Mtodos Cuantitativos en Ciencias Sociales

Apuntes de Apoyo a la Docencia

Jaime Fierro

Actualizado al 21.11.12. Registro de Propiedad Intelectual N 226.895.

Presentacin
El presente documento de trabajo tiene por objetivo enfatizar de un modo sencillo, tanto en trminos tericos como aplicados, un conjunto de contenidos en el mbito de la metodologa cuantitativa vinculados a: (i) Diseo de un proyecto de investigacin, (ii) Elementos de muestreo e intervalos de confianza, (iii) Anlisis univariado, bivariado y variables de control, (iv) Anlisis de regresin lineal mltiple (RLM), (v) Anlisis de regresin logstica binaria (RLB), y (vi) Anlisis de componentes principales. A su vez, se incluye un anexo en el que se han seleccionado seis ejemplos aplicados de investigacin utilizando Anlisis bivariado, RLM y RLB; como as tambin la creacin de ndices e integracin de teoras. En su origen, el texto que se presenta constituye un esfuerzo por sistematizar un conjunto de notas que he ido acumulando durante el ejercicio de la docencia, bajo la modalidad de apuntes de clases, en ciertas materias relevantes y recurrentes al momento de disear un proyecto de investigacin y, particularmente, cuando es necesario analizar estadsticamente la informacin recabada. Esto es complementado, mediante la incorporacin de extractos de estudios aplicados, en la seccin de Anexos. La modalidad de exposicin de los contenidos, con sus respectivas ejemplificaciones, ha sido especialmente pensada para estudiantes de las Ciencias Sociales a nivel de postgrado. La heterogeneidad disciplinar que caracteriza la composicin de los programas de Magster y Doctorado, plantea a los acadmicos el desafo de generar, en un tiempo relativamente breve, un estndar mnimo de conocimientos compartidos que les permita avanzar satisfactoriamente en las distintas etapas de sus respectivas tesis de investigacin. Es precisamente ah el lugar en donde se inscribe la presente iniciativa. Agradezco al Departamento de Sociologa, especialmente a Emmanuelle Barozet, Claudio Duarte, Manuel Canales y Ral Atria, la oportunidad de sistematizar y difundir este conjunto de apuntes tendientes a apoyar el aprendizaje de nuestros estudiantes, como as tambin, el inaugurar el primero de un conjunto de textos que seguirn a esta iniciativa. Sin embargo, se debe advertir, mucho de lo que aqu se expone est sujeto a futuras correcciones, actualizaciones y ampliaciones.

Sobre el autor
Jaime Fierro es Socilogo y Magster en Ciencias Sociales de la Universidad de Chile; Ph.D. en Ciencia Poltica de la Universidad de Essex, Inglaterra. Actualmente se encuentra terminando estudios de Doctorado en Filosofa, en rgimen de cotutela doctoral, entre la Universidad de Chile y la Universidad de Valladolid (Espaa). Es acadmico de la Universidad de Chile en FACSO e INAP. En FACSO dicta cursos de metodologa, talleres de tesis y anlisis de datos con SPSS, tanto en el Magster en Ciencias Sociales como en el Doctorado en Ciencias Sociales. Mientras que en el INAP, en el Magster de Ciencia Poltica, imparte cursos de metodologa y teora poltica.

Contenidos
Cap. 1. Sobre el Diseo: Breves otas para Recordar .............................................. 5 1. Proceso de Formulacin del Problema de Investigacin......................................... 5 2. Objetivos del Estudio ............................................................................................ 7 3. Elaboracin del Marco o Perspectiva Terica ........................................................ 8 4. Formulacin de Hiptesis .................................................................................... 10 5. Metodologa ........................................................................................................ 12 Cap. 2. Elementos de Muestreo e Intervalos de Confianza ..................................... 23 1. Diseo de la Muestra ........................................................................................... 23 2. Intervalos de Confianza ....................................................................................... 33 Cap. 3. Anlisis Univariado, Bivariado y Variables de control............................... 34 1. Tipos de variables ............................................................................................... 34 2. Anlisis Univariado ............................................................................................. 37 3. Anlisis Bivariado: Variables Nominales y Ordinales.......................................... 43 4. Introduccin de Variables de Control .................................................................. 50 5. El papel de la Teora y los Modelos de Relaciones .............................................. 56 Cap. 4. Regresin Lineal Mltiple ............................................................................ 58 1. Descripcin de la Tcnica ................................................................................... 58 2. Objetivos............................................................................................................. 60 3. Condiciones de Aplicacin .................................................................................. 60 4. Mtodos de Seleccin de las Variables ................................................................ 62 5. Tratamiento para las Variables Independientes Nominales .................................. 63 6. Evaluando el Modelo .......................................................................................... 64 7. Verificando los Supuestos de Aplicacin de la RLM ........................................... 65 8. Ejecucin en SPSS .............................................................................................. 66 9. Ejemplo Aplicado en SPSS ................................................................................. 67 Cap. 5. Regresin Logstica Binaria ......................................................................... 77 1. Descripcin de la Tcnica ................................................................................... 77 2. Objetivos............................................................................................................. 78 3. Condiciones de Aplicacin .................................................................................. 78 4. Mtodos de Seleccin de las Variables ................................................................ 79 5. Evaluacin del Modelo ........................................................................................ 80 6. Verificando los Supuestos de Aplicacin de la RLB ............................................ 81 7. Ejecucin en SPSS .............................................................................................. 82 8. Ejemplo Aplicado en SPSS ................................................................................. 82 3

Cap. 6. Anlisis Factorial Anlisis de Componentes Principales ......................... 93 1. Descripcin de la Tcnica ................................................................................... 93 2. Objetivos............................................................................................................. 95 3. Condiciones de aplicacin ................................................................................... 96 4. Ejecucin en SPSS .............................................................................................. 96 5. Ejemplo Aplicado en SPSS ................................................................................. 97 Bibliografa.............................................................................................................. 103 A EXOS: EXTRACTOS DE ESTUDIOS ............................................................ 105 Anexo 1. Inscripcin Automtica y Voto Voluntario: Aumentar la Participacin Electoral? [Ej. Anlisis Bivariado] .................................................. 106 Anexo 2. Clase Media en Chile, 1990-2011: Algunas Implicancias Sociales y Polticas ................................................................................................................. 115 Actitudes hacia la democracia [pp. 34-41] - Extracto Ej. RLM ............................. 115 Elecciones presidenciales 2009-2010 [pp. 42-50] - Extracto Ej. RLB .................... 123 La cada en el apoyo al gobierno de Piera [pp. 50-59] - Extracto Ej. RLM ........... 131 Anexo 3. Ciudadana y Democracia en Amrica Latina [Ej. Integracin de Teoras, RLM e ndices] ......................................................................................... 140 4

Cap. 1. Sobre el Diseo: Breves otas para Recordar

Son variados los textos de metodologa que intentan cubrir de maneara amplia y exhaustiva el proceso de investigacin en cada una de sus etapas, por lo que a continuacin simplemente se enfatizar sumariamente, y se ejemplificar toda vez que sea posible, un conjunto de aspectos que se han de tener muy presentes al momento de disear un estudio. Se entender por etapa de diseo, desde la formulacin del problema hasta la metodologa. El resto de las etapas corresponde a la realizacin emprica del estudio. Principales etapas en el proceso de investigacin Formulacin del problema Objetivos Marco o perspectiva terica Hiptesis Metodologa Anlisis e interpretacin de los datos Principales resultados Conclusiones

1. Proceso de Formulacin del Problema de Investigacin

En el proceso de formulacin del problema de una investigacin se consideran un conjunto de procedimientos y pasos a seguir que pueden ser caracterizados brevemente del siguiente modo. 1.1. Determinacin del Tema y su Delimitacin Al momento de escoger un tema y avanzar hacia su delimitacin, tenemos que dar cuenta de lo que se ha denominado coloquialmente como: el estado del arte. Esto implica llevar a cabo una revisin bibliogrfica exhaustiva, tanto de la literatura nacional como internacional, siendo clave el uso de buscadores especializados que permiten acceder a publicaciones indexadas (EBSCO, JSTOR, PROQUEST, entre otros). Durante el proceso se constatarn al menos cuatro situaciones tpicas con grados de dificultad diferenciada: Temas bastante investigados y de fcil sistematizacin. Temas investigados, pero difciles de sistematizar. Temas poco estudiados. Temas no investigados.

1.2. Formulacin del Problema La estructura que es parte del estndar en la formulacin de un problema de investigacin, se articula a partir de cuatro componentes: i) antecedentes, ii) pregunta(s) de investigacin, iii) justificacin, iv) viabilidad. Para avanzar en cada uno de ellos es importante tener en consideracin varios aspectos, segn se ver a continuacin. Antecedentes Contextualizar el problema (temporal, espacial, social, polticamente, etc.). Precisar la unidad de estudio (individual o agregado). Examinar las tendencias, pero particularmente las rupturas, es importante (datos). Dar cuenta de investigaciones anteriores (resultados). Identificar lo potencialmente novedoso. Estructurar la idea. Precisar la perspectiva a utilizar (nfasis disciplinar). Pregunta(s) de investigacin Lo usual es que el problema se plantee bajo la modalidad de una o ms preguntas. Evitar las preguntas demasiado generales, ya que no dejan claro qu es lo que se va a investigar en concreto. Si es correlacional (o explicativa), incluir las variables independientes principales (y omitir las de control). Debe ser susceptible de ser respondida empricamente. Y en el caso de las hiptesis, la posibilidad de su testeo. Tipo de preguntas Exploratorias. Descriptivas. Correlacionales o de diferencias de grupo. Explicativas y/o causales (del tipo de la Regresin Lineal Mltiple). Identificacin de las variables Variable dependiente: el fenmeno a ser explicado (Y) Variables independientes: las variables que explicaran o se encontraran asociadas al fenmeno (X1, X2, X3, Xn) Ejemplos de preguntas Exploratoria: Cul es la percepcin acerca de los atributos personales del candidato X? Descriptiva: Qu porcentaje del electorado apoyar al candidato X en las prximas elecciones presidenciales? Correlacional: Incide el NSE de los electores en la evaluacin del candidato X? Diferencias de grupo: Existen diferencias entre hombres y mujeres en la adhesin al candidato X? Explicativas: Cunto explican las variables socio-demogrficas (sexo, edad, NSE, educacin, religin y zona) y la percepcin de la situacin econmica (tanto del pas como personal) la evaluacin del candidato X?

Justificacin Novedad: contribucin a lo que ya se conoce / originalidad. Es importante realizar una revisin exhaustiva de la literatura de modo de: i) identificar algunas deficiencias o vacos de los otros estudios en trminos de la metodologa empleada; ii) la no inclusin de algunas variables relevantes o de control; iii) la omisin de tpicos relevantes; iv) el tipo de datos utilizados; etc. Relevancia: sta puede ser terica, prctica o metodolgica, no siendo excluyentes entre s. Terica: generar, reformular o ratificar una teora; nuevas preguntas o hiptesis de investigacin. Prctica: contribuir a resolver un problema social especfico; insumos para el diseo o reformulacin de polticas pblicas. Metodolgica: nuevos instrumentos (tipologas o ndices); modalidad de anlisis de los datos (multivariado); mtodos (triangulacin, mtodo comparado); diseo (cuasi-experimentales, experimentales). Viabilidad Son variados los aspectos a tener en consideracin al momento de evaluar la viabilidad de una investigacin, siendo frecuente que se tiendan a subestimar y comprometan en ltima instancia la realizacin del estudio, entre ellos: Recursos financieros (trabajo de campo, transcripciones, adquisicin de base de datos, etc.). Infraestructura bsica, lo cual incluye un lugar apropiado de trabajo y acceso a buscadores especializados. Tiempo real dedicado a la investigacin (muchos conviven con trabajo, familia y estudios). Conocimientos o capacidades especficas referidas a la produccin y anlisis de la informacin (por ejemplo, en SPSS). Aspectos que no dependen del investigador, pero que pueden comprometer el estudio.

2. Objetivos del Estudio

Los objetivos del estudio guardan una relacin estrecha con el carcter de la investigacin (ver punto 5.1) y el tipo de estudio (ver punto 5.2), pero particularmente del modo en cmo ha sido planteado el problema de investigacin. Lo usual es distinguir entre objetivo general y objetivos especficos. General Se ha de tener especial cuidado de asegurar la consistencia con la(s) pregunta(s) de investigacin. Es frecuente incluir el objetivo general en la seccin del problema de investigacin, pero no as en el caso de los objetivos especficos.

Especficos Desarrollarlos en funcin del objetivo general (opera como una suerte de fragmentacin de ste). Incluir objetivos que contemplen las relevancias del estudio, segn corresponda (terica, metodolgica y/o prctica). Ejemplos parciales de enunciados de objetivos Explorar / Conocer / Comprender... (por, ej. en preguntas exploratorias). Describir/Caracterizar /Analizar (por ej. en preguntas descriptivas). Determinar si (por ej. en preguntas correlacionales o de diferencias de grupo). Evaluar / Identificar / Explicar (por ej. en preguntas explicativas o causales). Elaborar (por ej. cuando se considera la construccin de tipologas o ndices). Contribuir a (por ej. en relacin a la relevancia prctica). Generar (por ej. nuevas hiptesis de trabajo, vinculado a la relevancia terica).

3. Elaboracin del Marco o Perspectiva Terica

En qu consiste Es una elaboracin terica o analtica que nos permite una comprensin / explicacin / prediccin del fenmeno bajo estudio [X Y]. Es particularmente relevante cuando trabajamos con una lgica deductiva, a diferencia de la inductiva (ej. grounded theory o teora fundamentada). Entre sus funciones se encuentra Orientar el estudio (conceptualizacin e identificacin de variables relevantes). Formulacin de hiptesis. Interpretacin de los resultados. Etapas del marco terico Revisin de la literatura tanto terica como emprica. Realizar un mapeo, de modo de identificar las teoras pertinentes al problema (disciplinar/interdisciplinar); y sistematizar los principales hallazgos empricos. Distinguir el nivel donde se ubica la teora: micro, macro o multinivel (vase autores tales como Giddens, Bourdier, Habermas, Archer, Ritzer, Alexander y Johnson). Evaluar la pertinencia segn el nivel de anlisis escogido del problema. Identificar y seleccionar la(s) teora(s) de inters.* Sobre la identificacin y seleccin de teoras Identificar las teoras que son pertinentes al problema. Determinar la estrategia seguir: se trabajar con una teora o se integrarn varias teoras o fragmentos de teoras.* Seleccionar la(s) teora(s) o fragmentos con los que se va a trabajar. Establecer con claridad el criterio por el cual se decide trabajar con ella(s) y se descartan las otras. Elaborar el ndice tentativo del captulo del marco o perspectiva terica. Identificar y desarrollar los aspectos a incluir de la(s) teora(s).

Sobre la integracin de teoras o fragmentos de teoras Opcin 1: se trabaja con varias perspectivas en paralelo de modo de determinar cul es mejor en funcin de los resultados empricos. La integracin se produce al final. Opcin 2: se integran desde el comienzo las distintas teoras, para diferentes aspectos del problema. Opcin 3: se integran solamente ciertos fragmentos de las teoras con el objeto de desarrollar una perspectiva propia.

Ejemplos de integracin de teoras Opcin 1: se intenta explicar la intencin de voto, para ello se puede trabajar al menos con dos enfoques: Escuela de Columbia: enfatiza variables como Clase Social (o NSE), a partir de la educacin, ingresos y ocupacin. Escuela de Michigan: enfatiza variables como la identificacin partidaria, evaluacin de la situacin econmica y la imagen de los candidatos. A partir de la elaboracin de un modelo predictivo, que incorpora todas las variables identificadas por ambos enfoques, se procede a testearlo empricamente. En funcin de los resultados obtenidos, se decide reformular el modelo de modo de trabajar nicamente con las variables estadsticamente significativas o bien las ms relevantes. Opcin 2: se intenta describir los niveles de ciudadana en Chile. Para ello se integran distintas teoras: Liberalismo (derechos) Comunitarismo (responsabilidades) Republicanismo (participacin poltica) Nacionalismo y multiculturalismo (identidad) El resultado es la configuracin y articulacin un concepto de ciudadana a partir de tres dimensiones: i) derechos y responsabilidades; ii) participacin poltca; y iii) sentido de pertenencia. Vase paper Ciudadana y Democracia en Amrica Latina (Anexo 3). Opcin 3: el procedimiento es anlogo al indicado en la opcin 2.

Algunas consideraciones Sin una adecuada teora es difcil filtrar y ordenas las casi ilimitadas observaciones que se pueden realizar en cualquier mbito de la realidad. La teora debe dar origen a un modelo parsimonioso en la explicacin del fenmeno. Y ha de poner algo de orden respecto de todas las explicaciones posibles. Se seleccionan algunas de ellas. Las teoras tienen que ser susceptibles de verificarse a travs de hiptesis; y admitir la posibilidad de ser incorrecta o falsa (Popper). La teora requiere de conceptos claros y precisos. Dichos conceptos han de ser operacionalizados (referente emprico), identificando las dimensiones (o variables) e indicadores, de modo de permitir la construccin de ndices (ej. IDH; Freedom House).

Finalmente, una buena teora debe tener una capacidad descriptiva (definir el fenmeno y sus caractersticas), explicativa (causa) y predictiva (anticipar).

4. Formulacin de Hiptesis
Qu es una hiptesis Una hiptesis es una respuesta tentativa a una pregunta o problema de investigacin, la que ha de ser susceptible de testear empricamente. Identificacin de las variables Variable dependiente: el fenmeno a ser explicado (Y). Variable(s) independiente(s): las variables que explicaran o se encontraran asociadas al fenmeno (X1, X2, X3, Xn). Luego de identificadas las variables, se procede a establecer la(s) hiptesis, reguardando la coherencia con la pregunta de investigacin. Tipos de hiptesis Hiptesis descriptivas. Hiptesis correlacionales o de diferencias de grupo. Hiptesis explicativas (y/o causales).

Ejemplos de hiptesis Descriptiva: El candidato X obtendr entre un 20 a 25% de los votos en la primera vuelta presidencial. Correlacional: A medida que aumenta el NSE de los electores, se incrementa el apoyo al candidato X. De diferencia de grupos: Las mujeres tienden a adherir ms al candidato X que los hombres. Explicativa: Las variables socio-demogrficas (sexo, edad, NSE, educacin, religin y zona) y la percepcin de la situacin econmica (tanto del pas como personal) explican sobre el 20% la evaluacin del candidato X.

10

Algunas consideraciones A medida que avanza el estudio, el investigador puede verse tentado a adecuar sus hiptesis a la evidencia emprica. Sin embargo, hay que resguardar la honestidad intelectual y ser cuidadosos en mantener coherencia con la teora. Por otra parte, es muy relevante conocer tambin aquellas investigaciones que refutan hallazgos realizadas por otros.

Modelo de relaciones entre variables Identificar las variables independientes (posibles causas) asociadas al fenmeno Las variables independientes son aquellas variables que se encontraran asociadas y/o explicaran el fenmeno (variable dependiente). Muchas son las variables independientes que pueden estar asociadas a un problema determinado, pero solamente un grupo reducido de ellas lo est de un modo causal. No toda asociacin o correlacin entre las variables independientes y el problema constituye una relacin causa-efecto. A su vez, siempre es posible identificar la accin de terceras variables que pudieran estar condicionando o interviniendo en la relacin entre las variables independientes y la variable dependiente, por lo que se habr de descartar relaciones espurias al momento de testear las hiptesis. Elaboracin del modelo Una vez identificadas las posibles causas que explicaran el fenmeno, es necesario establecer un modelo que exprese dicha relacin. Un modelo es una representacin simplificada de la realidad, el cual usualmente se expresa a travs de un esquema grfico/conceptual que ilustra las relaciones que se estableceran entre la variable dependiente (fenmeno) y las variables independientes (las que causaran el problema).1 Por ejemplo, una relacin muy simple sera: X Y, en donde X es la variable independiente (causal) e Y la variable dependiente (fenmeno). Entre ms sean las variables independientes, mayor ser la complejidad que se introduce al modelo. Cada variable independiente estar relacionada con el problema. Y, a su vez, entre las variables independientes tambin se darn relaciones que habr que explicitar. La elaboracin del modelo debe permitir tanto representar de un modo sencillo las relaciones causales entre las variables independientes y el problema a abordar. Testeando el modelo Si las variables identificadas como causales no son las adecuadas, o las relaciones establecidas en el modelo no son las pertinentes, las hiptesis muy probablemente fallarn. Se debe evitar asumir, por lo tanto, un modelo de relaciones entre las variables independientes (causales) y el fenmeno sin la debida articulacin terica y la evidencia emprica mnima que permita determinar e interpretar tales relaciones. Es altamente recomendable y necesario realizar un anlisis estadstico multivariado, toda vez que se disponga de la informacin necesaria para testear el modelo, y determinar el impacto probable de cada variable independiente sobre el fenmeno (o dimensin del fenmeno) en cuestin (a travs, por ejemplo, de la tcnica de regresin lineal mltiple).2

11

Tambin se pueden establecer modelos matemticos ms complejos, a partir de funciones y/o ecuaciones. 2 Un modelo de regresin lineal mltiple permite responder al menos tres tipos de preguntas: i) Cunto explican el conjunto de variables independientes a la variable dependiente (problema); ii) Cules son las variables independientes que mayor impacto tienen sobre la variable dependiente? y; iii) Cunto explica una variable independiente la variable dependiente, controlando por el efecto del resto de las variables independientes?

Ejemplo simplificado de un modelo de relaciones entre variables Edad (+) Evaluacin del gobierno NSE (+) Escolaridad (-) Percepcin de la situacin econmica del pas (+)

5. Metodologa
Se abordarn sumariamente los siguientes aspectos: 5.1. Carcter de la Investigacin; 5.2. Tipos de Estudios; 5.3. Tipos de Diseos de Investigacin; 5.4. Diseo de la Muestra; 5.5. Definicin Conceptual y Operacional; 5.6. Tcnicas de Produccin de la Informacin; 5.7. Construccin de ndices; y, 5.8. Tcnicas de Anlisis de la Informacin. 5.1. Carcter de la Investigacin Si bien en el presente captulo se hace un nfasis en la metodologa cuantitativa, es conveniente tener en consideracin el enfoque cualitativo, principalmente porque el desarrollo actual de las investigaciones en ciencias sociales tiende a potenciar cada vez ms los diseos de investigacin mixta. El enfoque cuantitativo Trabaja con informacin expresada numricamente. El problema de investigacin est bastante acotado y estructurado. Se establecen hiptesis previamente al anlisis de los datos. Los datos se analizan estadsticamente: univariado, bivariado y multivariado. Permite la elaboracin y demostracin de teoras a partir del testeo de hiptesis. Predomina la lgica deductiva. Permite generalizaciones (inferencia estadstica). El enfoque cualitativo Se trabaja con informacin expresada cualitativamente (texto, imagen, etc). El problema de investigacin es menos acotado y estructurado. Generalmente no se establecen hiptesis previas, sino en la medida en que se analizan los datos. Se realiza un anlisis de contenido o de discurso. Permite la generacin de teoras (teora fundamentada). Predomina una lgica inductiva. Los resultados no son generalizables. 12

Enfoque mixto Se trabaja con informacin tanto cualitativa como cuantitativa, permitiendo i) el control de la calidad (convergencia) y ii) la complementariedad (enriquecimiento). Aspectos a considerar Secuencia: 1. Puede ser secuencial, una primera fase cualitativa seguida de una cuantitativa (o bien a la inversa). La secuencia cualitativa cuantitativa es recomendable cuando se desea explorar variables, construir instrumentos cuantitativos y complementar con datos cualitativos. La secuencia cuantitativa cualitativa, en tanto, se recomienda cuando aparecen resultados inesperados en la fase cuantitativa, y cuando se intenta analizar y explicar las relaciones entre las variables (fenmenos). Tiene la dificultad de requerir ms tiempo de trabajo de campo. 2. Puede tambin ser simultnea, es decir, ambas fases al mismo tiempo. Su dificultad estriba en que el trabajo de campo se hace ms exigente. Prioridad: igual peso / nfasis ms cualitativo / nfasis ms cuantitativo. Integracin: se complementan sin convergencia (se enfatizan distintos aspectos) / se complementan con convergencia (se enfatizan los mismos aspectos). Algunos desafos Acumulacin de datos con poco anlisis exhaustivo. Dificultad para organizar el anlisis y qu es lo que tiende a predominar cuando hay que resolver diferencias entre los datos de ambos enfoques. Se requiere de una slida formacin en ambas metodologas. Usualmente los investigadores se encuentran desigualmente formados (habituados a ciertos modos de investigar). Mayor nivel de complejidad. Control de sesgos (debilidades de ambos). Altos costos financieros y de tiempo. 5.2. Tipos de Estudios Los diferentes tipos de estudios suelen clasificarse en exploratorios, descriptivos, correlacionales y explicativos (y/o causales), pero no son excluyentes, ya que al momento de disear un proyecto de investigacin bien pueden integrarse los distintos niveles atendiendo al tipo de preguntas de investigacin que se hayan formulado. Estudios exploratorios Examinan temas poco estudiados (incide tambin el contexto en el que se realizan) Son ms flexibles, amplios y dispersos. Sirven para familiarizarse con el fenmeno. Identificar tendencias. Identificar posibles relaciones entre variables. Estudios descriptivos Describen cmo es y cmo se manifiesta el fenmeno. Miden conceptos o recolectan informacin sobre ellos. De ah que se debe tener claridad respecto de lo que se va a medir. Suelen medir atributos del fenmeno, pero no se los relaciona con otras variables.

13

Estn abiertos a la posibilidad de recabar informacin sobre nuevos tpicos o situaciones. Estudios correlacionales Evalan la relacin entre dos o ms fenmenos o variables. Tales relaciones se expresan en hiptesis que son testeadas. Permiten determinar cmo se comporta una variable, conocido el valor de las otras variables (independientes). Aportan cierta informacin explicativa. Estudios explicativos (y/o causales) Orientados a determinar las causas de los fenmenos. Buscan explicar por qu ocurre un fenmeno, bajo qu condiciones se da y su vinculacin con otras variables. Son investigaciones ms estructuradas (lgica deductiva peso del marco terico y de la evidencia previa). La correlacin/asociacin entre dos variables es condicin necesaria pero no suficiente de causalidad. Se ha de controlar (descartar) el efecto de otras variables; temporalidad (causaefecto); teora (interpretacin). 5.3. Tipos de Diseos de Investigacin Qu es un diseo de investigacin Consiste en la estrategia a utilizar para obtener la informacin y, a su vez, precisar el grado de manipulacin de las variables. Se encuentra en estrecha relacin con el problema, recursos y tiempo. En particular, hay que tener presente si el estudio es de carcter exploratorio, descriptivo, correlacional o explicativo. Diseos experimentales Se manipula (en dos o ms grados / modalidades) la variable independiente (VI) para observar sus efectos en la variable dependiente en una situacin de control. Los grupos que se conforman son asignados de modo aleatorio. Si en los grupos todo es igual, excepto el grado de manipulacin de la VI, las diferencias entre los grupos se deben al efecto de la VI. Ejemplo: i) Frmaco (en dos grados: aplica/no aplica); / ii) Programa violento (en varios grados: grado de exposicin a las escenas violentas) / Mtodos de enseanza (modalidad: distintos tipos de formas de trabajo). La validez interna (control) se logra mediante la equivalencia inicial (azar), pero hay que asegurar la equivalencia durante todo el tiempo del experimento (excepto en la VI). Algunos tipos de diseo comunes son: post prueba y grupo control; y pre y post prueba y grupo de control. 14

Diseos cuasi-experimentales Su lgica es similar a la de los diseos experimentales, salvo que: Los sujetos no pueden ser asignados al azar. Se trabaja con grupos naturales. No es tan claro el grado de equivalencia inicial de los grupos. Tienen incidencia terceras variables, ya que no es posible controlarlas. Poseen un menor grado de validez interna que los diseos experimentales. Diseos no-experimentales No es posible manipular deliberadamente la(s) variable(s) independiente(s). Los fenmenos se estudian en su ambiente natural (situaciones existentes) y luego se analizan. No es posible realizar una manipulacin de las variables, por lo cual se realiza un control estadstico. Los fenmenos ya ocurrieron al igual que sus efectos. Suelen tener menor validez interna, pero mayor validez externa en la medida que las muestras son estadsticamente representativas. Los diseos experimentales tambin se denominan estudios ex post facto y se suelen clasificar en: i) diseos transeccionales y ii) diseos Longitudinales. Mtodo comparado Es frecuente en los estudios de poltica comparada en los que se analizan simultneamente muchos o algunos pases. A su vez, al comparar pocos pases, hay que distinguir entre dos modalidades: comparacin de sistemas similares y comparacin de sistemas diferentes. Comparando muchos pases Usualmente en torno a los 50 casos y ms. Aunque hay algunos estudios cualitativos, los que priman son ms bien de carcter cuantitativo. Se requiere de un alto nivel de abstraccin al especificar los conceptos para poder incluir al mximo de pases. Tiene la ventaja de permitir el control estadstico, hacer fuertes inferencias, y la identificacin outliers. Ejemplo: en el estudio de Helliweell (125 pases) existira una correlacin positiva entre ingreso per cpita y democracia. Algunas dificultades: i) la disponibilidad de datos; ii) la validez de las medidas (instrumentos); y las habilidades matemticas y manejo computacional para analizar los datos. Comparando pocos pases Usualmente en torno a los 20 casos. El control se logra escogiendo cuidadosamente los pases. Existe un nivel intermedio de abstraccin; y son ms intensivos que extensivos. Se centra en las similitudes y diferencias entre los pases antes que la relacin analtica entre las variables. Se requiere del idioma y trabajo de campo.

15

Existen dos tipos de diseos: comparacin de sistemas similares y comparacin de sistemas diferentes. Comparacin de sistemas similares Compara sistemas polticos que comparten un conjunto de caractersticas comunes en un esfuerzo por neutralizar algunas diferencias y destacar otras. Busca identificar los aspectos claves que son diferentes entre pases similares y que seran relevantes para explicar un determinado resultado. Es especialmente recomendable para quienes trabajan en estudios de reas (ej. Amrica Latina), ya que estn geogrficamente cercas y comparten una serie de caractersticas (lengua, historia, cultura, etc.). Comparacin de sistemas diferentes Compara pases que no comparten ninguna caracterstica comn aparte del resultado poltico a ser explicado y uno o dos factores explicativos considerados como relevantes. Busca identificar aquellas caractersticas que son iguales entre diferentes pases en un esfuerzo por explicar un determinado resultado. Algunos autores utilizan ambos diseos en sus investigaciones. Algunas consideraciones: la seleccin sesgada Constituye un error seleccionar solamente aquellos pases que confirman la teora. No suele afectar a los estudios en los que se consideran muchos casos, pero s a los que se consideran pocos y particularmente cuando se estudia un solo caso. Tiene un fuerte efecto sobre las inferencias que se pueden establecer. Usualmente se seleccionan los pases en funcin de la variable dependiente que confirma lo que se busca. Algunas soluciones: i) seleccionar una VD que vare; ii) seleccionar casos en los que se tenga buen conocimiento; iii) seleccionar casos en funcin de la teora; iv) seleccionar tambin los casos menos probables.

16

Ejemplo de mtodos de comparacin entre pases Comparacin de sistemas similares Pas 1 Pas 2 a a Caractersticas b b c c X X Factor explicativo clave Y Y Resultado a ser explicado

Pas N a b c No X No Y

Comparacin de sistemas diferentes Pas 1 Pas 2 a d Caractersticas b e c f X X Factor explicativo clave Y Y Resultado a ser explicado

Pas N g h i X Y

5.4. Diseo de la Muestra Los aspectos relativos al diseo de la muestra son abordados en el Captulo 2 del presente apunte, dado la necesidad de profundizar en los siguientes puntos: 1. Diseo de la muestra Universo, marco muestral y muestra Tipos de muestreo Determinacin del tamao de la muestra 2. Intervalos de confianza 17

5.5. Definicin Conceptual y Operacional Una vez identificadas y delimitadas las variables, se procede a la definicin conceptual de stas, para luego, particularmente cuando se trabaja con conceptos complejos, realizar un proceso de operacionalizacin a partir de dimensiones e indicadores. La definicin tanto conceptual como operacional de las variables es algo absolutamente necesario. De ese modo nos aseguramos de arribar a una definicin consensuada y que todos entiendan lo mismo cuando nos refiramos al problema. Se ha de evitar aqu las definiciones demasiado vagas o genricas, cuya dificultad consiste en que se den mltiples interpretaciones de lo que se ha de entender por cada una de ellas. Por otra parte, entre ms vaga o general sea la definicin las variables, mayores sern las dificultades para su operacionalizacin. Y sin una adecuada operacionalizacin, el

intento de medirlas tendr serias limitaciones, afectando la validez del instrumento ndice que se disee o considere. El papel de la teora Al momento de definir un concepto debemos tener muy claro que dicha definicin no es independiente de la teora con que trabajemos. Suele haber ms de una definicin. En los estudios cuantitativos se enfatiza la lgica deductiva, por lo que la teora juega un papel central al momento de definir y explicar un fenmeno. Una buena teora trabaja con conceptos claros y precisos, lo que es determinante para su apropiada medicin emprica. Definicin conceptual La definicin conceptual hace referencia a cmo se va a definir el concepto en cuestin (fenmeno o variable), de acuerdo a una determinada perspectiva tericoconceptual. Esto requiere de una breve revisin de los principales enfoques tericoconceptuales respecto del problema a abordar y optar por una definicin. A su vez, se deben evitar las definiciones demasiado generales, como se mencion anteriormente, pero tambin se debe evitar el dar una definicin demasiado especfica que corra el riesgo de omitir alguna dimensin relevante del concepto. Dicho ejercicio conceptual y analtico representa un importante nivel de complejidad. La gran mayora de las veces existen profundos desacuerdos acerca de cmo habrn de entenderse y definirse muchos de los conceptos que son centrales para dar cuenta de las distintas problemticas en la sociedad. Por otra parte, diferentes definiciones del concepto pueden dar origen a distintos resultados empricos en el marco de una investigacin. La operacionalizacin Para su medicin emprica, los conceptos han de ser operacionalizados, identificando sus dimensiones e indicadores (si este fuera el caso). Luego, cada uno de los indicadores ha de ser medido, por ejemplo, a partir de una pregunta en un cuestionario. Al trabajar con conceptos complejos (multidimensionales) se hace necesario construir ndices (ej. IDH). Finalmente, debemos chequear si la operacionalizacin del concepto satisface el criterio de validez y el de fiabilidad.

18

5.6. Tcnicas de Produccin de la Informacin Investigaciones mediante encuesta Se aplica el mismo instrumento a todos los entrevistados: las mismas preguntas en el mismo orden. Esto asegura un mayor grado de control sobre lo que se pregunta, razn por la que se le denomina entrevista estructurada estandarizada. La estandarizacin en el levantamiento de la informacin contribuye a la fiabilidad del instrumento. Reduce el error entrevistador/entrevistado. Y, a su vez, se utilizan muestras estadsticamente representativas.

Por otra parte, se pueden abordar aspectos tanto subjetivos (opinin, actitudes, valores) como objetivos (conocimiento, hechos). Es posible analizar estadsticamente las relaciones entre las variables, introduciendo el control estadstico (una vez construida la base de datos de la encuesta). La informacin levantada, permite la posibilidad de generar modelos explicativos multivariados (mediante tcnicas tales como la RLM y la RLB). Tipos de encuesta Cara-cara Correo/web/e-mail Telefnica Formulacin de preguntas Referidas a: i) hechos/conductas; ii) conocimientos; iii) actitudes; y, iv. percepciones u opiniones. Tipos preguntas: abiertas, cerradas simples (exhaustiva y mutuamente excluyente) y cerradas mltiples (ms de una alternativa). Enunciado: i) debe utilizarse un lenguaje claro y compartido (incluir definiciones si es necesario); ii) las preguntas deben tener cierta relevancia y los entrevistados han de contar con algunos niveles de informacin (de lo contrario informar); iii) se ha de privilegiar una idea nica; y, iv) evitar tanto la deseabilidad social como la sobrecarga emocional. Tipos de escalas Escalas likert Afirmaciones a las cuales se debe indicar el grado de acuerdo (por lo general, con 5 opciones de respuesta). La opcin central neutral (ni de acuerdo/ni en desacuerdo) a veces se omite con la finalidad de forzar al entrevistado a elegir hacia uno de los dos polos de la pregunta. Ej: Indique su grado de acuerdo con el aborto teraputico / la legalizacin de la marihuana, las tareas domsticas compartidas, etc. Escalas de distancia social Distancia o cercana que una persona desea mantener respecto de un grupo social en distintos niveles (entre 6 a 7 preguntas) Los niveles van desde de menor a mayor proximidad. Ej. Pas / comuna / vecinos / trabajo / colegio / familia. Se aplica a grupos sociales especficos: ej. Homosexuales, inmigrantes, minoras tnicas, etc. Escalas de diferenciales semnticos Miden el significado emocional que evocan ciertos conceptos / Adjetivos polares (5 a 7 pares) / Nivel educacional Ej: Poltica chilena Aburrida 1 2 3 4 5 6 7 Entretenida Irrelevante 1 2 3 4 5 6 7 Relevante Sucia 1 2 3 4 5 6 7 Limpia Desordenada 1 2 3 4 5 6 7 Ordenada Al servicio de unos pocos 1 2 3 4 5 6 7 Al servicio de todos 19

Etapas de la encuesta Las etapas a considerar varan segn los autores. Aqu se consideraran las siguientes: Objeto de estudio: problema / pregunta(s). Objetivos de la investigacin. Variabilizar: definicin nominal y operacionalizacin. Instrumento de medida: construccin del cuestionario. Muestra: poblacin, marco muestral, tipo de muestreo, clculo de la muestra (error, nivel de confianza). Seleccin de los encuestadores. Adiestramiento encuestadores: instrumento, situaciones problemticas, estrategia de seleccin de los casos. Trabajo de campo: fechas, coordinadores, supervisin y control de las entrevistas. Encuesta piloto: fiabilidad y validez, organizacin, tiempo. Codificacin y digitacin. Depuracin de la base de datos. Tratamiento de no respuesta (NS / NC). Ponderacin de la base de datos y evaluacin. Anlisis de la informacin: univariado, bivariado y multivariado. Elaboracin del informe: se debe incluir junto con los principales resultados, las conclusiones del estudio. 5.7. Construccin de ndices Qu es un ndice Un ndice corresponde a una medida obtenida por la agrupacin de varios indicadores con el objeto de medir un concepto (o dimensin). Los indicadores son los que aportan los datos que permiten calcular el ndice mediante una frmula. Dicha frmula matemtica permite sintetizar los distintos valores de las dimensiones e indicadores en una sola puntuacin. Proceso de operacionalizacin de un ndice La definicin conceptual del fenmeno debe permitir identificar con claridad las diferentes dimensiones que lo componen. Los conceptos y sus conceptualizaciones son, por regla general, multidimensionales. Es muy difcil reducir un concepto, usualmente complejo, a una sola dimensin. Las dimensiones de un concepto (fenmeno o variable) son los distintos aspectos que lo componen y son derivadas analticamente a partir de su definicin conceptual. A su vez, dado que muchos de los fenmenos no son directamente observables, se hace necesario determinar el conjunto de indicadores que nos permitan dar cuenta de l en cada una de sus dimensiones. Un indicador es la medida estadstica de una dimensin o parte de la dimensin del concepto. En algunos casos se suele calcular un ndice por dimensin del concepto y luego un ndice general (IG). El ndice general resume todos los indicadores de las dimensiones del concepto, constituyndose como la expresin numrica del concepto medido. 20

En la determinacin de la frmula se pueden utilizar distintas operaciones entre los indiciadores (sumas, promedios, multiplicaciones, etc.). A su vez, tanto las dimensiones como los indicadores pueden tener la misma o diferente ponderacin. El proceso de operacionalizacin a partir de la definicin del concepto (fenmeno o variable), sus dimensiones, indicadores y, finalmente, el ndice, puede ser representado esquemticamente como sigue:

Ejemplo del proceso de operacionalizacin y construccin de un ndice

Concepto Dimensiones
D1

Indicadores
ndices i1 i2 i3 i4 i5 i6 i7

I1 I2 I3 In IG

Fenmeno (definicin conceptual)

D2 D3

Dn

in El ndice general (IG) podra ser calculado, por ejemplo, a partir de la siguiente frmula : IG = (I1 + I2 + I3 + In) / n (*) Para un caso prctico, vase paper Ciudadana y Democracia en Amrica Latina en Anexo 3. 21

Riesgos a evitar La seleccin equivocada de las dimensiones e indicadores. Una inadecuada ponderacin de las dimensiones e indicadores. Evitar las variables medidas en distintas unidades, de lo contrario se recodifican o se estandarizan. Criterios de calidad En el proceso de construccin de un ndice se debe garantizar que ste cumpla con dos criterios de calidad: validez y fiabilidad. La validez se refiere a que el instrumento mida efectivamente el concepto que intenta medir y no otra cosa. La fiabilidad, por su parte, hace referencia a que las mediciones sean estables (idealmente iguales) en trminos de sus resultados si el instrumento se aplica en dos oportunidades al mismo objeto de estudio. Un ndice debe ser confiable para que pueda ser vlido, pero no necesariamente la confiablidad por s misma garantiza la validez.

