion (5.15) demuestra que el factor de sesgo depende de la corre- lacidn que haya entre la variable explicativa y el xérmino de error, que es la parte de la variable dependiente que no se aclara mediante la expliativa. Por «ejemplo, sila hipstesis del servicio al electorado es correcta, el efecto causal que tenga dicho servicio sobre los votos (Ben la ecuacn) sera positvo. Si, ‘demas, el voto esperado in‘luye en el nivel de servicio al electorado que ‘observamos, el término de sesgo sera negativo. Esto quiere decir qu, incl 0 después de que se tenga el cuenta el efecto del servicio alelectorado s0- bre los votos, habré una correlacion invesa entre tl servicio y el término de €or, porque los congresistas que esperan abtener menos votos darin mis servicios. El resultado es que el término de sesgo ser, negativo y que, en este caso, ls inferencias que no se hayan corregido sein estimaciones Ses fas del efecto causal 8 (0, de forma equivalent esimaciones sesgadas de {8 + sesgo}), De esta mianera, aungue la hipstesis del servicio al electorado Sa cierta, el sesgo de endogeneidad nos lievari 0 bien a estimario con un Valor positvo mais pequeflo del que tendria que tener, o bien a considerarlo nulo, 0 incluso negativo, dependiendo de la magnitud del factor de seseo Por lo tanto, podemos afirmar que la estimacién correcta del efecto del ser. Vicio al electorado sobre los vos seri mayar que la caleulada en un anlisis €n el que no se haya corregido la endogeneidad. En consecuencia, en este aS [oomEL diseno de te investigacion socist ‘anilisis no corregido, e efecto del servicio presentara un limite més bajo, lo ‘cual hard que resulte mis plausible la hipotesis del servicio al clectorado De este manera, aunque no podamos evitar el sesgo de endogeneidad a ‘veces si podremos mejorar las inferencias a posteriori haciendo una estima~ ci6n del nivel de sesgo. Como minimo, esto nes permitiré determinar su di- reccién y quizi nos indique el limite superior o inferior de la estimacign ‘correcta. En e] mejor de los casos, podremos utilizar esta técnica para hacer inferencias que no tengan sesgo alguno. 4.2. Precisar cuales son los componentes de la variable dependiente Una de las formas de evitar el sesgo de endogeneidad es redefinir la varia- ble dependiente para dotarla de sus propios componentes dependiente y ex- plicativo, Este ultimo obstaculiza muestro anilisis a través de un mecanismo de retroalimentacion, es decir, influye en la variable causal (explicativa) clave. La otra parte de nuestra variable dependiente es realmente depen- diente: es una funcién, y no una cause, de Ta variable explicativa. El objet ‘vo de esta forma de evitar el sesgo de endogeneidad es identificar y medir sélo la parte dependiente de nuestra variable dependiente. ; Por ejemplo, King (19910), al estudiar la hipétesis del servicio a electo- rado, desgajo del total de voto rcibido por un congresst estadounidense la porcién gue se debia tinieamente al hecho de que ya estuviera en el po- et. En os iltimos aos, Ia ventaja electoral de Jos que ya son congresistas se ha cifrado entre un 8 y un 10% de los votos: proporcién que hay que comparar con el 52% aproximado que constituye Ia base electoral de la ma- yoria de los que, en este sistema bipartidista, ya ocupan un escafio en el Congreso. Posteriormente, King calcul6, mediante un procedimiento esta~ istic, la ventaja que suponis ser congresista— elemento que ert el nico dependiente dela variable dependiente— y ui esta ifa en lugar del voto bruto para hacer una estimacién de tos efectos que tenia el servicio a lectorado. Como la ventaja de los congresistas en riimero de votos, al 1e- presenta slo una pequsta porcién del total no iba a tener wn gran pac to en la propension de ese tipo de candidatos a realizar servicios para él electorado, King evits el sesgo de endogeneidad. Sus resultados seflalaban que, si se atadian 10.000 dolares al presupuesto que tenia et lesstador estatal medio para (entre otras cosas) dar servicios al electarado, se est concediendo a este candidato una ventaja de 1.54 puntos (nis @ menos (0.4%) en las elecciones siguientes. De esta manera, el autor estaba dando Ia primera base empirica a la hipstesis del servicio al electorado, 5, Entender qué debe evitarse 4.3 Convertir la endogeneidad en un problema de variable omitida Siempre se puede abordar la endogeneidad como si fuera un sesgo de la va- riable omitida, tal como demostramos 2 continuacién con el famoso ejem- plo del estudio sobre sistemas electorales comparados, Para las primeras generaciones de politélogos, uno de los grandes enigmas del anilisis politi- 0 era Ia enida de la Republica de Weimar y su sustituciéa por el régimen nazi a principios de los alos teinta. Una de las explicaciones, que se basa- ’ba en algunos rigurosos y convincentes estudios de caso de la Alemania de esa Epoca, sefalaba que la causa principal habia sido la vonsagracién en la constituein de esa repiblica de un sistema de represemtacién proporcional para las elecciones. En pocas palabras, la idea es que el sistema proporcio ral permite que estén en el parlamento los pequetios partidos que represen- tan a determinadas ideologias, intereses 0 grupos religiosos. En este tipo de ‘ordenamiento electoral los candidatos no se ven en la necesidad de nego- iar