Para chequear la validez de un instrumento Se pueden utilizar distintas tcnicas: anlisis de convergencia, anlisis de divergencia, anlisis de discriminacin, anlisis de jueces, anlisis terico (de constructo), anlisis de contenido (validez aparente o anlisis lgico), y anlisis de componentes principales. Para chequear la fiabilidad de un instrumento Entre las tcnicas disponibles se encuentran: anlisis de contenido (validez aparente o anlisis lgico), repeticin de la prueba (memoria - eventos), diseo de formas paralelas (diferencia entre formas) y consistencia interna (es la ms usada). En general, se espera correlaciones superiores a 0,8. 5.8. Tcnicas de Anlisis de la Informacin Son varios los criterios utilizados para la clasificacin de las distintas tcnicas de anlisis estadstico, entre ellos, destaca el que toma como referencia al nmero de variables consideradas: univariado, bivariado y multivado. Anlisis univariado Se incluyen aqu las medidas de tendencia central (media, mediana y moda), de posicin (percentiles, cuartiles, quintiles) de dispersin (varianza y desviacin estndar) y tablas de frecuencias. (*) Para mayores detalles, vase Cap. 3 del presente documento. Anlisis bivariado Es comn trabajar con tablas de contingencia y medidas de asociacin entre dos variables, tales como Chi-Cuadrado de Pearson, V de Cramer, R de Spearman, R de Pearson, entre otros. (*) Para mayores detalles, vase Cap. 3; y el Anexo 1 para un estudio de caso aplicado. Anlisis multivariado Lo ms frecuente es distinguir entre ttcnicas de carcter predictivo, tales como la Regresin Lineal Mltiple (RLM) y la Regresin Logstica Binaria (RLB); y Tcnicas de carcter reductivo, tales como el Anlisis de Componentes Principales (ACP) y el Anlisis de Cluster. (*) Para mayores detalles de la RLM vase Cap. 4; para la RLB, el Cap. 5; y para el ACP, el Cap. 6. Para examinar estudios de caso aplicados, vase Anexo 2 y Anexo 3.

22

Cap. 2. Elementos de Muestreo e Intervalos de Confianza

1. Diseo de la Muestra
1.1. Estadstica Descriptiva versus Estadstica Inferencial En estadstica se suele hacer referencia a la distincin entre estadstica descriptiva y estadstica inferencial, constituyendo esta ltima la base para el diseo de muestras estadsticamente representativas. La estadstica inferencial se encuentra en estrecha relacin con la Teora de la Decisin (prueba de hiptesis) y la Teora de la Estimacin (generalizacin de los resultados). A diferencia de la estadstica descriptiva, en la estadstica inferencial s es posible generalizar los resultados desde la muestra hacia el universo de referencia, dentro de ciertos mrgenes de error. Para que ello pueda ser llevado a cabo, las muestras deben ser estadsticamente representativas. Es decir, la muestra debe ser determinada mediante un procedimiento probabilstico que garantice a todos los individuos/observaciones del universo (o del marco muestral) la misma probabilidad de ser elegidos (seleccin aleatoria). Una muestra es considerada como estadsticamente representativa en la medida que i) el procedimiento de seleccin de los casos ha sido realizado de modo aleatorio y, a su vez, ii) los parmetros de las variables en la muestra (medias, frecuencias o proporciones) son anlogos a los del universo de referencia. Para garantizar lo primero necesitamos profundizar un poco ms sobre los diferentes tipos de muestreo existentes (ver a continuacin punto 1.3). Lo segundo, en tanto, requiere ms bien de la utilizacin de ciertas variables marcadoras, usualmente socio-demogrficas, provenientes de estadsticas del CENSO (por ejemplo: sexo, edad y educacin de la poblacin). Cuando se constatan diferencias entre los parmetros de la muestra y los del universo de referencia (en trminos de las variables marcadoras), lo que corresponde llevar a cabo es un proceso de ponderacin, de modo de evitar ya sea la sub-representacin o la sobrerepresentacin de ciertas categoras o grupos sociales. Por otra parte, dentro del anlisis estadstico de datos se hace alusin al anlisis descriptivo en trminos de medidas de tendencia central (media, mediana y moda), de posicin (cuartiles, quintiles, deciles, percentiles), de dispersin (desviacin estndar, varianza) y tablas de frecuencias. No obstante, el anlisis estadstico descriptivo puede llevarse a cabo tanto en muestras que son estadsticamente representativas como en aquellas que no lo son. Simplemente corresponde a una modalidad de analizar los datos, generalmente de modo univariado (y bivariado cuando se realizan tablas de contingencia).

23

1.2. Universo, Marco Muestral y Muestra El universo de referencia (poblacin) corresponde al total de elementos a partir del que se levanta la informacin. La muestra, por su parte, constituye una seleccin aleatoria de casos con el fin de caracterizar el conjunto de la poblacin (inferencia estadstica).

Para extraer la muestra es necesario determinar un marco muestral (registro electrnico o en papel), el que no siempre existe o se ajusta adecuadamente al universo de referencia. Cuando las diferencias entre el marco muestral y el universo son importantes, se sugiere redefinir el universo de referencia. Y en el caso de no disponer de un marco muestral, simplemente no es posible extraer una muestra estadsticamente significativa. En dicho proceso es necesario determinar la unidad de muestreo, la cual corresponde al elemento o conjunto de elementos que se seleccionan en cada etapa del muestreo (por ejemplo: comunas, manzanas y viviendas). En el diseo de una etapa coincide la unidad de muestreo con el elemento. Sin embargo, lo usual es que exista ms de una etapa (muestreos polietpicos) y, por ende, estos coincidirn nicamente en la etapa final (la unidad de muestreo con el elemento). Por otra parte, se debe insistir en el hecho de que existen potencialmente tantos universos de referencia como unidades de anlisis sean definidas. En otras palabras, a cada unidad de anlisis se encuentra asociado un universo distinto. A su vez, si bien el universo contiene a la unidad de anlisis (unidad de estudio), la unidad de anlisis no siempre se corresponde con la unidad de observacin (unidad de informacin). Este sera el caso, por ejemplo, cuando un investigador est interesado en conocer acerca de ciertas dinmicas o procesos que se dan al interior de la familia o de los partidos polticos. Tanto la familia como los partidos polticos corresponden ciertamente a la unidad anlisis o de estudio, pero no se aplica una entrevista o una encuesta a una familia o a un partido. Lo hacemos respecto de los individuos, ya sean stos miembros de una familia o miembros del partido. Son ellos los que nos estregarn informacin relevante respecto de la familia y del partido, respectivamente. Es decir, constituyen las unidades de observacin o las unidades de informacin. 1.3. Tipos de Muestreo 1.3.1. Muestreos probabilsticos En un muestreo probabilstico se intenta inferir desde la muestra hacia el universo de referencia (o poblacin), basndose en la Teora de Estimacin. Todos los elementos tienen una probabilidad conocida de ser elegidos, la que vara entre 0 y 1. Si los elementos son seleccionados sobre la base de una misma probabilidad de ser elegidos, entonces tenemos una muestra auto-ponderada. En cambio, si el investigador decide a priori, por ejemplo, seleccionar ms individuos con determinadas caractersticas de los que hubiesen sido inicialmente seleccionados, de acuerdo con su distribucin de probabilidad en la poblacin (proporcin), con el objeto de sobre-representar un grupo o una categora social, en tal caso, dicha muestra necesitar ser posteriormente ponderada. Igual situacin ocurrira cuando de un modo no intencional, en las llamadas variables marcadoras, se producen diferencias en la distribucin de las variables respecto del universo de referencia (habra que ponderar la base de datos).

24

Muestreo aleatorio simple (MAS) MAS sin salto sistemtico: los elementos son seleccionados directamente de modo aleatorio (al azar) a partir de un registro del universo de referencia (marco muestral) que es usualmente electrnico. La unidad de muestreo se corresponde con la unidad de observacin. Cada elemento en el muestreo ha de tener la misma probabilidad de ser seleccionado. Lo que implica tener que realizar un muestreo con reemplazo, para lo que se vuelve a introducir cada elemento que ha sido seleccionado. Puesto que dicho procedimiento resulta algo engorroso, generalmente no se realiza. A su vez, dado que el universo de referencia es generalmente grande en relacin a la muestra, las diferencias entre las probabilidades con y sin reemplazo son usualmente marginales. Entre las ventajas del MAS se encuentran: i) su sencillez tanto en el clculo de la muestra como en la seleccin de los elementos; y, ii) el hecho de que es autoponderado. Entre sus desventajas se puede sealar que: i) requiere de un marco muestral debidamente actualizado y sin errores (cosa que pocas veces ocurre); y, ii) en poblaciones grandes genera muestras muy dispersas geogrficamente, incrementando de modo significativo los costos del estudio. MAS con salto sistemtico: a diferencia del anterior, los elementos son seleccionados a partir de una fraccin muestral (que es igual a: N/n) y de un punto de arranque (que corresponde a un nmero sorteado al azar entre 0 y la fraccin muestral). Luego de seleccionado el primer caso, a partir del punto de arranque, se selecciona el segundo caso simplemente sumando al punto de arranque la fraccin muestral, y as sucesivamente (salto sistemtico). Generalmente se utiliza cuando no se posee un registro electrnico del marco muestral (listado) y se debe trabajar, por tanto, sobre algn otro tipo de registro. Previo a la seleccin de los casos, es necesario chequear si la forma en la que est organizada la informacin favorece la sobre-representacin o subrepresentacin de determinados segmentos en la muestra (por ej. si estn ordenados alfabticamente o por otro tipo de caractersticas). La mayor ventaja que tiene el MAS con salto sistemtico (respecto del MAS), es que no se requiere de un marco muestral (listado), ya que se puede trabajar directamente con el registro fsico de la informacin en fichas, carpetas, etc. Su mayor desventaja estriba en la lentitud del proceso de seleccin, debido a que se necesita del recuento constante de las unidades de la poblacin. Muestreo estratificado (ME) Un estrato corresponde a un subconjunto de elementos de la muestra (n), cuya caracterstica fundamental es un cierto grado de homogeneidad respecto de la variable de estratificacin. Es decir, la varianza al interior de cada estrato debiera ser menor que la varianza entre los estratos. Es importante tener presente las caractersticas de la variable de estratificacin porque de ella dependen los estratos que se generen. As, por ejemplo, dentro de una Universidad podemos estar interesados en conocer las percepciones de los distintos estamentos en torno a los principales desafos que enfrenta la institucin. En este caso,

25

cada estrato corresponde a un estamento, es decir, estudiantes, profesores, administrativos y funcionarios. Sin embargo, si deseamos conocer el grado de satisfaccin con la educacin recibida por los estudiantes, los estratos bien podran corresponder a las Facultades. Y, una vez calculada la muestra, habra que distribuir los casos por facultades. Esto se puede realizar mediante tres procedimientos distintos. ME con afijacin igual: se divide la muestra por el total de estratos, correspondiendo a cada estrato el mismo nmero de casos. Luego, para corregir la sub-representacin o sobre-representacin de los estratos, hay que proceder a su ponderacin en funcin del peso de cada estrato. ME con afijacin proporcional: la muestra se asigna proporcionalmente al tamao de cada estrato (peso del estrato). La proporcin de cada estrato se calcula dividiendo el tamao del estrato por el N total (Universo de referencia). Dicha proporcin se multiplica luego por el tamao del n de la muestra. En este caso, la muestra resulta auto-ponderada. ME con afijacin con afijacin ptima: la muestra es asignada a cada estrato en funcin del grado de homogeneidad o heterogeneidad de estos (varianza). Entre ms homogneos los estratos, menos observaciones sern necesarias. En este tipo de muestreo tambin se ha de realizar un proceso posterior de ponderacin (segn el peso de cada estrato). Es decir, los n casos de la muestra son asignados tomando en consideracin el (i) peso y la (ii) varianza de cada estrato respecto de la varianza total. Entre las mayores ventajas de utilizar el SE SE ME pueden sealar: i) se alcanza una mayor precisin de la estimacin debido a la disminucin del error muestral, ii) garantiza la debida representacin de las variables de estratificacin, y iii) facilita la organizacin del trabajo de campo. Su principal desventaja, en tanto, dice relacin con el requerir de un acabado registro del marco muestral por estratos, lo que no siempre est disponible (y puede ser costoso elaborarlo). Muestreo por conglomerados (MC) A diferencia los estratos, los elementos que componen los conglomerados son muy heterogneos al interior de cada conglomerado y muy homogneos entre ellos. Y puesto que los conglomerados son muy parecidos entre s, es que resulta posible seleccionar algunos conglomerados. Cuestin que jams podramos hacer en un ME. Y al igual que en el caso del ME, necesitamos tener mucha claridad respecto de si nuestra variable central del estudio configura conglomerados o no. El muestreo por conglomerados bien pudiera ser auto-ponderado, pero por lo general no lo es. Usualmente tambin, los muestreos por conglomerados son polietpicos, por lo que hay varios pasos previos antes de seleccionar a la unidad de anlisis u observacin, es decir, habra varias unidades de muestreo. Por ejemplo, en materia de estudios opinin pblica, tenemos a las comunas, las manzanas, los hogares y, finalmente, a los individuos (mayores de 18 aos). Hay, por lo tanto, cuatro etapas de seleccin o submuestreo. 26

Por otra parte, su ventaja radica en que no se requiere un registro que incluya a todos los elementos del universo de referencia. Solamente son necesarios aquellos conglomerados que han sido seleccionados. Debido a lo anterior, suele ser el ms econmico de los muestreos, ya que presenta un menor grado de dispersin geogrfica. Sin embargo, los muestreos por conglomerados pueden incrementar el error muestral en la medida que los elementos que conforman el conglomerado no sean lo suficiente heterogneos (como para constituir un conglomerado) o bien por el hecho de no calcular apropiadamente la probabilidad de seleccin de cada conglomerado en sus diferentes etapas atendiendo a sus tamaos respectivos. Tips El muestreo aleatorio simple, al generar una muestra muy dispersa geogrficamente tiende incrementar los costos del trabajo de campo, por lo que suele utilizarse como parte de un muestreo polietpico por conglomerados. No obstante, aunque el muestreo por conglomerados en varias etapas es el que se utiliza con mayor frecuencia (a nivel nacional, regional e incluso municipal), el clculo de los distintos errores muestrales asociados a cada una de las etapas es bastante complejo y ha de realizarse de forma muy cuidadosa. Las probabilidades de seleccin de los conglomerados en cada etapa deben ser asignadas de modo proporcional al tamao de los conglomerados. No se puede asumir una misma probabilidad ya que aumentara el error muestral.

1.3.2. Muestreos no probabilsticos Los muestreos no probabilsticos se caracterizan por el hecho de que los elementos no son seleccionados de modo aleatorio, introduciendo con ello un sesgo de seleccin importante e inevitable. Por tanto, no es posible conocer el error de estimacin del parmetro poblacional en relacin al resultado obtenido en la muestra. Los muestreos no probabilsticos son muy comunes en los diseos de investigacin cualitativa, pero no es posible generalizar los resultados ms all de los casos estudiados. Este tipo de investigaciones son usualmente caracterizadas como estudios de casos. Ejemplos de este tipo de muestreo son los de sujetos tipo, bola de nieve y por cuotas, entre otros. Siendo este ltimo muy utilizado en el marco de la investigacin cuantitativa. Es una estrategia comn en las investigaciones cuantitativas, con el objeto de abaratar los costos de un estudio, el realizar todas las fases iniciales de modo probabilstico y la fase final (la de seleccin, por ejemplo, de los individuos) mediante un sistema de cuotas. Las cuotas suelen ser fijadas en trminos de edad y sexo en funcin de su distribucin en la poblacin (universo de referencia). Esto significa, por ejemplo, que se ha calculado un tamao muestral, luego se han seleccionados algunas comunas, dentro de esas comunas algunas manzanas, dentro de las manzanas algunos hogares/viviendas, y dentro de cada hogar/vivienda se aplica una cuota segn sexo y edad. En otras palabras, cada encuestador tiene pre-asignado un nmero determinado de encuestas a aplicar, en trminos del sexo y la edad, en un determinado sector (por ejemplo, manzanas). Sin embargo, al seleccionar a la persona a entrevistar mediante una cuota y no de modo aleatorio, el muestreo deja de ser probabilstico en su

27

ltima etapa, introduciendo con ello un sesgo de seleccin que hace imposible determinar el error muestral real. 1.4. Determinacin del Tamao de la Muestra Como hemos visto hasta ahora, el clculo del tamao de la muestra depender ciertamente del tipo de muestreo que deseemos realizar, pero tambin depende de si se trata de muestras infinitas o muestras finitas. Hablamos de muestras infinitas toda vez que el universo de referencia es superior a los 100.000 casos y, de muestras finitas, cuando este es inferior a 100.000. La idea bsica que est en juego aqu, es la nocin de que ms all de cierto punto no tiene sentido seguir aumentando el tamao de la muestra en funcin del tamao del universo de referencia. En otras palabras, sobre los 100.000 casos el tamao del universo de referencia no tiene prcticamente ninguna incidencia en el tamao de la muestra. Por otra parte, a medida que disminuye el tamao del universo de referencia por debajo de los 100.000 casos, este tiende a tener progresivamente un mayor impacto sobre el tamao de la muestra. Clculo de muestras para poblaciones infinitas en MAS Para la determinacin del clculo de una muestra infinita necesitamos precisar los siguientes aspectos: i) la varianza; ii) el error mximo admisible; y el iii) nivel de confianza. La varianza da cuenta del grado de homogeneidad o heterogeneidad de un conjunto de observaciones y se simboliza como S2. Donde: 28

( x x) =
n

Y, en el caso de las proporciones, S2 = P * Q. En la eventualidad de no conocer la varianza (mediante alguna aproximacin de estudios similares o de un pre-test), cosa bastante comn por lo dems, se asume que P = Q = 0.5, de lo cual obtenemos que S2 = 0.25. Dicha varianza corresponde al mximo grado de dispersin, es decir, a la mxima heterogeneidad. Entre mayor sea la varianza, mayor ser tambin el tamao de la muestra. El error mximo admisible dice relacin con el porcentaje de error asociado a la estimacin (ver estimacin puntual a continuacin en punto 2). Por lo general se trabaja con errores de +/- 3% (que es el caso, por ejemplo, de las Encuestas Nacionales del CEP). Sin embargo, en ciertos estudios que buscan enfatizar ms bien tendencias generales antes que la precisin en la estimacin, se suele trabajar tambin con un error mximo admisible del +/-5%.3 El error mximo admisible no solamente influye en clculo del tamao de la muestra (a mayor error, menor tamao muestral), sino tambin en el clculo del intervalo de confianza (ver a continuacin punto 2).
Vase, por ejemplo, algunos de los estudios realizados por la Fundacin Futuro en la Regin Metropolitana.
3

Finalmente, el nivel de confianza, por su parte, se encuentra asociado al nivel de significacin, el que, a su vez, se encuentra asociado a las puntuaciones Z en una tabla de distribucin normal. Es ya una convencin trabajar, en el clculo de muestras (y pruebas de significacin), con niveles de confianza del 95% ( = 0.05) y del 95,5% ( = 0.045) respectivamente. A un valor = 0.05, le corresponde un valor Z = +/- 1.96; mientras que a un = 0.045, le corresponde un Z = +/- 2. Y puesto que la curva de distribucin normal es de carcter simtrico, baste con considerar simplemente uno de sus lados, es decir, Z/2. Por otra parte, no hay que olvidar que cuando trabajamos con un nivel de confianza del 95% esto significa que si extrajsemos diferentes muestras sucesivas, existe un 95% de probabilidad real de que el parmetro poblacional del universo de referencia se encuentre dentro del intervalo de confianza (ver a continuacin punto 2). Dicho de otro modo, existe un 5% de probabilidad de que el parmetro poblacional no se encuentre dentro del intervalo de confianza. No obstante lo anterior, la interpretacin ms correcta sera que: la extraccin de sucesivas muestras da lugar a que el 95% de los parmetros se encuentren en el intervalo definido.4 La idea bsica que subyace a la nocin de intervalos de confianza dice relacin con el hecho de que si trabajsemos con toda la poblacin conoceramos el valor exacto de los parmetros poblaciones. Sin embargo, cuando se trabaja con una muestra, solamente podemos realizar una estimacin de dichos parmetros dentro de ciertos niveles de confianza. La frmula general para el clculo de una muestra infinita es: n= S2 __ e2 / Z2/2 29

En donde: n = Tamao de la muestra S2 = Varianza de la poblacin (que es igual a P * Q en el caso de las proporciones) Z/2 = Valor Z asociado al nivel de significacin (en funcin del nivel de confianza) e = Error mximo admisible Ejemplo: supongamos que queremos calcular una muestra infinita en la cual la varianza es desconocida,5 el nivel de confianza es del 95% y el error mximo admisible es del +/3%. En tal caso el clculo del tamao de la muestra sera: n= 0.25______ (0.03)2 / (1.96)2 0.25_____ 0.0009 / 3.8416 0.25_____ = 1067 0.0002343

n=

n=

4 5

Vivanco 2005: 46; Vivanco 2006: 158. En caso de conocer la varianza se asume que P = Q = 0.5 y, por tanto, la varianza es mxima (0.25).

Por lo tanto, la muestra total estara compuesta por 1067 casos. Ejercicios: sobre la base del ejemplo anterior, calcule el n con las siguientes variantes. Preguntas: P1. e = 5%; P2. Z/2 = 2; P3. S2 = 0.18 Respuestas: R1. n = 384; R2. n = 1111; R3. n = 768

Clculo de muestras para poblaciones finitas en MAS Para el clculo de muestras finitas es necesario introducir un factor de correccin que considere el tamao del universo de referencia. La frmula anterior quedara entonces expresada en los siguientes nuevos trminos: n= S2 * N / (N-1)_ _ e2 / Z2/2 + S2 / (N-1)

Donde: n = Tamao de la muestra S2 = Varianza de la poblacin (que es igual a P * Q en el caso de las proporciones) Z/2 = Valor Z asociado al nivel de significacin (en funcin del nivel de confianza) e = Error mximo admisible N = Tamao del universo de referencia Ejemplo: supongamos que queremos calcular una muestra finita, para un universo de 5000 casos, en donde la varianza es desconocida, el nivel de confianza es del 95% y el error mximo admisible es del +/-3%. Al reemplazar la frmula tenemos que: n= S2 * N / (N-1)_ _ e / Z2/2 + S2 / (N-1)
2

30

n=

0.25 * 5000 / (5000-1)_ _ (0.03)2 / (1.96)2 + 0.25 / (5000-1) 1250 / 4999_ _ 0.0009 / 3.8416 + 0.25 / 4999 0.25005____ _ 0.0002343 + 0.0000500 0.25005 = 879.53 880 0.0002843

n=

n=

n=

La muestra total, en este ejemplo, estara compuesta por 880 casos. Ejercicio: sobre la base del ejemplo anterior, calcule el n con las siguientes variantes. Preguntas: P1. e = 5%; P2. Z/2 = 2; P3. S2 = 0.21 Respuestas: R1. n = 357; R2. n = 909; R3. n = 760

Clculo de muestras en ME La lgica de clculo es similar al del MAS, con la diferencia que debemos incluir en la frmula de clculo a los estratos. Y, a su vez, dependiendo del tipo de ME van a variar tambin la modalidad de asignacin de los casos a cada estrato. La frmula general puede ser expresada en los siguientes trminos: n=

WhS2h ___ ___ e2 / Z2/2 + WhS2h / N

Donde: n = Tamao de la muestra Wh = Peso del estrato (n casos estrato/n total de casos) S2h = Varianza del estrato (que es igual a P * Q en el caso de las proporciones) Z/2 = Valor Z asociado al nivel de significacin (en funcin del nivel de confianza) e = Error mximo admisible N = Tamao del universo de referencia Ejemplo: supongamos que queremos calcular una muestra para un universo de 10000 casos en el cual se identifican 3 estratos (E). Cada estrato est compuesto por: E1= 3000 casos, E2= 2000 casos y E3= 5000 casos. Sus respectivas varianzas son (S2): S21 = 0.24, S22 = 0.21 y S23 = 0.16. El nivel de confianza es de 95,5% y el error mximo admisible es del +/-3%. Antes de reemplazar los valores de la frmula habra que hacer algunos clculos previos para determinar WhS2h : Estratos E1 E2 E3 Wh 3000/10000 = 0.3 2000/10000 = 0.2 5000/10000 = 0.5 WhS2h 0.3 * 0.24 = 0.072 0.2 * 0.21 = 0.042 0.5 * 0.16 = 0.080

31

WhS2h
0.194

Conocido WhS2h = 0.194, estamos en condiciones de proseguir con la frmula de clculo de la muestra: n= _____ 0.194_ ________ 2 (0.03) / (2)2 + 0.194 / 10000 n= _____ 0.194_ _____ 0.0009 / 4 + 0.194 / 10000 _____ 0.194_ _____ 0.000225 + 0.0000194 0.194_ _= 793.78 794 0.0002444

n=

n=

La muestra total estara compuesta entonces por 794 casos. Ejercicio: sobre la base del ejemplo anterior, calcule el n con las siguientes variantes. Preguntas: P1. e = 5%; P2. Z/2 = 1,96; P3. N = 3000 Respuestas: R1. n = 301; R2. n = 765; R3. n = 670

Tipo de afijacin Hasta ahora solamente hemos calculado el tamao total de la muestra para dicho. Lo que nos queda es determinar el tipo de afijacin a utilizar, para de este modo determinar cuntos casos de los 794 corresponde a cada estrato. Afijacin igual: simplemente asignamos igual nmero de casos para cada estrato. Es decir, 794/3 = 264.6 265 casos. Afijacin proporcional: asignamos los casos a cada estrato segn el peso de cada estrato. Esto es: Estrato E1 E2 E3 Wh * n 0.3 * 794 238 0.2 * 794 159 0.5 * 794 397 32 Afijacin ptima: los casos son asignados tomando en consideracin el peso y la varianza de cada estrato respecto de la varianza total. Es decir:

nh = WhS2h * n

WhS2h

Estratos E1 E2 E3

WhS2h 0.3 * 0.24 = 0.072 0.2 * 0.21 = 0.042 0.5 * 0.16 = 0.080

WhS2h / WhS2h 0.072/ 0.194 = 0.3711 0.042/ 0.194 = 0.2164 0.080/ 0.194 = 0.4124

nh 0.3711 * 794 295 0.2164 * 794 172 0.4124 * 794 327

2. Intervalos de Confianza onfianza

Cada vez que procesamos los datos de una encuesta y obtenemos, por ejemplo, un cierto porcentaje en relacin a las categoras de respuesta de una pregunta, dicho valor se denomina estimacin puntual. Sin embargo, si deseamos hacer una estimacin desde la muestra uestra hacia el universo de referencia, en la estimacin puntual hay que considerar el error mximo admisible. Al incorporar el error, obtenemos un intervalo de confianza. En otras palabras, el intervalo de confianza corresponde a un rango construido en torno a la estimacin puntual, el cual nos entrega informacin acerca del valor mximo y mnimo dentro del cual se mueve dicha estimacin en relacin con el universo de referencia. Veamos un ejemplo sencillo en el marco de las elecciones presidenciales pasadas pasadas, a partir de los estudios de opinin pblica. De acuerdo a los resultados de la Encuesta CEP de Junio de 2009, frente a la pregunta: Si las elecciones presidenciales fueran el prximo domingo, y los candidatos fueran los siguientes por quin votara Ud.?, el 34% lo hara por Sebastin Piera y el 29% por Eduardo Frei (considerando el total de la muestra).6 Los valores aqu mencionados dan cuenta de la estimacin puntual, puntual, que es vlida para la muestra, y nos indicara que Sebastin Piera tiene una clara ventaja sobre Eduardo Frei. Sin embargo, al calcular el intervalo de confianza eso no es tan claro. De hecho, Frei podra tener ventaja sobre Piera. Recordemos que el error muestral (error mximo admisible) del estudio es de aproximadamente +/- 3% (+/- 2.7%). Esto significa que el intervalo de confianza para Piera se mueve entre el 37% (34% + 3%) y el 31% (34% - 3%), mientras que en el caso de Frei sera entre el 32% 2% (29% + 3%) y el 26% (29% - 3%). Pues bien, ahora podemos observar que Frei podra perfectamente tener el 32% de las preferencias y Piera el 31%, segn sus respectivos intervalos de confianza. En estricto rigor, cualquiera de los dos candidatos podra tener tener ventaja sobre el otro y, por ende, la interpretacin inicial de la estimacin puntual debe ser ahora matizada: no hay una clara ventaja de uno sobre el otro. Cualquiera de los dos podra tcnicamente estar aventajando al otro. n la encuesta del CEP, puede ser afirmado con un 95% de Lo anterior, basado en confianza. Hoy sabemos que el resultado electoral fue favorable a Piera, pero no es ese el punto que se intenta enfatizar aqu. En suma, para efectos del clculo del intervalo de confianza, en ese entonces era posible sostener con un 95% de confianza que: Intervalo de Confianza = Estimacin puntual +/+/ Error mximo admisible O lo que es lo mismo: Intervalo de Confianza = Estimacin puntual +/+/ Z/2 * S /
6

33

Al considerar solamente a los inscritos, los valores son: 34% y 30% respectivamente.

Cap. 3. Anlisis Univariado, Bivariado y Variables de control

1. Tipos de variables
A diferencia de las constantes, las variables pueden tomar distintos valores en trminos de atributos o propiedades. Las variables pueden ser clasificadas segn diferentes criterios, entre ellos, podemos mencionar el nivel de medicin y el lugar que ocupan en la investigacin.

1.1. Segn el ivel de Medicin

El nivel de medicin de una variable determina tanto el tipo de operaciones matemticas que puede realizarse (suma, resta, multiplicacin, divisin, etc.) como el tipo de tcnicas estadsticas correspondiente para la prueba de hiptesis. De acuerdo a su nivel de medicin7, las variables pueden ser clasificadas en nominales, ordinales, intervalares y de razn. Las variables nominales, tambin llamadas variables cualitativas o categricas, hacen referencia a ciertas cualidades o atributos en los valores de una variable. Es decir, dichos valores (categoras) no pueden ser ordenados a partir de un criterio de jerarqua. Por ejemplo, las variables sexo, zona (urbano/rural), religin, partido poltico, etc. En el caso de la variable sexo, si asignamos 1 = hombre y 2 = mujer, difcilmente resulta razonable sostener que mujer vale dos veces ms que hombre. De igual modo, queda de manifiesto que los valores son asignados de manera arbitraria. Perfectamente pudimos haber otorgado el valor 1 a mujer (y no el valor 2). Y si bien no existe una medicin propiamente tal, es decir, de estimacin de la magnitud de las diferencias entre sus valores, las categoras de las variables nominales han de ser mutuamente excluyentes y suficientemente exhaustivas. Cada observacin ha de ser susceptible de ser clasificada en una sola categora de la variable, siendo al mismo tiempo pertinente su ubicacin. Los nmeros nos permiten agrupar a los sujetos u observaciones iguales y distinguirlos apropiadamente del resto en relacin con la caracterstica objeto de estudio. En las variables ordinales, a diferencia de las nominales, los valores de las categoras pueden ser ordenados a partir de algn criterio de jerarquizacin (por ejemplo, ser mayores, ms altos, ms difciles, ms favorecidos, etc.). Se puede establecer, por consiguiente, un orden ascendente o descendente entre los distintos valores (o categoras) de la variable. Este sera el caso del NSE (1= Bajo, 2= Medio y 3= Alto) y la percepcin de progreso del pas (1= En decadencia, 2 = Estancado, 3= Progresando), entre otros. Si consideramos el NSE, podemos apreciar con claridad que es posible establecer un orden ascendente entre las distintas categoras de la variable, pero de igual modo apreciamos que dichas categoras de representacin social no son equidistantes (se desconoce la mtrica de distancia entre cada categora). Es decir, si alguien se

34

Se entiende por nivel de medicin, en un sentido amplio, al hecho de asignar nmeros a objetos o datos de acuerdo con ciertas reglas.

encuentra en el NSE medio, difcilmente podramos sostener que dicha persona se encuentra a mitad de los de NSE alto y al doble de los de NSE bajo. En las variables intervalares, al igual que las ordinales, los valores de la variable pueden ser jerarquizados. Y, a su vez, a diferencia de las ordinales, los distintos valores que asume la variable son equidistantes. Existen intervalos regulares o distancias numricamente iguales entre los distintos valores que asume la variable en su respectiva escala de medicin. Los intervalos se encuentran expresados en una unidad de medicin estndar y, por ende, comn y constante. Sin embargo, el punto de origen (valor 0) en las diferentes escalas de medicin es arbitrario y no real. Por ejemplo, si al considerar la medicin de la temperatura (en grados Celsius) alguien sealara que la temperatura ideal para realizar una clase de estadstica es de 0 grados, ya que no hace ni fro ni calor, seguramente veramos con extraeza el sin sentido de tal afirmacin. El 0 es ms bien el resultado de una convencin que de la ausencia de fro o de calor. En la escala de medicin de la temperatura en grados Celsius, el cero representa el punto de congelacin del agua. En cambio, en la escala Farenheit, el punto de congelacin es a los 32 grados. Por otra parte, a diferencia de las ciencias de la naturaleza, en las ciencias sociales se asume que, de acuerdo a una cierta convencin no ortodoxa, las variables medidas a travs de escalas Likert de cinco categoras (muy de acuerdo, de acuerdo, ni de acuerdo/ni en desacuerdo, en desacuerdo, muy en desacuerdo) se comportan como si fueran variables intervalares; no as las de cuatro categoras ya que no cuentan con un punto intermedio de referencia (se ha eliminado la opcin ni de acuerdo/ni en desacuerdo). Es frecuente tambin la construccin de ndices en ciencias sociales, los que suelen estar medidos a nivel intervalar, como es el caso del ndice de Desarrollo Humano (IDH). Finalmente, las variables de razn (o de cociente) se diferencian de las intervalares por el hecho de que el 0 no es un valor fijado de un modo arbitrario (como podra ser el caso de la temperatura), sino que es real y representa la ausencia del atributo en la variable. Tal propiedad, y de ah su nombre, permite realizar la operacin de clculos de proporciones (razones o cocientes). En otras palabras se trata de un 0 que es real, como lo es, por ejemplo, en las variables de edad, escolaridad, ingresos, participacin en organizaciones, etc. En la prctica, sin embargo, no se suele hacer diferencia en las tcnicas utilizadas para el anlisis estadstico entre variables intervalares o de razn.

35

Tips Se debe tener presente el hecho de que cualquier variable puede ser recodificada en un nivel inferior de medicin, pero no as lo contrario. Es decir, podemos recodificar una variable intervalar en ordinal o nominal, pero en ningn caso podemos pasar de una variable medida a nivel nominal a una de tipo ordinal o intervalar. En SPSS las variables intervalares y de razn son tratadas como variables escalares.

1.2. Segn el Lugar que Ocupan en la Investigacin

En funcin del lugar que ocupan en el diseo de investigacin, las variables pueden clasificarse en: dependiente, independientes y de control. Es importante tener presente que ninguna variable es en s misma dependiente, independiente o de control, sino en su relacin a otra(s) variable(s). A su vez, las variables de control suelen incorporarse para descartar la incidencia de variables intervinientes y condicionantes.

Variable dependiente: corresponde a la variable (o fenmeno) que intentamos caracterizar o explicar. Se denomina variable dependiente debido a que los valores que asume la variable dependen de los valores que presenten otras variables (independientes). Se suele representar con la letra Y. Variable(s) independiente(s): corresponde(n) a la(s) variable(s) que explicara(n) las variaciones en los valores de la variable dependiente. En ltima instancia, tales variables corresponderan a las causas del fenmeno bajo estudio. Tambin reciben el nombre de variables predictoras, que se expresan simblicamente con la letra X (X1, X2, X3... Xn). Sin embargo, en el proceso de corroboracin de relaciones de tipo casual requiere, entre otras cosas, del descarte de relaciones espurias (falsas) y de un marco terico apropiado. En el primer caso, la introduccin de variables control al anlisis es un paso obligado. Variables de control: se introducen con la finalidad de determinar si la relacin inicial entre la variable dependiente y la(s) independiente(s) es verdadera. Esto permitira aumentar la validez interna de un estudio (relacin causa-efecto). Se debe tener presente que una relacin estadsticamente significativa entre dos variables es condicin necesaria pero no suficiente para determinar una relacin de causalidad. Lo que equivale a sostener que: si bien una relacin de causalidad supone la existencia de correlacin entre dos variables, no toda correlacin implica causalidad. En otras palabras, las variables control se introducen en una investigacin cuando se sospecha de la existencia de posibles variables intervinientes o condicionantes (terceras variables) que pudieran afectar parcial o totalmente la relacin inicial entre la variable dependiente y la independiente. En ltima instancia, lo que se intenta demostrar es si la relacin inicial se mantiene (entre X e Y), independientemente de la presencia de otras variables (control). Cuando se determina que la presencia de terceras variables incide sobre la relacin inicial entre la variable dependiente y la independiente, tales variables pueden afectarla de modo interviniente o condicionante. Variables intervinientes: son aquellas variables que haran que la relacin inicial entre la variable dependiente y la independiente se modifique de modo radical. Esto podra ocurrir cuando determinamos que la existencia inicial de una relacin estadsticamente significativa entre dos variables (Y e X), desaparece completamente al momento de introducir una tercera variable al anlisis. O bien el caso opuesto. Es decir, que dos variables que inicialmente no estaban correlacionadas, luego de introducir una tercera variable, se descubra que s existe una relacin estadsticamente significativa entre ellas. En ambos casos, las variaciones en los valores de las puntuaciones de la variable dependiente no se deben a las variaciones en los valores de la variable independiente, sino a la incidencia de una tercera variable. Con ello se prueba que la relacin inicial

36

entre la variable dependiente y la independiente es, por consiguiente, espuria, ya sea en el caso de existencia o no de asociacin estadsticamente significativa entre ambas.

Variables condicionantes: son variables que median la relacin entre la variable dependiente y la independiente sin modificar completamente la relacin inicial entre ambas variables, salvo en algunas de sus categoras o valores. Esto hara que, por ejemplo, en el caso de existir una relacin estadsticamente significativa entre dos variables (X e Y), la intensidad de la relacin entre la variable dependiente y la independiente pueda aumentar en algunas de la categoras de la variable control o bien disminuir (e incluso desaparecer en alguna de ellas), pero sin comprometer la relacin inicial entre ambas variables (que seguir siendo estadsticamente significativa en este ejemplo).

2. Anlisis Univariado
Al realizar un anlisis univariado nos concentramos en cada variable por separado, sin prestar atencin a la relacin que pudiera establecerse entre la variable dependiente y la(s) independiente(s). Usualmente trabajamos con distribuciones de frecuencias, medidas de tendencia central y medidas de dispersin.

2.1. Distribucin de Frecuencias y Representaciones Grficas

La distribucin de frecuencias nos indica el nmero de casos que hay en cada categora de la variable. A partir de dichos valores, en una tabla de frecuencias, se calcula el porcentaje (respecto del total de observaciones), porcentaje vlido (se excluyen los valores perdidos) y el porcentaje acumulado (porcentaje de la primera categora, ms el de la segunda categora y as sucesivamente). Se aplica para variables nominales, ordinales y en cierto tipo de variables intervalares (por ejemplo, en escalas Likert). A partir de la tabla de frecuencias tambin es posible hacer representaciones grficas tales como: grfico de barras, grfico circular o un polgono de frecuencias. 37

2.2. Medidas de Tendencia Central: Media, Mediana y Moda

Las medidas de tendencia central dan cuenta del tipo de distribucin que tienen los valores de las variables respecto de un valor tpico, o puntuacin central, a partir del cual se agrupan. Entre las ms conocidas se encuentran la media, la mediana y la moda. La media o promedio corresponde a la suma de todas las puntuaciones (valores) de la variable dividida por el nmero total de casos (se calcula para variables intervalares y de razn). La mediana es el valor que divide por la mitad a las puntuaciones de la variable: los que estn por debajo de ste y los que estn por encima. Es decir, es el valor que divide en dos mitades a las observaciones (se utiliza en variables ordinales, intervalares y de razn). La moda es el valor que ms se repite en el conjunto de observaciones, pudiendo existir ms de una moda, es decir, puede darse una situacin bimodal o multimodal (se utiliza generalmente en variables nominales).

Tips En una curva de distribucin normal coinciden la media, la mediana y la moda. Debido a que el promedio es sensible a los valores extremos, cuando se tiene una distribucin sesgada, se recomienda trabajar con la mediana. En el caso, por ejemplo, de la variable ingresos (intervalar), se suele considerar un mejor indicador la mediana de ingresos que el promedio de ingresos (que es lo que realiza la OECD).

2.3. Medidas de Dispersin: Varianza y Desviacin Estndar

Las medidas de dispersin indican el grado variabilidad de los datos respecto de la media (promedio), por lo que se aplica en variables intervalares y de razn. Se debe tener presente que una propiedad de la media es que la suma de las diferencias de todos los valores de la variable respecto de la media es siempre 0. De ah que para el clculo de la varianza y la desviacin estndar se procede a elevar la sumatoria de las diferencias al cuadrado. La varianza es el valor promedio del cuadrado de las puntuaciones respecto de la media. Se utiliza mucho en el clculo del tamao de una muestra estadsticamente representativa y en pruebas de inferencia estadstica, pero su unidad de medida no es directamente interpretable (ya que est al cuadrado), razn por la cual se recurre a la desviacin estndar. Su frmula de clculo es la siguiente:

38

S2 =

( x x)
n

La desviacin estndar o desviacin tpica es el promedio de desviacin de los valores de las observaciones respecto de la media, expresada en los valores originales de la medicin de la variable. Esto no es otra cosa que la raz cuadrada de la varianza. Cuanto ms se aleje el valor respecto de la media, mayor ser la desviacin estndar. Su frmula de clculo es la siguiente:
S=

( x x)
n

Tips Al momento de comparar dos o ms grupos sobre la base del promedio, la desviacin estndar suele ser un mejor estadstico, ya que muchas veces promedios similares o iguales no implican que los grupos necesariamente son similares o iguales. Se necesita una medida de dispersin que d cuenta del grado de homogeneidad o heterogeneidad de los grupos. Por otra parte, se debe ser cuidadoso al momento de interpretar la varianza o la desviacin estndar, debido a que si bien valores cercanos a cero indican mayor homogeneidad, no es claro cul es el valor mximo que pueden asumir, ya que depende del nivel de medida de la variable.

2.4. Ejecucin en SPSS

La serie de comandos a ejecutar en el programa SPSS seran los siguientes: 1. 2. 3. 4.

5. 6.

Analizar en la barra del men de SPSS Estadsticos descriptivos Frecuencias / Ingresar variables Estadsticos > Tendencia central / Seleccionar media, mediana y moda, segn corresponda al nivel de medicin de las variables Dispersin / Seleccionar desviacin estndar y varianza (slo para variables intervalares o de razn) Continuar Aceptar

2.5. Ejemplo de un caso aplicado en SPSS

Chile en los dos ltimos aos se ha caracterizado por un clima de movilizaciones y demandas sociales que hacen pensar que existe una genuina reivindicacin de ms democracia en las distintas instancias de toma de decisiones. Pero cun importante es realmente la democracia para los chilenos, es algo que debiramos despejar para tener mayor claridad respecto de los niveles de cultura cvico-democrtica de nuestro pas. En el ltimo estudio del PNUD, 2012, se incluye la pregunta 102 que nos podra entregar cierta informacin al respecto. 39 102. Con cul de las siguientes frases est usted ms de acuerdo? 1. La democracia es preferible a cualquier otra forma de gobierno 2. En algunas circunstancias es mejor un gobierno autoritario que uno democrtico 3. A la gente como uno le da lo mismo un gobierno democrtico que uno autoritario Para responderla bastara con realizar una distribucin de frecuencias desde la base de datos de dicho estudio, la que se encuentra disponible en su sitio web (www.pnud.cl). Previamente, sin embargo, es preciso que los valores No sabe (codificados con valor 88) y No contesta (codificados con valor 99) sean incluidos como Valores perdidos para, de este modo, obtener el porcentaje vlido de casos para la variable en cuestin. Los pasos seran: 1. Seleccionar la columna de valores en la variable etiquetada como CON CUL DE LAS SIGUIENTES FRASES EST USTED MS DE ACUERDO? e identificar los valores asociados a No sabe (88) y No contesta (99). 2. Aceptar. 3. Seleccionar la columna de valores perdidos de la variable e ingresar los valores 88 y 99 como valores perdidos. 4. Aceptar.

Visualmente el procedimiento es el que se indica a continuacin:

40

Ahora ya estamos en condiciones de realizar una distribucin de frecuencias de un modo ms adecuado (ya que podemos obtener el porcentaje vlido). Continenos entonces con el resto del procedimiento: 1. Analizar en la barra del men de SPSS 2. Estadsticos descriptivos 3. Frecuencias / seleccionar e ingresar la variable felicidad en la casilla de variables 4. Aceptar

Visualmente, los pasos son los siguientes:

1. Analizar en la barra del men de SPSS 2. Estadsticos descriptivos 3. Frecuencias

41

4. Frecuencias / seleccionar e ingresar la variable en la casilla de variables

4. Aceptar

Finalmente, obtenemos la tabla de distribucin de frecuencias con los siguientes resultados:

CO CUL DE LAS SIGUIE TES FRASES EST USTED MS DE ACUERDO? Porcentaje Porcentaje Frecuencia Porcentaje vlido acumulado Vlidos
A LA GENTE COMO UNO LE DA LO MISMO UN GOBIERNO DEMOCRTICO QUE UNO AUTORITARIO EN ALGUNAS CIRCUNSTANCIAS ES MEJOR UN GOBIERNO AUTORITARIO QUE UNO DEMOCRTICO LA DEMOCRACIA ES PREFERIBLE A CUALQUIER OTRA FORMA DE GOBIERNO

642 297 1495 2434 61 36 97 2531

25,4 11,7 59,1 96,2 2,4 1,4 3,8 100,0

26,4 12,2 61,4 100,0

26,4 38,6 100,0

Total Perdidos NS NR Total Total

Es interesante notar que los actuales niveles de cultura cvica democrtica son relativamente bajos en Chile: slo un 61,4% de los chilenos considera que la democracia es preferible a cualquier otra forma de gobierno. En otras palabras, prcticamente 4 de cada 10 chilenos no cree en la democracia. Un dato ms que relevante, al momento de analizar la situacin poltica actual por la que atraviesa el pas. En la discusin pblica, los jvenes han sido identificados como fuertes crticos del funcionamiento de la democracia, pero poco se ha dicho acerca de sus credenciales democrticas en comparacin con el resto de los segmentos etarios. Resulta razonable preguntarse entonces: Incide la edad en la adhesin a la democracia en Chile? Para responder esta pregunta debemos realizar un Anlisis Bivariado, ya que incluye una variable dependiente y una variable independiente. El procedimiento de anlisis tendiente a responder dicha pregunta se abordar en el punto 3.4., pero antes es necesario explicar con ms detalle el tipo de anlisis estadstico que se realizar.

42

3. Anlisis Bivariado: Variables ominales y Ordinales

3.1. El Estudio de la Relacin entre Variables En las ciencias sociales a menudo se desea determinar la existencia o no de relacin entre dos variables, para lo que se realizan diferentes pruebas de significacin estadstica. La forma en que se relacionan dos variables se denomina asociacin entre dos variables. El inters de este tipo de anlisis se centra principalmente en la forma en que se distribuye la variable dependiente en funcin de las diferentes categoras o valores de la variable independiente. Es decir, la variable que atrae primordialmente la atencin del investigador, y cuya variacin trata de explicar, se llama variable dependiente, porque se supone que los valores que toma dicha variable dependen de los valores que presentan otras variables. Estas variables, que suponemos que influyen en los valores que toma la variable dependiente, son las variables independientes (explicativas o causales), ya que permiten conocer por qu vara la variable dependiente de la forma que lo hace en una determinada poblacin (usualmente una muestra). Sin embargo, los resultados que aparecen al establecer relaciones significativas entre dos variables son de naturaleza descriptiva, y tales resultados no explican por qu ocurre dicha relacin. Es decir, una correlacin entre dos variables no implica necesariamente una relacin causal entre ellas, puesto que en cualquier correlacin podra existir una tercera variable que explique la asociacin entre las dos variables que han sido medidas (relacin espuria). A su vez, se debe verificar que la variable independiente (causa) anteceda temporalmente a la variable dependiente (efecto). Del mismo modo, se hace necesaria la existencia de una teora que nos permita discriminar entre las simples relaciones estadsticas y las relaciones causales propiamente tales. El estudio de la relacin entre dos variables se puede caracterizar mediante: i) la existencia o no de asociacin; ii) la fuerza de dicha asociacin y iii) la direccin de sta.8 Ciertamente slo tiene sentido ii) y iii) si se verifica en i) la existencia de relacin entre las variables. Para ello se utilizan un conjunto de pruebas de significacin estadstica, las cuales dependern del nivel de medicin de las variables. A la base de dicho anlisis se encuentran la teora y las hiptesis que se puedan desprender de sta. En otras palabras, en el estudio de relaciones entre variables intentamos testear empricamente hiptesis que nos resultan plausibles a la luz de un cierto marco terico-analtico. Una hiptesis no es otra cosa que una respuesta tentativa a la pregunta de investigacin (problema). Es una prediccin respecto del posible resultado que se espera encontrar. Y, en el estudio de asociaciones entre variables, sta guarda relacin con el hecho de determinar si las variaciones en los valores de la variable independiente se encuentran o no asociados a las variaciones en los valores de la variable dependiente. Puesto que una hiptesis requiere de verificacin emprica, se hace necesario realizar una prueba de significacin estadstica para determinar si la hiptesis planteada se verifica o no.
8

43

Una cuarta caracterstica hace referencia a la naturaleza de la relacin. Es decir, a la forma de distribucin de X respecto de Y, ya sea de forma lineal, curvilnea o de otra naturaleza.

3.2. Las Pruebas de Significacin Estadstica Para la determinacin de la existencia o no de asociacin entre la variable dependiente y las variables independientes se utiliza el coeficiente estadstico Chi-Cuadrado de Pearson. La intensidad de la asociacin se determina mediante el coeficiente V de Cramer. La determinacin de la direccin de la asociacin, en tanto, se se lleva a cabo mediante el Coeficiente de Correlacin de Spearman. La prueba de significacin estadstica basada en el coeficiente Chi-Cuadrado de Pearson tiene como fin examinar si existe o no asociacin entre dos variables categricas (nominales u ordinales).9 Existe asociacin entre las variables cuando los valores de una de ellas dependen de los valores de otra. Cuando dos variables estn relacionadas, es posible predecir los valores de la variable dependiente en funcin de los valores de las variables independientes. No existe relacin cuando stas son independientes. Dos variables independientes no tienen nada en comn. La prueba de Chi Cuadrado de Pearson, sin embargo, no permite estudiar la intensidad de la relacin entre las variables. En el caso de que la prueba de Chi-Cuadrado de Pearson sea estadsticamente significativa, es decir, que se determine que existe una relacin inicial entre dos variables, procedemos a determinar la intensidad de dicha relacin. El Coeficiente V de Cramer tiene como finalidad comparar grados de asociacin entre variables medidas a nivel nominal (intensidad de la asociacin). El Coeficiente V de Cramer asume valores entre 0 y 1, donde, valores prximos a 0 indican una muy baja asociacin entre las variables y valores prximos a 1 indican una fuerte asociacin. En el caso de tablas de 2 X 2, se utiliza Phi, cuyos valores se interpretan del mismo modo que V de Cramer. Finalmente, la prueba de significacin estadstica basada en el Coeficiente de Correlacin de Spearman tiene por objeto determinar: i) la existencia o no de asociacin, ii) la direccin (directamente proporcional o inversamente proporcional); y, iii) la intensidad de la asociacin entre dos variables medidas a nivel ordinal. Dicho coeficiente toma valores entre -1 y +1. Los valores cercanos a -1 +1 indican una fuerte asociacin entre las variables, mientras que los valores cercanos a 0 indican una muy baja asociacin. Si el valor es positivo, las variables consideradas varan en la misma direccin (directamente proporcional), en tanto, si es negativo lo hacen en direcciones opuestas (a medida que aumenta una disminuye la otra). Se debe tener presente que Spearman est pensado para detectar relaciones de tipo lineal, pero no todas las relaciones son lineales (ya que existen, por ejemplo, relaciones curvilneas). No obstante, vale la pena recordar al respecto dos cosas. En primer lugar, en la investigacin en ciencias sociales rara vez nos encontramos con variables altamente asociadas. Y, en segundo lugar, la interpretacin de la magnitud de dicha asociacin va a depender del tipo de estudio y, a su vez, de si ste se enmarca en las ciencias sociales o en las llamadas ciencias duras. En particular, qu niveles de asociacin sern
9

44

Utilizamos la prueba Chi-cuadrado en variables ordinales porque el Coeficiente de Correlacin de Spearman (ver ms adelante) nicamente da cuenta de relaciones de tipo lineal.

considerados como bajos, moderados o altos es algo que es determinado por el investigador en funcin de la prctica disciplinaria aplicada al estudio de la temtica que se investiga. No obstante lo anterior, existen ciertas convenciones ms o menos generalizadas. En virtud de tales consideraciones es que se entender en el marco del presente documento, una vez verificada una relacin estadsticamente significativa entre las variables, como: i) una asociacin baja, a los valores iguales o menores a 0.2; ii) una asociacin moderada, a los valores mayores que 0.2 y menores o iguales a 0.3; y iii) una asociacin alta, a los valores iguales o superiores a 0.3. Para las pruebas estadsticas en cuestin, si el p-valor asociado al estadstico de contraste es menor que el nivel de significacin 0.05, se rechazar la hiptesis nula H0 a un nivel de confianza del 95%, y se aceptar la hiptesis alternativa H1 (asociacin entre la variable dependiente y la independiente). El nivel de significacin constituye el valor crtico a partir del cual estamos dispuestos a aceptar o rechazar una hiptesis dentro de ciertos mrgenes razonables de error, siendo el mximo estndar en ciencias sociales de un 5% (95% de confianza). A menor nivel de significacin, mayor es el nivel de confianza y, por consiguiente, menor ser la probabilidad de cometer un error en la prueba de hiptesis. Los errores que se pueden cometer son dos: (i) el error tipo I (alfa), el cual se produce cuando se acepta la hiptesis alternativa siendo sta falsa; y (ii) el error tipo II (beta), el cual se genera cuando se rechaza la hiptesis alternativa siendo sta verdadera.

3.3. Ejecucin en SPSS La serie de comandos a ejecutar en el programa SPSS seran los siguientes: 1. Analizar en la barra del men de SPSS. 2. Estadsticos descriptivos. 3. Tablas de contingencia / Ingresar la variable dependiente en filas y la independiente en columnas. 4. Estadsticos > Chi-cuadrado, V de Cramer, Correlaciones (Spearman y Pearson), segn corresponda al nivel de medicin de las variables. 5. Continuar 6. Casillas / Frecuencias > Sacar seleccin en observadas. / Porcentajes > Seleccionar columna. 7. Continuar 8. Aceptar

45

3.4. Ejemplo aplicado en SPSS Retomemos la inquietud planteada en el punto 2.5. Se haba sealado que en la discusin pblica, los jvenes han sido identificados como fuertes crticos del funcionamiento de la democracia, pero poco se ha dicho acerca de sus credenciales democrticas en comparacin con el resto de los segmentos etarios, por lo que resultaba razonable preguntarse si: Incide la edad en la adhesin a la democracia en Chile?. De acuerdo con este planeamiento, la hiptesis sera: A medida que aumenta la edad, aumenta la proporcin de chilenos que adhiere a la democracia. Se debe tener presente que la variable dependiente es nominal y la independiente ordinal, por lo que se ha de aplicar la prueba de significacin estadstica Chi-cuadrado de Pearson y V de Cramer. En este ejemplo, la variable edad fue recodificada en cinco grupos etarios. A su vez, no hay olvidar dejar fuera los valores perdidos (88 = No sabe y 99 = No responde). El procedimiento es el que se visualiza a continuacin:

1. Analizar en la barra del men de SPSS. 2. Estadsticos descriptivos.

46

3. Tablas de contingencia / Ingresar la variable dependiente en filas y la independiente en columnas.

4. Estadsticos > Correlaciones (Chi-cuadrado y V de Cramer) 5. Continuar 47

6. Casillas / Frecuencias > Sacar seleccin en observadas. / Porcentajes > Seleccionar columna. 7. Continuar 8. Aceptar

Finalmente, se obtendr la siguiente tabla de contingencia con sus respectivas pruebas de significacin estadstica. Analice e interprete los resultados. Qu puede concluir al respecto?

48

CO CUL DE LAS SIGUIE TES FRASES EST USTED MS DE ACUERDO? * Grupos etarios Grupos etarios 18-24 aos 25-34 aos 35-44 aos 45-54 aos 55 aos y ms
A LA GENTE COMO UNO LE DA LO MISMO UN GOBIERNO DEMOCRTICO QUE UNO AUTORITARIO EN ALGUNAS CIRCUNSTANCIAS ES MEJOR UN GOBIERNO AUTORITARIO QUE UNO DEMOCRTICO LA DEMOCRACIA ES PREFERIBLE A CUALQUIER OTRA FORMA DE GOBIERNO

Total 26,3%

28,2%

30,3%

27,0%

26,6%

23,4%

11,0%

11,8%

12,9%

12,5%

12,1%

12,2%

60,7% 100,0%

57,9% 100,0%

60,1% 100,0%

60,9% 100,0%

64,5% 100,0%

61,5% 100,0%

Total

Pruebas de chi-cuadrado Valor 7,950a 7,956 5,003 2433 gl 8 8 1 Sig. asinttica (bilateral) ,438 ,438 ,025

Chi-cuadrado de Pearson Razn de verosimilitudes Asociacin lineal por lineal N de casos vlidos

a. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 39,66.

Medidas simtricas Nominal por nominal N de casos vlidos Phi V de Cramer Valor ,057 ,040 2433 Sig. aproximada ,438 ,438

Ciertamente, los jvenes no exhiben mejores credenciales democrticas que los adultos, segn se puede constatar en la tabla de contingencia. Y las leves diferencias que se observan entre los grupos etarios no son estadsticamente significativas (Sig. = .438). Y no tiene sentido, entonces, analizar V de Cramer. Por tanto, a partir del anlisis estadstico se puede concluir que: La edad no incide en el grado de adhesin a la democracia en Chile. Para mayores detalles sobre la interpretacin de las pruebas de significacin estadstica, vese a continuacin el punto 3.5. Sin embargo, alguien podra sugerir que quizs existan terceras variables que estn determinando este resultado como, por ejemplo, la variable educacin. Confirmar o descartar tal posibilidad nos introduce al anlisis bivariado con variables de control, cuestin que se explicar en mayor profundidad en el punto 4.

3.5. Interpretacin de las Pruebas de Significacin Estadstica Al momento de escribir el informe de anlisis de datos usted debe tener en consideracin: Para el caso de la prueba de significacin estadstica Chi-Cuadrado de Pearson Situacin 1: Existencia de asociacin. En este caso se debe sealar que: existe asociacin estadsticamente significativa entre la variable dependiente y la variable independiente. Ello ocurre cuando el estadstico de contraste es menor a 0.05. Situacin 2: No existencia de asociacin. De modo anlogo al caso anterior, se debe indicar que: no existe asociacin estadsticamente significativa entre la variable dependiente y la variable independiente. Ello ocurre cuando el estadstico de contraste es mayor a 0.05. 49

Tips Hay que prestar especial atencin al porcentaje de celdas con frecuencia esperada inferior a 5: que ste no supere el 25% de las celdas. Si ese fuera el caso, se recomienda recodificar, ya que de lo contrario se corre el riesgo de llegar a una conclusin errnea.

Para el caso del Coeficiente V de Cramer Slo consideraremos el Coeficiente V de Cramer como parte del anlisis cuando Chicuadrado de Pearson es estadsticamente significativo. Es decir, cuando exista asociacin entre la variable dependiente y la variable independiente (p < 0.05). Usualmente, por lo dems, cuando Chi-cuadrado de Pearson es significativo, lo es tambin V de Cramer. Lo importante es determinar el grado de intensidad entre las variables, segn se indica a continuacin. Situacin 1: Existe una intensidad de asociacin baja (0.0 V de Cramer 0.2) entre la variable dependiente y la variable independiente. Situacin 2: Existe una intensidad de asociacin moderada (0.2 < V de Cramer 0.3) entre la variable dependiente y la variable independiente. Situacin 3: Existe una intensidad de asociacin alta (0.3 < V de Cramer 1.0) entre la variable dependiente y la variable independiente. Para el caso del Coeficiente de Correlacin de Spearman La existencia o no de una relacin lineal entre las variables interpreta en funcin de si el estadstico de contraste es mayor o menor que 0.05. La intensidad de la relacin se interpreta del mismo modo que el coeficiente V de Cramer. Luego debe indicarse la direccin de la relacin: si es directa (+) o inversamente proporcional (-). Tips En el caso de no existir una relacin lineal entre las variables, es recomendable chequear la existencia o no de relacin entre stas, a partir de las pruebas de significacin estadsticas de Chi-Cuadrado de Pearson y V de Cramer. Slo en las variables ordinales (e intervalares) se asume la posibilidad de una relacin lineal, sin embargo dos variables ordinales pueden estar relacionadas de forma no lineal.

50

4. Introduccin de Variables de Control

4.1. Aspectos Conceptuales Dado la complejidad de la realidad, es decir, su multidimensionalidad (que se expresa tanto en las mltiples dimisiones que suele involucrar un concepto como en la multiciplicidad de variables que inciden en la manifestacin de un fenmeno determinado), muchos de los fenmenos sociales no son susceptibles de ser apropiadamente caracterizados a partir del estudio de la relacin entre dos variables (dependiente e independiente). La simple determinacin de la existencia o no de relacin entre dos variables no es suficiente para determinar si dicha relacin es verdadera o espuria (falsa). En ese momento no podemos estar seguros de los resultados

obtenidos ya que eventualmente stos podran deberse a una tercera variable, que hasta ese momento no ha sido considerada en el anlisis. Y si ese fuera el caso, la relacin original sera explicada no por la variable independiente, sino por esta tercera variable. Dicha variable es nombrada en tal caso como interviniente y pondra en evidencia la falsedad de la relacin original. Por otro lado, podra ocurrir tambin que la relacin original se modifica nicamente en algunas de las categoras de la tercera variable (siempre y cuando sta no sea de dos categoras). En tal caso, hablamos de una relacin condicionada. En trminos generales, al momento de elaborar una relacin entre dos variables (particularmente del tipo causa-efecto) se suele introducir una tercera variable, la cual se denomina variable de control. Lo que se intenta con esto es determinar si dicha variable posee un determinado efecto sobre la relacin entre la variable dependiente y la independiente, que pudiera modificar parcial (condicionada) o totalmente la relacin original (interviniente). Por ende, cuando se descubre una relacin entre dos variables, lo que est en juego es lograr determinar si se trata de una relacin verdadera o espuria. Puesto que las variables en ciencias sociales se encuentran con frecuencia asociadas unas con otras, resulta necesario asegurarse de que exista una asociacin verdadera entre las dos variables originales. Cuando esto no ocurre hablamos de una relacin espuria, o sea, que la relacin aparente entre dos variables se debe a la asociacin de ambas variables con una tercera variable ajena a la relacin original. Por consiguiente, la adecuada determinacin de la relacin bivariable original se logra mediante la inclusin de variables control que eventualmente pudieran invalidar dicha relacin, lo que es clave para no llegar a conclusiones errneas sobre las relaciones entre variables sin haber dilucidado antes si se trataba o no de relaciones espurias. En definitiva, se trata simplemente de chequear si la existencia de relacin que se presenta entre dos variables es real o aparente, a partir de la introduccin de una variable de control. Del mismo modo, interesa comprobar si la ausencia de relacin entre dos variables es tambin real o se debe, por el contrario, a la existencia de una tercera variable que suprime la relacin entre las dos variables originales. Ms concretamente, hay al menos tres situaciones tpicas en la investigacin social en las que la introduccin de variables de control es necesaria: La primera de ellas se presenta cuando una tcnica estadstica (por ejemplo, Chi Cuadrado de Pearson) muestra que dos variables estn relacionadas, pero se duda si entre ambas existe una relacin, no slo estadstica, sino de dependencia (o causal). Es decir, se intenta dilucidar si tal relacin es real o espuria. La segunda, se presenta cuando se intenta descubrir relaciones ocultas entre las variables. As por ejemplo, se puede intentar averiguar por qu resulta tan pequea (o tan alta) la intensidad de la relacin entre dos variables cuando todo hace pensar que su relacin debera ser mucho mayor (o menor). Y, en tercer lugar, en muchas ocasiones se presenta la duda de si la relacin que se establece entre dos variables originales funciona en todas las circunstancias o, por el contrario, se manifiesta nicamente bajo determinadas condiciones (categoras de la variable control).

51

El razonamiento estadstico de la tcnica del control por una tercera variable es muy sencillo. En Primer lugar calculamos la relacin entre la variable dependiente y la independiente y, a continuacin, se repite el procedimiento para cada una de las categoras de la(s) variable(s) de control. Ahora bien, en trminos estadsticos, el hecho de que la relacin entre dos variables sea independiente de la influencia de terceras variables, significa que cualquiera que sea la tercera variable que se introduzca como control, la relacin entre las variables iniciales se mantendr en cada una de las categoras de la(s) variable(s) control. Para el caso contrario, cabe distinguir al menos dos situaciones: i) cuando existe dependencia de terceras variables y la relacin desaparece por completo en todas las categoras (relacin espuria) y ii) cuando existe dependencia de terceras variables y la relacin desaparece parcialmente en alguna de las categoras (relacin de tipo condicional o tambin denominada de interaccin). 4.2. Ejecucin en SPSS 1. 2. 3. Analizar en la barra del men de SPSS. Estadsticos descriptivos. Tablas de contingencia / Ingresar la variable dependiente en filas y la variable independiente en columnas. La(s) variable(s) control se ingresan en capa. Estadsticos > Chi-cuadrado, V de Cramer, Correlaciones (Spearman y Pearson), segn corresponda al nivel de medicin de las variables. Continuar Casillas / Frecuencias > Sacar seleccin en observadas. / Porcentajes > Seleccionar columna. Continuar Aceptar

4.

52

5. 6.

7. 8.

4.3. Ejemplo aplicado en SPSS Segn se pudo constatar en el punto 3.4., La edad no incide en el grado de adhesin a la democracia en Chile. Sin embargo, se indicaba que alguien podra sugerir que quizs existan terceras variables que estn determinando este resultado como, por ejemplo, la variable educacin. Para confirmar o descartar tal posibilidad se ha de realizar nuevamente el anlisis bivariado entre las variables adhesin a la democracia y edad (en grupos etarios), introduciendo al anlisis como variable de control la educacin.

El procedimiento es muy similar al ya realizado en el punto 3.4., con la diferencia que se introduce la variable de control en la casilla capa, lo que podemos visualizar del siguiente modo:

53

Una vez ejecutados los pasos indicados obtenemos las tablas de contingencia para cada categora de la variable control educacin y, a su vez, las respectivas pruebas de significacin estadstica (Chi-cuadrado y V de Cramer).
CO CUL DE LAS SIGUIE TES FRASES EST USTED MS DE ACUERDO? * Grupos etarios * Educacin

Grupos etarios
18-24 aos
A LA GENTE COMO UNO LE DA LO MISMO UN GOBIERNO DEMOCRTICO QUE UNO AUTORITARIO EN ALGUNAS CIRCUNSTANCIAS ES MEJOR UN GOBIERNO AUTORITARIO QUE UNO DEMOCRTICO LA DEMOCRACIA ES PREFERIBLE A CUALQUIER OTRA FORMA DE GOBIERNO A LA GENTE COMO UNO LE DA LO MISMO UN GOBIERNO DEMOCRTICO QUE UNO AUTORITARIO EN ALGUNAS CIRCUNSTANCIAS ES MEJOR UN GOBIERNO AUTORITARIO QUE UNO DEMOCRTICO LA DEMOCRACIA ES PREFERIBLE A CUALQUIER OTRA FORMA DE GOBIERNO A LA GENTE COMO UNO LE DA LO MISMO UN GOBIERNO DEMOCRTICO QUE UNO AUTORITARIO EN ALGUNAS CIRCUNSTANCIAS ES MEJOR UN GOBIERNO AUTORITARIO QUE UNO DEMOCRTICO LA DEMOCRACIA ES PREFERIBLE A CUALQUIER OTRA FORMA DE GOBIERNO A LA GENTE COMO UNO LE DA LO MISMO UN GOBIERNO DEMOCRTICO QUE UNO AUTORITARIO EN ALGUNAS CIRCUNSTANCIAS ES MEJOR UN GOBIERNO AUTORITARIO QUE UNO DEMOCRTICO LA DEMOCRACIA ES PREFERIBLE A CUALQUIER OTRA FORMA DE GOBIERNO

25-34 aos 51,4% 8,1% 40,5%

35-44 aos 41,9% 7,5% 50,5%

45-54 aos 38,1% 14,9% 47,0%

55 aos y ms 29,5% 10,4% 60,0%

Total 34,7% 10,8% 54,5%

50,0% 12,5% 37,5% 100,0% 35,1% 11,0% 53,9% 100,0% 26,5% 8,8% 64,7% 100,0% 14,9% 11,4% 73,7% 100,0%

Bsica C/I

100,0% 100,0% 100,0% 100,0% 100,0% 36,0% 14,3% 49,7% 29,6% 14,6% 55,8% 27,6% 12,4% 60,0% 19,4% 14,2% 66,4% 28,5% 13,5% 58,1%

Media C/I

100,0% 100,0% 100,0% 100,0% 100,0% 29,0% 8,1% 62,9% 15,1% 15,1% 69,9% 9,8% 12,2% 78,0% 12,5% 20,8% 66,7% 18,6% 13,2% 68,2%

Instituto Profesional C/I

100,0% 100,0% 100,0% 100,0% 100,0% 11,5% 11,5% 77,0% 13,3% 12,0% 74,7% 14,1% 9,0% 76,9% 12,9% 9,9% 77,2% 13,4% 10,8% 75,8%

54

Universitaria C/I o Post-grado

Total

100,0% 100,0% 100,0% 100,0% 100,0%

Si examinamos la tabla de contingencia, podemos constatar las siguientes tendencias: 1. A medida que disminuye la escolaridad tiende a disminuir la proporcin de chilenos que considera que la democracia es preferible a cualquier otra forma de gobierno: se pasar de un 54,5% entre quienes tienen educacin bsica (completa o incompleta) a un 75,5% entre quienes poseen educacin universitaria (completa y completa) o Postgrado; segn se puede apreciar en la columna de total. 2. Una tendencia inversa se observa respecto de la frase a la gente como uno le da lo mismo un gobierno democrtico que uno autoritario. Es decir, a medida que disminuye la escolaridad aumenta la proporcin de chilenos que est de acuerdo con dicha afirmacin. 3. Las fluctuaciones ms fuertes respecto de la incidencia de la edad sobre la adhesin a la democracia se da entre quienes poseen educacin bsica y media (completa o incompleta). As, por ejemplo, mientras que el 60,0% de quienes tienen entre 55 aos y ms considera que la democracia es preferible a cualquier otra forma de gobierno, slo el 37,5% de los que tienen entre 18-24 aos piensa lo mismo.

Pruebas de chi-cuadrado Educacin Bsica C/I Chi-cuadrado de Pearson Razn de verosimilitudes Asociacin lineal por lineal N de casos vlidos Chi-cuadrado de Pearson Razn de verosimilitudes Asociacin lineal por lineal N de casos vlidos Chi-cuadrado de Pearson Razn de verosimilitudes Asociacin lineal por lineal N de casos vlidos Chi-cuadrado de Pearson Razn de verosimilitudes Asociacin lineal por lineal N de casos vlidos Valor 19,558a 19,240 14,312 701 20,142b 20,690 15,495 1011 12,959c 12,735 3,241 258 1,133d 1,149 ,188 463 gl 8 8 1 8 8 1 8 8 1 8 8 1 Sig. asinttica (bilateral) ,012 ,014 ,000 ,010 ,008 ,000 ,113 ,121 ,072 ,997 ,997 ,664

Media C/I

Instituto Profesional C/I

Universitaria C/I o Post-grado

a. 2 casillas (13,3%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 2,60. b. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 20,72. c. 1 casillas (6,7%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 4,48. d. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 8,42.

Medidas simtricas Educacin Bsica C/I Nominal por nominal N de casos vlidos Media C/I Nominal por nominal N de casos vlidos Instituto Profesional C/I Nominal por nominal N de casos vlidos Universitaria C/I o Post-grado Nominal por nominal N de casos vlidos Phi V de Cramer Phi V de Cramer Phi V de Cramer Phi V de Cramer Valor Sig. aproximada ,167 ,012 ,118 ,012 701 ,141 ,100 1011 ,224 ,158 258 ,049 ,035 463 ,010 ,010 ,113 ,113 ,997 ,997

55

Por otra parte, el anlisis de la prueba Chi-cuadrado de Pearson nos muestra que existe una relacin estadsticamente significativa entre la edad y la adhesin a la democracia en aquellos que poseen educacin bsica y educacin media (completa o incompleta), pero no as en los que poseen educacin tcnico profesional o universitaria (completa o incompleta); siendo en ambos casos la intensidad de la relacin baja (V de Cramer). En otras palabras, la cultura cvica-democrtica de los grupos etarios ms jvenes se ve afectada por los niveles de escolaridad. Por tanto, podemos concluir que: la edad s incide en el grado de adhesin a la democracia, salvo en los grupos de mayor escolaridad (tcnico profesional c/i; y universitaria c/i o post-grado). Para una mejor comprensin de la interpretacin de las pruebas de significacin estadstica con variables control, vese a continuacin el punto 4.3.