sus posturas para tener éxito en las elecciones, como si ocurre en aque- ios sistemas en Tos que so hay un ganador por eircunscripci6, En const tuencia, el parlamento se tlena de pequeitos grupos ideolégicos que ni quieren ni pueden trabajar juntos. La parlisis y la frustracion resultantes hharin posible que uno de estos grupos —en este caso los nacionalsocialis- tas— tome el poder (para la exposicién clisica de este teotia, véase Her- ‘mens, 1941), El argumento del pirrafo anterior se fue elaborando en varios importa tes estudios de caso que se ocuparon de la caida de la Repiiblica de Wei- ‘mar. Hubo historiadores y politélogos que achacaron este hecho al éxito electoral de los pequeiios partidos y a su falia de voluntad negociadora en el Reichstag. Este planteamiento tierie muchos problemas, como siempre ocu- ‘re cuando se explica un resultado complejo a partir de un tnico factor, Pero sélo vamos a centrarnas en el de la endogeneidad, Detris de esta ex. Plicacién subyace un mecanismo causal que se encadena de la siguiente | manera: se implanté la representacion proporcional y esto hizo posible que | Partidos pequciios que contaban con una escasa base electoral consiguicran seafios en el Reichstag (y en éstos se incluian aquellos que, como los ‘tacionalsocialistas, querian acabar con dicha institueién). El resultado fue | ue el funcionamiento del Reichstag aleanzé un punto muertoy la frustia- in se extendis entre fas masas. A su vez, esto condajo a un goipe de Esta- do propiciado por uno de los partidos. Sin embargo, otros estudios —tanto de Alemania como de ottas conse- ‘fuencias observables— sefialaron que la fragmentacién de los partidos no lo era consecuencia de la representacién proporcional. Algunos investi- lores argumentaron que si dicha fragmentacién condujo a la implanta- Sion de la representacion proporcional, también podia haber sido su causa F Al aplicar la misma variable explicativa a otras observaciones (en conso- “Tancia con la rela que indicamos en el capitulo 1: intentar probar las hipd- ‘JormaEL disefio de ta investigacian soci tesis con datos diferentes a los que las produjeron), los investigadores se dieron cuenta de que en aquellas sociedades en las que muchos grupos de ‘mentalidad estrecha y arraigada se oponen a otros minoritarios, étnicos 0 ‘eligiosos, es mas probable que se opte por Ia representacién proporcional, ‘ya que éste es el Ginico sistema electoral gue ambas facciones pueden acep- tar. Una mirada mas atenta a Ja situacién de la politica alemana antes de ue se introdujera este tipo de representacién confirmé esta idea, ya que se Jocalizaron muchas facciones pequefas. La representacién proporcional no Jas habia creado, aunque puede que si facilitara la expresién de sus ideas en €l parlamento, Tampoco las facciones eran la tnica causa de la representa~ cién proporcional; sin embargo, si parecia que tanto la adopeidn del siste- rma proporcional como la gran divisién del parlamento eran consecuencia de la fragmentacion social (véase Lakeman y Lambert, 1955, p. 155, para tuna de las primeras explicaciones de este argumento). De este modo, hemos transformado un problema de endogeneidad en un sesgo de la variable omitida. Esto quiere decir que la fragmentacion social previa es una variable omitida que lleva a Ia representacion proporcional desde el punto de vista causal es anterior a ésta y, en parte, condujo a la cai dda de Weimar, Al transformar el problema de esta manera, los académicos ‘consiguieron abordar mejor el problema, ya que podian medir de mancra cexplicita esta variable omitida y controlarla en estudios posteriores. En este ejemplo, una ver que se incluyd y controld dicha variable omitida, los in- vestigadores se dieron cuenta de que existia una posibilidad razonable de aque Ia aparente relacién causal que habia entre la representacién proporcio: nal y Ta caida de Ia Repablica de Weimar fuera casi completamente falsa, La relacién que existe entre los sistemas electorales y la democracia si- ‘gue suscitando polémica, aunque el estudio de este tema ha avanzado mu- cho desde los primeros trabajos que se hicieron, Los investigadores han ampliado esta firea, dejando a un lado los intensos estudios de caso, que apenas se preocupaban de la logica de las explicaciones, para hacer trabajos que se basan en muchas observaciones de determinadas consecuencias ¥ asi resolver gradualmente algunos aspectos relacionados con la medida ¥, finalmente, con Ia inferencia, Con este cambio, han logrado separar de ‘modo mas sistemtico los efectos exégenos de los endégenos, 4.4. Seleccionar observaciones para evitar la endogeneidad La endogencidad es un problema muy comin en gran parte de fs obras {que se ocupan del impacto que tienen la ideas en las poiteas (Hall, 198%: Goldstein y Keohane. 