4.3. Interpretacin de las Pruebas de Significacin Estadstica Al realizar un cruce entre la variable dependiente (Y) y la variable independiente (X), incluyendo una variable de control (C), se debe proceder al anlisis de los datos de modo similar a cuando trabajamos con dos variables. As, nos encontraremos con las siguientes situaciones: Situacin 1: Dependencia/Independencia La variable Y depende de la variable X, independientemente de la variable C. Tal situacin ocurre cuando el estadstico de contraste es menor a 0.05 en cada una de las categoras de la variable de control. La variable Y no depende de la variable X, independientemente de la variable C. Dicha situacin ocurre cuando el estadstico de contraste es mayor a 0.05 en cada una de las categoras de la variable de control. Situacin 2: Relacin condicionada. La variable Y depende de la variable X, salvo en el caso de las categoras de variable C (en la que se da una asociacin no significativa). La variable Y no depende de la variable X, salvo en el caso de las categoras de la variable C (en la que se da una asociacin significativa). Situacin 3: Relacin espuria La variable Y no depende de la variable X, sino de la variable C (no existe asociacin significativa en cada una de las categoras de la variable control). Sin embargo, se debe prestar especial atencin a las variables control de carcter nominal con dos categoras, ya que la no existencia de relacin en una de las categoras puede estar indicando que sta se comporta como variable interviniente, dejando en evidencia una relacin espuria entre las dos variables originales (de modo anlogo a la lgica de los diseos experimentales en que la variable independiente -o tratamiento- toma dos valores: aplica / no aplica). 56

5. El papel de la Teora y los Modelos de Relaciones

En trminos generales, asumimos que no resulta razonable llevar a cabo una investigacin de carcter emprico sin un marco terico o analtico apropiado a nuestras preguntas (problema) de investigacin. Y a medida que se aumenta en el nivel de complejidad del diseo en un estudio, mayor ser el peso de la teora, ya que se estar trabajando bajo una lgica predominantemente deductiva. La teora juega al menos cinco funciones fundamentales en lo que respecta a los modelos de relaciones entre variables. En primer lugar, nos permite delimitar aquellos mbitos de realidad a los que se le debe prestar atencin. En segundo lugar, nos permite

discriminar cules han de ser las variables relevantes en el estudio: variable dependiente, independientes y de control. En tercer lugar, nos permite establecer el sentido de tales relaciones (modelos) y formular, por consiguiente, en cuarto lugar, las hiptesis de trabajo. Finalmente, en quinto lugar, nos permite interpretar los resultados encontrados. Sin una adecuada teora no podramos, por ejemplo, distinguir entre una simple relacin estadstica de una causal. La elaboracin de representaciones acerca del sentido de las relaciones entre las variables de un problema de investigacin se puede llevar a cabo a partir de frmulas matemticas relativamente complejas o mediante representaciones conceptuales a travs de diagramas de flechas (que son ms frecuentes en las ciencias sociales). Tales representaciones son especialmente relevantes en el anlisis estadstico multivariado. Esto nos permite establecer de modo sencillo las mltiples relaciones que se desprenden del marco terico/analtico, lo que es clave para la formulacin de las hiptesis de investigacin, de modo tal de orientar las decisiones que se deben ir tomando al momento de seleccionar e interpretar las diferentes pruebas de significacin estadstica (asociadas con la prueba de hiptesis).

57

Cap. 4. Regresin Lineal Mltiple

1. Descripcin de la Tcnica
La Regresin Lineal Mltiple (RLM) es una tcnica que permite estudiar la relacin entre una variable dependiente mtrica10 y dos o ms variables independientes usualmente mtricas (tambin denominadas predictoras o explicativas), aunque tambin es posible incorporar variables medidas a nivel ordinal o nominal. Las variables nominales deben ser recodificadas como variables dummy, es decir, en categoras 0 (atributo omitido de referencia) y 1 (atributo a considerar). En trminos generales, la RLM intenta predecir o explicar los valores de la variable dependiente a partir del conjunto de variables independientes consideradas en el modelo. La RLM se basa en el coeficiente de correlacin r de Pearson, pero nos permite ir ms all del estudio de relaciones entre variables de modo de establecer predicciones (o modelos explicativos). Entre mayor sea la correlacin entre las variables independientes y la dependiente, mayor ser su capacidad de prediccin. Esto permite establecer hiptesis correlacionales y causales. En el caso de hiptesis causales, cabe precisar, se requiere de un fuerte fundamento terico/analtico, tanto para su formulacin como su interpretacin, adems de un diseo de investigacin apropiado (experimental o cuasiexperimental). El anlisis estadstico no es suficiente para determinar una relacin de causalidad. De igual modo, la seleccin apropiada de las variables requiere de un marco terico/analtico adecuado y la revisin de estudios empricos previos. Con ello se ha de determinar qu variables quedan incluidas dentro del modelo y cules no. En dicha opcin, solamente podremos estudiar las relaciones entre las variables seleccionadas. Nada podremos decir respecto de las variables que han sido excluidas. Se trata, entonces, de minimizar el riesgo de incorporar un sesgo al anlisis, debido a la omisin de variables relevantes (error de especificacin). Y aunque la inclusin de variables independientes irrelevantes no implica un sesgo, su incorporacin s reduce la parsimonia del modelo. Se debe tener presente tambin, que no toda relacin causa-efecto es de tipo lineal, como es el caso, por ejemplo, entre los niveles de ansiedad y el rendimiento acadmico. Llegado a cierto umbral de ansiedad, el nivel de rendimiento acadmico comienza a decrecer a medida que la ansiedad aumenta. La relacin lineal que se estableca hasta antes de dicho umbral desaparece: la recta se comienza a trasformar en una curva decreciente. Por otra parte, debemos tener muy presente que a veces el bajo poder predictivo de las variables consideradas en un modelo, no se debe tanto a su dbil relevancia terica, como a un problema de validez (error de medida). Es decir, el concepto medido empricamente no estara midiendo lo que intenta medir, afectando con ello su poder predictivo. 58

10

Se refiere a variables medidas a nivel intervalar o de razn.

Para estimar la lnea recta de regresin en la RLM se utiliza el criterio de los mnimos cuadrados. De modo de encontrar una lnea recta que minimice la diferencia entre los valores observados (Y) y los valores esperados (Y), reduciendo el grado de dispersin de las diferencias (residuales). De todas las rectas posibles, existe solamente una que logra pasar lo ms equidistante de todos los puntos, la que se obtiene al minimizar la suma al cuadrado de las diferencias entre Y e Y (error). Entre menores sean las diferencias, ms precisa ser la prediccin de nuestra variable dependiente (Y). Las diferencias se elevan al cuadrado puesto que de lo contrario obtendramos valores tanto negativos como positivos y, al sumarlos, se anularan. Mientras ms baja sea la sumatoria de las diferencias al cuadrado, mejor se ajustar el modelo (la recta) a la nube de puntos, y mayor ser su capacidad explicativa (R2). La ecuacin de regresin resultante se expresa genricamente en los siguientes trminos: Y = 0 + 1 X1 + 2 X2 + 3 X3+ 4 X4+ + k Xk+ Donde, Y corresponde a la variable dependiente y X a las variables independientes, cada una de las cuales va acompaada de un factor de , que corresponde al peso de la variable independiente en la ecuacin (ponderacin de la variable). La ecuacin incluye una constante 0 (pendiente de la recta) y un error (lo no explicado por el modelo). Es importante tener presente que la ecuacin de la recta resultante no define una recta en un plano, sino en un hiperplano (espacio multidimensional). Si intentamos representar, por ejemplo, una variable dependiente y dos variables independientes, se necesitara una representacin tridimensional, es decir, de tres ejes. Y a medida que incorporamos un mayor nmero de variables, mayor es el nmero de ejes que necesitamos para su representacin. En tal sentido, es que hablamos de un espacio multidimensional. Los coeficientes estimados en la ecuacin de regresin se utilizan para estimar los valores en la variable dependiente y, a su vez, para expresar el cambio esperado en la variable dependiente por cada unidad de cambio en las variables independientes. De modo que, adems de la prediccin, podemos estimar tambin cul de las variables independientes es la que ms contribuye al cambio en la variable dependiente (mayor capacidad predictiva). Puesto que las variables independientes suelen estar medidas en diferentes unidades, es necesario proceder a una estandarizacin. A partir de ello se obtiene lo que se conoce como los coeficientes estandarizados beta. Al estandarizar los coeficientes obtenemos una unidad comn de medida que nos permite evaluar la contribucin relativa de cada variable al modelo. Por otra parte, si bien es cierto que siempre es posible encontrar una recta que pase equidistante a travs de una nube de puntos, no siempre dicha recta resume o da cuenta de buen modo de los diferentes puntos. Esto tiene que ver con el error del modelo, es decir, la varianza en la variable dependiente que no es explicada por el conjunto de las variables independientes consideradas en el modelo. Para evaluar la capacidad predictiva, es decir, la calidad de ajuste de la recta a la nube de puntos, es que usamos R cuadrado (R2). Mediante R cuadrado podemos estimar cul es la proporcin de la varianza en la variable dependiente que es explicada por el conjunto de variables independientes incluidas en el modelo. El resto de la varianza se explica, entonces, por

59

otras variables que no han sido consideradas o incluidas. R cuadrado toma valores entre 0 y 1. Dentro de tales rangos debemos interpretar la proporcin de varianza explicada. Para expresarlo en trminos de porcentaje, simplemente multiplicamos dicho valor por 100. Se debe tener presente que un R2 reducido representa una baja relacin (lineal) entre la variable dependiente y las independientes. En la tabla de resumen del modelo (RLM), se presenta tanto R2 y R2 corregido. La diferencia estriba en el hecho de que R2 es sensible al nmero de casos y al nmero de variables, generndose usualmente una sobre-estimacin de su valor. Para rectificar esto, se calcula R2 corregido.

2. Objetivos
La RLM puede ser utilizada para responder al menos cuatro aspectos fundamentales en el marco de una investigacin: i) La capacidad del modelo de predecir (o explicar) a partir de un conjunto de variables independientes el resultado de la variable dependiente (varianza). ii) Determinar qu variable, dentro de un conjunto de variables independientes, es el mejor predictor de la variable dependiente. iii) Determinar la capacidad de una variable independiente (o un conjunto de ellas) de predecir el resultado de la variable dependiente, controlando por el efecto del resto de las variables independientes. iv) Determinar qu variables independientes tienen un impacto estadsticamente significativo sobre la variable dependiente.

60

3. Condiciones de Aplicacin
La RLM tiene un conjunto de condiciones de aplicacin, siendo un error comn que se descuide la adecuada verificacin de si se cumplen o no tales condiciones. Esto puede derivar en resultados inapropiados de los test de significacin (por ejemplo, que se muestren significativos cuando en realidad no los son o viceversa), generando estimaciones sesgadas e imprecisas sobre la variable dependiente. A continuacin se revisan brevemente cada uno de ellos. Tamao de la muestra: cuando se trabaja con muestras pequeas uno puede obtener resultados que no son susceptibles de generalizar (que no se pueden repetir) a otras muestras. Es por ello que se fijan algunos criterios para evitar lo anterior. Uno de ellos consiste en considerar al menos 15 casos por cada variable independiente a ser incorporada en la ecuacin. Otros argumentan que debiera considerarse al menos 40 casos por cada variable independiente. Finalmente, hay quienes que consideran un nmero de casos de al menos 8 veces el nmero de variables independientes ms 50 (N > [50 + 8 * N variables independientes]).11

Por otra parte, en la medida que la muestra sea muy grande (sobre 1.000 observaciones), la potencia estadstica de los test de significacin se puede ver afectada. Los test se hacen demasiado sensibles de modo que casi cualquier relacin es estadsticamente significativa.

11

ivel de medicin: la variable dependiente debe estar medida a nivel intervalar o de razn. Las variables independientes pueden ser intervalares o de razn, ordinales y nominales (requieren recodificacin). Multicolinealidad: se da cuando las variables independientes se encuentran altamente correlacionadas (r de Pearson 0.90 r de Pearson 0.70), lo que significa que aportan informacin muy similar difcil de separar. Es decir, se hace difcil estimar la contribucin de cada variable (comparten mucha varianza) a la estimacin de la variable dependiente. Lo ideal es que las variables independientes estn altamente correlacionadas con la variable dependiente y que tengan una baja correlacin entre s, pero esto es algo que no siempre se da. En caso de presentarse dos variables independientes altamente correlacionadas habra que optar por una de ellas, usualmente se elige la que es tericamente ms relevante (evitando as el error de especificacin). Otra alternativa, es generar una nueva variable a partir de las dos. En la eventualidad de no realizar el procedimiento anterior, lo que ocurrira es que el poder predictivo de cada variable independiente se ver seriamente afectado. A medida que aumenta la colinealidad,12 la varianza explicada por cada variable independiente se reduce y aumenta la varianza compartida. Las variables consideradas al compartir mucha informacin en comn (varianza), poco agregan de informacin adicional al modelo. Con ello se genera un modelo con muchas variables, las que tienen una muy baja capacidad explicativa debido a la multicolinealidad. Y, en algunos casos tambin, pueden llegar a ser estadsticamente no significativas. En otras palabras, una alta correlacin entre las variables independientes hace que algunas variables sean absolutamente redundantes en la prediccin de la variable dependiente, debido a que agregan muy poca informacin adicional al modelo predictivo. Finalmente, altos grados de multicolinealidad pueden tener como consecuencia una incorrecta estimacin de los coeficientes de regresin. Outliers: RLM es muy sensible a los valores extremos (valores muy bajos o muy altos). La lnea recta intenta pasar equidistante de todos los puntos y, por ende, tiende a desviarse hacia los valores extremos. Los outliers tienden a generar un efecto desproporcionado sobre los resultados de la regresin. Usualmente se eliminan los casos con valores extremos o bien son reclasificados. Los outliers deben chequearse en todas las variables, ya sean independientes o dependiente. Si bien es recomendable eliminar tales casos, se debe tener un especial cuidado de no eliminar aquellos que efectivamente son representativos de la poblacin, a partir de la cual ha sido extrada la muestra. ormalidad, linealidad y homocedasticidad de los residuales: los residuales corresponden las diferencias entre los valores observados y los valores estimados en la variable dependiente. Por tanto, dan cuenta del grado de exactitud de la prediccin: entre ms pequeo sea el valor de los residuales, mejor es la prediccin. Dicho de otro modo, mejor se ajusta la recta de regresin a la nube de puntos.
12

61

Usamos el trmino multicolinealidad cuando hay ms de dos variables involucradas y de colinealidad cuando hay slo dos.

ormalidad: los residuos deben ajustarse a una distribucin normal. Las estimaciones de los valores se calculan a partir del mtodo de los mnimos cuadrados. Se verifica a travs de un histograma de residuos, en el que los residuos deben ajustarse a una distribucin normal. Tambin se verifica el supuesto de normalidad a partir de un grfico de probabilidad normal, en el que se espera que los residuales se ajusten a una recta diagonal. Linealidad: el no cumplimiento de la linealidad suele denominarse error de especificacin. Esto se produce por distintas razones, entre ellas, por la omisin de variables relevantes o la incorporacin de variables independientes que no establecen una relacin lineal con la variable dependiente. Para chequear el supuesto de linealidad se requiere examinar los grficos parciales. Dicha opcin genera un grfico por cada variable independiente incorporada al modelo. Homocedasticidad: la varianza de los residuales sobre los valores estimados de la variable dependiente deben ser los mismos para todos los valores estimados (varianza constante). Esto se puede verificar a travs del grafico de dispersin.

4. Mtodos de Seleccin de las Variables

Existen tres procedimientos distintos de RLM que podemos utilizar en la seleccin de las variables independientes que han de ser incorporadas al modelo. Esto sobre la base de respetar el principio de parsimonia, el cual consiste en explicar el mximo de varianza en una variable dependiente con el menor nmero posible de variables independientes. Por tanto, en el modelo se han de considerar/retener aquellas variables que son ms significativas en su capacidad predictiva. Mtodo standard o simultneo: todas las variables independientes son incorporadas simultneamente en la ecuacin. Cada variable independiente es evaluada en funcin de su contribucin al modelo, esto es, su poder predictivo. Nos permite tambin determinar la importancia relativa de cada variable. Vase i) y ii). En trminos de su uso, es el ms frecuente. Mtodo jerrquico o secuencial: las variables independientes son incorporadas en la ecuacin en un cierto orden predefinido por el investigador, basado en su conocimiento terico/analtico sobre el tema. Las variables son incorporadas en grupos (blocks), lo cual permite estimar la contribucin explicativa de una variable independiente (o blocks) luego de controlar por el efecto del resto de las variables independientes (o blocks). Por tanto, a la vez que se logra i) y ii), tambin es posible determinar iii). Es importante enfatizar que no se trata de realizar un ejercicio arbitrario en la secuencia en que las variables son introducidas al modelo. La opcin adoptada debe dar cuenta de consideraciones tericas o del marco conceptual con el que se est trabajando.

62

Mtodo estadstico: las variables independientes a ser incorporadas en la ecuacin son seleccionadas mediante un conjunto de procedimientos estadsticos, con independencia de los presupuestos terico/analticos del investigador. Tres son los procedimientos que se pueden emplear en este caso: i) forward selection (procedimiento de adicin progresiva). La primera variable incorporada al modelo es la que mayor correlacin presenta con la variable dependiente y as sucesivamente; ii) bacward elimination (procedimiento de eliminacin progresiva). Se incorporan todas las variables independientes al modelo y luego se procede a eliminar progresivamente todas aquellas que no realicen una contribucin significativa al modelo; y iii) stepwise selection (procedimiento por etapas). Es una mezcla de los dos procedimientos anteriores. Las variables son seleccionadas por etapas. La primera variable incorporada al modelo es la que presenta una ms alta correlacin con la variable dependiente. En cada etapa se introduce o elimina una variable, concluyendo el proceso cuando todas las variables han satisfecho los requisitos de incorporacin/eliminacin. A diferencia de los mtodos anteriores, en que se aade o elimina una variable de modo irreversible, aqu es posible revertir la accin posteriormente. De los tres mtodos estadsticos, stepwise selection es el ms empleado. Sin embargo, existe mucha controversia respecto la conveniencia o no de utilizar alguno de estos procedimientos. En particular, el mtdodo stepwise selection puede introducir un sesgo importante, en la medida que considera una sola variable a la vez. A veces se da una interaccin entre las variables independientes que hace que si, por ejemplo, se introducen las dos variables, stas expliquen ms que si se consideran de modo individual (debido al efecto de interaccin que se genera entre ellas). Es ms, puede que al ser consideradas individualmente no sean estadsticamente significativas.

63

5. Tratamiento para las Variables Independientes ominales

Como se indic anteriormente, en el modelo de RLM es posible incorporar variables independientes medidas a nivel nominal, sin embargo, stas deben ser recodificadas como variables dummy, es decir, como variables dicotmicas cuyos valores son 0 y 1. Usualmente, 0 se refiere a la ausencia del atributo (o categora base) y 1 a la presencia del atributo (o categora de referencia). Si pensamos en la variable Zona, usualmente sta aparece codificada como: 1= Urbano y 2= Rural. Para transformarla en una variable dummy debemos proceder a recodificar los valores asociados a las categoras originales, en trminos de 0 y 1. Donde, por ejemplo, 2 ser igual a 0. Ciertamente el caso anterior es bastante sencillo. Algo ms complicado puede ser la situacin de una variable nominal con varias categoras de respuesta como, por ejemplo, la variable tendencia poltica cuyos valores (medidos en la Encuesta CEP) son: 1= Alianza, 2= Concertacin de partidos por la democracia, 3= Pacto Juntos Podemos y 4= Otros. Una opcin es i) recodificar la variable original en dos valores (0 y 1) y la otra consiste en ii) crear tres nuevas variables (cada una con valores 0 y 1). Expliquemos esto.

En la primera situacin, podemos, por ejemplo, recodificar la variable original en los siguientes trminos: 1= Se Identifica con la Concertacin y 0 = o se Identifica con la Concertacin. Por tanto, los valores originales 1, 3 y 4 pasan a tomar el valor 0, mientras que el valor 2 es igual a 1. De este modo se generan dos grupos, los que se identifican versus los que no se identifican con la Concertacin. Si bien tal solucin es correcta, alguien pudiera estar interesado en trabajar con ms categoras de la variable tendencia poltica. En dicha situacin se puede generar tres nuevas variables (N de variables= N de categoras 1), escogiendo como categora base, por ejemplo, la categora inguno. Las nuevas variables creadas se podran expresar del siguiente modo: Variable Dummy 1: Identificacin con la Alianza 0 1 0 0 Variable Dummy 2: Identificacin con la Concertacin 0 0 1 0 Variable Dummy 3: Identificacin con Pacto Junto Podemos 0 0 0 1

Categoras

Ninguno Alianza Concertacin Pacto Junto Podemos

Como se puede apreciar se han creado tres nuevas variables a partir de la variable original (de cuatro categoras). Si la variable original hubiese tenido siete categoras se podran generar, por tanto, seis nuevas variables dummy.

64

6. Evaluando el Modelo
Resumen del Modelo: permite evaluar la contribucin de las variables independientes en explicar la varianza de la variable dependiente (R cuadrado). Se expresa en trminos de una proporcin, tomando valores entre 0 y 1. Si lo multiplicamos por 100 obtenemos el porcentaje de varianza explicada. R Cuadrado Corregido corresponde al parmetro para el Universo en la inferencia estadstica, en tanto R Cuadrado lo es para la muestra. El valor de R cuadrado se calcula a partir de la suma al cuadrado de las correlaciones semiparciales, las cuales corresponden a la varianza nica explicada por cada variable independiente. Una correlacin semiparcial refleja la correlacin entre una variable independiente X1 y una dependiente Y, mientras se controlan los efectos predictivos del resto de las variables independientes sobre X1. En otras palabras, expresa la relacin entre X1 e Y eliminando el efecto del resto de las variables sobre X1.13

13

No debemos confundirlo con el coeficiente de correlacin parcial, el cual expresa la correlacin entre una variable independiente X1 y una dependiente Y, eliminando los efectos de las otras variables independiente tanto sobre X1 como Y.

A OVA: indica si el modelo en su conjunto es estadsticamente significativo o no. En otras palabras, nos permite determinar si existe una relacin lineal que pueda ser considerada como significativa. Para ello, se debe tener presente el nivel de significacin: si es mayor a 0.05 no es estadsticamente significativo (trabajando con un 95% de confianza). Los coeficientes estandarizados beta: nos dan una medida de la contribucin relativa de cada variable independiente al modelo (respecto de la variable dependiente). Se debe tener presente el nivel de significacin (mayores a 0.05 no son estadsticamente significativos). Aquellas variables que no son estadsticamente significativas no tienen ningn impacto en el modelo. No contribuyen en nada a su capacidad predictiva, por lo cual pueden ser eliminadas si se desea (R cuadrado no se ver afectado). Sin embargo, al eliminar (o incorporar) variables en el modelo, los coeficientes estandarizados beta son recalculados. Y su interpretacin no es en trminos absolutos, sino ms bien en relacin a las otras variables consideradas en el modelo. Generalmente se utilizan proporciones para comparar las variables entre s. Los valores fluctan entre 0 y 1. Entre ms cerca de 1, mayor ser la importancia o impacto de la variable independiente sobre la dependiente. La importancia relativa de una variable respecto de las otras se puede expresar en trminos de proporciones. El signo positivo o negativo de los coeficientes nos indica si la relacin es directa o inversamente proporcional. Mediante los coeficientes beta obtenemos los coeficientes de la ecuacin de la recta de regresin estandarizada. Estos indican la cantidad de cambio (en puntuaciones tpicas, es decir, estandarizadas) que se producir en la variable dependiente por cada cambio de una unidad en la variable independiente que se escoja, manteniendo constante el resto de las variables. Es por ello que son muy tiles a la hora de evaluar la importancia relativa de cada una de las variables en la ecuacin de la recta de regresin. Si queremos dar cuenta de la recta en los valores de las unidades originales de las variables independientes, debemos utilizar los coeficientes no estandarizados beta. 65

7. Verificando los Supuestos de Aplicacin de la RLM

Multicolinealidad Correlaciones: muestra una matriz de correlaciones entre las variables independientes incorporadas al modelo. Por regla general, valores superiores a 0,9 (r de Pearson) son considerados como una indicacin clara de colinealidad. Sin embargo, no siempre valores inferiores a 0,9 son garanta de no colinealidad, ya que se puede dar un efecto combinado de dos o ms variables independientes. En tal caso recurrimos a los valores de tolerancia y, lo que es su inverso, el factor de inflacin de varianza (VIF).

Estadsticos de colinealidad: nos indican el grado en que cada variable independiente es determinada por las dems. Los valores de tolerancia corresponden a una medida de correlacin entre las variables independientes cuyo valor vara entre 0 y 1. El valor de tolerancia es 1 menos la proporcin de la varianza explicada por las otras variables independientes. Donde, los valores cercanos a 0 indican una fuerte correlacin entre la variable independiente y el resto de las variables independientes. Como criterio, se puede sealar, habra que excluir del modelo a todas aquellas variables cuyos valores de tolerancia son inferiores a 0,10. Por otra parte, VIF es una medida alternativa de colinealidad, que corresponde al inverso de la tolerancia. Valores altos indican una fuerte correlacin entre las variables independientes, en este caso, valores VIF sobre 10. Outliers Los outliers en la variable dependiente pueden ser detectados mediante un grfico de estandarizacin de los residuales. Algunos autores consideran como outliers a todos aquellos valores estandarizados de los residuales mayores a +3 o menores -3 desviaciones tpicas. Los outliers pueden ser verificados mediante un Grfico de Dispersin y Diagnstico por caso. ormalidad de los residuales Se puede verificar inspeccionando los grficos de los residuos tipificados mediante un Histograma y un Grfico de probabilidad normal. 66

8. Ejecucin en SPSS
Mtodo Standard 1. Analizar Regresin Lineal 2. Ingresar la variable dependiente en la casilla Dependientes 3. Ingresar las variables independientes en la casilla Independientes 4. Mtodo Introducir 5. Estadsticos Estimaciones > Ajuste del modelo > Diagnstico de colinealidad > Diagnstico por caso (3 desviaciones tpicas) Continuar 6. Grficos Grficos de residuos tipificados Histograma Grfico de probabilidad normal Continuar 7. Opciones Excluir casos segn pareja (en valores perdidos) 8. Continuar Aceptar

Mtodo Jerrquico El procedimiento es similar al caso anterior, salvo que al momento de ingresar las variables independientes en la casilla Independientes, stas no son ingresas todas de una sola vez, sino que en bloques mediante la opcin Siguiente.

9. Ejemplo Aplicado en SPSS

El actual Gobierno, encabezado por Sebastin Piera, ha puesto bastante nfasis en la reactivacin del crecimiento econmico del pas, pero pese a los logros alcanzados en esta materia, las cifras de la encuesta CEP (de Julio-Agosto de 2012) muestran que el 31% de los chilenos califica como mala la actual situacin econmica del pas versus un 21% que la califica como buena.14 Al respecto, un investigador est interesado en explicar las diferentes percepciones que se tienen respecto de la situacin econmica del pas. En particular, se plantea las siguientes preguntas: Cunto explican las variables socio-demogrficas (sexo, edad, educacin, NSE y zona), la identificacin poltica (derecha, centro e izquierda) y la calificacin de la situacin econmica personal, la calificacin de la situacin econmica del pas? Qu variables son estadsticamente significativas? Cul es la variable que mayor impacto relativo tiene sobre la percepcin de la situacin econmica del pas? Cunto explica la calificacin de la situacin econmica personal la calificacin de la situacin econmica del pas, controlando por el efecto del resto de las variables? Antes de comenzar con el anlisis es necesario recodificar las variables nominales en variables dummy (sexo, zona e identificacin poltica).15 No olvidar dejar en la columna de valores perdidos a la NS, NC. Una vez realizado todo esto, el procedimiento en SPSS sera el que se indica a continuacin: 1. Analizar Regresin Lineal. 67

14 Se han sumado las categoras de respuesta Muy mala y Mala; como as tambin las categoras Muy buena y Buena. 15 En el presente ejemplo se han ordenado de menos a ms la variable nivel socioeconmico (NSE). Originalmente el NSE est codificado en la base de datos como: 1= Alto; 2= Medio; y 3= Bajo.

2. Ingresar la variable dependiente en la casilla Dependientes. 3. Ingresar las variables independientes en la casilla Independientes. 4. Mtodo Introducir (por defecto).

68

5. Estadsticos Estimaciones (por defecto) > Ajuste del modelo (por defecto) > Diagnstico de colinealidad > Diagnstico por caso (3 desviaciones tpicas) Continuar.

6. Grficos Grficos de residuos tipificados Histograma Grfico de probabilidad normal Continuar

7. Opciones Excluir casos segn pareja (en valores perdidos) 69

8. Continuar Aceptar

Evaluando el Modelo
Las respuestas a cada una de las preguntas planteadas anteriormente, deben ser extradas a partir de la interpretacin de las siguientes tablas:
Resumen del modelob R cuadrado R cuadrado corregida ,220 ,215

Modelo 1 R ,469a

Error tp. de la estimacin ,759

a. Variables predictoras: (Constante), Cmo calificara Ud. su actual situacin econmica?, Se identifica con el centro [0= No; 1= S], Edad [1= 18-24; 4= 55 y ms], Zona urbana o rural [0= Rural; 1 = Urbano], Sexo [0= Mujer; 1= Hombre], Se identifica con la derecha [0= No; 1= S], Se identifica con izquierda [0= No; 1= S], Nivel socioeconmico [1= Bajo; 3= Alto], Aos de escolaridad [1= 0-3 aos; 4= 13 y ms] b. Variable dependiente: Cmo calificara Ud. la actual situacin econmica del pas?

Respuesta 1: de acuerdo con los datos obtenidos en la tabla Resumen del modelo, el conjunto de variables independientes consideradas en el modelo explican el 21,5% de la varianza en la percepcin de la situacin econmica del pas (R cuadrado corregida x 100). A su vez, el modelo, en su conjunto, es estadsticamente significativo, ya que el nivel de significacin en la tabla de ANOVA es menor a 0,05 (trabajando con un 95% de confianza).
ANOVA Modelo 1 Regresin Residual Total Suma de cuadrados 241,969 857,490 1099,459 gl 9 1489 1498
b

Media cuadrtica 26,885 ,576

70
F 46,672 Sig. a ,000

a. Variables predictoras: (Constante), Cmo calificara Ud. su actual situacin econmica?, Se identifica con el centro [0= No; 1= S], Edad [1= 18-24; 4= 55 y ms], Zona urbana o rural [0= Rural; 1 = Urbano], Sexo [0= Mujer; 1= Hombre], Se identifica con la derecha [0= No; 1= S], Se identifica con izquierda [0= No; 1= S], Nivel socioeconmico [1= Bajo; 3= Alto], Aos de escolaridad [1= 0-3 aos; 4= 13 y ms] b. Variable dependiente: Cmo calificara Ud. la actual situacin econmica del pas?

Respuesta 2: a partir de la tabla de Coeficientes, es posible constatar que del conjunto de variables independientes incorporadas al modelo, tienen incidencia estadsticamente significativa: sexo, nivel socioeconmico, identificacin con la derecha, identificacin con el centro y calificacin de la situacin econmica personas (significacin < 0,05). En particular, la variable calificacin de la situacin econmica personal es la que mayor impacto relativo tiene sobre la calificacin de la situacin econmica del pas (coeficiente estandarizado beta = 0,353), verificndose una relacin directamente proporcional. Esto es, a medida que mejora la percepcin de la situacin econmica personal, mejora tambin la percepcin de la situacin econmica del pas. Por otra parte, dicha variable tiene un impacto de 6,1 veces ms que la variable nivel socioeconmico sobre la percepcin de la situacin econmica del pas (0,353/0,058 = 6,086).

Modelo

1 (Constante) Sexo [0= Mujer; 1= Hombre]

Coeficientesa Coeficientes no Coeficientes estandarizados tipificados B Error tp. Beta t 1,292 ,126 10,231 ,244 -,009 ,086 ,042 ,020 ,283 ,101 -,171 ,389 ,040 ,021 ,042 ,029 ,063 ,060 ,069 ,051 ,027 ,142 -,011 ,058 ,043 ,008 ,113 ,035 -,081 ,353 6,128 -,428 2,058 1,486 ,321 4,688 1,468 -3,374 14,196

Sig. ,000 ,000 ,668 ,040 ,137 ,749 ,000 ,142 ,001 ,000

Edad [1= 18-24; 4= 55 y ms] Nivel socioeconmico [1= Bajo; 3= Alto] Aos de escolaridad [1= 0-3 aos; 4= 13 y ms] Zona urbana o rural [0= Rural; 1 = Urbano] Se identifica con la derecha [0= No; 1= S] Se identifica con el centro [0= No; 1= S] Se identifica con izquierda [0= No; 1= S] Cmo calificara Ud. su actual situacin econmica? [1= Muy mala; 5= Muy buena]

a. Variable dependiente: Cmo calificara Ud. la actual situacin econmica del pas? [1= Muy mala; 5= Muy buena].

Tips La interpretacin de la direccionalidad de la relacin en las variables nominales es distinta que en las variables ordinales. El signo, ya sea positivo o negativo, de los Coeficientes Tipificados Beta (estandarizados), no se interpreta en trminos de directamente o inversamente proporcionales. Si consideramos, por ejemplo, la variable sexo, siendo hombre el atributo de referencia (valor 1), tenemos que al ser de signo positivo la interpretacin es la siguiente: los hombres califican mejor la situacin econmica del pas que las mujeres.

71

Respuesta 3: segn la tabla de Resumen del modelo, la variable percepcin de la situacin econmica personal explica el 10,6% de la varianza en la percepcin de la situacin econmica del pas (diferencia en R cuadrado corregida entre el modelo 1 y el modelo 2), controlando por el efecto del resto de las variables independientes. Los modelos en ambos son casos estadsticamente significativos, puesto que el nivel de significacin en la tabla de ANOVA es menor a 0,05.

Tips Para este clculo, se debe trabajar con el mtodo jerrquico o secuencial. Bastara, entonces, con ingresar la variable calificacin de la situacin econmica personal en el bloque 2 en la casilla de las variables independientes.

Resumen del modeloc Modelo 1 2 R ,338a b ,469 R cuadrado ,114 ,220 R cuadrado corregida ,110 ,215 Error tp. de la estimacin ,808 ,759

a. Variables predictoras: (Constante), Se identifica con izquierda [0= No; 1= S], Zona urbana o rural [0= Rural; 1 = Urbano], Edad [1= 18-24; 4= 55 y ms], Sexo [0= Mujer; 1= Hombre], Se identifica con el centro [0= No; 1= S], Se identifica con la derecha [0= No; 1= S], Nivel socioeconmico [1= Bajo; 3= Alto], Aos de escolaridad [1= 0-3 aos; 4= 13 y ms] b. Variables predictoras: (Constante), Se identifica con izquierda [0= No; 1= S], Zona urbana o rural [0= Rural; 1 = Urbano], Edad [1= 18-24; 4= 55 y ms], Sexo [0= Mujer; 1= Hombre], Se identifica con el centro [0= No; 1= S], Se identifica con la derecha [0= No; 1= S], Nivel socioeconmico [1= Bajo; 3= Alto], Aos de escolaridad [1= 0-3 aos; 4= 13 y ms], Cmo calificara Ud. su actual situacin econmica? [1= Muy mala; 5= Muy buena] c. Variable dependiente: Cmo calificara Ud. la actual situacin econmica del pas? [1= Muy mala; 5= Muy buena]

ANOVA Modelo 1 Regresin Residual Total 2 Regresin Residual Total Suma de cuadrados 125,887 973,572 1099,459 241,969 857,490 1099,459 gl

8 1490 1498 9 1489 1498

Media cuadrtica 15,736 ,654 26,885 ,576

F 24,076

Sig. a ,000

46,672

,000

a. Variables predictoras: (Constante), Se identifica con izquierda [0= No; 1= S], Zona urbana o rural [0= Rural; 1 = Urbano], Edad [1= 18-24; 4= 55 y ms], Sexo [0= Mujer; 1= Hombre], Se identifica con el centro [0= No; 1= S], Se identifica con la derecha [0= No; 1= S], Nivel socioeconmico [1= Bajo; 3= Alto], Aos de escolaridad [1= 0-3 aos; 4= 13 y ms] b. Variables predictoras: (Constante), Se identifica con izquierda [0= No; 1= S], Zona urbana o rural [0= Rural; 1 = Urbano], Edad [1= 18-24; 4= 55 y ms], Sexo [0= Mujer; 1= Hombre], Se identifica con el centro [0= No; 1= S], Se identifica con la derecha [0= No; 1= S], Nivel socioeconmico [1= Bajo; 3= Alto], Aos de escolaridad [1= 0-3 aos; 4= 13 y ms], Cmo calificara Ud. su actual situacin econmica? [1= Muy mala; 5= Muy buena] c. Variable dependiente: Cmo calificara Ud. la actual situacin econmica del pas? [1= Muy mala; 5= Muy buena]

72

Verificando Algunas de las Condiciones de Aplicacin

Multicolinealidad
Coeficientes
Modelo Coeficientes no estandarizados B Error tp. 1,292 ,126 ,244 -,009 ,086 ,042 ,020 ,283 ,101 -,171 ,389 ,040 ,021 ,042 ,029 ,063 ,060 ,069 ,051 ,027
a

Coeficientes tipificados Beta ,142 -,011 ,058 ,043 ,008 ,113 ,035 -,081 ,353 t 10,231 6,128 -,428 2,058 1,486 ,321 4,688 1,468 -3,374 14,196 Sig. ,000 ,000 ,668 ,040 ,137 ,749 ,000 ,142 ,001 ,000

Estadsticos de colinealidad Tolerancia ,969 ,831 ,662 ,615 ,860 ,908 ,926 ,900 ,847 FIV 1,032 1,204 1,512 1,625 1,163 1,101 1,080 1,111 1,181

1 (Constante)
Sexo [0= Mujer; 1= Hombre] Edad [1= 18-24; 4= 55 y ms] Nivel socioeconmico [1= Bajo; 3= Alto] Aos de escolaridad [1= 0-3 aos; 4= 13 y ms] Zona urbana o rural [0= Rural; 1 = Urbano] Se identifica con la derecha [0= No; 1= S] Se identifica con el centro [0= No; 1= S] Se identifica con izquierda [0= No; 1= S] Cmo calificara Ud. su actual situacin econmica? [1= Muy mala; 5= Muy buena]

a. Variable dependiente: Cmo calificara Ud. la actual situacin econmica del pas? [1= Muy mala; 5= Muy buena]

Anlisis: al analizar los valores de Tolerancia, lo que observamos es que stos no tienden a 0 sino que a 1, por lo que descartamos la existencia de multicolinealidad entre las variables independientes. Recordemos que valores inferiores a 0,10 son considerados como una clara indicacin de multicolinealidad. Los valores FIV (Factor de Inflacin de la Varianza) proporcionan la misma informacin que los valores de tolerancia (corresponde al inverso de sta) y se espera que stos no superen el valor de 10.

73

Tips Para descartar la existencia de multicolinealidad, se puede utilizar indistintamente los estadsticos de Tolerancia o FIV, ya que FIV es el inverso de Tolerancia. La nica diferencia adicional estriba en que el valor FIV se emplea tambin al momento de calcular las varianzas de los coeficientes de regresin. Hablamos de colinealidad cuando hay dos variables independientes altamente correlacionadas y de multicolnealidad cuando hay ms de dos.