1993). En la medida en que las ideas reflejan las condiciones en las que operan los actores politicos —por ejemplo. as cir tunstancias materiales que generan sus propios intereses en ese sentido tl anilisis del impacto gue tienen sobre las paiicas siempre ser suscent> ~ con el hecho de que tales lideres tuvieran ideas estalinistas y aplicaran pol _Topeos orientales ¥ los chings no hubieran ¢reido en Is convenieneia de Entender qué debe evitarse ble de incurrir en un sesgo de la variable omitida; las ideas de los actores se correlacionan con una variable omitida anterior en sentido causal —los in- tereses materiales— que influye en la variable dependiente —Ia estrategia politica (véase el apartado anterior), Ademas, en la medida en que las ideas funcionan como rucionatizaciones de politicas que se han Hevado a cabo en ‘otros ambitos, también pueden ser simples consecuencias de esas politicas, ‘mas que sus eausas, En tales circunstancias, las ideas son endogenas: puede parecer que explican las estrategias de los actores, pero, en realidad, son su resultado, Desde el punto de vista metodoldgico, to mis dificil ala hora de estudiar <1 impacto de las ideas sobre las poiticas es compensar la influencia que i nen, en un determinado problema de investigacin, el problema de la endo- geneidad y el de la variable omitida, que tan relacionados estan. Para poder sefalar Ia importancia causal de las ideas, hay que demostrar que algunas jdeas —o un aspecto de las mismas-— que mantienen las que elaboran las - politicas influyen en aquellas que realmente se llevan a cabo, y que no solo reflejan esas mismas politicas o los previos intereses materiales de sus im- pulsores. Los investigadores de esta drea tienen que ser especialmente cuida- dosos a I hora de definir el efecto causal del interés. En conereto, tienen que comparar la variable dependiente obser vada (las politicas) y la explicati- va (las ideas de los individvos) con una situacién eontrafacties —definida ‘con precisi6n— en fa que la variable explicativa adopte un valor diferente: cuando los individduos relevantes tien ideas diferentes. | anilisis comparado es una buena forma de determinar si un conjunto de ideas conereto es exdigeno o endégeno. Por ejemplo, en un reciente estu- dio acerca del papel de las ideas en la adopeién de politicas econdmicas es- talinistas en paises socialites, Nina Halpern (1993) hace este tipo de anali- sis, Su hipétesis es que la doctrina de la planifieacion estalinista, en la que ccreian los mandatarios de Europa del Este y de China, ayuda a explicar las politicas econdmicas que implantaron cuando Hlegaron al poder en estos paises después de Ia Segunda Guerra Mundial. Esta hipdtesis concuerda ticas de ese tipo. pero una simple correlacién no demuestra que haya causa _ Tidad. En realidad, puede que Ia endogeneidad esté funcionando: las polit | Cas estalinistas podrian haber venerado ideas que las justificaran o prover que habria qué seguir tales politicas quizé Aunque Halpern no utiliza este lenguaje, si recurre a un procedimiento similar al que se ha analizado en el apartado anterior: transformar la endo- eneidad en sesgo de la variable omitida. La principal hipétesis altemativa ue esta autora considera es que Europa del Este y los estados comunistas de Asia s6lo implantaron economias ceniralizadas después de la Segunda _ Guerra Muna por el polerio military la inTueneia polities de ta Union Soviética, El conirafaetico gue plantea esta hipdtesis es que, aunque los eu ‘comseases ‘303 SalamaEL disefio de la investigacion socia feconomias planificadas que dictaba el estalinismo, de todas maneras se ha- brian implantado esa clase de economias y habrian aparecido ideas que las justificaran. Posteriormente, Halpern seflala que en los paises de Europa del Este que fueron ocupados por el Ejército Rojo, la adopcién de una economia central zada podria explicarse mis por el poderio sovigtico que por Ja ereencia en la superioridad de las doctrinas estalinstas: «.. la explicacién alternativa de que la eleccién no fue mas que una respuesta a las ordenes de Stalin es im~ posible de refutar» (1993, p. 89), En consecuencia, Halpern busca posibles observaciones en las que no aparezca esta fuente de sesgo de la variable ‘omitida y encuentra las politicas que se implantaron en China y Yugoslavia, Jos dos paises socialistas mas grandes de los no ocupados por tropns soviet cas después de la Segunda Guerra Mundial. Como China era un pats enorme que habia tenido su propia revolucién, Stalin no podia indicarle qué politicas tenia que practicar. Los comunistas yugoslavos también hablan Iegado al poder sin la ayuda del Ejército Rojo. y el mariscal Tito demostré su indepen dencia respocto a las drdenes de Mose desde el final de la guerra China implanté una economia centralizada sin estar bajo la dominacién politica o militar de Ia Union Sovietica y en Yugoslavia las medidas de tipo estalinista se adoptaron a pesar de las politicas soviéticas, De estos datos Halpern infiere que, en estos casos, el poder savietico no explica por si sola Jos cambios en las politicas. Ademas, por lo que a China se refiere, también considera, y techaza, ota hipéresis alterativa sein la cual las ideas serion fendogens: situaciones econémicas parecidas habrian aconsejado trans- plantar los métodos de planificacién estainista a China. Halpern, una vez que se plantes y rechazé hipdtesisaltemativas que man- tenian ideas endégenas bien en relaciin al poder sovistico @ Jas condiciones ceconémicas, pudo indicar que la adopcitn por parte de China (y hasta cierto punto y durante menos tiempo, de Yugoslavia) de la doctrina estalinista apor- {aba bases para el acuerdo y resolvia la incertidumbre de estos regimenes postrevolucionarios. Aunque este tipo de anilisis sigue siendo bastante provi- sional, a causa del escaso nimero de observaciones de su propia teoria que contemplé Ja autora si aportarazanes para creer que. en la situacion estudia- da, las ideas no eran del todo enddgenas y tuvieron una funcion causal Este ejemplo pone de manifiesto de qué maners podemos. en primer li ‘ar, trastadar una preocupacidn general sobre la endogeneidad a posibles fuentes especificas de sesgo de la variable omitida, para buscar después un subconjunto de observaciones en el que podrian no estar presentes esas causas de sesgo. En este easo, al transformar el problema en na cuestion de sesgo de la variable omitida, Halpern pudo comparar otras hipdtesis ex plicativas con resultados especialmente productivos para su hip6tesis prin- cipal. Se planted diversas hipotesis explicativas alternativas para explicar Ja adopcién de economias planificadas y se dio euenta de que solo en China y hasta cierto punto en Yugoslavia, era razonable pensar que las doctrinas 5, Entender qué deve evitarse estalinistas (las ideas en cuestion) fueran en gran medida exdgenas. En con- secuencia, centr) su atencion en China y Yugoslavia. $i no hubiera dise- jiado su estudio con cuidado para poder enfrentarse al problema de la en= dogeneidad, sus conclusiones habrian sido mucho menos convincentes pensemos, por ejemplo, que hubiera intentado demostrar sus plantearien- tos utlizando Polonia y Bulgaria! 4.5. Precisar cuales son los componentes de la variable explicativa En este apartado presentamos el quinto y iltimo método para eliminar el sesgo que produce Ia endogencidad. Su objetivo es dividir una variable ex- Plicativa potencialmente endégena en dos componentes: uno claramente ‘exOgeno y otro que sea, al menos en parte, endogeno, Posteriormente, el in- ‘estigador slo utlizara en su andlisis causal la parte exdgena de la variable cexplicativa En cl estudio realizado por Verba, Schlozman, Brady y Nie (1993) sobre participacisn politica voluntaria, encontramos un ejemplo de este mactodo, ‘A los autores les interesaba explicar por qué los afroamericanos son mucho ‘mas activos politicamente que los latinos, teniendo en cuenta que ambos grupos estan igualmente desfavorecidos. Se dieron cuenta de que hay diver- 08 factores que contribuyen a explicar la diferencia, entre ellos el poco tiempo transcurrido desde que se hia emigrado a los Estados Unidos y el eo- nocimiento del idioma. Una de sus principales variables explicativas era la asistencia a servicios religiosos (en iglesias 0 sinagogas, por ejemplo). Evi- dentemente, los investigadores no podian controlar si los individuos asistian 4 esas reuniones; de abi que no pudiera eliminarse la posibilidad de endo- ‘geneidad, En realidad, sospechaban que algunos latinos, y en mayor medida los afroamericanos, asistian a servicios religiosos porque eran politcamen- te activos. Quiza los que tenian interés en politica entraban a formar parte de una iglesia porque ésta Jes dabe la oportunidad de aprender o porque es- tebe muy politizada, Un clero muy consciente de su labor politica podia adiestrar alos feligreses para ese tipo de actividad o estimularies politica- mente. Dicho de otro modo, la orientacién de la causalidad podia ir desde la politica alas experiencias no politicas yno al revés, Verba y sus colegas solucionaron este problema analizando los eompo- nentes de su principal variable explicativa, Para ello, patieron de la base de que las instituciones relipiosas influyen en la partcipacién politica de dos maneras. En primer lugar, en ellas Jos individuos aprenden habilidades s0- ciates (como dar un diseurso o dirgir una reunidn). A su vez, ese aprendi- 2aje hace que el ciudadano sea mAs competente ala hora de partcipar en la Vide politica y que esté més dispuesto a hacerlo, En segundo lugar. los ei ddadanos reciben constantes estimulos politicos (por ejemplo, a través de discusiones cuando otros miembros del grupo les piden que se impliquen ‘ostEl diseio de ta iove directamente), y esta situacion también tiene que influir en su actividad po- litica, Estos autores scfalaron que el primer componente es prineipalmente exégeno, mientras que el segundo es, al menos en parte, exdgend: 0 sea, ue procede parcialmente del grado de participacién politica de los indivie duos (la variable dependiente). Posteriormente, los autores Hevaron a cabo un estudio auxiliar para con- trastar su hipdtesis en relacién a tos componentes exdgeno y endégeno de la participacion en los servicios religiosos. Desde el principio reconocieron que Ia posibilidad de que el individuo adquiera habilidades sociales en su iglesia depende de Ia estructura onganizativa de ésta. Las que tengan una estructura jerarquica, donde el clero sea elegido por érsanos rectores cen- tralizados y los feligreses apenas puedan opinar sobre el funcionamiento interno, oftecerin menos oportunidades de aprender habilidades sociales que aquellas euya base cooperativa conceda a los miembros un importante papel en el gobierno de fa oreanizacién, La mayoria de los afroamericanos pertenecen a iglesias protestantes que funcionan de manera muy par Cipativa, mientras que los latinos son miembros de congregaciones catéli- cas organizadas de modo jerérquico. Los autores mostraron que esta dife- rencie es la que explica Ia probabilidad de que adquieran