Outliers
Diagnsticos por caso Cmo calificara Ud. la actual situacin econmica del pas? [1= Muy mala; 5= Muy buena] 5 5 1 5 5
a

Nmero de casos Residuo tp. 164 437 495 1362 1433 3,201 3,134 -3,580 3,227 3,224

Valor pronosticado 2,57 2,62 3,72 2,55 2,55

Residual 2,429 2,379 -2,717 2,449 2,447

a. Variable dependiente: Cmo calificara Ud. la actual situacin econmica del pas? [1= Muy mala; 5= Muy buena]

Anlisis: la tabla de Diagnsticos por caso nos entrega la informacin necesaria para evaluar si estamos en presencia de valores extremos (poco usuales en relacin al resto de los valores considerados) o outliers. A partir de los datos de la tabla vemos que hay 5 casos que tienen valores superiores 3 desviaciones tpicas. Estos son los casos ubicados en los registros 164, 437, 495, 1362 y 1433 de la base de datos de la encuesta CEP. En los casos identificados, el conjunto de variables independientes consideradas en el modelo no genera una buena prediccin, debido a que estaran indicando que la percepcin de la situacin econmica del pas vara mucho respecto de la estimada. Por ejemplo, el caso 495 tiene un valor real de 1 en la calificacin de la situacin econmica del pas (Muy mala), pero el valor pronosticado es de 3,72 (que cercano a Buena).

74

Tips Una alternativa que permitira corregir las deviaciones extremas (outliers) sera eliminarlos, o recodificarlos en valores menos extremos. Sin embargo, en muestras grandes se suele aceptar valores extremos en torno a un 1% del total de casos. Ms all de eso, se asume que esto puede conllevar complicaciones seras para el modelo. En nuestro ejemplo, estos 3 casos estn muy lejos de llegar a representar el 1%, por lo que podemos decidir conservarlos. Por otra parte, ya sea si se eliminan o recodifican en valores menos extremos, siempre debemos prestar atencin al incremento del valor en R2. De no producirse mayores diferencias, no se justifica el eliminar o reclasificar tales casos. Para facilitar la identificacin y eliminacin de los residuales, stos se pueden guardar en una nueva variable que se incorpora al final de la base de datos (ZRE_1), a partir de las siguientes instrucciones: Analizar > Regresin Logstica > Guardar > Residuos > Tipificados.

ormalidad de los residuales

75

Anlisis: el Histograma de los residuos tipificados muestra una curva normal superpuesta, calculada sobre una media igual a 0 y una desviacin tpica de 1. Al respecto podemos sealar que: i) la distribucin de los residuales se ajusta en trminos generales a una distribucin normal, siendo sta algo ms puntiaguda; y ii) la distribucin de los residuales es levemente asimtrica en la cola positiva de la distribucin (con valores ms altos que en la negativa). En primera instancia, podramos sostener que la distribucin de los residuales se ajustara a un modelo de probabilidad normal. Sin embargo, es necesario chequear dicha afirmacin mediante el Grfico P-P normal (Grfico de probabilidad normal de los residuos).

76

Anlisis: el Grfico de probabilidad normal de los residuos ratifica lo que sealamos anteriormente, respecto al Histograma de residuos tipificados. Es decir, lo que observamos aqu es una distribucin de los residuales en torno a una lnea recta, ajustndose a la diagonal del grfico. Cuando los residuos se distribuyen normalmente, lo que esperamos constatar es que la nube de puntos se encuentre alineada en torno a la diagonal, que es precisamente lo que estara ocurriendo en nuestro ejemplo.

Cap. 5. Regresin Logstica Binaria

1. Descripcin de la Tcnica
La Regresin Logstica Binaria (RLB) es una extensin Regresin Lineal Mltiple (RLM), por lo que posee una lgica de anlisis muy similar, pero aplicada a una variable dependiente nominal en la que se definen dos categoras o grupos.16 El modelo de RLB se utiliza para predecir la probabilidad de ocurrencia de uno de los dos valores de la variable dependiente dicotmica (S/No), a partir de un conjunto variables predictoras (Xi). Las variables independientes (predictoras) reciben el nombre de covariables en el marco de la RLB. La variable dependiente Y asume valor 1 cuando ocurre el suceso y 0 cuando ste no ocurre. De este modo, en lugar de predecir el valor de la variable dependiente (RLM), es posible estimar la probabilidad de ocurrencia o no del suceso, en funcin de un conjunto de variables predictoras. Las predicciones en trminos de probabilidades fluctuarn, por consiguiente, entre los valores 0 y 1. Valores cercanos a 1 indican una mayor probabilidad de ocurrencia del suceso y, a la inversa, probabilidades cercanas a 0 indican una menor probabilidad de ocurrencia. Los estadsticos anlogos al R cuadrado corregido de la RLM son, en la RLB, el R cuadrado de Cox y Snell y el R cuadrado de Nagelkerke. En la RLB, a diferencia de la RLM, los datos no se ajustan a una lnea recta, sino a una curva en forma de una S alargada. Pero gracias a la utilizacin de logaritmos, es posible linealizar el modelo. Las condiciones de aplicacin de RLB son ms flexibles que la RLM, ya sea por el nivel de medicin de la variable dependiente o bien porque no se trata de la estimacin de una recta de regresin, por lo que no se asumen criterios de distribucin de los residuales. Y las covariables pueden asumir cualquier nivel de medicin, sin embargo, si son variables nominales deben ser recodificadas como variables dummy (tomando valores 0 y 1); lo que se puede realizar de modo manual o de manera automtica en el programa SPSS. En el caso de que la variable posea originalmente ms de dos categoras, se crearn tantas nuevas variables como el nmero de categoras de la variable menos 1. Finalmente, hay que tener presente que, al igual que en la RLM, siempre intentamos trabajar con modelos parsimoniosos, en los que se intenta explicar del mejor modo posible una variable dependiente (fenmeno) con el menor nmero de variables explicativas, salvo que por razones tericas se intente testear distintas hiptesis de trabajo. Tambin puede ser el caso de que se est simplemente realizando un anlisis exploratorio preliminar. 77

16

Para variables dependientes con ms de dos categoras es conveniente i) recodificarlas como variables dicotmicas (dummy) o bien, ii) llevar a cabo una regresin logstica multinomial.

2. Objetivos
De modo anlogo a la RLM, la RLB permite abordar al menos cuatro cuestiones centrales en una investigacin: i) Explicar (o predecir) a partir de un conjunto de variables independientes (covariables) el resultado de una variable dependiente nominal dicotmica (dummy). Es decir, las covariables consideradas en el modelo permiten estimar la probabilidad de pertenencia de un sujeto u observacin a una de las categoras de la variable dependiente (o grupo). La existencia o no de asociacin entre las covariables y la variable dependiente. La incidencia de cada covariable en los valores que asume la variable dependiente, en trminos de aumento o disminucin de la probabilidad de ocurrencia del atributo de referencia (valor 1), manteniendo constantes el resto de las covariables. Sin embargo, dado que la RLB no produce coeficientes estandarizados, no es posible determinar cules covariables tienen un mayor impacto en la variable dependiente.17 La capacidad de una covariable (o un conjunto de ellas) de explicar (o predecir) el resultado de la variable dependiente, controlando por el efecto del resto de las covariables.

ii) iii)

iv)

3. Condiciones de Aplicacin
Tamao de la muestra: aunque no hay un criterio tan claro como en el caso de la RLM, se puede considerar, en principio, un mnimo de 15 casos por cada variable independiente (covariable). Sin embargo, algunos autores plantean que es necesario tener al menos 50 casos por cada covariable. Otros, en tanto, han planteado que el mnimo de casos se debe obtener del siguiente modo: 10 * (N de covariables + 1). ivel de medicin: la variable dependiente puede estar medida originalmente en cualquier nivel de medicin, pero al momento de incorporarla al modelo debe ser recodificada como una variable dummy (valores 0 y 1). Las covariables (variables independientes) pueden ser intervalares, ordinales y nominales (requieren recodificacin como dummy). Multicolinealidad: se presenta cuando las variables independientes se encuentran altamente correlacionadas, lo cual implica que aportan informacin muy similar, por lo que se dificulta separar la contribucin de cada cual.18 Es decir, se hace difcil estimar la contribucin de cada variable a la estimacin (o prediccin) de la variable dependiente, razn por la que una de ellas puede resultar estadsticamente no significativa. En el caso de presentarse dos variables independientes (covariables) altamente correlacionadas habra que optar por una de las dos, usualmente la que es
17

78

En la medida de que los coeficientes dependan de la unidad de medida de las variables, los valores ms altos correspondern a las covariables con unidades de medida mayores. 18 Se aplica la expresin de colinealidad cuando se trata de dos variables independientes altamente correlacionadas y la de multicolinealidad cuando son ms de dos.

tericamente ms relevante (evitando as el error de especificacin). Otra alternativa, es generar una nueva variable a partir de las dos. Una tercera posibilidad dice relacin con el aumento del nmero de observaciones, toda vez que ello sea factible. Finalmente, se puede optar tambin por una recodificacin binaria de una de las dos variables. Outliers: tienden a generar un efecto desproporcionado sobre los resultados de la regresin. Se trata de casos que no son apropiadamente explicados por el modelo. Generalmente se eliminan los casos con valores extremos o bien son reclasificados. ormalidad, linealidad y homocedasticidad de los residuales: la RLB es ms flexible que la RLM, entre otras razones, por el nivel de medicin de la variable dependiente y porque no se trata de la estimacin de una recta de regresin. Por tanto, no exige ningn criterio de distribucin de los residuales.

4. Mtodos de Seleccin de las Variables

Al igual que en el caso de la RLM, en la RLB se puede utilizar tres mtodos distintos en la incorporacin de las variables: Mtodo standard o simultneo: todas las variables independientes (covariables) son incorporadas simultneamente en la ecuacin. Corresponde al mtodo ms usualmente utilizado. Permite abordar los objetivos i), ii), y iii) de la RLB. Mtodo jerrquico o secuencial: las variables independientes (covariables) son incorporadas en la ecuacin en un cierto orden predefinido por el investigador, basado en su conocimiento terico/analtico sobre el tema. Se incorporan en grupos (blocks), lo que permite estimar la contribucin explicativa de cada uno de ellos (o de una covariable en particular) sobre la variable dependiente, luego de controlar por el efecto del resto de los blocks (o las covariables). Por tanto, permite abordar el objetivo iv) de la RLB. Mtodo estadstico o paso a paso: mediante criterios estadsticos son incluidas en el modelo las variables significativas, dejando fuera las que no lo son. Presenta, sin embargo, el inconveniente de eventualmente excluir variables que son terica o analticamente relevantes.

79

5. Evaluacin del Modelo

El R cuadrado de la RLM puede ser analogado en la RLB al R cuadrado de Cox y Snell y el R cuadrado de agelkerke (pseudos R cuadrados).19 La capacidad explicativa del modelo, se estima, fluctuara entre los rangos entregados por ambos coeficientes, los que se visualizan en la tabla Resumen de los modelos. Para llevarlo a porcentaje, simplemente multiplicamos por 100 (de modo anlogo al R cuadrado corregido en la RLM), facilitado con ello la interpretacin de la capacidad explicativa. Al obtenerse dos valores, se asume que el conjunto de covariables tiene una capacidad predictiva que flucta entre ambos valores. Se trata, en consecuencia, de una aproximacin. El equivalente a la prueba ANOVA es la Prueba mnibus, en funcin del estadstico Chi-cuadrado. A partir de este estadstico podemos determinar si el conjunto de covariables incorporadas logran generar un incremento significativo en el ajuste global del modelo. Para ser significativo, el valor de ser menor a 0.05 (trabajando con un 95% de confianza). Los Coeficientes beta tienen su anlogo en los coeficientes B en la tabla de Variables en la ecuacin. En este caso, a diferencia de la RLM, stos no se encuentran estandarizados. Por otra parte, el nivel de significacin permite, al igual que en la RLM, determinar qu variables son estadsticamente significativas y cules no. A su vez, el signo, ya sea positivo o negativo, es una indicacin de la probabilidad de caer o no en la categora de referencia de la variable dependiente. As, por ejemplo, un signo positivo indica que a medida que aumenta la covariable, aumenta la probabilidad de que ocurra el evento correspondiente a la categora de referencia de la variable dependiente. En el caso de ser negativo, disminuye dicha probabilidad. Para estimar la probabilidad se debe interpretar el coeficiente Exp(B), cuyo valor a considerar ser en relacin a 1. Los valores positivos se encuentran sobre 1 y los negativos bajo 1. Exp(B) se interpreta en trminos del nmero de veces que aumenta la probabilidad de que ocurra el evento considerado en la categora de referencia de la variable dependiente (valor 1) cuando aumenta en una unidad la covariable, manteniendo constante el resto de las covariables. Tambin puede interpretarse en trminos de porcentaje (por ejemplo, un incremento de 1.25 veces puede ser ledo como un aumento del 25% en la probabilidad de ocurrencia del evento). En el caso de que la covariable sea dicotmica (dummy), su interpretacin se realiza en funcin de la categora de referencia (la que toma valor 1). Desafortunadamente la RLB no nos entrega los coeficientes B estandarizados, como ocurre en la RLM, por lo que si

80

Los R cuadrados de la RLB son considerados como "pseudos" R cuadrados. La razn es muy simple: ninguno de ellos posee la precisin estadstica que se alcanza con el R cuadrado de la RLM. Respecto del primero (R cuadrado de Cox y Snell), ste no alcanza el valor mximo terico de 1, por lo que puede haber una sub-estimacin de su capacidad explicativa del modelo. En cuanto al segundo (R cuadrado de Nagelkerke), ste s logra alcanzar el valor mximo de 1, pero no con la misma precisin que el R cuadrado de la RLM. Atendiendo a ambas consideraciones, es que se seala que la capacidad explicativa del modelo bien pudiera fluctuar entre ambos valores.

19

queremos determinar la importancia relativa de cada una de las variables habra que estandarizarlas antes de ser ingresadas.

6. Verificando los Supuestos de Aplicacin de la RLB

Tamao de la muestra: consiste en hacer el clculo del nmero variables mximo que puede tolerar el modelo en funcin del nmero de observaciones (casos) que contenga la base de datos. Sin embargo, siempre es aconsejable inspeccionar las covariables mediante un anlisis descriptivo, de modo tal de chequear que posean un nmero suficiente de observaciones en cada categora de la variable. En la eventualidad de no ser as, se puede proceder a recodificar algunas de ellas. Una segunda examinacin recomendable, es realizar una anlisis bivariado entre la variable dependiente con cada una las covariables (nominales / ordinales), de modo de detectar si en la tabla de contingencia existen muchas celdas vacas (o sobre el 25% con frecuencias esperadas inferiores a cinco); si ese fuera el caso, se recomienda recodificar. ivel de medicin: basta con revisar el nivel de medicin de las la recodificacin de las variables y su recodificacin. Multicolinealidad: mediante el anlisis de la matriz de correlaciones entre las variables independientes incorporadas al modelo se puede chequear la existencia o no de multicolinealidad. Por regla general, valores superiores a 0,9 (r de Pearson) son considerados como una indicacin clara de colinealidad. Desafortunadamente, la RLB no permite testear el valor de Tolerancia, pero podemos realizarlo a travs del procedimiento utilizado en la RLM (ignorando el resto de las tablas y coeficientes). Y, de modo anlogo, considera como punto de referencia el valor 0,1. Valores inferiores a 0,1 indican la existencia de multicolinealidad. Outliers: el anlisis de los residuales permite detectar posibles casos atpicos o predicciones anmalas. Se suelen considerar como potencialmente atpicos aquellos valores superiores a 2 desviaciones estndar (valor por defecto en SPSS). Sin embargo, la RLB tiene una tolerancia de hasta aproximadamente un 5% de casos con valores sobre 2 desviaciones estndar; y un 1% sobre 2.5 desviaciones estndar; no obstante, valores sobre 3 desviaciones han de ser considerados definitivamente como outliers. Bajo tales circunstancias, se recomienda eliminar dichos casos y repetir el anlisis.

81

7. Ejecucin en SPSS
Mtodo Standard Realizado lo anterior, ejecute los siguientes comandos en SPSS: 1. Analizar Regresin Logstica binaria. 2. Ingresar la variable dependiente en la casilla Dependiente. 3. Ingresar las variables independientes en la casilla Covariables. 4. Mtodo Introducir (por defecto). 5. Categrica... Ingresar las variables categricas a la casilla Covariables categricas Seleccionar todas las variables ingresadas y luego en Categora de referencia > Seleccione la opcin Primero > Cambiar Continuar. 6. Aceptar.

Mtodo Jerrquico El procedimiento es similar al anterior, pero al momento de ingresar las variables independientes en la casilla Covariables, stas se ingresan en bloques secuenciales mediante la opcin Siguiente. 82

8. Ejemplo Aplicado en SPSS

Las movilizaciones estudiantiles del 2011 y 2012 han puesto al centro de sus demandas el fin al lucro y la gratuidad de la educacin. Sin embargo, solamente el 46,8% de los chilenos considera que la educacin universitaria debiera ser gratuita para todos los estudiantes, segn se aprecia en la siguiente tabla.
Cree Ud. que las universidades del Estado o las que reciben financiamiento permanente del Estado, debieran ser gratuitas para todos sus estudiantes o slo para los alumnos de hogares de pocos recursos?
Frecuencia Vlidos Debieran ser gratuitas para todos los alumnos. Debieran ser gratuitas solo para alumnos de pocos recursos. Las Universidades no debieran ser gratuitas Total No sabe No contesta Total Total Fuente: Encuesta CEP, Julio-Agosto de 2012. 634 682 38 1355 86 71 157 1512 Porcentaje 41,9 45,1 2,5 89,6 5,7 4,7 10,4 100,0 Porcentaje vlido 46,8 50,4 2,8 100,0 Porcentaje acumulado 46,8 97,2 100,0

Perdidos

Los relativamente bajos niveles de adhesin a una de las principales demandas del movimiento estudiantil, puede tener distintas explicaciones. En tal sentido, un investigador se plantea cuatro interrogantes fundamentales: Cunto explican las variables socio-demogrficas (sexo, edad, NSE, escolaridad y zona), la percepcin de progreso del pas, la identificacin poltica (derecha, centro e izquierda) y el considerar la educacin como principal problema, el estar o no de acuerdo con la gratuidad de la educacin universitaria? Qu variables, de las mencionadas, no poseen una incidencia estadsticamente significativa? Cunto aumenta (o disminuye) la probabilidad de estar de acuerdo con la gratuidad de la educacin universitaria entre quienes se identifican con la izquierda? Y, finalmente, cunto explican las variables de identificacin poltica el estar o no de acuerdo con la gratuidad de la educacin universitaria, controlando por el efecto del resto de las variables consideradas.

Una vez identificada la variable dependiente, el siguiente paso es recodificarla como variable dummy (valores 0 y 1), para lo cual debemos determinar los valores de cada una de las categoras de la variable segn se muestra a continuacin. Hacer click en Valores. 83

Para transformarla en una variable dummy, conservamos el valor 1 para la opcin de gratuidad y asignamos el valor 0 para los valores 2 y 3. Los valores 8 (No sabe) y 9 (No contesta) se recodifican del mismo modo, para luego dejados fuera del anlisis como valores perdidos. Esto lo hacemos con el comando: Transformar > Recodificar en distintas variables.

Una vez ingresada la variable dependiente original (TE1P2), es necesario darle un nuevo nombre con la respectiva etiqueta. Luego click en Cambiar. 84

El nuevo nombre asignado es Gratuidad_educacin y la etiqueta es Acuerdo con la gratuidad de la educacin superior. Luego hacemos click en Cambiar para dar el nuevo nombre a la variable original.

Tips Los nombres de las variables tienen que ser breves y no se pueden dejar espacios entre los caracteres (ni al final), al menos que se incluya un guin bajo. Las etiquetas pueden ser ms largas y, a la vez, es posible incorporar tanto espacios como otros caracteres.

Ahora procedemos a recodificar los valores antiguos en nuevos valores, tal como habamos decidido previamente. Para esto seleccionamos la opcin Valores antiguos y nuevos.

85

Luego, procedemos a la recodificacin de la variable, asignando el valor 1 para la opcin de gratuidad y el valor 0 para las opciones de no gratuidad; y conservamos los valores 8 y 9.

Finalmente, hacemos click en Continuar y luego en Aceptar. La nueva variable es agregada al final de la base de datos. El paso que sigue es incorporar las etiquetas para los valores 0 y 1, adems de los valores 8 y 9. Es decir, para el valor 1 = S y para el valor 0 = No; 8 = NS y 9 = NR.

86 Una vez incorporadas las etiquetas hacemos click en Aceptar. Tips Si no queremos que los valores ingresados aparezcan como decimales, en la columna de decimales seleccionar el valor 0 (est inmediatamente antes de la etiqueta de la variable). Para concluir el proceso de recodificacin, en el presente ejemplo, se recodificaron tambin las variables socio-demogrficas: sexo (dummy), escolaridad (en tramos ms acotados), NSE (de menor a mayor jerarqua), zona (dummy). De modo anlogo, lo mismo se hizo con las variables de identificacin poltica: derecha (dummy), centro (dummy) e izquierda (dummy). Tips Para facilitar la interpretacin de los coeficientes se recomienda, tanto en la RLB como en la RLM, recodificar la jerarqua de las categoras respuestas en las variables ordinales e intervalares, toda vez que sea necesario, de menos a ms. Por ejemplo, en una escala Likert, que el valor 1 corresponda a Muy en desacuerdo y el valor 5 a Muy de acuerdo.

Ahora ya estamos en condiciones de comenzar a realizar la RLB, pero antes hay que asegurarse de haber incorporado a la columna de Perdidos, los NS y NR, tanto de la variable dependiente como de las independientes (covariables). 1. Analizar Regresin Logstica binaria.

87 2. Ingresar la variable dependiente en la casilla Dependiente. 3. Ingresar las variables independientes en la casilla Covariables. 4. Mtodo Introducir (por defecto).

5. Categrica... Ingresar las variables categricas a la casilla Covariables categricas Seleccionar todas las variables ingresadas y luego en Categora de referencia > Seleccione la opcin Primero > Cambiar Continuar.

6. Aceptar. 88

Evaluando el Modelo
Para evaluar el modelo se tendr en consideracin las cuatro preguntas de investigacin formuladas previamente. Se proceder en el mismo orden de stas.

Paso 1

Resumen del modelo -2 log de la R cuadrado de verosimilitud Cox y Snell a 1799,313 ,041

R cuadrado de Nagelkerke ,055

a. La estimacin ha finalizado en el nmero de iteracin 3 porque las estimaciones de los parmetros han cambiado en menos de ,001.

Respuesta 1: el conjunto de variables consideradas en el modelo explica (o predice) entre el 4.1% y el 5.5% el estar o no de acuerdo con la gratuidad de la educacin universitaria. Llama la atencin la baja capacidad explicativa de las covariables, pero constituye, a su vez, un interesante hallazgo el que as sea. De hecho, para muchos, puede ser bastante sorprendente (inesperado).

Pruebas omnibus sobre los coeficientes del modelo Paso 1 Paso Bloque Modelo Chi cuadrado 56,265 56,265 56,265 gl 11 11 11 Sig. ,000 ,000 ,000

El modelo en su conjunto es estadsticamente significativo, ya que el nivel de significacin asociado al estadstico Chi-cuadrado (Modelo) en Pruebas omnibus es menor a 0,05 (trabajando con un 95% de confianza).
Variables en la ecuacin Paso SEXO(1) a 1 EDAD NSE ESCO ZONA(1) PSE_pas PSE_personal Educacin_problema(1) DERECHA(1) CENTRO(1) IZQUIERDA(1) Constante B ,019 -,149 ,123 ,111 -,232 -,153 -,012 ,187 -,577 -,370 ,331 ,354 E.T. Wald ,116 ,027 ,062 5,823 ,120 1,049 ,087 1,651 ,183 1,612 ,074 4,269 ,083 ,022 ,119 2,466 ,176 10,796 ,196 3,583 ,143 5,375 ,382 ,856 gl 1 1 1 1 1 1 1 1 1 1 1 1 Sig. ,869 ,016 ,306 ,199 ,204 ,039 ,883 ,116 ,001 ,058 ,020 ,355 Exp(B) 1,019 ,862 1,130 1,118 ,793 ,859 ,988 1,206 ,561 ,691 1,393 1,424

89

a. Variable(s) introducida(s) en el paso 1: SEXO, EDAD, NSE, ESCO, ZONA, PSE_pas, PSE_personal, Educacin_problema, DERECHA, CENTRO, IZQUIERDA.

Respuesta 2: del conjunto de covariables incorporadas al modelo, no son estadsticamente significativas (valor Sig. > 0.05): sexo, NSE, escolaridad (ESCO), zona, percepcin de la situacin econmica personal (PSE_personal) y la posicin ideolgica de centro. Al examinar el signo positivo o negativo de los coeficientes B, en aquellas covariables que son estadsticamente significativas, tenemos que: quienes mencionan la educacin como problema y quienes se identifican con la izquierda tienen una mayor probabilidad de estar de acuerdo con la gratuidad de la educacin. En cambio, a medida que aumenta la edad y entre quienes se identifican con la derecha, disminuye la probabilidad de de estar de acuerdo con la gratuidad de la educacin superior. Respuesta 3: quienes se identifican con la izquierda tienen 1.393 ms probabilidad de estar de acuerdo con la gratuidad de la educacin superior que quienes no se identifican con la izquierda o, lo que es lo mismo, su probabilidad aumenta en un 39.3%. Esto se desprende de los coeficientes Exp(B). Por otra parte, quienes se identifican con la derecha tienen 0.439 ms probabilidad de no estar de acuerdo con la gratuidad de la educacin superior que quienes no se identifican con la derecha (1 0.561), esto es, un 43.9%.

Finalmente, para responder a la cuarta pregunta se debe efectuar el mismo procedimiento realizado en la RLM. Para ello se separa el conjunto de variables en dos bloques. Y en el segundo bloque se incorporan las relativas a la evaluacin de los atributos personales (confianza, cercana, simptico, seguro y sincero). Sin embargo, a diferencia de la RLM, en la RLB los resultados no se incluyen en una misma tabla, por lo que hay que comparar las dos tablas de resumen del los modelos.
Resumen del modelo -2 log de la R cuadrado de verosimilitud Cox y Snell a 1823,962 ,023

Paso 1

R cuadrado de Nagelkerke ,030

a. La estimacin ha finalizado en el nmero de iteracin 3 porque las estimaciones de los parmetros han cambiado en menos de ,001.

Paso 1

Resumen del modelo -2 log de la R cuadrado de verosimilitud Cox y Snell a 1798,418 ,041

R cuadrado de Nagelkerke ,055

a. La estimacin ha finalizado en el nmero de iteracin 3 porque las estimaciones de los parmetros han cambiado en menos de ,001.

Respuesta 4: las variables de posicin poltica explican (o predicen) entre el 1,8% y el 2.5% el estar o no de acuerdo con la gratuidad de la educacin superior (diferencia entre los dos modelos en R cuadrado de Cox y Snell, y agelkerke de ambas tablas), controlando por el efecto del resto de las covariables consideradas en el modelo. Es interesante notar que las variables de identificacin poltica no tienen un peso relevante al momento de explicar el estar o no de acuerdo con la gratuidad de la educacin universitaria. En trminos estadsticos, esto se puede complementar a travs de una tabla de contingencia. El dato relevante es que, incluso entre quienes se identifican con la izquierda, el porcentaje de los que se oponen a la gratuidad es relativamente alto: 42.6%. Es muy probable tambin que tales diferencias se hayan atenuado al controlar por el efecto del resto de las variables incorporadas al modelo de RLB

90

Acuerdo con la gratuidad de la educacin universitaria * Posicin poltica Posicin poltica CEN IZQ 60,7% 42,6% 39,3% 57,4% 100,0% 100,0%

Acuerdo con la gratuidad de la educacin universitaria Total

No S

DER 67,0% 33,0% 100,0%

IND/NING 53,5% 46,5% 100,0%

Total 53,7% 46,3% 100,0%

Verificando Algunas Condiciones de Aplicacin

Multicolinealidad Para chequear si existen problemas multicolinealidad es necesario revisar la Matriz de correlaciones. Analizar > Regresin Logstica > Opciones > Correlaciones y estimaciones. En el presente ejemplo, la correlacin ms alta es de -.396 (entre NSE y escolaridad), la que es, sin embargo baja, como para representar un problema de colinealidad entre ambas variables (es bastante menor a 0.9).

Matriz de correlaciones
E d u c a c Z i E O P P S N S S n C A E_ E_ problema O (1) pas personal (1) -,467 -,195 -,256 -,320 ,014 ,013 ,038 -,183 -,035 ,045 -,171 -,100 ,015 -,337 1,000 -,085 -,002 ,045 -,025 ,383 -,066 -,004 -,396 -,203 -,061 -,185 1,000 -,044 -,100 ,021 I Z D Q E C U R E I E N E C T R H R D A O A (1) (1) (1) ,018 -,027 -,042

Paso 1 Constant SEXO(1) EDAD NSE ESCO ZONA(1) PSE_pas PSE_personal Educacin_ problema(1) DERECHA(1) CENTRO(1)

C o n s S t E E a X D n O A t (1) D 1,000 -,046 -,606 -,046 1,000 -,606 ,098 -,467 -,195 ,021

N S E ,098 ,016

-,032 -,040 -,077 -,113 ,088 -,067 -,010 -,095 -,089 -,089 -,054 -,062 -,134 -,026 -,046 -,026 ,017 ,081 ,007 ,035 ,104 ,002 -,082 -,017 -,085 -,002 1,000 ,028

,021 1,000 -,184 ,016 -,184 1,000 ,013 ,038 -,066 -,203 ,045 -,171 ,088

,383 -,396 1,000 -,185 -,044 ,021 1,000 ,015 -,337 ,017 ,002

91

-,256 -,183 -,004 -,061 -,320 -,035 ,014 -,032

,045 -,025 -,009 -,121 ,182 ,241 ,222

-,089 -,134 -,026 -,046 -,026

,018 -,040 -,067 -,089 -,027 -,077 -,010 -,054

,081 -,082 ,007 -,017 ,035 ,104

,028 1,000 -,009 -,121 ,241

,182 1,000

IZQUIERDA(1) -,042 -,113 -,095 -,062

,222 1,000

Tips La RLB no permite obtener estadsticos como el valor de Tolerancia, sin embargo es posible realizarlo a travs del procedimiento utilizado en la RLM: se ingresan todas las variables y se interpreta slo Tolerancia, ignorando el resto de las tablas y coeficientes.

Outliers Como se seal anteriormente, el anlisis de los residuales permite detectar posibles casos atpicos o predicciones anmalas. Se suele considerar, por defecto en SPSS, como atpicos aquellos valores superiores a 2 desviaciones estndar, lo que se puede ver a partir del Listado por casos. Analizar > Regresin Logstica > Opciones > Listado de residuos por caso. La tabla obtenida muestra no hay casos en nuestro ejercicio con desviaciones tpicas superiores a 2. Por tanto, se descarta la presencia de outliers.
Listado por casos
a

a. No se genera el diagrama por casos porque no se han encontrado valores atpicos.

Tips La RLB tiene una tolerancia de hasta aproximadamente un 5% de casos con valores sobre 2 desviaciones estndar; y un 1% sobre 2.5 desviaciones estndar; pero valores sobre 3 desviaciones han de ser considerados definitivamente como outliers. Se recomienda eliminarlos y volver a calcular los estadsticos de la RLB para determinar las nuevas estimaciones de los distintos coeficientes. Para facilitar la identificacin y eliminacin de los residuales (que se comportan como outliers), stos se pueden guardar en una nueva variable que se incorpora al final de la base de datos (ZRE_1), a partir de las siguientes instrucciones: Analizar > Regresin Logstica > Guardar > Residuos > Tipificados.

92

Cap. 6. Anlisis Factorial Anlisis de Componentes Principales

1. Descripcin de la Tcnica
El Anlisis Factorial es una tcnica de carcter reductivo y, como tal, nos permite trabajar con un nmero importante de variables y agruparlas en un conjunto mucho menor, en trminos de factores o dimensiones subyacentes no observables directamente. Tales factores tienen la caracterstica de ser homogneos entre s (alta correlacin entre las variables que lo componen) y heterogneos en relacin a los otros (baja correlacin). Se busca resguardar el mnimo de dimensiones posibles que permitan, a su vez, explicar el mximo de informacin (varianza) contenida en las variables originales. Esto permitira tambin reducir el nmero de variables, en la medida que decidamos excluir (eliminar) aquellas que no conforman factores de inters, o que no sean consistentes terica y analticamente con la conformacin de stos (su incorporacin en el factor es meramente estadstica y no tiene mucho sentido conservarla). Tambin podemos eliminar algunas variables, sobre la base de una baja comunalidad retenida (proporcin de la varianza de la variable explicada por el modelo) o una baja saturacin en los factores de la matriz de componentes rotados (usualmente en ambos casos se consideran valores bajo 0,5). En el Anlisis Factorial, a diferencia de la Regresin Lineal Mltiple, no existe una variable dependiente. Y, en cuanto al nivel de medicin de las variables, stas deben ser preferentemente intervalares, pero el modelo admite tambin la posibilidad de incorporar variables ordinales (visin menos ortodoxa de la tcnica en el marco de su aplicacin en las ciencias sociales). Anlisis Factorial Exploratorio versus Anlisis Factorial Confirmatorio Existen dos grandes aproximaciones al anlisis factorial: i) el Anlisis Factorial Exploratorio (AFE) y ii) el Anlisis Factorial Confirmatorio (AFC). El AFE es utilizado en las etapas iniciales de una investigacin, precisamente para explorar las relaciones que pudieran establecerse entre el conjunto de variables, de modo de determinar si emerge ms de un factor o dimensin entre stas. En este contexto, el investigador no tiene una idea clara a priori al respecto, ms bien intenta descubrir cules podran ser estos factores o dimensiones en caso de que exista ms de uno. Por otra parte, el AFC nos permite testear ciertas hiptesis concernientes a la posible estructura subyacente de las variables. Es decir, confirmar si se presentan o no los distintos factores o dimensiones que esperamos que existan entre las variables. En las ciencias sociales, ambos procedimientos son especialmente tiles para la elaboracin y validacin de ndices. Un ejemplo de su aplicacin es el ndice de Desarrollo Humano (IDH). En trminos generales, se puede decir que en el primer caso nos movemos en una lgica de

93

investigacin de carcter inductiva, mientras que en el segundo es ms bien de carcter deductivo. A veces suele ocurrir que al momento de intentar validar la construccin de un ndice no se genera el nmero de dimensiones que esperbamos. En tal caso podemos trabajar, por ejemplo, con ms factores que la solucin inicial: en la que se determina el nmero de factores en funcin de autovalores mayores que 1. Es decir, podemos extraer una solucin factorial con un nmero de factores igual al nmero de dimensiones que hemos considerado inicialmente en nuestro ndice. No obstante ello, puede ocurrir que, incluso en tal caso, no podamos validar apropiadamente el diseo propuesto para el ndice, al no generarse el agrupamiento de las variables en los factores que esperbamos. Esto nos lleva a evaluar el tipo de rotacin con la que estamos trabajando. Tipos de rotacin Existen distintos tipos de rotacin, las que pueden ser agrupadas en dos grupos: rotacin ortogonal (Varimax, Quartimax y Equamax) y rotacin oblicua (Oblimin directo). En el primer caso, la rotacin Varimax (que es un tipo especfico de rotacin ortogonal siendo, a su vez, la ms utilizada), se asume un mnimo de varianza compartida entre los factores. Es decir, que los factores sean lo ms independientes entre s. Con ello se reduce el nmero de variables que poseen saturaciones altas en cada factor (correlacin) y se hace, por consiguiente, ms fcil la interpretacin de las variables que conforman cada uno de los factores. Sin embargo, muchas veces cuando se trabaja en la construccin de ndices, las dimensiones de un concepto no son del todo independientes entre s. Se espera que exista una cierta correlacin entre las diferentes dimensiones (factores) que lo componen. Para esta ltima situacin, se sugiere utilizar la rotacin Oblimin directo, que es un tipo de rotacin oblicua (con un ngulo menor a 90). Cuando el delta es igual a 0 se asume que los factores se encuentran moderadamente correlacionados (valor por defecto en SPSS), mientras que cuando toma el valor -0.8 stos seran completamente independientes (ortogonales); en cambio, si el valor es 0.8, se asume una alta correlacin entre los factores. El valor que le asignemos al delta nos permite, por tanto, controlar el grado de oblicuidad con el que deseamos trabajar. Su dificultad aparece al momento de interpretar las variables que pertenecen a cada factor, ya que stas se encuentran muy correlacionados. Cada vez que la matriz estructura contenga altas correlaciones entre todas las variables y todos los factores, se hace ms difcil lograr precisar a qu factor pertenece cada variable. Es decir, una variable puede estar altamente correlacionada con ms de un factor a la vez. Se recomienda la opcin por defecto, al menos que tenga razones fundadas tericamente para una opcin distinta. En cualquier caso, independientemente del tipo de rotacin, la cantidad de varianza explicada sigue siendo la misma. El punto de diferencia estriba en el cmo se distribuye la varianza en cada factor. En la rotacin varimax, la mayor cantidad de varianza se concentra en el primer factor (y as sucesivamente), mientras que en la oblimin directo se tiende a una distribucin ms homognea. En ambas situaciones, lo que intentamos hacer es mejorar la interpretacin de los datos: el agrupamiento de variables en factores o dimensiones.