habilidades sociales. Por ejemplo, sefialaron que en estos das grupos, asi como en os estadounidenses blancos, el factor que influye en el aptendizaje de esas ha- bilidades es el tipo de confesidn religiosa y no los componentes étnicos, ni otros rasgos sociales ni, especialmente, la participacién politica. Después de convencerse de que la adquisicién de habilidades sociales era realmente ex6gena a la participacién politica, Verba y los ots autores calibraron este factor en los servicios religiosos y lo utilizaron como varia- ble explicativa, en ver de usar para tal fin la asistencia a tales servicios, Este procedimiento solucioné el problema de la endogeneidad, ya gue aho ra se habian analizado los componentes de la variable explicativa para po- der incluictinicamente los exégenos. Este estudio auxiliar aporté mas pruebas que demostraban la resolucién del problema de la endogeneidad, ya que la pertenencia de los latinos ¥ aftoamericanos a las iglesias no podie explicarse de manera coherente en funcién de su participacién politica concreta. puesto que su vineulacién con ellas comienza desde la infancia a través de la familia. Las razones que ex- plican el hecho de que los afroamericanos sean en su mayoria protestantes, hhay que buscarlas en la historia de la esclavitud en los Estados Unidos y en lade las organizaciones que se formaron en las plantaciones del sur, mien tras que el catolicismo de los latinos procede de la conquista espahola de Hispanoamérica. Tampoco puede atribuirse la diferente estructura institu cional de las congregaciones catdlicas y de las protestantes al interés que tienen los dirigentes de cada una de ellas por participar en la politics esta- dounidense actual. En realidad, hay que retrotraerse a la época de la Refore ‘ma protestante para poder explicar tal diferencia, 5. Entender que debe evitarse 5. Asignacién de valores a la variable explicativa En el apartado cuarto del capitulo 4 seftslamos que los experimentos mejor dirigidos tienen dos ventajas: el control de a seleceién de observaciones y de los valores que se asignan a las variables explicativas en las unidades. Sélo se analiz6 la seleccion en ese punto. Como en este capitulo ya nos he ‘mos ocupado del seso de Ia variable omitida y de otros problemas metodo- ‘ogicos, podemos enfrentarnos ahora al control de la asignacién de valores. En un experimento médio, los tratamientos son un frmaco que se est, pprobando y un placebo, los cuales se administran aleatoriamente a los pa- cientes. Aqui se da précticamente la misma situaeién que aparece con una seleccién aleatoria de observaciones: la asignacién aleatoria es muy dtl cuando existe una gran niimero de observaciones, pero no suele ser Ia estra- tegia dptima si n es pequefo. Cuando es grande, asignar valores aleatorios alas variables explicativas acaba con Ia posible endogeneidad (porque di chas variables no pueden verse influidas por la variable dependiente) y con cl error de medida (siempre que se repistre exactamente qué tratamieato se administra). Quizé lo mis importante sea que la asignacién de valores en ‘studios con un m grande hace extremadamente improbable la aparicién de sesgo de In variable omitida, porque una variable explicativa cuyos valores se hayan asignado aleatoriamente no st correlacionaré con ninguna variable ‘omitida, ni siquiera con Jas que influyan en Ia dependiente. Pot lo tanto, en estudios de n grande, la asignacién aleatoria de valores hard que las varia bles omitidas no sean daviinas, que no produzcan sesgo. Sin embargo, si se dispone de un nimeto reducido de observaciones, es muy facil que una va riable asignada de forma aleatotia se correlacione con alguna variable omi- tida relevante y que tal corelacion produzca sesgo de la variable omitida, De hecho, et ejemplo del sesgo de scleccidn mostraba cémo una variable asignada aleatoriamente se correlacionaba con una variable dependiente observada; es muy fécil que ocurra exactamente Jo mismo si el niimero de observaciones es pequefio Aunque al realizar expermentos muchas veces se pueden fijar los valo- res de las variables explicatvas, los investigadores cuslitativos no suelen te- re esa suerte, Cuando el odjeto de estudio determina el valor de sus pro- pias variables explicativas, aumentan considerablemente las posibilidades de sesgo de seleccién, de endogencidad y las de otros tipos de sesgo y de ineficiencia. Por ejemplo, s en un experimento se estuviera estudiando la eficacia politica que tiene participar en manifestaciones, se elegiriaaleato- iamente a ciertas personas para que acudieran a una manifestacién y a otras para que se quedaran en casa, con el fin de calibrar despues las dite rencias que se registran entre los dos grupos del experimento en relacién a la eficacia (0 guiza para compararlos en funcién del cambio que registra ese indicador en uita medida realizada antes del experimento y despues de 4), Sin embargo, en el trabajo no experimental. es frecuente que los pro- ‘307 mana.Un anilisis formal de la endogeneidad Este modelo formal demuestra el sesgo que aparece cuando un diseiio de in- vestigacién padece endogeneidad y no se hace nada por evitarlo. Suponga- ‘mos que tenemos una variable explicativa X y una dependiente Y. Nos inte- ‘esa el efecto causal que tiene X sobre Y, y utilizamos la siguiente ecuacién: E(Y) = xB (6.10) Esta también puede expresarse como Y= Xf + ¢, en la que «= ¥- E(¥) se denomina el «error» 0 atérmino perturbador». Supongames, ademas, que hay endogeneidad, o sea, que X también depende de ¥: {Qué ocurte si no prestamos atencion a la parte reciproca de la relacion ‘expresada en la ecuacién (5.11) y hacemos una estimacién de f como si sélo fuera cierta La ecuaciin (5.10)? Dicho de otro modo, estimamos {presuponiendo incorrectamente que y= 0) mediante la ecuacién habitual: bay, Ee Para evaluar este estimador utilizamos la propiedad de falta de sesgo y, porlo tanto, calculamos su valor esperado: (6.12) | 4 | | | | AY, &() =e 13) 2% pios objetos de estudio decidan si quieren participat. En estas circunstan- cias, hay otros rasgos individuales (como el hecho de que los individuos sean jovenes 0 no, que sean estudiantes y, si lo son, la cereania del campus al lugar de la manifestacién, etc.) que influirin en Ia decision de manites- tarse. Ademids, es evidente que muchos de estos factores también pueden ccorrelacionarse con la variable dependliente, que es la eficacia politica Pensemos en otro ejemplo en el que las unidades de anilisis sean mis grandes y menos frecuentes: el clésica problema del impacto que tiene 1a acurmulacién de armamento en la posibilidad de guerra, :E1 tamafo del pre- supuesto nacional para esta partida auments las probabilidades de que ¢l pais participe en una guerra La variable explicativa es el prespuesto para 5. Entender qué dobe evitarse ExC+) {eee | Ee Laue wpe | Pa) | = B+ sesg0 donde ssn = ce) / EO) Rasen, ova ey | et términ perturador¢, Cte) valen ceo, de manera que el témino fe sesgo tambien tend’ este vor. én consecuenca, el valor esperado te Deny prt, ace sess, Sade ei au ts ee | se tiene en cuenta para predecr Fl parte que ques () nose core laciona con X. Sin embargo, en el presente ejemplo, después de que se | contempla el efecto de X sigue quedando alguna varacén por la reoa- timentacion que procede del efecto causal de ¥ sobre X. De este modo, la tndogeneidadinplco que, en general, el sequndotérmino de a lina nes dela ecucion (513) mo valde cro y quel estimaion esa ses- sada, Lo divecelén del sesgo depende de a covaianza, yo que la varianza de X sempre es pstva. Sin embargo en Ios poos cass en os que eta sea cxtrenacomente grande, solar a covarianeay bars que el teino de Seago rite insigieane. Evel texto se ofece un ejemplo con una buona interpetacion de este teinino de sesgo, armamento (quizé el porcentaje en relacion al PNB o los cambios que ha _sufrido el propio presupuesto); Ia variable dependiente es la presencia 0 a0- seneia de guerra en un period determinado posterior al momento en que se hha medido la variable explicativa, En un diseio de investigacién ideal seria cl investigador el que asignara valores a la variable explicativa, eligiendo diversos paises para su estudio y determinando el presupuesto armamentis= tico de cada gobierno (mediante valores aleatorios 0 utilizando quiz una de las variables «intencionadas» que analizamos mas adelante). Es evidente que esto no es factible. Lo que se hace en realidad es medir los valores de Ia variable explicativa (el tamao del presupuesto armamentistico) que cada gobierno se asigna. Por supuesto, el problema es que estos valores auton 00aHi diseno de fa investigacién social signados de la variable explicativa no son ajenos # la dependiente —Ia pro- babilidad de ira la guerra—, como lo hubieran sido si hubiéramos podtido elegilos nosotros. En este caso, hay un claro problema de endogeneidad: el valor de Ia variable explicativa estéinfluido por los valores que se cree ten- dr la dependiente: la amenaza de guerra percibida. La endogeneidad tam bign plantea problemas para estudiar la relacién causal entre las alianzas y la guerra, Las naciones eligen sus alianzas; los investigadores, sin adjudicar paises a esas alianzas, estudian el impacto que tienen sobre las guerras, Por lo tanto, las alianzas no tendrian que considerarse variables explicativas ‘ex6genas en los estudios bélicos, ya que suelen formarse antes que la pro- pia guerra Estos ejemplos demuesiran que Ia endogeneidad no siempre es un pro- blema que haya que precisa, sino que a veces consttuye una parte integral del proceso por el que e! mundo genera observaciones. Con frecuencia, te sulta bastante difici|averiguar como se han determinado los valores de las variables explicativas, y no suele ser posible reeurvr a ningin procedimien- to automatico para resolver los problemas que plantea. No obstante, al in- vestigar no puede eludirse esta tarea ‘Como ia probabilidad de que, en cualquier prueba de un experimento hi potético, el uso de criterios aleatorios de seleccidn o de asignacién de valo- res produzca sesgo disminuye ripidamente a medida que aurmenta el nimme- ro de observaciones, es til recurtir a tales procedimientos aunque no se disponga de un gran numero de unidades. Si la cantidad de unidades es «suficientemente grande» —lo cual definimos con precisin en el aparta- do 2 del capitulo 6—, la seleccién aleatoria de unidades cumpliré automati- camente el presupuesto de independencia condicional del apariado tercero del capitulo 3. Sin embargo, cuando sélo existan unos pocos ejemplos del fenémeno que nos inieresa o Ginicamente