94

Cabe precisar que, al utilizar el mtodo de rotacin oblimin directo la matriz de componentes rotados, que se obtiene con la rotacin varimax, pasa a denominarse matriz de estructura. Ambas matrices contienen las correlaciones entre las variables y cada uno de los factores de la solucin factorial rotada. En el caso de trabajar con la rotacin oblimin directo, es importante examinar la matriz de correlaciones entre los factores. Correlaciones sobre 0,3 constituyen una indicacin de que dicho tipo de rotacin puede ser considerada como la ms adecuada. Y bajo dicho valor, sera ms conveniente considerar la rotacin varimax. Anlisis Factorial versus Anlisis de Componentes Principales En el Anlisis Factorial es posible distinguir tambin diferentes tcnicas. Las ms conocidas son: i) el Anlisis Factorial propiamente tal (AF) y ii) el Anlisis de Componentes Principales (ACP). Ambas tcnicas son muy similares y se suele confundirlas. La diferencia fundamental radica en la modalidad de extraer los factores. En el AF se considera lo que tienen en comn las variables (varianza compartida o comunalidad) y no la especificidad de cada una de ellas. En cambio, en el ACP se considera tanto lo que tienen en comn las variables como la especificidad de cada una de ellas. En otras palabras, mientras que en el AF slo se analiza la varianza compartida, en el ACP se analiza toda la varianza de las variables consideradas. Por otra parte, en el caso del AF se habla de factores, mientras que en el caso del ACP se habla de componentes. En el programa SPSS el ACP aparece como la opcin por defecto. Si bien ambas tcnicas suelen muchas veces producir resultados similares, eso no siempre es as. A su vez, pese a que no hay un acuerdo tan claro sobre cul tcnica utilizar bajo determinadas circunstancias, en los hechos se ha tendido a privilegiar el ACP. En lo que sigue, por consiguiente, nos referiremos exclusivamente al ACP. 95

2. Objetivos
El ACP nos permite determinar, en un proceso de investigacin, al menos tres cuestiones centrales: i) Determinar/confirmar cules son los componentes o dimensiones subyacentes que emergen del conjunto de variables consideradas. ii) Determinar/confirmar cules son los componentes o dimensiones ms importantes. iii) Identificar aquellas variables que podran ser eliminadas del modelo.

3. Condiciones de aplicacin
El ACP, al igual que la Regresin Lineal Mltiple, requiere que se satisfaga un conjunto de condiciones para su adecuada aplicacin: Tamao de la muestra. Se estima adecuado trabajar con un mnimo de 150 casos, en que existan al menos 5 casos por cada variable incorporada en el modelo (algunos estiman ms apropiado trabajar con 10 a 15 casos por variable). Otros autores consideran un mnimo deseable de 300 casos; sin embargo, si las correlaciones entre las variables son altas (en torno a 0.6), se considera que es pertinente el anlisis factorial con pocos casos (100 e incluso 50 casos). Factorizacin de las variables. Para llevar a cabo el proceso de factorizacin es necesario que algunas de las variables tengan correlaciones sobre 0.3 (Coeficiente de Correlacin de Pearson). A su vez, la prueba de esfericidad de Bartlett debe ser estadsticamente significativa, es decir, que tenga un nivel de significacin inferior a 0,05. Tambin se recomienda examinar la prueba KMO, cuyos valores oscilan entre 0 y 1. Los valores son inferiores a 0,5 constituyen una indicacin de que quizs no sea recomendable realizar el anlisis. Multicolinealidad. Si bien debe existir una correlacin entre las variables, sta no debe ser tan alta como para generar multicolinealidad (correlaciones sobre 0.9). Linealidad. La extraccin de los factores se basa en una relacin lineal entre las variables. Dependiendo del nmero de variables, en ciertos casos (cuando son muchas) resulta ms plausible seleccionar un grupo reducido de stas y visualizar mediante una representacin grfica si las relaciones que se establecen son lineales o, por ejemplo, curvilneas. Outliers. El anlisis factorial es sensible a los valores extremos, por lo que deben ser revisados. En caso de presentarse algunos, se pueden remover o recodificar en un valor menos extremo. 96

4. Ejecucin en SPSS
1. Analizar Reduccin de datos Anlisis Factorial 2. Ingresar las variables en la casilla Variables 3. Descriptivos Matriz de correlaciones > Coeficientes > Niveles de Significacin > KMO y prueba de esfericidad de Bartlett Continuar 4. Extraccin Mostar > Grafico de sedimentacin Continuar 5. Rotacin Mtodo > Varimax Continuar 6. Opciones Valores perdidos > Excluir casos segn pareja Continuar 7. Aceptar

5. Ejemplo Aplicado en SPSS

Veamos un ejemplo sencillo, a partir de la base de datos de la Encuesta CEP de JunioJulio de 2010. Si seleccionamos un conjunto de variables relacionadas con tolerancia poltica, nos podramos plantear lo siguiente: i) Determinar los componentes o dimensiones subyacentes que emergen del conjunto de variables consideradas. ii) Determinar cules son los componentes o dimensiones ms importantes.

El procedimiento en SPSS sera el que se indica a continuacin: 1. Analizar Reduccin de datos Anlisis Factorial

97

2. Ingresar las variables en la casilla Variables

3. Descriptivos Matriz de correlaciones > Coeficientes > Niveles de Significacin > KMO y prueba de esfericidad de Bartlett Continuar

98

4. Extraccin Mostar > Grafico de sedimentacin Continuar

5. Rotacin Mtodo > Varimax Continuar

99

6. Opciones Valores perdidos > Excluir casos segn pareja Continuar 7. Aceptar

A continuacin se analizan brevemente las tablas y grficos ms relevantes de los resultados que entrega el programa SPSS.

Anlisis de las y tablas y grficos en SPSS

Bloqueo de calles o carreteras ,290 1,000 ,662 ,416 ,121 ,000 ,000 ,000 ,000 ,000 ,000 ,403 Ocupen terrenos privados, fbricas u oficinas ,227 ,662 1,000 ,559 ,091 ,000 ,000 Actos violentos Trabajen en durante campaas manifestacio electorales nes callejeras ,108 ,609 ,416 ,121 ,559 ,091 1,000 -,006 ,000 ,000 ,000 -,006 1,000 ,000 ,000 ,000 ,403

Manifestaciones pblicas Manifestaciones pblicas Bloqueo de calles o carreteras Ocupen terrenos privados, fbricas u oficinas Actos violentos durante manifestaciones callejeras Trabajen en campaas electorales Manifestaciones pblicas Bloqueo de calles o carreteras Ocupen terrenos privados, fbricas u oficinas Actos violentos durante manifestaciones callejeras Trabajen en campaas electorales 1,000 ,290 ,227 ,108 ,609 ,000 ,000 ,000 ,000

Sig.

Anlisis: la matriz de correlaciones nos da una cierta idea acerca de la pertinencia o no de realizar el anlisis factorial. Para llevar a cabo el proceso de factorizacin es necesario que algunas de las variables tengan correlaciones sobre 0.3 (Coeficiente de correlacin de Pearson). Condicin que se cumple, en este ejemplo, para ciertos pares de variables. Por otra parte, habra que chequear que no se de multicolinealidad, cosa que tampoco ocurre en este caso (correlaciones sobre 0.9). Sin embargo, es recomendable revisar nuevamente el criterio de factorizacin, sobre la base del anlisis de la prueba de Esfericidad de Bartlett.

100

KMO y prueba de Bartlett Medida de adecuacin muestral de Kaiser-Meyer-Olkin. Prueba de esfericidad de Chi-cuadrado aproximado Bartlett Gl Sig.

,624 2283,404 10 ,000

Anlisis: la Prueba de Esfericidad de Bartlett es estadsticamente significativa, es decir, es inferior al nivel de significacin de 0.05. Esto nos permite sostener la pertinencia de realizar un anlisis factorial con el conjunto de variables incorporadas al modelo.

Varianza total explicada

Componente Autovalores iniciales 1 2 3 4 5 Total 2,291 1,455 ,576 ,374 ,304 % de la varianza 45,811 29,105 11,521 7,481 6,082 % acumulado 45,811 74,916 86,437 93,918 100,000 Sumas de las saturaciones al cuadrado de la extraccin Total 2,291 1,455 % de la varianza 45,811 29,105 % acumulado 45,811 74,916

Anlisis: mediante el anlisis de la presente tabla podemos constatar que las 5 variables ingresadas han sido agrupadas en 2 dimensiones (componentes). En su conjunto, los 2 componentes explican el 74.9% de la varianza (sin rotar). Donde, el componente 1 es el ms importante de los dos, ya que explica el 45.8% del total de la varianza. Siempre el primer componente ser el que contiene mayor varianza y as sucesivamente. Sin embargo, todava no es posible determinar cules son las variables que contiene cada componente (ver matriz de componentes rotados). Por otra parte, para determinar el nmero de componentes se ha utilizado el criterio de que los Autovalores sean mayores a 1 (que calcula por defecto SPSS). Esto puede ser mejor apreciado mediante el Grfico de Sedimentacin.

101

Anlisis: el Grfico de Sedimentacin nos permite visualizar ms claramente la fuerte cada que se produce a partir del primer componente y, al mismo tiempo, nos muestra que la solucin encontrada en torno a dos componentes es la ms adecuada. Dicho grfico no es otra cosa que una representacin visual de la magnitud de los autovalores. A partir de la representacin grfica podemos estimar si el criterio estadstico, autovalores mayores a 1, es suficiente; o si bien valdra la pena considerar un factor adicional, segn nuestro marco terico, que es lo que usualmente hacemos cuando realizamos un anlisis confirmatorio. Sin embargo, se debe siempre tener presente el principio de parsimonia, es decir, explicar el mximo de varianza original de las variables con el mnimo de componentes posibles.

Lo que nos queda, luego, es saber cmo quedaron conformados cada uno de los componentes, en trminos de las variables que los componen. Para ello es necesario examinar la Matriz de Componentes Rotados (Rotacin Varimax).
Matriz de componentes rotadosa
Componente Ud. aprueba o desaprueba que las personas participen en manifestaciones pblicas? [1= Desaprueba; 10= Aprueba] Ud. aprueba o desaprueba que las personas participen en un bloqueo de calles o carreteras? [1= Desaprueba; 10= Aprueba] Ud. aprueba o desaprueba que las personas ocupen terrenos privados, fbricas u oficinas? [1= Desaprueba; 10= Aprueba] Ud. aprueba o desaprueba que las personas realicen actos violentos durante manifestaciones callejeras? [1= Desaprueba; 10= Aprueba] Ud. aprueba o desaprueba que las personas trabajen en campaas electorales? [1= Desaprueba; 10= Aprueba]
Mtodo de extraccin: Anlisis de componentes principales. Mtodo de rotacin: Normalizacin Varimax con Kaiser. a. La rotacin ha convergido en 3 iteraciones.

1 ,185

2 ,877 ,199 ,108 -,065

,811 ,887 ,791

-,024

,902

Anlisis: el primer componente corresponde a las variables Bloqueo de calles o carreteras, Ocupen terrenos privados, fbricas u oficinas y Actos violentos durante manifestaciones callejeras. El segundo componente que emerge est compuesto por Manifestaciones pblicas y Trabajen en campaas electorales. La diferencia entre ambos componentes bien pudiera radicar en el nivel de violencia que es asociado a cada tipo de participacin por parte de la ciudadana. Aqu es donde el marco terico juega un papel determinante en el anlisis e interpretacin de los resultados estadsticos.

102

Tips En ciertos casos, no siempre las variables se encuentran altamente correlacionadas con algunos de los componentes (valores inferiores a 0,44). Tambin pudiera darse el caso en que la variable tiene correlaciones sobre 0,44 en ms de un componente (generando una cierta ambigedad respecto de su asignacin en uno u otro). Cuando esto ocurre hay que evaluar si vale la pena: (i) realizar un nuevo tipo de rotacin, (ii) extraer un factor adicional, o bien (iii) remover algunas variables y repetir el anlisis. En el presente texto se han enfatizado dos tipos de rotacin: varimax, para el caso de independencia entre los factores; y oblimin directo, cuando se asume cierta dependencia entre stos. En este ejemplo se trabaj con rotacin varimax.

Bibliografa
Anduiza, Eva et al. (2009). Metodologa de la Ciencia Poltica. Segunda Edicin. Madrid: Centro de Investigaciones Sociolgicas (CIS). Asn, Rodrigo (2006a). Medir la Realidad Social: el sentido de la investigacin cuantitativa, en Manuel Canales Cern (Coordinador-Editor), Metodologas de Investigacin Social. Santiago de Chile: LOM, pp. 31-61. (2006b). Construccin de cuestionarios y escalas: el proceso de produccin de la informacin cuantitativa, en Manuel Canales Cern (Coordinador-Editor), Metodologas de Investigacin Social. Santiago de Chile: LOM, pp. 63-113. Alvira, Francisco (2004). La Encuesta: Una Perspectiva General Metodolgica. Madrid: CIS. Azorn, Francisco y Snchez-Crespo, Jos Luis (1994). Mtodos y Aplicaciones de Muestreo. Madrid: Alianza Editorial. Barozet, Emmanuelle y Fierro, Jaime. Clase Media en Chile, 1990-2011: Algunas Implicancias Sociales y Polticas. Serie de Estudios N 4. KAS: Santiago de Chile. http://www.kas.de/chile/es/publications/29603/ Brace, Nicola et al. (2003). SPSS for Psychologists. Second Edition. New York: Palgrave Macmillan. Cea D Ancona, Mara de los ngeles (2001). Metodologa Cuantitativa: Estrategias y Tcnicas de Investigacin. Madrid: Sntesis Sociologa. Corbeta, Piergiorgio (2007). Metodologas y Tcnicas de Investigacin Social. Madrid: Editorial McGraw-Hill. Cortada de Kohan, Nuria 1994. Diseo estadstico. Buenos Aires: Eudeba. Creswell, John (2009). Research Design.Quelitatative, Quantitative, and Mixed Methods Aproaches. Third Edition. Sage: London. Del Rincn, Delio et al. (1995). Tcnicas de Investigacin en Ciencias Sociales. Madrid: Dykinson. Daz de Rada, Vidal (2005). Manual de Trabajo de Campo en la Encuesta. Madrid: CIS. Field, Andy (2009). Discovering Statistics Using SPSS for Windows. Third Edition. London: Sage. Fierro, Jaime (2009a) Ciudadana y Apoyo a la Democracia en Amrica Latina. Ponencia presentada en el XXVII Congreso ALAS (Asociacin Latinoamericana de Sociologa), Buenos Aires (31 de Agosto al 4 de Septiembre). 15 pgs. (2009b). Citizenship and Democracy in Latin America and Chile. Ponencia presentada en el Congreso Mundial de Ciencia Poltica, Seccin Internacional, Special Sessions SS01.578, Santiago de Chile (12-16 de Julio). 45 pgs. (2011). Inscripcin Automtica y Voto Voluntario: Efecto Boomerang en la Participacin Electoral?, en Asuntos Pblicos, Informe N 899. Santiago de Chile: CED. http://www.ced.cl/ap/wp-content/uploads/2011/08/899.pdf Garca Ferrando, Manuel (1997). Socioestadstica. Madrid: Alianza Editorial. Gonzles, Pedro (2005). El Anlisis de la realidad social. Mtodos y tcnicas de investigacin social. 3 Edicin. Madrid: Alianza Editorial. Hair, Joseph et al (2007). Anlisis Multivariante. 5 Edicin. Madrid: Pearson Prentice Hall. Hancock, Gregory y Mueller, Ralph (Editors) (2010). The Reviewers Guide to Quantitative methods in the Social Sciences. London: Routledge. Hernndez, Roberto et al (2006). Metodologa de la Investigacin. Cuarta Edicin. Mxico: McGraw-Hill. (2007). Fundamentos de Metodologa de la Investigacin. Madrid: McGraw-Hill.

103

Ho, Robert (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS. London: Chapman and Hall/CRC. Jovell, Albert J. ([1996] 2006). Anlisis de Regresin Logstica. Cuadernos Metodolgicos, 15. Madrid: CIS. Landman, Todd (2003). Issues and Methods in Comparative politics: An Introduction London: Routledge. Leech, Nancy et al (2008). SPSS for Intermediate Statistics. Use and Interpretation. Third Edition. New York: L. Erlbaum Associates. Mrquez, Rodrigo (2006). El diseo de ndices sintticos a partir de datos secundarios: Metodologas y estrategias para el anlisis social, en Manuel Canales Cern (Coordinador-Editor), Metodologas de Investigacin Social. Santiago de Chile: LOM, pp. 115-140. Miles, Jeremy and Shevlin, Mark (2003). Applying Regression & Correlation. London: Sage. Miller, Robert et al. (2002). SPSS for Social Scientists. New York: Palgrave. Norusis, Marija J. (2008). SPSS 16.0. Advanced Statistical Procedures Companion. Chicago: Prentice Hall. Pallant, Julie (2003). SPSS Survival Manual. A Step by Step Guide to Data Analysis Using SPSS. Buckinhad: Open University Press. Pardo, Antonio y Ruiz, Miguel A. (2002). SPSS 11. Gua para Anlisis de Datos. Madrid: McGraw-Hill. Prez, Csar (2001). Tcnicas Estadsticas con SPSS. Madrid: Pearson Educacin. (2004). Tcnicas de Anlisis Multivariante de Datos. Aplicaciones con SPSS. Madrid: Pearson Educacin. Snchez Carrin, Juan J. (1995). Manual de Anlisis de Datos. Madrid: Alianza Editorial. Ritzer, Ferris J. (2003). Estadstica para las Ciencias Sociales. Mxico: McGraw-Hill. Tabachnick, Barbara y Fidell, Linda (2007). Using Multivariate Statistics. Fifth Edition Boston: Pearson. Visuata, Bienvenido y Martori, Joan (2003). Anlisis Estadstico con SPSS para Windows. Volumen II. Estadstica Multivariante. Segunda Edicin. Madrid: McGraw-Hill. Vivanco, Manuel (2005). Muestreo Estadstico. Diseo y Aplicaciones. Santiago de Chile: Editorial Universitaria. (2006). Diseo de muestras en investigacin social, en Manuel Canales Cern (Coordinador-Editor), Metodologas de Investigacin Social. Santiago de Chile: LOM, pp. 141-167. (1999). Anlisis Estadstico Multivariable. Teora y Prctica. Santiago de Chile: Editorial Universitaria. (1994). Anlisis Estadstico de Datos Mediante Computador. Santiago de Chile: Bravo y Allende Editores. Rodrguez, Jacinto (2005). 11. La muestra: teora y aplicacin, en Manuel Garca Ferrando, Jess Ibez y Francisco Alvira, El Anlisis de la realidad social. Mtodos y tcnicas de investigacin social. 3 Edicin. Madrid: Alianza Editorial, pp. 445482. Weimer, Richard 2004. Estadstica. Mxico: Compaa Editorial Continental.

104

A EXOS: EXTRACTOS DE ESTUDIOS

105

Anexo 1. Inscripcin Automtica y Voto Voluntario: Aumentar la Participacin Electoral? [Ej. Anlisis Bivariado]
(*) Artculo escrito por Jaime Fierro (publicado el 2011 en Asuntos Pblicos, Informe 899. CED: Santiago de Chile), en el que se ejemplifica la utilizacin de tcnicas de anlisis bivariado a problemas de inters para las ciencias sociales. Link: http://www.ced.cl/ap/wp-content/uploads/2011/08/899.pdf

Inscripcin Automtica y Voto Voluntario: Aumentar la Participacin Electoral?

Jaime Fierro

Iniciativas como la inscripcin automtica y el voto voluntario buscan, en principio, aumentar la participacin poltico electoral a nivel nacional y reducir, al mismo tiempo, las asimetras de participacin existentes en los jvenes y en los sectores menos acomodados de la sociedad. Sin embargo, surgen dudas razonables, ms all del debate filosfico-normativo20, acerca de la eventual efectividad de tal medida. Mientras que la inscripcin automtica tiende a la incorporacin de todos los ciudadanos en el padrn electoral, el que el voto sea considerado de carcter voluntario no necesariamente es garanta de mayores niveles de participacin poltica. Es altamente probable que ocurra, precisamente, lo contrario. Con el propsito de abordar apropiadamente tal interrogante, se ha realizado un empalme de los estudios 59, 60 y 61 de las encuestas del CEP aplicadas durante el ao electoral 2009, lo que permite aumentar el nmero de casos y disminuir, de este modo, el error de la estimacin estadstica asociado a la caracterizacin, principalmente, de los no inscritos en los registros electorales. La base general contiene 4.507 observaciones vlidas, de las cuales, 1.306 casos corresponden a personas no inscritas en los registros electorales. Un nmero que nos permitir realizar un anlisis detallado de sus principales caractersticas y estimar, con mayor precisin, su participacin electoral frente a un escenario de inscripcin automtica y voto voluntario. Segn los datos empalmados de las encuestas CEP (2009), aproximadamente el 29% de los chilenos mayores de 18 aos no se encuentra inscrito en los registros electorales. Al examinar dicha distribucin por grupos etarios, el 80% de quienes tiene entre 18-24 aos no se encuentra inscrito. Y una proporcin igualmente significativa se concentra en el grupo de entre 25-34 aos, la que alcanza al 54%. En trminos de NSE, la mayor proporcin relativa de los no inscritos pertenece a los segmentos de NSE C3, D y E (29%, 32% y 39% respectivamente). A partir de tales datos, es posible constatar la siguiente tendencia: a medida que disminuye la edad y el SE de las personas, aumenta
Ph.D. en Ciencia Poltica. Profesor asociado del Departamento de Ciencia Poltica y Relaciones Internacionales de la Universidad Alberto Hurtado. Acadmico Universidad de Chile. 20 Sobre este punto vase: Fierro, Jaime (2011). El Voto: Obligacin y Derecho Ciudadano, en Asuntos Pblicos, Informe N 870.

106

la proporcin de quienes no se encuentran inscritos en los registros electorales. El diagnstico, compartido por lo dems por muchos, sera entonces correcto. Tabla 1 Inscripcin en los registros electorales segn edad - 2009
EDAD 18-24 25-34 35-54 55 y ms Total Est Ud. inscrito en los registros S 20% 46% 90% 97% 71% electorales para poder votar? No 80% 54% 10% 3% 29% Total 100% 100% 100% 100% 100% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 59, 60 y 61). N= 4.507 casos; se excluyeron los NS-NR. Chi-Cuadrado de Pearson es significativo; p < .000

Tabla 2 Inscripcin en los registros electorales segn NSE - 2009

NSE ABC1 C2 C3 D E Total Est Ud. inscrito en los registros S 84% 80% 71% 68% 61% 71% electorales para poder votar? No 16% 20% 29% 32% 39% 29% Total 100% 100% 100% 100% 100% 100% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 59, 60 y 61). N= 4.507 casos; se excluyeron los NS-NR. Chi-Cuadrado de Pearson es significativo; p < .000

Pero quines son los no inscritos en los registros electorales? Entre las caractersticas socio-demogrficas del 29% de los chilenos que no se encuentra inscrito en los registros electorales, se puede sealar que: se distribuyen en una misma proporcin entre hombres (50%) y mujeres (50%); son principalmente jvenes de entre 18-24 aos (46%), pero tambin de entre 25-34 aos (38%); se ubican mayoritariamente el NSE C3 (36%) y D (52%); poseen niveles de escolaridad relativamente altos (un 54% tiene entre 9 y 12 aos de escolaridad y un 29% ms de 13 aos); y residen principalmente en Regin Metropolitana (45%). Tabla 3 Caractersticas socio-demogrficas de los no inscritos en los registros electorales - 2009
NSE Educacin Zona ABC1= 3% 0-3 aos= 2% RM= 45% C2= 6% 4-8 aos= 15% Resto= 55% C3= 36% 9-12 aos= 54% D= 52% 13 y ms= 29% E= 3% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 59, 60 y 61). Sub-muestra: slo no inscritos en los registros electorales. N= 1.306 casos. Sexo Hombre = 50% Mujer = 50% Edad 18-24 = 46% 25-34 = 38% 35-54 = 14% 55 y ms = 2%

107

En trminos de su identificacin poltica, la mayora no se identifica con partidos polticos (52%), pero una proporcin muy significativa s lo hace (45%); y si bien en una alta proporcin se definen en trminos de izquierda (21%) y de derecha (19%), mayoritariamente no se identifican con ninguna posicin poltica (44%). Finalmente, entre los bloques polticos, la identificacin con la Concertacin es la ms alta (22%), a pesar de que la mayora seala no identificarse con ninguna tendencia (49%).

108

Tabla 4 Identificacin poltica de los no inscritos en los registros electorales - 2009

Posicin poltica Tendencia Poltica Derecha = 19% Alianza= 16% Centro= 11% Concertacin= 22% Izquierda= 21% Juntos Podemos= 9% Independiente/Ninguno= 44% Ninguno= 49% NS-NC= 5% NS-NC= 4% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 59, 60 y 61). Sub-muestra: slo no inscritos en los registros electorales. N= 1.306 casos. Identificacin con partidos Se identifica= 45% No se identifica= 52% NS-NC= 3%

Cul es su nivel de inters en la poltica en comparacin con los inscritos? A partir de la elaboracin de un ndice de Inters en Poltica (en el que considera la frecuencia con la que alguien (i) mira programas polticos, (ii) lee noticias polticas y (iii) conversa con amigos sobre poltica)21, es posible estimar que: un 27% de los chilenos no est interesado, un 55% algo interesado y un 18% interesado. Llama la atencin la alta proporcin de quienes dicen no realizar nunca tales actividades, sobre todo si consideramos que la medicin fue realizada en un ao de campaa electoral presidencial con amplia cobertura meditica, siendo sta, a su vez, muy competitiva (tanto en primera como en segunda vuelta). Tabla 5 Inscripcin en los registros electorales segn inters en poltica - 2009
Est Ud. inscrito en los registros electorales para poder votar? S No Total ndice de Inters en Nada interesado 26% 30% 27% Poltica Algo interesado 53% 59% 55% Interesado 21% 11% 18% Total 100% 100% 100% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 60 y 61). N= 3.010 casos. Chi-Cuadrado de Pearson es significativo; p < .000

109

Al comparar ambos grupos es posible constatar la existencia de diferencias estadsticamente significativas entre ellos, particularmente en la categora Interesado: 21% y 11% respectivamente. La implicancia de lo anterior, en un eventual contexto de inscripcin automtica y voto voluntario, es la siguiente: si los niveles de inters en poltica son bajos, en general, es muy probable que una parte importante de los ciudadanos decida simplemente no ejercer su derecho a voto, corriendo con ello el riesgo de aumentar los niveles de abstencin electoral y, por consiguiente, de erosionar la legitimidad del sistema poltico en su conjunto.

21

Cada indicador posee tres categoras: Nunca, A veces y Frecuentemente. Para la construccin del ndice se asignaron los siguientes valores a cada una de ellas: Nunca = 0; A veces = 1; y Frecuentemente = 2. Luego se procedi a sumarlas, de modo tal que el ndice toma valores de entre 0 y 6, para posteriormente recodificarlo en los siguientes rangos segn se muestra en la Tabla 5: Nada interesado = 0; Algo interesado = 1-3; Interesado = 4-6. Se han considerado nicamente los estudios 60 y 61, debido a que en el estudio 59 no se incluyeron como parte del cuestionario los indicadores aqu utilizados.

Favorece la inscripcin automtica y el voto voluntario una mayor participacin electoral? Si el voto fuera voluntario, solamente el 82% de los inscritos votaran en una eventual eleccin presidencial, mientras que los no inscritos lo haran en un 65% (en el caso de una inscripcin automtica). Este escenario hipottico implicara una cada de aproximadamente 13 puntos porcentuales entre los inscritos (71% * 0.82 = 58%). Dicha cada sera, sin embargo, compensada por quienes declaran que votaran en caso de existir una inscripcin automtica y voto voluntario (29% * 0.65 = 19%). As, se pasara de aproximadamente un 71% a un eventual 77% que declara intencin de votar, segn las encuestas CEP del ao 2009. Es decir, el dato grueso inicial es que, en un escenario optimista, habra un incremento de aproximadamente 6 puntos porcentuales en la participacin electoral nacional. Tabla 6 Intencin de votar en elecciones presidenciales si el voto fuera voluntario
Intencin de votar
Inscritos* No inscritos** Total 82% 65% 77% 18% 35% 23% Total 100% 100% 100% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 59, 60 y 61). N inscritos = 3.157 casos; N no inscritos = 1.242 casos. Las opciones NS-NR se excluyeron del anlisis. (*) Si el voto fuera voluntario para la prxima eleccin de Diciembre de 2009, ira Ud. a votar?; (**) Si la inscripcin fuera automtica y el voto voluntario, ira Ud. a votar en las prximas elecciones? S votara No votara

110

Si bien tales proyecciones parecen ratificar la hiptesis de un incremento en la participacin poltico electoral, va inscripcin automtica y voto voluntario, es necesario hacer algunos alcances. En primer lugar, es altamente probable que dichas cifras sean ms cercanas a los actuales niveles de participacin electoral e incluso menores. Al introducir una nueva variable, como el voto voluntario (e inscripcin automtica), no es claro cul va a ser el real comportamiento electoral de los chilenos. Una cosa es declarar que se votar y otra muy distinta es hacerlo (adems de las dificultades propias de una pregunta con altos niveles de deseabilidad social). A ello se agrega el bajo inters en la poltica y los bajos niveles de identificacin tanto partidaria como con las actuales coaliciones polticas, lo que har creciente ms difcil movilizar al electorado. En segundo lugar, es muy probable que la volatilidad electoral tienda a aumentar de eleccin en eleccin debido, entre otros factores, a los aspectos mencionados en el punto anterior y, a su vez, al papel cada vez ms importante que juegan las caractersticas del candidato en la intencin de voto. Y, en tercer lugar, de no introducirse modificaciones al actual sistema binominal de elecciones, que permitan aumentar la competencia y la pluralidad de expresiones sociales y polticas, tales tendencias tendern a acentuarse en el tiempo. Abordar apropiadamente el conjunto de tales proposiciones excede con creces el propsito del presente artculo, pero quisiera abordar al menos parcialmente la primera de ellas. Si consideramos que, por ejemplo, entre los inscritos en los registros electorales que declaran que iran a votar si el voto fuera voluntario, un 22% no tiene

ningn inters en poltica, surge entonces la pregunta sobre qu es lo que realmente motivara ir a votar a este segmento siendo el voto voluntario? Situacin anloga ocurre entre los no inscritos que declaran que iran a votar, en el caso de que la inscripcin fuera automtica y el voto voluntario: un 20% de ellos no tiene ningn inters en poltica. Es decir, hablamos de personas que sealan que nunca miran programas polticos, ni leen noticias polticas, ni conversan con sus amigos sobre poltica. Nuestra impresin es que es muy poco probable que dicho segmento decida votar. El ejercicio del voto implica un alto sentido de responsabilidad ciudadana, ms si ste ha de ser voluntario. Y ello requiere niveles mnimos de inters por la cosa pblica, condicin que en este caso no se satisface. Tabla 7 Inscritos en los registros electorales Intencin de votar segn inters en poltica - 2009
Si el voto fuera voluntario para la prxima eleccin de Diciembre de 2009, ira Ud. a votar? S No ndice de Inters en Nada interesado 22% 40% Poltica Algo interesado 53% 52% Interesado 25% 8% Total 100% 100% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 60 y 61). N= 2.110 casos. Chi-Cuadrado de Pearson es significativo; p < .000

Total 26% 53% 22% 100%

Tabla 8 No inscritos en los registros electorales Intencin de votar segn inters en poltica - 2009
Si la inscripcin fuera automtica y el voto voluntario, ira Ud. a votar en las prximas elecciones? S No ndice de Inters en Nada interesado 20% 50% Poltica Algo interesado 66% 45% Interesado 14% 5% Total 100% 100% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 60 y 61). N= 824 casos. Chi-Cuadrado de Pearson es significativo; p < .000

111

Total 30% 59% 11% 100%

La estimacin inicial de un 77% debiera, por consiguiente, ser ms prudente y tomar en consideracin dicho antecedente. En otras palabras, asumir que lo ms probable es que una parte significativa de quienes declaran que votaran en un contexto de voto voluntario, simplemente no lo harn. De este modo, por ejemplo, si asumimos que uno de cada dos personas, al interior del grupo que declara no tener ningn inters en poltica, no votara en un escenario de inscripcin automtica y voto voluntario, la nueva cifra nacional estimada para ambos casos sera aproximadamente de: Para el grupo de los inscritos: (82% - 22% * 0.50) = 71% Para el grupo de los no inscritos: (65% - 20% * 0.50) = 55%

Tales valores se encuentran en torno a los 10 puntos porcentuales ms bajos que los que se muestran en la Tabla 5 (11% y 10% respectivamente). Y si consideramos el total de inscritos en los registros electorales, segn las encuestas CEP (71%), tal estimacin podra significar una cada de aproximadamente 21 puntos porcentuales entre los inscritos (71% * 0.71 = 50%). A lo que cabra agregar, ciertamente, la incorporacin de los potenciales nuevos votantes (29% * 0.55 = 16%). Al realizar los clculos respectivos, tenemos que pasaramos de un 71% de chilenos inscritos en los registros electorales a un 66% que declara intencin de votar (bajo la modalidad de inscripcin automtica y voto voluntario). Se experimentara, por tanto, una cada neta de 5 puntos porcentuales22. Estimacin que, en nuestra opinin, se ajustara mejor a un escenario de prximas elecciones presidenciales, sobre la base de una inscripcin automtica y voto voluntario. Constituye esto un avance en la participacin de los ms jvenes y los sectores populares o para nuestra democracia? Difcilmente. Primero, porque no se satisfacen las expectativas de un aumento en la participacin electoral mediante la frmula de una inscripcin automtica y voto voluntario, bajo los actuales niveles de desafeccin poltica. Y, segundo, porque existira una relacin estadsticamente significativa entre el inters en poltica y NSE entre los no inscritos en los registros electorales (Coeficiente de Correlacin de Spearman); no as en el caso de edad. Es decir, a medida que disminuye el SE de los no inscritos, disminuye tambin su inters en poltica. Esto implica que es probable que se acente levemente la exclusin de los segmentos Medio Bajo (C3) y popular (D y E); y que en el caso de los grupos etarios, se mantengan la actual estructura de autoexclusin. Tabla 9 No inscritos en los registros electorales / Inters en poltica segn NSE - 2009
NSE ABC1 C2 C3 D E Total ndice de Nada interesado 22% 26% 27% 33% 36% 30% Inters en Algo interesado 56% 68% 61% 57% 61% 59% Poltica Interesado 22% 6% 12% 10% 3% 11% Total 100% 100% 100% 100% 100% 100% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 60 y 61). N= 824 casos. El Coeficiente de Correlacin de Spearman es estadsticamente significativo; p < 0.05.

112

22

Tales resultados deben, luego, ser ajustados en funcin de los datos electorales reales que disponemos. Se estima que la poblacin mayor de 18 aos para la ltima eleccin presidencial 2009-2010 ascenda a las 12.180.403 personas (INE); y de ellos, 8.285.186 estaban inscritos en los registros electorales (68%), de acuerdo con el SERVEL. En tanto, la abstencin electoral en la segunda vuelta presidencial de 2010 fue de aproximadamente un 13%, por lo que habran votado el 87% de los inscritos en los registros electorales.

Tabla 10 No inscritos en los registros electorales / Inters en poltica segn Edad - 2009
EDAD 18-24 25-34 35-54 55 ms Total ndice de Inters en Nada interesado 27% 33% 31% 39% 30% Poltica Algo interesado 65% 55% 57% 42% 59% Interesado 8% 12% 12% 19% 11% Total 100% 100% 100% 100% 100,0% Fuente: Elaboracin propia en base a encuestas CEP 2009 (empalme de los estudios 60 y 61). N= 824 casos. El Coeficiente de Correlacin de Spearman no es estadsticamente significativo; p > 0.05.

Sus posibles efectos sobre la cultura cvica y la vida democrtica de nuestro pas ser slo cuestin de tiempo. En ltima instancia, se mantendr el espiral de auto-exclusin de la vida poltica que afecta principalmente a quienes tienen menores recursos y a los ms jvenes, cuestionndose con ello la legitimidad del orden democrtico establecido (crisis de representatividad). Por lo dems, las actuales movilizaciones sociales difcilmente tendern a fortalecer los canales tradicionales de la democracia representativa existentes hoy en pas. Una alternativa, que contribuira a paliar dicho efecto, sera cambiar el sistema electoral binominal, de modo de dar ms garantas de representacin social y poltica en el Congreso Nacional, fomentando, a su vez, mayores niveles de participacin poltica23. Pero, se debe proceder con prudencia sobre otras iniciativas, tales como las propuestas plebiscitarias nacionales, ya que de no ser obligatorio el voto, el juego entre mayoras y minoras que legitiman las decisiones puede verse seriamente afectado, acentuando con ello la crisis de legitimidad existente. A ello habra que agregar de que es altamente probable que, en un contexto como este, tiendan a quedar (auto)excluidos los segmentos sociales menos favorecidos de la sociedad. De acuerdo con los datos analizados, no constituira una sorpresa el que asistiramos a una elitizacin de la participacin y, por ende, a la emergencia de un demos con caractersticas cada vez menos populares. Sin embargo, me temo que, incluso una medida tan relevante como la modificacin del sistema binominal de elecciones, ser insuficiente, si es que no asumimos seriamente el actual dficit de ciudadana democrtica que afecta a nuestro pas. Una cosa es afirmar que son muchos los chilenos que se encuentran insatisfechos con el funcionamiento de la democracia, pero otra muy distinta es sostener que amplios segmentos simplemente no creen en la democracia como la mejor forma de gobierno. Segn los datos de las encuestas Latinobarmetro, luego de ms de dos dcadas del retorno a la democracia, los niveles de apoyo a la democracia son todava muy bajos en Chile: el ao 2010, slo un 63% adhera a la democracia como la mejor forma de gobierno (cifra no muy distinta a la que se tena en 1997)24. He aqu nuestro segundo y mayor desafo. Desafortunadamente, no vemos cmo una iniciativa que intenta hacer del voto un ejercicio cvico voluntario, pudiera ayudarnos en esta tarea tan fundamental. Al menos que, invocando a nuestra tradicin republicana, avancemos hacia la inscripcin
Para profundizar sobre este punto, vase: Micco, Sergio y Saffirio, Eduardo (2011). El Sistema Electoral Binominal: Argumentos para su Reemplazo, en Asuntos Pblicos, Informe N 895. 24 www.latinobarometro.org
23

113

automtica y consignemos, al mismo tiempo, en la nueva Ley, la posibilidad de excusarse25 a todos aquellos quienes no deseen participar de los comicios. Una medida que dejara el aire suficiente a los partidarios de la libertad negativa (libertad como no interferencia), pero que dara tambin mayores garantas a los partidarios de la libertad positiva, aquella que hace de la participacin en la configuracin futura de nuestra sociedad una cuestin primordial. Si es verdad que los jvenes vinieron para quedarse en la poltica, que lo hagan. Que sean miembros plenos de la comunidad poltica nacional. ada podra hacerle mejor a nuestro pas y a nuestra democracia.

114

Esto con un mes de anticipacin a la eleccin, quedando liberado de todo tipo de sanciones. Vase: Bravo, Alfonso (2011): El ADN de la Propuesta DC de Reformas Polticas: Aciertos, Dudas y Narracin, en Asuntos Pblicos, Informe N 892, nota pi de pgina n 2.