podamos recabar informacién acerca de un pequefio niimero de observaciones, como ocurre con frecuen~ cia en la investigavion cualitaiva, la respuesta no estara en la seleccién y asignacién de valores con procedimientos aleatorios. Ni siquiera los experi- ‘mentos controlados. si son posibles, serén una solucién cuando no se dis- ponga de un namero suticiente de observaciones, Los cualittivistas, al enfrentarse a estos problemas, tienen que preguntar- se Si posible aumentar el miimero de observaciones que van @ investiga, ya que, a falta de reunirlas todas, ef procedimiento mas fiable ex recoger de Jorma aleatoria datos relacionados con wm gran miaera de unidades v alea- torizar ta asignacién de valores para las variables explicativas. Sin embar- £0, si esto no es posible, no hay que seleccionar las observaciones alvalo- Fiamente, sino que es preciso utilizar ef conocimiento que va tenemos de las ‘observaciones disponibles —que se basa en investigaciones anteriores, Su- posiciones fundadas o valoraciones de otros expertas en el érea— y hacer la seleccién de las observaciones (si se puede) fa asignaciéin de valores « las variables explicativas de tal modo que se evte el sesgo 5 las ineficiencias. St 5. Emtonder que debe evitarse ¢l sesgo es inevitable, al menos habra que intentaraveriguar su dneccidn y ‘su posible magnitud. Si todo est falla —es decir, si sabemos que hay ses pero no podemos determinar su direecin 0 envergadure—, nuestra invest gacin mejorar si, por lo menos, describimos nuestros resultados con un mayor grado de incertilumibre. Si comprendemos los problemas inferencia- Jes que aborda ese libro, estaremos mis preparados que cualquier generador de nieros aleatorios para enfrentarnos a todos ests dilemas. En cualquier caso, en todos los esnudios tendria que haber un apartado 0 capitulo en el aque se expicaran cuidadosamente los procesos de seleecién v de asignacion de valores. Habra que mencionar en 61 qué reglas se han utlizado, incluir un listado detaliado de todas la previsibles fuentes de sesgo ocultas y seia- lar ise ha hecho algo para combatiras 6. Controlar la situacién que se investiga Si se seleccionan de forma deliberada observaciones sin tener en cuenta las variables de control relevantes y tampoco otros problemas inferenciales, 0 se cumplird el presupuesto de homogeneidad de las unidades. Tenemos que asegurarnos de que los valores de la variable explicativa en las observacio- nes elegidas se midan con el minimo error posible, de que no se correlacio- nen con alguna variable explicativa omitida clave y de que no estén parcial- anente determinados por la dependiente, Es decir, hay que calibrar de manera adecuada problemas como el error de medida, las variables omiti= das y la endogeneidad, que ya se han analizado en este capitulo. Si éstos persisten, @ pesar de todos nuestros esfuerzos, por lo menos tendremos que reconocerlos, sopesarlos e intentar corregirlos. En studios que tienen un » pequeto los controle son de por si dificiles de disehar, pero sucle ser absolutamente esencial ocuparse de ellos para evitar el sesgo. Por desgracia, hay muchos investigadores cualitatives que apenas uilizan controles © que no lo hacen en absoluto. Por ejemplo, Bo- lien, Entwisle y Alderson (1993) han sefialado, en un estudio sobre libros y articulos socioligicos, que alrededor de un cuarto de los investigadores no utiliza ningin método de contro. Supongamos, por ejemplo, que nos interesara el efecto causal que tiene un ailo de cétcel en el grado de radialismo politica que muestran las per- sonas. Lo ideal seria un estudio auténticamente experimental en el que se ullizara una muestra sleatoria de un gran nimero de ciudadanos y que a la rmitad de ellos se les adjudicara aleatoriamente un aio de prisin, para me- dir después Ia radicalidad de las ideas politicas de uno y otro grupo. El efecto causal estimado seria ta diferencia media entre las posturas de los dos grupos al final del ato, Con un m grande, eabria presuponer la existen- «ia de independencia condieional y probablemente la infereneia causal fi a sensata, No hace falta decir que tal estudio es imposible. TT ‘Trae1 diseio ce la Investigacion socio! Sin embargo, pata continuar con nuestro argumento, supongamos que se Ievara a cabo el experimento, pero s6lo con pocas personas. Teniendo en cuenta los problemas que se han analizado en el segundo apartado del cap tulo 4, esta escasa muestra, aunque se hubiera seleccionado aleatoriamente y la asignacién de valores también se hubiera hecho con este método, es probable que no cumpliera la independencia condicional y, por lo tanto, se- ria necesario aplicar algin control explicito. Una sencilla forma de hacerlo seria medir las ideas politicas radicales antes del experimento, Después ‘nuestra estimacién causal seria Ia diferencia que hubiera entre fos dos gru- pos en relacidn al cambio operado en las ideas politicas radicales. Este pro- cedimiento nos permitiia controlar una situacién en Ia que ambos grupos no son idénticos respecto a esta Unica variable antes de realizarse el experi- mento, Para comprender e6mo hay que calcular el efecto causal en este contexto conviene recordar el problema fundamental de In inferencia cau- sal. Lo ideal seria que tomiramos @ un solo individuo, esperiramos durante tun aio