25

Anexo 2. Clase Media en Chile, 1990-2011: Algunas Implicancias Sociales y Polticas

(*) A continuacin se presentan tres extractos del estudio realizado por Emmanuelle Barozet y Jaime Fierro (publicado el 2011 por la KAS Chile), de modo de ejemplificar la aplicacin de las tcnicas de RLM y RLB a problemas de inters para la investigacin en ciencias sociales. Link: http://www.kas.de/chile/es/publications/29603/

Actitudes hacia la democracia [pp. 34-41] - Extracto Ej. RLM

Durante la segunda mitad del siglo XX, el mundo experiment un xito democrtico sin precedentes. Nunca antes en la historia de la humanidad tantas personas apoyaron las ideas, instituciones y prcticas democrticas. Pero, al mismo tiempo, fue un perodo de la historia en la que muchos gobiernos democrticos colapsaron de un modo brutal frente al poder de las armas.26 Amrica Latina no fue la excepcin, eso bien lo sabe Chile. Amrica Latina, incluido Chile, se encuentra hoy entre las regiones del mundo con ms bajos niveles de apoyo a la democracia y de satisfaccin con su funcionamiento. As lo han demostrado sistemticamente las encuestas Latinobarmetro desde 1995 a la fecha. Es entonces demasiado pronto para proclamar que la democracia cuenta con el apoyo incondicional de la mayora de los ciudadanos, nos advierte con prudencia Robert Dahl,27 especialmente en un tiempo en que muchos pases enfrentan crisis econmicas y polticas severas.28 Perfeccionar y profundizar la democracia contina siendo el desafo para muchos. Existe un amplio consenso entre los especialistas en trminos de comprender que la estabilidad y la calidad de las democracias dependen tambin del grado de apoyo que emerja desde la ciudadana. Se requiere que los ciudadanos sean capaces de crear y mantener una cultura poltica de apoyo a las ideas, valores y prcticas democrticas. Las democracias que carecen de dicha base de legitimidad son consideradas en riesgo.29 Un sistema poltico democrtico debe ser capaz de mantener el apoyo de sus ciudadanos si es que ha de ser viable en el tiempo y ha de profundizar la democracia.30 Y si bien las democracias latinoamericanas no se encuentran ad portas de un nuevo quiebre institucional, no podemos decir lo mismo en lo que respecta a la gobernabilidad democrtica.31 A lo que se agrega el riesgo populista.32 El constante descrdito de la poltica, junto con la prdida de la capacidad de representacin y la agregacin de intereses por parte de los partidos polticos, pueden llevar a algunos a pensar que los sentimientos de frustracin popular son mejor expresados mediante movimientos sociales y manifestaciones de protesta, antes que su canalizacin a travs del sistema poltico-electoral. Como ha sealado Victoria Camps, en ausencia de un chivo
Dahl 2000: 145. Ibd., pp. 1-2, 145, 156, 164-5. 28 Dahl 2000: 145-6, 156. 29 Vase, por ejemplo, Klingemann 2000; Dalton 2004; Welzel y Inglehart 2007; Booth y Seligson 2009; Norris 2011. 30 Dalton 2004: 24; Welzel and Inglehart 2007: 297. 31 Valenzuela 2004; Mainwaring y Prez-Lin 2005: 48-51; Diamond 2008: 175; Mainwaring y Scully 2009. 32 Mainwaringn y Hagopian 2005: 2; Mainwaring y Prez-Lin 2005: 54-6.
27 26

115

expiatorio frente a los problemas que nos aquejan, la poltica es la culpable de todos los males.33 El papel de la clase media En Amrica Latina, se ha tendido a asociar a la clase media con dos tendencias contradictorias. Por una parte, se destaca el papel estabilizador y democrtico de la clase media y, por otra, se la vincula con el respaldo a los gobiernos militares,34 en virtud de lo cual la clase media es considerada como el fundamento de la estabilidad poltica o, por el contrario, la causa ms importante de los quiebres institucionales.35 Su principal debilidad estribara en su rpida adaptacin a las coyunturas polticas, producto de la ausencia de posiciones ideolgicas bien definidas y estables en el tiempo, cuestionndose con ello el verdadero alcance de su vocacin democrtica.36 La idea de que la clase media posee un rol estabilizador y democrtico se basa en su relativa independencia socio-econmica de la clase alta, por lo que tendera a frenar los proyectos expansivos de sta si es que ponen en peligro sus propios intereses. Su papel democrtico vendra dado en la medida que sus intereses son anti-oligrquicos;37 mientras que sus mayores niveles de educacin e informacin (respecto de las clases populares) favorecera la moderacin poltica, particularmente cuando los conflictos entre pobres y ricos emergen, introduciendo as un factor de estabilidad y reduccin de la polarizacin.38 Por otra parte, su relativa autonoma de los grupos dominantes le permitira tambin presionar por una mayor participacin poltica, generando de este modo un mayor pluralismo en el juego poltico. De ah que una alta proporcin en el tamao de la clase media es considerado por muchos como una condicin social necesaria para la existencia de la democracia.39 Desde la ciencia poltica se ha enfatizado que las democracias consolidadas requieren de una clase media numerosa y estable.40 Su fundamento se encuentra en Aristteles: cuando la clase media es numerosa existen menos probabilidades de sediciones y discordias entre los ciudadanos41. No obstante, tambin se ha sostenido que si la clase baja pone en peligro sus intereses, la clase media podra aliarse con la clase alta con el fin de frenar la insurreccin popular. Bajo esta perspectiva, los regmenes militares en Amrica Latina seran el resultado de tales alianzas.42 Este habra sido el caso de Brasil, Argentina y Chile.43 Laura Tedesco y Jonathan Barton, en su libro The State of Democracy in Latin America, lo han expresado en los siguientes trminos:

116

33 34

Camps 1993: 68-9. Paramio 2010b: 11. 35 Franco y Len 2010: 62; vase tambin Tedesco y Barton 2004: 54-55. 36 Franco y Hopenhayn 2010: 15, 37; Hopenhayn 2010a: 26; Hopenhayn 2010b: 14-5. 37 Paramio 2010: 11. 38 Minujin 2010: 77; Tavares de Almeida y Nunes de Oliveira 2010: 104-5; Mora y Araujo 2010: 147. 39 Tavares de Almeida y Nunes de Oliveira 2010: 105; Mora y Araujo 2010: 147. 40 Solimano 2010: 48. 41 Aristteles 2008: 249-251. 42 Paramio 2010a. 43 Tavares de Almeida y Nunes de Oliveira 2010: 105.

The middle classes have played an ambiguous role: they pushed for their own inclusion as they became a stronger social grouping over time, but their attitude towards inclusion of the lower classes depended on the need for, and possibilities of an alliance with the working class. Middle classes have been most in favour of fuller democratisation of society where they have been confronted with intransigent dominant classes and have had the option of allying with a sizeable working class. However, if they started to feel threatened by popular pressures under a democratic regime, they turned to support the imposition of an authoritarian alternative. Although the above provides a broad generalisation of social relations in twentieth century Latin America, these are the predominant tendencies that have influenced the pursuit of democratisation and its suppression.44

Tal explicacin, sin embargo, es matizada por algunos autores debido a que se confunde la amenaza de una revolucin social con una situacin prolongada de desorden social y poltico.45 El respaldo de amplios segmentos de la clase media a los regmenes militares en Amrica Latina es mejor entendida por la situacin de desorden poltico y social que se viva. En otras palabras, aunque se justificaran como respuestas a la amenaza revolucionaria, en la medida que obtuvieron apoyo de las clases medias fue a causa de una situacin de desorden social y poltico.46 Frente a tal posicin, cabra sealar tambin cierto escepticismo. Es altamente probable que la relacin entre clase media y democracia sea mucho ms dbil de lo que se ha pensado usualmente. En otras palabras, es muy probable que el mito de la clase media como actor social y fuerza poltica tiende a difuminarse.47 Con la finalidad de dilucidar tal disyuntiva, a continuacin se examina la relacin que se puede establecer entre clase media y sus actitudes hacia la democracia, en comparacin con los otros segmentos sociales. Para ello se utilizarn las bases de datos de las encuestas Latinobarmetro, cubriendo el perodo 1995-2009 para el caso de Chile. Apoyo a la democracia y satisfaccin con la democracia El apoyo a la democracia constituye para muchos un elemento determinante para la estabilidad de un rgimen democrtico, particularmente en aquellas sociedades que experimentan o han experimentado transiciones a la democracia. De igual modo se ha insistido sobre la importancia que tiene la evaluacin de la satisfaccin con el funcionamiento de la democracia. No siempre existe una alta correspondencia entre ambas: muchos demcratas pueden sentirse insatisfechos con el funcionamiento de su democracia.48 A continuacin se analizan brevemente ambas actitudes hacia la democracia segn Nivel Socio Econmico (NSE) durante el perodo 1995-2009.49 117

44 45

Tedesco y Barton 2004: 54-55. Paramio 2010b: 11. 46 Ibd., p. 11. 47 Franco y Hopenhayn 2010: 8. 48 Segovia 2006: 88-9; Norris 2011. 49 A pesar de que no se trabaja con el concepto de clase social, en un sentido sociolgico fuerte, el NSE es utilizado frecuentemente en los estudios de opinin pblica como un proxy del ingreso y, por extensin, de clase social. De ah su valor para la presente investigacin. Vase seccin III del presente informe.

Tabla 14
La democracia es preferible a cualquier otra forma de gobierno segn NSE (%) Chile, 1995-2009
1995 1996 1997 1998 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Prom.

Bajo Medio Alto Pas

50 55 56 54

49 57 58 56

60 65 62 63

49 53 56 54

48 56 61 55

43 49 52 49

49 53 57 53

48 52 61 53

51 58 64 59

50 66 68 63

61 51 67 59

48 49 46 48

44 53 59 54

67 59 65 62

51 55 59 56

Fuente: Elaboracin propia. Basado en encuestas Latinobarmetro 1995-2009 (se excluyen los NS-NR). La Prueba de Chi-Cuadrado de Pearson es estadsticamente significativa en todos los aos, excepto el 2001 y el 2007; p < 0.05. La intensidad de la relacin, de acuerdo con el coeficiente V de Cramer, es baja.

Al examinar la tendencia en el perodo considerado (1995-2009), es posible constatar que a medida que aumenta el SE, aumenta la proporcin de adhesin hacia la democracia como la mejor forma de gobierno. En promedio, el segmento MEDIO tiene un 55% de adhesin, en comparacin con el 51% del BAJO y el 59% del ALTO. No obstante, se observan importantes fluctuaciones. En el segmento MEDIO el punto ms bajo se da el 2001 (49%) y 2007 (49%), mientras que el punto ms alto se alcanza el 2005 (66%). Por otra parte, llama poderosamente la atencin que luego de dos dcadas del retorno a la democracia, y de un leve incremento del tamao de la clase media y sobre todo de sus ingresos, los niveles de apoyo a la democracia son todava bajos en Chile. El promedio del perodo (1995-2009) apenas alcanza al 56%. A su vez, el nivel de apoyo alcanzado el ao 2009 (62%) no es muy distinto al que se tena el 2005 (63%) o en 1997 (63%). La democracia chilena no ha alcanzado todava niveles de legitimidad satisfactorios en la ciudadana comparable, por ejemplo, con los de pases como Uruguay o Costa Rica, manifestando con ello una importante debilidad en la cultura cvico-democrtica. Es muy probable que los bajos niveles de satisfaccin con el funcionamiento de la democracia sea un factor que incide en los bajos niveles de apoyo a la democracia. De acuerdo con el reciente estudio de la OCDE, los estratos medios latinoamericanos se encuentran en una encrucijada: defienden el concepto de democracia, pero son crticos con el funcionamiento del sistema poltico.50 En el caso de Chile, si bien los niveles de satisfaccin con el funcionamiento de democracia tienden a aumentar, stos son todava muy bajos: el promedio del perodo (1995-2009) es tan solo de un 37%; llegando a su nivel ms alto el ao 2009, con un 56%. Resulta interesante constatar que las diferencias por segmento social no son estadsticamente significativas en los aos electorales 2005 y 2009, adems de los aos 1997 y 2007, como se aprecia en la siguiente tabla.

118

50

OECD 2010a: 151-3.

Tabla 15
Satisfaccin con el funcionamiento de la democracia segn NSE (%) Chile, 1995-2009
1995 1996 1997 1998 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Prom.

Bajo Medio Alto Pas

29 31 43 35

18 27 37 29

33 41 37 38

28 30 38 33

29 34 41 34

20 22 30 25

19 28 38 29

25 36 43 34

34 41 52 42

42 48 44 45

44 39 51 44

37 38 39 38

36 37 45 40

54 56 56 56

32 36 42 37

Fuente: Elaboracin propia. Basado en encuestas Latinobarmetro 1995-2009 (se han excluido los NSNR).Se consideran las categoras muy satisfecho + satisfecho. La Prueba de Chi-Cuadrado de Pearson es estadsticamente significativa en todos los aos, excepto en 1997, 2005, 2007 y 2009; p < 0.05. La intensidad de la relacin, de acuerdo con el coeficiente V de Cramer, es baja.

Determinantes del apoyo a la democracia Con la finalidad de evaluar mejor el impacto de la variable NSE sobre la adhesin a la democracia, se ha elaborado un ndice de Apoyo a la Democracia.51 Esto revierte de cierta relevancia puesto que en lo que respecta al grado de legitimidad de la democracia existe un consenso creciente sobre la necesidad de utilizar ms de un indicador para medirla e idealmente sobre la importancia de construccin de ndices.52 De modo anlogo, se ha creado tambin un ndice de Satisfaccin con la Democracia.53 Para su construccin, se ha tomado como referencia los dos ltimos aos de elecciones presidenciales debido a: (i) la disponibilidad de los indicadores utilizados en las encuestas Latinobarmetro para esos aos (ya no se consideran en todos); y, (ii) que es precisamente en perodos electorales cuando se manifiestan con mayor nitidez las actitudes polticas de los ciudadanos. Aunque no es intencin del presente estudio establecer un modelo con alta capacidad explicativa de los niveles de satisfaccin y apoyo a la democracia, nos ha parecido importante estimar el impacto del NSE sobre ambas variables, controlando, al mismo tiempo, por el efecto de otras variables que se han sealado como relevantes en la literatura.54 Entre los factores que se han identificado comnmente para explicar el nivel
Dicho ndice se ha creado a partir de tres indicadores: (i) La democracia es preferible a cualquier otra forma de gobierno; (ii) La democracia puede tener problemas, pero es la mejor forma de gobierno; (iii) En ninguna circunstancia apoyara un gobierno militar. Cada uno de los indicadores fueron recodificados en valores 0 y 1, por lo que el ndice final flucta entre 0 y 3. Para efectos de cruce (vase tabla 21, Anexo), el ndice se ha recodificado en los siguiente valores: 0 y 1 = Bajo apoyo, 2 = Moderado Apoyo, 3 = Alto apoyo. De acuerdo con este ndice, casi un tercio de los chilenos presentan un bajo apoyo a la democracia, lo que vara levemente entre el ao 2005 y el 2009 (32% y 29% respectivamente). 52 Sarsfield 2010: 26. 53 El ndice se ha creado sobre la base de tres indicadores: (i) Satisfaccin con el funcionamiento de la democracia; (ii) Evaluacin de la situacin poltica; (iii) Percepcin acerca de si las elecciones son limpias. Cada uno de los indicadores fueron recodificados en valores 0 y 1, por lo que el ndice final flucta entre 0 y 3. Al igual que en el caso anterior, para efectos de cruce (tabla 22, Anexo), el ndice se ha recodificado del siguiente modo: 0 y 1 = Bajo, 2 = Moderado, 3 = Alto. A partir de dicho ndice, en el ao 2005 un 41% de los chilenos tenan una baja satisfaccin con el funcionamiento de la democracia, cifra que se reduce al 33% el ao 2009. 54 El modelo busca cumplir con dicho propsito intentando resguardar, a su vez, el principio de parsimonia (considerar el menor nmero de variables posibles para explicar el mximo de varianza de un fenmeno).
51

119

de satisfaccin y apoyo a la democracia, se encuentran la evaluacin econmica (tanto a nivel familiar como del pas) y la evaluacin poltica (en trminos de desempeo poltico del gobierno o confianza en ste55) que hacen los ciudadanos en una democracia. Las actitudes hacia la democracia dependeran de las evaluaciones econmicas y polticas que se hagan (en una relacin directamente proporcional), pero en los pases de menores ingresos tendran un peso relevante solamente las evaluaciones polticas.56 Por otra parte, se ha argumentado que el efecto del grado de exposicin a los medios de comunicacin sobre la satisfaccin y el apoyo a la democracia puede ser tanto positivo como negativo.57 Se sugiere que la exposicin a las noticias polticas (que tienen a trivializar la poltica) generara actitudes de desencanto y desafeccin hacia la poltica y, por extensin, hacia el rgimen poltico en general. Pero tambin se seala que los medios de comunicacin han hecho ms accesible informacin poltica, independiente de la clase social o los niveles educativos que se tenga, lo que ayudara al desarrollo de competencias ciudadanas que favoreceran la participacin y el apoyo a la democracia.58 El hecho de que nunca antes los ciudadanos haban tenido en tal cantidad, y alcance, un acceso a la informacin poltica, tendra un efecto a favor de las actitudes polticas democrticas.59 Finalmente, entre las variables socio-demogrficas, existira evidencia de que a medida que aumenta el ingreso, el nivel educativo y la edad de las personas, crecen tambin los niveles de apoyo a la democracia en Amrica Latina.60 En Chile, algunos estudios muestran que las variables polticas tendran un impacto relevante sobre la satisfaccin y el apoyo a la democracia, no as las variables socio-demogrficas61. Nuestro inters, en la presente investigacin, se centra en la variable NSE. El anlisis de los datos, mediante la tcnica de Regresin Lineal Mltiple, nos permitir estimar apropiadamente si el NSE posee o no un impacto estadsticamente significativo sobre el apoyo a la democracia en Chile.

120

55

Desde la teora del capital social se ha enfatizado la confianza, entre ellas la confianza en el Gobierno, como una de las variables centrales para explicar las actitudes hacia la democracia (Sarsfield 2010: 11). 56 Sarsfield 2010: 10, 12, 36-7; Chu et al 2008: 32-3. 57 Booth y Seligson 2009: 116. 58 Gutnther et al. 2007a: 18-20, 23-4; Schimitt-Beck y Voltmer 2007: 75-6. 59 Schimitt-Beck y Voltmer 2007: 79-84; Gutnther et al. 2007b: 333-4. 60 Sarsfield 2010: 39. 61 Segovia 2006; Fierro 2009.

Tabla 16
Apoyo a la Democracia Chile 2005 y 2009
2005 Caractersticas socio-demogrficas Sexo: hombre Edad Educacin NSE (1= Bajo; 2= Medio; 3= Alto) Ingreso subjetivo Evaluacin de la situacin econmica Evaluacin de la situacin econmica personal Evaluacin de la situacin econmica del pas Exposicin a los medios (TV) Nmero de das a la semana en que ve las noticias en televisin Evaluacin poltica Aprobacin de la gestin del presidente: s Confianza en el Gobierno Satisfaccin con la democracia ndice de satisfaccin con el funcionamiento de la democracia R Cuadrado R Cuadrado corregida .122** .116** .055* 2009 .066* .062*

.275** .148** .230** .343 .337

.106** .171** .304** .228 .221

Fuente: Elaboracin propia. Basado en encuestas Latinobarmetro 2005 y 2009. Los valores correspondes a los Coeficientes Estandarizados Beta de la Regresin Lineal Mltiple. * = p < 0.05; ** = p < 0.01.

A partir de los datos presentados en la tabla 16, es posible concluir que: Caractersticas socio-demogrficas: de las variables consideradas, nicamente la educacin tiene un impacto positivo estadsticamente significativo en ambas mediciones (2006 y 2009): a medida que aumentan los aos de educacin, aumenta el grado de apoyo a la democracia.62 Evaluacin de la situacin econmica: ni la evaluacin econmica personal ni la evaluacin econmica del pas tienen un impacto estadsticamente significativo, en ambas mediciones, sobre el grado de apoyo a la democracia. Exposicin a los medios (TV): el nmero de das a la semana en que se ve las noticias en televisin tiene un impacto positivo estadsticamente significativo sobre el grado de apoyo a la democracia (en ambos aos). Evaluacin poltica: la confianza en el Gobierno y la aprobacin de la gestin del Presidente impactan positivamente sobre el grado de apoyo a la democracia (en ambos aos). Satisfaccin con la democracia: el ndice de Satisfaccin con la Democracia impacta positivamente sobre el grado de apoyo a la democracia en los dos aos estudiados: a medida que aumenta la satisfaccin con la democracia, se incrementa el grado de apoyo a la democracia. La capacidad explicativa del modelo es considerablemente ms alta el ao electoral 2005 (33.7%) que el ao 2009 (22.1%). Las variables que ms contribuyeron a explicar la varianza en el grado de apoyo a la democracia en las dos mediciones fueron: la aprobacin de la gestin del Presidente, la confianza en el Gobierno y el ndice de Satisfaccin con la Democracia.

121

62

Similares resultados se constatan cuando se considera como variable dependiente el ndice de Satisfaccin con la Democracia (vase tabla 23 en Anexo).

De los resultados presentados quisiramos destacar lo siguiente. En primer lugar, que la variable NSE no se encuentra relacionada con el grado de apoyo a la democracia en Chile, por lo menos en los aos electorales 2005 y 2009. Con ello se diluye, en el anlisis a nivel individual, la supuesta relacin entre clase media y democracia,63 por lo menos para el caso chileno. En segundo lugar, son las variables polticas, antes que las econmicas, las que realmente impactan sobre el apoyo a la democracia. Y, en tercer lugar, debido al fuerte impacto que tiene el grado de satisfaccin con el funcionamiento de la democracia sobre el apoyo a la democracia, debiera llamar la atencin acerca de la necesidad de mejorar y profundizar nuestra democracia. En cuarto lugar, queda en evidencia tambin, a partir del bajo nivel de apoyo a la democracia durante el perodo 1995-2009, el dficit en la cultura cvica democrtica de los chilenos. De ah la importancia de trabajar y educar en pos de una ciudadana democrtica. En quinto y ltimo lugar, sealar que la aproximacin aqu utilizada corresponde al estudio de las actitudes hacia la democracia por parte de los ciudadanos y no de las elites, ya que algunos autores han enfatizado el papel preponderante de stas por sobre la masa de ciudadanos. No obstante, hay acuerdo general en que el proceso de democratizacin es ms estable cuando tanto los lderes polticos como los ciudadanos comparten y apoyan una misma visin de la democracia.64

122

Desde la ciencia poltica se ha enfatizado que las democracias consolidadas requieren de una clase media numerosa y estable. No obstante, la evidencia emprica a un nivel de anlisis agregado no parece ratificar dicho supuesto. En un estudio en el que se incluyen 129 pases, Solimano (2010: 61-3) encuentra que la correlacin entre democracia (medida a travs del ndice Polity IV) y el tamao relativo de la clase media es ms bien baja o nula para la mayora de los pases, excepto para las economas de ms altos ingresos. 64 Sarsfield 2010: 18-9, 21; Mainwaringn y Hagopian 2005: 8; Diamond 2008: 154-7.

63

Elecciones presidenciales 2009-2010 [pp. 42-50] - Extracto Ej. RLB

La clase media como target group El Programa de Gobierno de Piera reconoca abiertamente una preocupacin por la clase media, la que era caracterizaba como un segmento social desprotegido: una clase media abandonada por el Estado.65 Y coherente con su propuesta, Piera focaliz su discurso en los grandes temas de la clase media.66 Los nfasis de la campaa estuvieron enmarcados en postular un gobierno focalizado en la creacin de empleo, la recuperacin del crecimiento econmico, la derrota de la pobreza, el freno de la delincuencia, el apoyo a la clase media y el avance sustantivo en salud y educacin.67 Pero no se trataba de la clase media tradicional, sino de la nueva clase media emergente. Un grupo que ha nacido sin privilegios y que ha luchado por lo que tiene, pero que corre el riesgo de perderlo todo frente a la amenaza del desempleo o la enfermedad, entre otros. La Alianza bien lo saba y habra sido (aparentemente) exitosa en su acercamiento a los emergentes durante la campaa, a partir de la interpelacin al esfuerzo, la meritocracia y la inseguridad frente al futuro.68 En particular, el anuncio del bono marzo en el que Piera otorgara 40.000 pesos por cada carga familiar, intentando ganar con ello el apoyo de las familias ms modestas y las de clase media baja, result ser muy efectivo.69 El eslogan de la segunda vuelta de Piera fue Smate al cambio lo que, en lo fundamental, no era muy distinto al de la primera vuelta. Se haca tambin un claro alcance a la clase media, intentando transmitir que votar por Piera era votar por mantener la red social, amplindola a la clase media.70 La campaa presidencial de Frei, en lo programtico, tambin se focaliz en parte hacia la clase media, sobre la base de la defensa y extensin de la proteccin social hacia sta (sexto eje programtico).71 A su vez, hizo importantes alcances en materia de educacin superior;72 la implementacin de un seguro estatal de dividendos hipotecarios; la eliminacin progresiva del 7% a los jubilados; la extensin del postnatal; y la mejora de la salud primaria, entre otras medidas orientadas a pagar la deuda social con la clase media.73 La Concertacin era consciente de la votacin que vena perdiendo el conglomerado en el segmento de la clase media e intentaba revertirla.74

123

65 66

Piera 2009: 9. Tironi 2010: 193-4. 67 Allamand y Cubillos 2010: 266. 68 Castillo 2011: 229. 69 Allamand y Cubillos 2010: 314. 70 Ibd., p. 360. 71 Frei 2009b: 5; Espinoza, Morales, Parell 2010: 90; Tironi 2010: 102. 72 Sobre la base de la universalizacin del crdito con aval del Estado, y el establecimiento de un seguro de escolaridad y estipendio para la educacin superior. 73 Frei 2009b: 11, 15-6. Vase tambin Frei 2009a: 47-52. 74 Tironi 2010: 185.

Tambin form parte de su propuesta programtica el eje ms y mejor Estado,75 que tenda a hacer alusin a la clase media-baja (emergente) y los sectores populares76 (dejando de lado la clase media tradicional). Frei intent, de este modo, acercase a aquellos que demandaban ms seguridad y proteccin del Estado.77 Su candidatura dara mejores garantas que la derecha y Piera.78 Esa fue la apuesta, pero sta nunca logr cristalizar en un discurso coherente, capaz de alinear a toda la Concertacin.79 Durante la implementacin de la estrategia de campaa, y particularmente luego del acto de lanzamiento de sta en el Teatro Caupolicn, Frei recibi importantes crticas, algunas de las cuales provenan desde el seno mismo de la Concertacin: Lo que provoc ms escozor fue su apelacin a una mayor intervencin del Estado en ciertas reas crticas para la poblacin y el desarrollo del pas. Desde ciertos sectores de la Concertacin y del gobierno hubo manifestaciones de incomodidad y hasta preocupacin.80 Piera, en tanto, fue ms prudente e hizo suyos los planteamientos de Frei en cuanto a extender la proteccin estatal hacia la clase media,81 sin que con ello tuviera que atacar al Estado. De este modo, frente a la propuesta de ms Estado de Frei, la opcin del comando de Piera no fue confrontar ideolgicamente dicha propuesta, sino ms bien hacer presente que se necesitaba mejor Estado y, sobre todo, apelar al sentido comn. El problema no era si haba que tener ms o menos Estado, sino que lo administrara la Concertacin.82 Algunos estudios realizados indicaban que el segmento de la clase media con mayor importancia electoral para la campaa de Frei eran los emergentes urbanos C2 y C3 (especialmente mujeres),83 a los que se caracterizaba en trminos de marcados sentimientos de angustia, soledad, resignacin (adems de esperanza).84 Tales resultados no fueron muy alentadores para el diseo de la campaa de Frei. En particular, porque los emergentes no tenan mayores expectativas sobre el impacto de la eleccin presidencial en la mejora de sus vidas: no importaba quin ganase, sta no iba a dar un salto ni para bien ni para mal.85 A lo anterior se agregaba el dato de que ellos no eran muy proclives a la intervencin del Estado o fortalecer la negociacin colectiva y los sindicatos.86 Han prosperado sin la ayuda del Estado y, por lo mismo, creen que pueden salir adelante sin ste.87 Ms que la proteccin o la ayuda directa del Estado, demandan que el gobierno sea un facilitador de su propia accin88 y que ofrezca apoyo en caso de enfermedad, desempleo o jubilacin, a modo de red de proteccin, pero no como presencia continua. La clase media
75 76

124

Ibd., pp. 97-100. Ibd., p. 183. 77 Ibd., p. 77. 78 Ibd., p. 96. 79 Ibd., p. 102. 80 Ibd., p. 102. 81 Ibd., p. 184. 82 Allamand y Cubillos 2010: 253. 83 Tironi 2010: 130-1. Vase tambin Aninat et al. 2009; Aninat y Elacqua 2010. 84 Ibd., pp. 132-3. 85 Ibd., p. 134. 86 Ibd., pp. 186-7. 87 Ibd., p. 222. 88 Ibd., p. 229.

emergente quedaba de este modo fuera del foco principal de la campaa, al menos directamente. Algo similar haba ocurrido, por omisin, con la clase media tradicional. Y, en la segunda vuelta, en el intento de Frei por conquistar los votos de MEO, se descuid aun ms la clase media emergente y los sectores ms acomodados.89 De acuerdo a los resultados de los estudios de opinin pblica del CEP, la intencin de voto por Frei aumentaba a medida que disminua el NSE, superando nicamente a Piera en el NSE bajo (D).90 Piera habra logrado, de este modo, el apoyo electoral en los grupos de sectores medios emergentes y de sectores los medios tradicionales. Sin embargo, la evidencia emprica que se analiza a continuacin revela que no fue precisamente la oferta programtica o el NSE lo que ms influyo en la intencin de voto de las personas, sino las variables polticas y las caractersticas del candidato. Determinantes de la intencin de voto En el esfuerzo por explicar el comportamiento electoral de los ciudadanos, dos modelos han tenido una especial influencia: el modelo de la escuela de Michigan y el modelo de la escuela de Columbia. En el primer caso el voto constituye un acto individual fuertemente influenciado por los patrones de valores y preferencias electorales familiares (tendencia poltica / identificacin partidaria) traspasados durante la socializacin primaria. Importa ms por quienes suelen votar nuestros padres, o miembros de la familia, que nuestra categora de pertenencia, por ejemplo, en trminos de clase social. No obstante, cobran tambin importancia las variables de corto plazo asociadas a i) las evaluaciones econmicas (pasadas, presentes y futuras) tales como la percepcin de la situacin econmica personal, la evaluacin econmica del pas, el crecimiento econmico y el desempleo; y ii) la imagen de los candidatos.91 En el caso de las evaluaciones econmicas, la hiptesis es la siguiente: cuando la percepcin de la situacin econmica es buena, los electores volvern a votar por el actual gobierno. O lo que es lo mismo, si la percepcin de la situacin econmica es mala, se votar por otro candidato.92 Entre las variables econmicas asociadas al voto,93 la percepcin de la situacin econmica personal tiende a tener menor importancia que la percepcin de la situacin econmica del pas. Es decir, si la percepcin de la situacin econmica del pas es buena, hay mayores probabilidades de volver a votar por el candidato del gobierno saliente, incluso si la percepcin de la situacin econmica personal es mala. De igual modo, quienes consideren que la situacin econmica nacional o la situacin econmica personal han empeorado tendern a

125

Tironi 2010: 193. Vase tabla 4 en Anexo. 91 Briceo et al. 2009: 14-6; Gutirrez y Lpez 2007: 178-9. 92 Lewis-Beck y Stegmaier 2007: 518, 520. 93 El nfasis en las variables econmicas para predecir la intencin de voto ha sido destacado tambin por el modelo de la escuela de Rochester, en lo que se conoce como la teora del votante racional. Se asume que los individuos se comportan racionalmente al momento de emitir su voto, intentando maximizar sus intereses entre las distintas opciones electorales -sobre la base de la informacin disponible, por ejemplo, en trminos de la relacin: gobierno, polticas pblicas y los resultados de las polticas. No obstante, algunos autores la consideran simplemente como una variante de la escuela de Michigan (Morales y Navia 2010: 11, 13-14, 17).
90

89

castigar electoralmente al gobierno.94 El efecto de tales evaluaciones sobre la intencin de voto se vinculan ms a las elecciones presidenciales que a las parlamentarias o municipales. En este sentido, son especialmente las actuaciones econmicas de los gobiernos las que determinan la respuesta de la clase media,95 en la medida que pueden afectar positiva o negativamente su estilo de vida (ms all del ingreso o el consumo). La razn de ello se encontrara en el hecho de que: la clase media se distingue de las clases populares por poseer un proyecto de futuro que va ms all de la supervivencia y del consumo inmediato. Aspira a prolongar su estatus, su nivel social, para ella y para sus hijos, y esa continuidad puede verse en riesgo, incluso si el presente econmico es favorable, por polticas que provoquen desequilibrios, o puedan provocarlos, en un futuro prximo.96 En cuanto a la imagen de los candidatos, la atencin se centra en sus caractersticas personales, las que suelen dividirse en dos tipos: las referidas a los atributos de personalidad y las referidas a las habilidades para sacar adelante polticas pblicas (policy maker). En el primer caso, importan aquellos aspectos relativos a la personalidad del candidato, tales como su carcter, honestidad, capacidad, inteligencia, etc. En el segundo, lo que se evala es la capacidad que se le atribuye al candidato para proponer e implementar polticas pblicas que resuelvan temas de preocupacin sentidos por la ciudadana.97 El Modelo de Columbia, en tanto, enfatiza variables de largo plazo. Especial relevancia se le otorga a la pertenencia a una clase social, religin, etnia y hbitat (urbano o rural) en las preferencias polticas y la intencin de voto del electorado. Los candidatos o partidos que tienden a ser apoyados, son precisamente aquellos con los que se comparte sus valores o visiones de mundo (ideologa). En el Modelo de Columbia se enfatizan variables de carcter ms sociolgico, entre ellas, clase social (mientras que en el Modelo de Michigan se destacan las explicaciones ms sicolgicas, por ejemplo, la evaluacin de la situacin econmica o la imagen de los candidatos).98 La posicin en la estructura de clases es considerada como un importante predictor de la intencin de voto. Sin embargo, la incorporacin de una nueva clase media introducira un factor de incertidumbre acerca de su comportamiento electoral, en la medida que no posee una clara posicin en torno a los conflictos sociales comunes entre la clase baja y la clase media tradicional.99 En Chile, este podra ser el caso de los nuevos segmentos mediosbajos (los emergentes). La evidencia emprica indicara, no obstante, que en la mayora de las democracias avanzadas occidentales la incidencia de la pertenencia a una clase social ha tendido a perder progresivamente importancia sobre la intencin de voto.100 Situacin similar se
94 95

126

Paramio 2010; Briceo, Morales, Navia 2009: 6; Lewis-Beck y Stegmaier 2007: 519, 530-1. Paramio 2010: 17. 96 Ibd., p. 18. 97 Gutirrez y Lpez 2007: 179. 98 Briceo, Morales, Navia 2009: 17-19. 99 Dalton 2002: 147-8. 100 Ibd., pp. 153-4, 168.

apreciara en Amrica Latina, Asia y las nuevas democracias de Europa oriental y central.101 Entre las explicaciones para esto, se ha sealado que la prosperidad econmica disminuira la importancia del voto de clase. El incremento del ingreso y la mejora de los estndares de consumo, entre otros, llevara a la clase baja (nuevos segmentos medios-bajos) a identificarse ms con las actitudes y estilos de vida de la clase media tradicional. En los pases ms prsperos, el voto de clase sera menos importante y tendera a debilitarse en el tiempo, en la medida que la poblacin mejora su estndar de vida.102 En el caso de Chile, se ha sugerido que la frustracin de las expectativas de la clase media tradicional podra haber contribuido a la erosin del apoyo al PDC (que intenta representar a la clase media) y a su candidato presidencial. Un efecto similar habra tenido la emergencia de los nuevos segmentos medios-bajos, a raz de la movilidad social ascendente (los que dejaron de ser pobres). Adicionalmente, la creciente heterogeneidad estructural de la clase media habra planteado importantes dificultades a la Concertacin en su esfuerzo por representarla polticamente.103 En particular, no habra sido sencillo hacer coincidir los intereses de los nuevos sectores medios-bajos emergentes con los de los sectores medios tradicionales. La ltima eleccin presidencial en Chile 2009-2010, constituye un buen escenario, por tanto, para intentar evaluar las distintas variables enfatizadas en ambos modelos sobre la intencin de voto, a partir de las encuestas de opinin pblica del Centro de Estudios Pblicos (CEP).104 A continuacin se presentan seis modelos que nos permitirn evaluar la contribucin relativa de cada Block de variables sobre la intencin de voto por Frei (en una eventual segunda vuelta frente a Piera), a travs de la tcnica de Regresin Logstica Binaria.