controlando cuidadosamente su medio para manteneslo constant ‘excepto en Jo relativo al paso del tiempo y alos acontecimientos del mun- do exterior, y que después midiéramos la radicalidad de sus ideas polticas Simultineamente, tomariames a ese individuo en el mismo momento y lo meteriamos en la eércel durante un afio, para medir después el mismo indi- ccador. La diferencia entre estas dos medidas es la definicién del efecto cau sal que tiene la crcel sobre las ideas politcas de esta persona. El proble- ‘ma fundamental consiste que solo podemos observar las ideas de esta persona en una de is situaciones. Es evidente que el mismo individuo no. puede estar ala vez, dentro y fuera de la careel. Mediante el control se intentaevitar el problema fundamental de Ja ma- nera mas directa. Como no podemos observar las ideas de esta persona en ambas situaciones, buscamos dos individuos (0, mas probablemente, dos grupos de individuos) que sean lo mas parecidos posible, excepto en lo tor cante a la variable explicativa (que hayan ido 0 no a la carcel). Tampoco ha- cemos la seleccién teniendo en cuenta el grado de radicalidad de las perso- nas. En principio, podriamos seleccionar una muestra de individuos que hhubieran sido puestos en libertad recientemente y buscar después personas ‘equiparables a cada ex prisioneto (lo mis parecido posible a éste, pero sin haber estado en fa cércel), Quiz8. en primer lugar. podiamos entrevistar a alguien que hubiera salido de la cércel y, partiendo del canocimiento de st historia y caracteristica, ir en busca de personas equiparables (que tuvieran sa fueran del mismo barrio y hubie- un perfil demografico similar y gue q san ido al mismo colegio), Por definicién, las variables con las que equiparamos a los individuos son las mismas en todos Jos grupos y las controlaremos cuando caleuleros cel efecto causal de la excarcelacién. Ejercer controles es un proceso dificil porque hay que aplicarios a todas las variables que puedan ser confusas. Si ‘no equiparamos en funcidn de una determinada variable, si mo podemos a> 5, Entender qué debe evita ‘ontrolarla de ninguna otra manera e influye en la variable dependiente a la vez que se cortelaciona con la explicativa (afeeta ala radicalidad de las ideas ¥y no ¢s la misma en los prisioneros y en los que no lo son), laestimacién de ‘muestro efecto causal estar sespada, Cuando se comparan paises desde el punto de vista politico, ejecer con- troles para lograr la homogeneidad de las unidades es dificil; cualquier pa- rea de paises diferra en innumerables dimensiones, Por ejemplo, Bélgica y Holanda podrian parecerle a un observador poco preparado paises «muy Parecidos», en el sentido que sefialan Przeworski y Teune (1982): son pe- ‘quefias democracias europeas con economias abiertas y sus vecinos no les amenazan. Por lo tanto, en muchos sentidos, seria factible compararlos (Katzenstein, 1985), Sin embargo, son muy diferentes desde el punto de vista Tingiistico 0 religioso y en euamto a sus recursos fundamentales, al inicio de su industrializacion y a muchos otros factores politicos relevantes, En consecuencia, cualquier diseio de investigacién comparado que preten- 4a estudiar el conjumto dela vida politica en estos dos estados y que s6lo se centre en ellos correrd el riesgo de ser impreciso, Silo que pretendemos es hacer una comparacién general entre Bélaica y Holanda, se podra evita tl imprecision. Sin embargo, supongamos que el investigador tenga un objetivo més especifico: estudiar el impacto de ser luna potencia colonial sobre las estrategias politicas que siguen los gobicr- nos de las pequefias democracias europess. En ese caso, seria posible com- parar las poltions de Belgica, Holanda y Portugal con las de pequeos esta- dos no coloniales como Austria, Suecia, Suiza y Noruega, Este podria ser tun disefio de investigacién Valioso, pero no estaria controlando innumera- bles factores —aparte de fa historia colonial— que hacen que estos paises sean diferentes, Un investigador sensible al problema de la homogeneidad de las unidades podria pensar en otto diseiio —quiza alternativo, aunque serfa mejor que fuera un complemento para el anterior — en el que estudia- ‘alas politicas belgas, holandesas y portuguesas antes y despues de la pér- ida de sus respectivas cofonias. En este disco, Bélgica no seria una sini- 2 observacién», sino el eseenatio de un andliss controlado, antes y después de que se concediera la independencia a sus colonias a principios de los aflos sesenta, Muchos de los factores que diferencian a Belgica de Portugal y-de Holanda —y no digamos de los paises que carecen de un pasado colo- nial — se controlarian automiticamente en este disco de series temporales. En realidad, ambas comparaciones —enire paises y entre diversos momen- tos de cada pais— presentan problemas en cuanto a la bomogencidad de las lunidades. Las diversas naciones difieren en muchas formas no eontroladas Yo medidas. que podria ser relevantes para el tema de la imestigacion, y luna nacion que sea observada en diferentes momentos también presenta es- las disparidades. Sin embargo, las diferencias no serin las mismas, Ningu ‘a comparacidn (ya sea en el tiempo 0 en el espacio) constituye, ni mucho ‘menos. un experimento perfectamente controlado, pero si juntamos ambos ee