127

Knutsen 2007: 470-1, 475. Ibd., pp. 472. 103 Tradicionalmente se ha asumido que existe una estrecha relacin entre la posicin de los individuos en la estructura socio-econmica y sus actitudes polticas e intencin de voto (Paramio 2010: 9-10). Sin embargo, no resulta fcil explicar el comportamiento poltico de la clase media debido a su heterogeneidad en funcin, por ejemplo, de su ocupacin, ingresos, educacin, estilos de vida, estatus social y pautas de consumo. Como se ha sealado al inicio de este documento, algunos autores sugieren hablar de capas medias antes que de clase media. De ah que resulte difcil distinguir muchas veces los intereses propios de la clase media de los de la clase alta. Su implicacin es la siguiente: Si los sectores medios se sienten ms prximos a la clase alta en sus intereses, slo un serio conflicto dentro de sta o con sta podr llevarles mayoritariamente a la oposicin (Ibd. p. 18). De modo anlogo, se podra sostener lo mismo respecto de mayor proximidad de la clase media-baja con los segmentos populares, antes que con la clase alta (Pachano 2010: 235). En otras palabras: la clase media baja sigue patrones similares a los de los pobres y la clase media alta reproduce patrones semejantes al de los ricos (Solimano 2010: 45). 104 Se examina la relacin entre NSE e intencin de voto, considerando en el anlisis slo a los inscritos en los registros electorales. Adicionalmente se han empalmado las tres encuestas correspondientes al ao 2009 con el objetivo de obtener un nmero mayor de observaciones, disminuyendo de este modo el error muestral y aumentando, por ende, la precisin de la estimacin estadstica.
102

101

Tabla 17
Intencin de Voto Frei en Segunda Vuelta, Electorado Nacional Chile, 2009
Modelos de Intencin de Voto Frei M1 M2 M3 Socio-demogrficas Sexo: hombre Edad (1= 18-24; 4= 55 y ms) 1.146 Escolaridad (1= 0-3; 4= 13 y ms) .772 .756 .777 NSE (1 = E; 5= ABC1) .884 Trabaja en el sector pblico: s 1.579 1.538 1.624 Zona: urbana Religin: catlica Religin: evanglica Religin: ninguna Asist. a servicios relig. (1= varias a la semana; 8= nunca) Auto-identificacin poltica Derecha .206 .230 Centro-derecha .437 .442 Centro 1.451 Centro-izquierda 5.184 3.510 Izquierda 3.997 2.765 Evaluacin del Gobierno Aprobacin del gobierno de Michelle Bachelet: s 2.605 Aprobacin de la Concertacin: s 2.512 Evaluacin de la situacin econmica El pas est progresando: s Eval. de la actual sit. econmica del pas (1= muy mala; 5= muy buena) Eval. de la actual sit. econmica personal (1= muy mala; 5= muy buena) Principales problemas del pas Corrupcin: s Delincuencia, asalto y robos: s Drogas: s Pobreza: s Empleo: s Sueldos: s Salud: s Educacin: s Vivienda: s Atributos personales Simptico: s Seguro: s Sincero: s Le da confianza: s Cercano: s Est preparado para ser presidente: s Sera un presidente capaz de unir al pas: s Es capaz de solucionar los problemas: s Su gobierno actuara con firmeza: s Su gobierno actuara con destreza y habilidad: s R cuadrado de Cox y Snell .030 .189 .252 R cuadrado de Nagelkerke .040 .254 .339 M4 1.154 .760 1.606 M5 1.177 .761 1.647 M6 1.187 1.556 -

.234 .445 3.425 2.703 2.337 2.419 1.271 -

.235 .440 3.384 2.588 2.304 2.390 1.257 .637 .733 -

.269 .411 1.940 2.231 1.839 1.656 .656 .715 - 128 1.552 3.907 1.823 1.377 .437 .588

.255 .344

.263 .353

Fuente: Elaboracin propia. En base a encuestas CEP 2009 (empalme de los estudios de junio, agosto y octubre). Sub-muestra: slo inscritos en los registros electorales y que declaran intencin de voto vlido en primera vuelta. N= 2.662 casos. Datos ponderados segn resultados reales en primera vuelta. Los valores corresponden a los coeficientes Exp(B) en el modelo de Regresin Logstica Binaria. Se muestran solamente los valores estadsticamente significativos; p < 0.05.

De acuerdo a los datos presentados en la tabla 17, es posible concluir que: En primer lugar, constatamos que las variables socio-demogrficas tienden a no tener un impacto estadsticamente significativo en la intencin de voto en los seis modelos. Este es el caso del sexo, la escolaridad, el NSE, la zona, la religin con la que se identifica y la frecuencia de asistencia a servicios religiosos. No obstante, a

medida que aumenta la edad, aumenta la probabilidad de votar por Frei; y lo mismo ocurre entre quienes trabajan en el sector pblico. En su conjunto, las variables explican apenas entre el 3% al 4% de la varianza en la intencin de voto por Frei (M 1). A su vez, el NSE nicamente tiene un impacto estadsticamente significativo en M1, lo que permite descartar una relacin entre clase social e intencin de voto en la eleccin presidencial recin pasada. En segundo lugar, la auto-identificacin poltica tiene un fuerte impacto sobre la intencin de votar o no por Frei (lo que se constata en el incremento de los R cuadrados desde el modelo M1 al M2). Quienes se identifican con la centroizquierda y la izquierda tienen una alta probabilidad de votar por Frei. Pese a ello, Frei no habra capturado favorablemente el voto de centro (ya que no tiene una incidencia estadsticamente significativa). Aqu Frei, al menos potencialmente, podra haber intentado desplegar una parte significativa de su crecimiento electoral. Quienes se identifican con el centro votaron casi indistintamente tanto Frei como por Piera.105 Por otra parte, la campaa de Piera estuvo focalizada en ganar el centro poltico.106 Muchos de los que se haban alejado de la Concertacin, segn se ha sealado en varios estudios, se identifican en su mayora con el centro poltico o son independientes.107 En la segunda vuelta se esperaba tambin que el apoyo explcito del Juntos Podemos a Frei, con el PC como partido articulador, acentuara la fuga de votos de centro.108 En tercer lugar, la evaluacin del gobierno jug un papel relevante al momento de decidir el voto en segunda vuelta. Esto tanto en lo que respecta a la Presidenta Bachelet como a la Concertacin. En cuarto lugar, la evaluacin de la situacin econmica (percepcin del progreso del pas, evaluacin de la actual situacin econmica del pas y evaluacin de la actual situacin econmica personal) no tiene una incidencia estadsticamente significativa al momento de decidir el voto. En quinto lugar, tuvieron cierta relevancia (aunque moderadamente baja) en la determinacin de la intencin de voto los problemas de corrupcin y de delincuencia, asalto y robos. Quienes consideran tales problemas como relevantes, tienen una menor probabilidad de votar por Frei. Es interesante constatar que servicios del Estado tales como salud y educacin, no tienen ningn impacto estadsticamente significativo. Ello es relevante puesto que se tendi a asociar el malestar con la Concertacin, especialmente en lo que respecta a la clase media, con la mala calidad de stos.109 Lo que es ms importante, el haber intentado cambiar el eje desde los atributos del candidato hacia su oferta programtica no habra rendido
105

129

El que la variable auto-identificacin poltica (en el eje izquierda-derecha) tenga un alto impacto en la intencin de voto por Eduardo Frei (Modelo Columbia), nos recuerda la persistencia de los tres tercios tradicionales de la poltica chilena (izquierda, centro y derecha), a pesar de que ha aumentado progresivamente el nmero de personas que dice no identificarse con ninguna tendencia poltica. 106 Allamand y Cubillos 2010: 198. 107 Ibd., pp. 279-280. 108 Ibd., p. 2010: 356. 109 Tironi 2010: 57, 152.

los resultados esperados: los electores al final votan cada vez ms por las personas que por sus programas.110 Y, en sexto lugar, los atributos personales del candidato habran sido los ms decisivos (al igual que la identificacin poltica). De los diez considerados, cuatro son estadsticamente significativos para la segunda vuelta: seguridad, confianza, cercana, y capacidad de solucionar los problemas. Y entre ellos, la confianza es el ms determinante. Al incorporar los atributos personales, el modelo en su conjunto logra explicar entre el 43.7% y el 58.8% la intencin de voto por Frei. Sobre esto ltimo, en el diseo de la campaa de Eduardo Frei, sostiene Eugenio Tironi, se opt por evitar una competencia sobre los caracteres personales de los candidatos, cancha en la que sabamos que Frei saldra derrotado Frei no tena una historia ni atributos personales que generaran empata o despertaran adhesin; mucho menos entusiasmo Haba entonces que dejar de lado al Frei-persona para concentrarse en el Frei-programa.111 Pero esto equivala a ir en contra toda la literatura y, lo que es bastante peor, de la inclinacin de los electores, que desean evaluar a los candidatos como si fueran jurados en un concurso de belleza. Pero tenamos que intentarlo, pues por el otro camino -el lgico- nos conduca al despeadero.112 En definitiva, seala Tironi, los atributos personales de liderazgo, fue siempre malo para Frei y todo lo que se hizo por obviarlo fue infructuoso.113 Los datos muestran que efectivamente los atributos personales fueron determinantes en la intencin de voto y muy probablemente era lo correcto no centrarse en ellos en la campaa, pero se cometi igualmente un error de diseo al no intentar abordar con la fuerza suficiente, al menos, el atributo de confianza, en el que, por lo dems, Frei tena una ventaja sobre Piera. Y si bien es cierto que algo se intent hacer en esta direccin en el diseo de campaa, cuando el atributo confianza es vinculado al de un liderazgo unificador, bajo la frmula Frei un liderazgo unificador y confiable que slo tiene en mente los intereses del pas,114 dicha combinacin le hizo perder efectividad. La evidencia emprica indica que la variable Sera un presidente capaz de unir al pas (Modelo 6), no habra tenido ninguna incidencia en la intencin de voto. Michelle Bachelet haba logrado instalar un tipo de liderazgo muy distinto al de la clase poltica tradicional que se expresaba, entre otras cosas, por haber nacido desde la ciudadana, por su particular carisma y por los altos niveles de adhesin con el que termina su gobierno, niveles de adhesin que, por cierto, no fueron traspasados a Eduardo Frei. Y, a su vez, Frei no tuvo la capacidad de retener la votacin de Marco Enrquez-Ominami (MEO) en la segunda vuelta.115

130

Ibd., p. 169. Ibd., pp. 79-80; 127-9. 112 Ibd., p. 138. 113 Ibd., pp. 169, 179. 114 Ibd., p. 98. 115 Allamand y Cubillos 2010: 323, 356. Por otra parte, recordemos que Piera obtuvo en la segunda vuelta 3.563.050 votos, que era casi lo mismo obtenido por Lavn en 1999 (3.495.569 votos). Frei, en
111

110

La cada en el apoyo al gobierno de Piera [pp. 50-59] - Extracto Ej. RLM

De acuerdo con la encuesta CEP de Junio-Julio de este ao, el 53% de los chilenos desaprueba la forma en que Sebastin Piera est conduciendo el Gobierno, alcanzando slo un 26% de aprobacin. Se trata de la ms alta cifra de desaprobacin de la cual se tenga registro desde el retorno a la democracia. Varios han sido los intentos por explicar el bajo apoyo al gobierno, pero ninguno de ellos ha contado con la evidencia emprica suficiente como para testear su plausibilidad. Se sostendr que dicha explicacin hay que buscarla en la persona del Presidente: la cada en la aprobacin del gobierno se debe principalmente al aumento de la desconfianza hacia Sebastin Piera. El NSE o el clima de movilizaciones en torno a la educacin (tema muy sensible para la clase media), entre otros, han tenido una escaza incidencia en la desaprobacin del Gobierno. Para probar la fuerza de esta hiptesis, se llevar a cabo un anlisis estadstico multivariado, a partir de la base de datos de la ltima encuesta CEP. Elementos del debate nacional: algunas claves interpretativas Una de las primeras razones que se daban en el seno de la discusin poltica para explicar la baja adhesin al Gobierno a principios de 2011, era la falta de un relato, tesis esgrimida por Pablo Longueira desde la UDI. La propuesta de un relato articulado bajo la frmula de una nueva forma de gobernar, habra sido claramente insuficiente en opinin de Longueira.116 Desafortunadamente no contamos con una situacin contrafactual que nos permita testear dicho argumento. Una segunda razn tendra que ver simplemente con el hecho de que al Presidente la gente no lo quiere, tesis que ha suscrito el socilogo Eugenio Tironi en su ltimo libro. El punto crucial reside en que si lo que est a la base de la cada en la aprobacin al gobierno no es la ausencia de un relato, sino el hecho de que la gente lisa y llanamente no lo quiere, ser muy difcil revertir la baja popularidad, incluso si se lograse un nuevo relato.117 El problema no estara, por consiguiente, en el relato o incluso en las cosas que entrega el gobierno (delivery), hay que buscarlo ms bien en la persona del Presidente y en cmo ste se relaciona con la ciudadana.118 Por lo que, enfatiza Tironi, si alguien desea entender lo que es este gobierno, es preferible dejar al lado los manuales. Sus claves estn en la trayectoria personal del Presidente.119 En tercer lugar, y de modo ms intuitivo, se tiende a asumir que la cada en el respaldo al gobierno se debe al clima de movilizaciones sociales que ha experimentado el pas en los ltimos meses, principalmente en torno al problema de la educacin (tema muy sensible a la clase media). El que habra tenido una alta convocatoria e impacto en la opinin pblica, suscitando un amplio apoyo ciudadano. Segn las cifras oficiales entregadas por el Gobierno, slo en Santiago marcharon el 30 de junio unas 80.000
tanto, alcanz 3.340.308 votos, a diferencia de los 3.683.158 que obtuvo Lagos en la segunda vuelta en 1999. Es decir, la derrota de Frei puede ser explicada en parte por la disminucin de quienes fueron a votar: 6.903.358 (2010) versus 7.178.727 (1999). Vase Micco y Saffirio 2010: 3. 116 Tironi 2011: 43-4. 117 Ibd., p. 44. 118 Ibd., p. 65. 119 Ibd., p. 15.

131

personas, mientras que en Concepcin y Valparaso lo hicieron 15.000 y 20.000 respectivamente.120 Un antecedente no menor, ya que la encuesta CEP se realiz entre el 24 de Junio y el 24 de Julio. Y si se consideran algunos de los resultados del estudio, dicha hiptesis parece bastante plausible: El 44% de los chilenos es de la opinin de que la educacin constituye uno de los tres principales problemas al que debiera dedicar mayor esfuerzo en solucionar el gobierno (respuesta mltiple). El 25% considera que la calidad de la educacin en los ltimos 10 aos ha mejorado, en contraste con un 28% que considera que ha empeorado. El 45%, en tanto, piensa que se ha mantenido igual (NS/NC = 2%). Finalmente, respecto de su calidad, el 43% la evala con una nota entre 1 y 4; mientras que un 14% la evala con nota entre 6 y 7. El 38% restante evala la calidad de la educacin con nota 5 (NS/NC = 4%). Finalmente, se ha sostenido tambin, la razn de la baja aprobacin estriba simplemente en el hecho de que el gobierno lo ha hecho mal hasta ahora. Esto, principalmente, en una serie de aspectos claves de su oferta programtica que son muy sensibles para la ciudadana: salud, educacin, reconstruccin, delincuencia, pobreza, empleo y manejo de la economa, entre otros. De ah la baja aprobacin que genera. Si bien el listado de razones no es ni pretende ser exhaustivo, refleja de buen modo una parte significativa del debate en torno a los esfuerzos por dar cuenta de la cada en el apoyo al gobierno. De las cuatro sealadas, la segunda es la que ofrece mejores posibilidades explicativas, pero habra que precisar lo siguiente: no es que la gente no quiera a Sebastin Piera, sino que sencillamente no confa en l. Personalizacin de la poltica y el tema de la confianza Una de las tendencias de nuestro tiempo es, sin lugar a dudas, la personalizacin de la poltica. La figura del candidato, o lder, ha cobrado una importancia creciente por sobre los partidos polticos. La desafeccin poltica ciudadana ha contribuido en este proceso. Y frente al debilitamiento de las lealtades partidarias, la apelacin a las caractersticas del candidato, a su personalidad, emerge como el elemento decisivo al momento de la eleccin y posterior respaldo una vez electo.121 En el esfuerzo por explicar el comportamiento poltico-electoral de los ciudadanos, dos modelos han tenido una especial influencia: el modelo de la escuela de Michigan y el modelo de la escuela de Columbia. En el primer modelo, que es el que nos interesa aqu, la opcin poltico-electoral constituye un acto individual fuertemente influenciado por los patrones de valores y preferencias electorales familiares (tendencia poltica / identificacin partidaria) traspasados durante la socializacin primaria. Importa ms por quienes suelen votar nuestros padres, o miembros de la familia, que nuestra categora de pertenencia, por ejemplo, en trminos de clase social. No obstante, cobran tambin relevancia las variables de corto plazo asociadas a: i) las evaluaciones econmicas (pasadas, presentes y futuras), tales como la percepcin de la situacin econmica
120 121

132

Vase diario El Mercurio, 09 de Septiembre de 2011. Macllister 2007: 571, 582-3; vase tambin Tironi 2010: 169.

personal, la evaluacin econmica del pas, el crecimiento econmico y el desempleo; y ii) la imagen de los candidatos.122 En cuanto a la imagen de los candidatos, la atencin se centra en sus caractersticas personales, las que suelen dividirse en dos tipos: las referidas a los atributos de personalidad y las referidas a las habilidades para sacar adelante polticas pblicas (policy maker). En el primer caso, importan aquellos aspectos relativos a la personalidad del candidato, tales como su carcter, honestidad, capacidad, inteligencia, etc. En el segundo, lo que se evala es la capacidad que se atribuye al candidato para proponer e implementar polticas pblicas que resuelvan temas de preocupacin sentidos por la ciudadana.123 La confianza, por tanto, se inscribira en el primero. La idea de que la confianza es fundamental para nuestra vida social, poltica y econmica es muy conocida, y forma parte tambin del sentido comn. Desde nuestra temprana infancia se nos ensea a confiar y desconfiar a la vez. Confiamos, por ejemplo, en quienes consideramos son nuestros amigos. Difcilmente establecemos una verdadera relacin de amistad sino podemos confiar en el otro. Y como sealaba Aristteles: No hay, adems, amistad estable sin confianza, y no hay confianza sin tiempo.124 La confianza es, por lo dems, un concepto clave en las teoras del capital social y su vinculacin con la democracia.125 Pero a pesar de ser un concepto tan presente en nuestras vidas cotidianas, cuando reflexionamos sobre ste, y sus alcances para la vida poltica, experimentamos una cierta extraeza, una cierta distancia. Quizs sea uno de aquellos conceptos sobre los cuales, siguiendo la distincin de Anthony Giddens, tenemos una conciencia prctica antes que una conciencia discursiva.126 No obstante, en lo fundamental, se puede comprender la confianza sobre la base de la creencia de que los otros no nos daarn de modo deliberado o consciente, si es que pueden evitarlo, y que resguardarn nuestros intereses de ser posible. En otras palabras, la creencia de que los otros actuarn en nuestro beneficio en lugar de perjudicarnos.127 La desconfianza hacia Sebastin Piera En un e-mail enviado por Patricio Navia el 4 de enero de 2010, al entonces candidato a la presidencia Sebastin Piera, sealaba que:
Este fin de semana me decid. Votar por ti. Voy a escribir una columna explicando mis razones [] Desconfo de mucha gente en la Alianza, especialmente en la UDI. Pero al final los capitanes son ms importantes que la tripulacin, y t eres mejor capitn que Frei. Adems, creo que has armado un buen equipo. Yo y millones de chilenos te estamos dando nuestra confianza.128 (nfasis en negrilla).

133

122 123

Briceo, Morales, Navia 2009: 14-6; Gutirrez y Lpez 2007: 178-9. Gutirrez y Lpez 2007: 179. 124 Aristteles 1985: 500. 125 Putnam et al 1993; Pharr y Putnam 2000; Putnam 2001. 126 Para tales distinciones, vase Giddens 1995: 77-80, 394. 127 Sobre esta definicin, vase Newton 2007: 343-4. 128 Allamand y Cubillos 2010: 373.

Lo notable del mensaje, en el marco de lo venimos hablando, reside en la importancia otorgada a la confianza y la figura del lder para determinar su apoyo poltico-electoral a Sebastin Piera. Pues bien, esa es precisamente la confianza que hoy se est poniendo en cuestin. Y el aumento de la desconfianza hacia Piera compromete seriamente el grado de aprobacin al gobierno, segn veremos ms adelante. Las razones de la desconfianza hacia el actual Presidente pueden ser muchas, pero muy probablemente lo esencial tenga que ver con el que: de l se puede esperar cualquier cosa.129 En este sentido, en una lista que tampoco pretende ser exhaustiva, se ha dicho que: Se desconfa de su trayectoria poltica. Su decisin de integrarse a las filas de la derecha habra sido una cuestin meramente instrumental antes que ideolgica: habra constituido un short-cut para alcanzar sus ambiciones polticas.130 Adems, no representa la figura de un poltico tradicional con una marcada trayectoria en lo pblico. Piera era a la vez tanto empresario como poltico.131 Y se present como un candidato presidencial que no responda ni a partidos ni a tradiciones ideolgicas.132 Se desconfa de su relacin entre la poltica y los negocios. Hoy por hoy, no es claro si es el hecho de ser un empresario de fortuna lo que despierta la desconfianza ahora que es Presidente de la Repblica, o si es el modo como ejerce esta ltima funcin lo que contamina el juicio sobre los empresarios, pero lo cierto es que la funcin de ambas condiciones no est funcionando bien para Sebastin Piera.133 Pero en cualquier caso, lo que ve la mayora de las personas en Sebastin Piera, es la figura de un empresario exitoso. Lo que frente a los casos de el escndalo de La Polar y el tema del lucro en la educacin (y ms recientemente las cuantiosas ganancias de las Isapres), acentan la desconfianza en los empresarios y, por extensin, hacia Sebastin Piera134. Especialmente desafortunada fue, en este sentido, la declaracin del Presidente cuando, frente a las demandas educacionales del movimiento estudiantil, seal frente al pas el da 19 de Julio que: la educacin es un bien de consumo. Lo dice el Presidente de la Repblica, quien es, a la vez, poseedor de la tercera mayor fortuna del pas. Un empresario exitoso que se ha pasado la vida compitiendo.135 Alguien que, en el imaginario colectivo, representa al empresariado; al poderoso que slo busca optimizar ganancias para s mismo.136 Lo anterior incide fuertemente a su credibilidad. Recordemos que durante la campaa presidencial, diferentes estudios mostraban que los votantes

134

129 130

Tironi 2011: 14. Ibd., p. 24. 131 Ibd., p. 27. 132 Ibd., p. 51. 133 Ibd., p. 62. 134 Ibd., pp. 66, 138. 135 Daza y del Solar 2011: 22-3. 136 Daza y del Solar 2011: 269. Se debe recordar tambin el escndalo de la colusin de las farmacias, en donde Sebastin Piera era accionista de FASA (Farmacias Ahumada), la venta tarda de sus acciones en Lan Chile, Chilevisn y Blanco y Negro.

cuestionaban su credibilidad la que, a su vez, se vea fuertemente afectada por el conflicto entre inversiones y poltica.137 La propuesta de una nueva forma de gobernar, tambin ha generado desconfianza. Primero, porque tras ella se dejaba entrever el esfuerzo por instaurar los principios de la gestin empresarial en el manejo del Estado.138 De ah que incorporara al inicio de su gobierno a destacados empresarios, gerentes y abogados corporativos, desplazando a los polticos de la derecha tradicional.139 Muchos de estos profesionales han dejado altos cargos pblicos, para volver nuevamente al sector privado: deben ahora preocuparse por su futuro, sealan.140 Y, segundo, por los cambios de gabinete, al que se incorporaron figuras polticas relevantes como Andrs Allamand, Evelyn Mathei, Andrs Chadwich, Pablo Longueira, Allamand y Mathei. Con su incorporacin se reforzaba el equipo poltico del gobierno, pero al mismo tiempo se debilitaba an ms el relato basado en una nueva forma de gobernar. Las promesas incumplidas son tambin motivo de desconfianza. Particularmente emblemticas han sido las frases de que el gobierno ganara la guerra contra la delincuencia; que la reconstruccin despus del terremoto se hara con estndares de pas desarrollado;141 la nueva forma de gobernar; que hara de Chile un pas ms prspero y exitoso, entre otras. La ciudadana tiende a exigir lo que se le prometi. Y se lo cobra al Presidente Piera, no a su gobierno, ya que la ciudadana vot por l y no por las fuerzas polticas que lo apoyaron.142 Quienes ms creyeron en Piera seran, a la vez, quienes ms frustracin y desilusin han acumulado.143 A su vez, ni la campaa presidencial ni lo que va del gobierno han sido suficientes para ganar la confianza de una parte significativa de los electores que en elecciones pasadas haban votado por la Concertacin144 (y una parte de ellos vot por Piera por razones instrumentales ms que afectivas145). Finalmente, sostiene Tironi: Su figura no produce identificacin. No hay nadie que la sienta propia. Nadie ve en ella una parte de s mismo. Nadie asocia su xito a la consumacin de una aspiracin propia. Nadie est dispuesto a dejarse llevar por ella. Nadie es incondicional.146 A lo que valdra la pena agregar: la gente no distingue cul es el proyecto colectivo que l persigue.147

135

137 138

Daza y del Solar 2011: 288. Tironi 2011: 28. 139 Ibd., p. 93. 140 Ibd., p. 135. 141 Ibd., p. 36. 142 Ibd., p. 51-2. 143 Ibd., pp. 53, 56. 144 Ibd., p. 49. 145 Ibd., p. 65. 146 Ibd., p. 50. 147 Ibd., pp. 64-5.

La evidencia emprica desde la encuesta CEP A continuacin se intentar mostrar que el bajo apoyo al gobierno es mejor explicado por el aumento en la desconfianza hacia Sebastin Piera antes que el problema de la educacin (ms all de convocatoria y apoyo que ha ganado en la ciudadana el movimiento estudiantil) u otras variables enfatizadas por la ciencia poltica. El dato preocupante dice relacin con los bajos niveles de confianza que goza Sebastin Piera: el 61% de los chilenos no confa en l, segn la ltima encuesta CEP. Una cifra muy superior al 38% de la encuesta de Junio-Julio de 2010. Si bien el 44% de los chilenos es de la opinin de que la educacin constituye uno de los tres principales problemas al que debiera dedicar mayor esfuerzo en solucionar el gobierno (respuesta mltiple), la cifra de quienes desaprueban el gobierno es levemente superior entre los que mencionan la educacin como problema y los que no: 60% y 53% respectivamente. Una diferencia de tan slo 7 puntos porcentuales (tabla 18).
Tabla 18
Aprobacin de la forma en que Sebastin Piera est conduciendo su gobierno segn si menciona o no la educacin como problema
Menciona la educacin como problema Aprobacin de la forma en que Sebastin Piera est conduciendo su gobierno Total Desaprueba No aprueba/ Ni desaprueba Aprueba No 53% 17% 30% 100% S 60% 14% 26% 100% Total 56% 16% 28% 100 %

136

Fuente: Elaboracin propia. En base a encuesta CEP Junio-Julio 2011. Chi-cuadrado de Pearson es estadsticamente significativo (p < 0.000) y el coeficiente V de Cramer (0.081) indica un intensidad de asociacin baja entre las variables. Se excluyen los NS-NC. * Ud. aprueba o desaprueba la forma en que Sebastin Piera est conduciendo su gobierno? ** Cul es el primer problema al que debiera dedicar mayor esfuerzo en solucionar el gobierno? (Respuesta mltiple). Se consideran las tres menciones.

Sin embargo, si examinamos la relacin entre confianza en Sebastin Piera y la aprobacin del gobierno, las diferencias son determinantes. El 82% de los que no confan en Sebastin Piera desaprueban al gobierno, versus el 11% que s confa. Estamos hablando de una diferencia neta de 71 puntos porcentuales. Algo muy similar se registra en la categora de aprobacin del gobierno: 7% y 72% respectivamente. Una relacin simplemente abrumadora desde el punto de vista estadstico y poltico (tabla 19).

Tabla 19
Aprobacin de la forma en que Sebastin Piera est conduciendo su gobierno segn si confa o no en Sebastin Piera
Sebastin Piera le da confianza o no le da confianza? Aprobacin de la forma en que Sebastin Piera est conduciendo su gobierno Total Desaprueba No aprueba/ Ni desaprueba Aprueba No le da confianza 82% 11% 7% 100% Le da confianza 11% 17% 72% 100% Total 56% 16% 28% 100%

Fuente: Elaboracin propia. En base a encuesta CEP Junio-Julio 2011. Chi-cuadrado de Pearson es estadsticamente significativo (p < 0.000) y el coeficiente V de Cramer (0.734) indica un intensidad de asociacin alta entre las variables. Se excluyen los NS-NC. * Ud. aprueba o desaprueba la forma en que Sebastin Piera est conduciendo su gobierno? ** Sebastin Piera le da confianza o no le da confianza?

Para chequear la validez y alcance de tales resultados es que se decidi testearlos en 7 modelos distintos de relaciones entre variables, mediante un anlisis de regresin lineal mltiple. Los resultados obtenidos fueron, a su vez, ratificados a partir de un anlisis de regresin logstica (as como la verificacin de sus condiciones de aplicacin, descartando, entre otros, multicolinealidad). No obstante, para efectos facilitar la interpretacin, se presentan slo los primeros. Finalmente, a partir de los datos presentados en la tabla 20, es posible concluir que: En primer lugar, las variables socio-demogrficas sexo, edad, y zona de residencia, tienden a no tener un impacto estadsticamente significativo en la aprobacin del gobierno en los distintos modelos; no as en el caso de la variable escolaridad y NSE (modelos M1 al M7). En donde, a medida que aumenta la escolaridad y disminuye el NSE, disminuye tambin el grado de aprobacin. En su conjunto, las variables explican solamente el 4% de la varianza en la aprobacin del gobierno (M1). En segundo lugar, la auto-identificacin poltica tiene un fuerte impacto sobre el apoyo al gobierno (lo que se constata en el incremento del R cuadrado corregido desde el modelo M1 al M2: se pasa de un 4% a un 17%). Quienes se identifican con la Coalicin por el Cambio tienen a evaluar mucho mejor el gobierno que quienes no se identifican con ella. Sin embargo, su efecto desaparece en el modelo M 7, precisamente cuando se incorporan las variables relativas a los atributos del candidato. En tercer lugar, la evaluacin de la situacin econmica (percepcin del progreso del pas, evaluacin de la actual situacin econmica del pas y evaluacin de la actual situacin econmica personal) tiene una fuerte incidencia estadstica en la aprobacin del gobierno (M3); y su impacto permanece en los distintos modelos (M4, M5, M6 y M7; salvo en el caso de evaluacin de la actual situacin econmica del pas en M7). A medida que mejora la evaluacin de la situacin econmica, mejora la evaluacin del gobierno. Las variables aqu consideradas explican el 13.9% de la varianza en la aprobacin del gobierno (paso del M2 a M3). 137

En cuarto lugar, los principales problemas del pas no tienen un impacto estadsticamente significativo sobre la evaluacin del gobierno, salvo en el caso de la educacin. Pero es sorprendente que su impacto sea mucho ms dbil del esperado (M4). sta logra aumentar slo en un 1.2% la capacidad explicativa del modelo (se pasa de 30.9% a 32.1%). En cualquier caso, quienes mencionan la educacin como problema tienden a apoyar menos el gobierno que los que no la mencionan. Su efecto permanece en los modelos M5, M6 y M7. En quinto lugar, la calidad de la educacin tiene una incidencia estadsticamente significativa en la variable nota a la calidad de la educacin, pero su impacto es tambin bajo. Las dos variables consideradas representan tan slo un incremento de un 1.6% en la capacidad explicativa del modelo (M5). Su incidencia permanece en los modelos M6 y M7. En sexto lugar, la evaluacin del desempeo del gobierno por reas tiene un impacto estadsticamente significativo sobre la evaluacin del gobierno en educacin, reconstruccin y pobreza; no as en salud, delincuencia, empleo y economa (M6). La capacidad explicativa del modelo se incrementa en un 5.3% (se pasa de un 33.7% a un 39.0%). No obstante, al incorporar las variables relativas a los atributos personales, el efecto se mantiene nicamente en el caso de pobreza (M7). Finalmente, los atributos personales de Sebastin Piera tienen un impacto decisivo sobre el grado de apoyo al gobierno (M7). En su conjunto, stos permiten aumentar la capacidad explicativa en la aprobacin del gobierno, controlando por el efecto del resto de las otras variables del modelo, en un 23.2%. Siendo el ms determinante el de confianza (coeficiente estandarizado beta = .498). El modelo final resultante explica en su conjunto el 62.2% de la varianza en la aprobacin del gobierno (M7). En suma, los datos muestran que los atributos personales, especialmente el de confianza, son determinantes en el grado de aprobacin del gobierno. La cada en el apoyo al gobierno tiene que ver efectivamente con la persona del Presidente, pero no porque no lo quieran, sino porque simplemente no confan en l. Y las razones son muchas. El desafo, por tanto, va ms all de un nuevo relato para la Coalicin por el Cambio, la forma en que el gobierno resuelva el conflicto estudiantil o su desempeo por reas especficas. Tiene que ver con el cmo Sebastin Piera lograr recuperar la confianza de los chilenos. Algo que, seguramente, va a tomar tiempo.

138

Tabla 20 Evaluacin de la forma en que Sebastin Piera est conduciendo el gobierno

M1 M2 M3 M4 M5 M6 M7 Socio-demogrficas Sexo: (1= hombre; 0= mujer) .083 .068 Edad (1= 18-24; 4= 55 y ms) -.082 Escolaridad (1= 0-3; 4= 13 y ms) -.063 -.127 -.108 -.099 -.087 -.102 NSE (1= Bajo; 3= Alto) .200 .140 .106 .115 .135 .134 .097 Zona: (1= urbana; 0= rural) Auto-identificacin poltica Identificacin con la Coalicin por el Cambio (1= s) .368 .273 .270 .260 .211 Modelo 3: Evaluacin de la situacin econmica El pas est progresando (1= estancado; 3= progresando) .262 .265 .261 .213 .100 Eval. de la actual sit. econ. del pas (1= muy mala; 5= muy buena) .143 .141 .119 .069 Eval. de la actual sit. econ. personal (1= muy mala; 5= muy buena) .117 .120 .101 .069 .057 Principales problemas del pas Salud (1= s) .044 Educacin (1= s) -.117 -.100 -.067 -.057 Vivienda (1= s) .072 Delincuencia, asalto y robos (1= s) Drogas (1= s) Pobreza (1= s) Sueldos (1= s) Corrupcin (1= s) Calidad de la educacin Calidad de la educacin en los ltimos 10 aos (1= mejorado; 3= empeorado) Nota a la calidad de la educacin (1 a 7) .140 .082 .090 Desempeo del gobierno por reas Salud (1= muy mal; 5= muy bien) Educacin (1= muy mal; 5= muy bien) .127 Reconstruccin (1= muy mal; 5= muy bien) .091 Delincuencia (1= muy mal; 5= muy bien) Pobreza (1= muy mal; 5= muy bien) .080 .057 Empleo (1= muy mal; 5= muy bien) - 139 Economa (1= muy mal; 5= muy bien) .047 Atributos personales Le da confianza (1= s) .494 Cercano (1= s) .094 Acta con firmeza (1= s) .069 Acta con destreza y habilidad (1= s) .062 R cuadrado .044 .174 .313 .330 .346 .402 .630 R cuadrado Corregido .040 .170 .309 .321 .337 .390 .622 Fuente: Elaboracin propia. En base a encuesta CEP Junio-Julio 2011. Los valores correspondes a los Coeficientes Estandarizados Beta de la Regresin Lineal Mltiple; p < 0.05. Se han omitido los valores que no son estadsticamente significativos.

Anexo 3. Ciudadana y Democracia en Amrica Latina [Ej. Integracin de Teoras, RLM e ndices]
(*) Ponencia presentada por Jaime Fierro al XXVII Congreso ALAS, Buenos Aires, 2009. 31 de Agosto al 4 de Septiembre. Grupo de Trabajo 13: Reforma del Estado, Gobernabilidad y Democracia. En dicho trabajo se ilustra la integracin de teoras, la aplicacin de la tcnica de RLM y la creacin de ndices.

Ciudadana y Apoyo a la Democracia en Amrica Latina148

Jaime Fierro149 Resumen
El objetivo principal de esta presentacin es el de proveer de una conceptualizacin acerca de cmo debemos entender la ciudadana hoy en da, y cmo dicha concepcin puede ser vinculada con el apoyo a la democracia, tanto terica como empricamente. Dos argumentos sern desarrollados. En primer lugar, se sostendr que la ciudadana debe ser entendida en trminos de derechos y responsabilidades (en un apropiado balance), identidad, y participacin en una comunidad poltica dada, el Estado Nacin. En segundo lugar, se argumentar que existe una relacin virtuosa, en trminos tericos, entre ciudadana y el apoyo a la democracia. Finalmente, en tercer lugar, se proporcionar evidencia emprica a favor de la hiptesis de que los grados de apoyo a la democracia se encuentran asociados los niveles de ciudadana en el caso de Amrica Latina.

140

1. Introduccin: el problema de investigacin

Quiero agradecer a quienes han organizado este XXVII Congreso ALAS, particularmente a quienes han seleccionado mi intervencin sobre el tema Ciudadana y Apoyo a la Democracia en Amrica Latina. Se trata, sin lugar a dudas, de un espacio privilegiado para exponer algunas reflexiones sobre el tema.150 Dado que el tiempo no es mucho, he optado por una intervencin cuyo propsito fundamental sea el motivarlos a una discusin posterior. Por tanto, slo he de subrayar algunas cuestiones fundamentales respecto de la ciudadana y su relacin con el apoyo a la democracia en el contexto de Amrica Latina.

Ponencia presentada al XXVII Congreso ALAS, Buenos Aires, 2009, 31 de Agosto al 4 de Septiembre. Grupo de Trabajo 13: Reforma del Estado, Gobernabilidad y Democracia. 149 Socilogo y Magster en Ciencias Sociales de la Universidad de Chile; Ph.D. en Ciencia Poltica, Universidad de Essex. Profesor asociado del Departamento de Ciencia Poltica y Relaciones Internacionales de la Universidad Alberto Hurtado. Acadmico, FACSO, Universidad de Chile. 150 Un desarrollo ms extenso de algunos de los aspectos que aqu trato puede ser encontrado en el paper Citizenship and Democracy in Latin America and Chile, presentado al XXI Congreso Mundial de Ciencia Poltica, realizado en Santiago de Chile entre el 12 y 16 de Julio de 2009.

148

Mi preocupacin central gira en torno a cmo debemos entender la ciudadana hoy en da, y cmo dicha concepcin puede ser vinculada con el apoyo a la democracia tanto terica como empricamente. En primer lugar, sostendr que la ciudadana debe ser entendida en trminos de i) derechos y responsabilidades (en un apropiado balance), ii) identidad, y iii) participacin en una comunidad poltica dada, esto es, el Estado Nacin. En segundo lugar, intentar mostrar que existe a nivel terico una relacin virtuosa entre ciudadana y el apoyo a la democracia. Finalmente, en tercer lugar, se proporcionar evidencia emprica a favor de la hiptesis de que los grados de apoyo a la democracia se encuentran asociados los niveles de ciudadana. Ms concretamente, a medida que aumentan los niveles de ciudadana, aumenta tambin el grado de apoyo a la democracia en los pases latinoamericanos. Para probar dicha hiptesis se llevar a cabo un anlisis comparado entre 18 pases de Amrica Latina a partir de las encuestas Latinobarmetro. Antes de dar paso mi exposicin sobre estos tres aspectos, permtanme detenerme un momento para contextualizar mejor mi preocupacin respecto del grado de apoyo a la democracia en la regin. Quisiera partir recordando que durante la segunda mitad del siglo XX el mundo experiment un xito democrtico sin precedentes. Nunca antes en la historia de la humanidad tantas personas apoyaron las ideas, instituciones y prcticas democrticas. Y, al mismo tiempo, fue un perodo de la historia de la humanidad en donde muchos gobiernos democrticos simplemente colapsaron de un modo brutal frente al poder de las armas. Amrica Latina no fue la excepcin. Eso bien lo sabe la Argentina, nuestros anfitriones, pero as como ellos muchos de nosotros. Sin embargo, no deja de sorprender el hecho de que pese a todo lo ocurrido y al dolor todava presente en muchos, no es del todo claro si la democracia ha ganado el apoyo incondicional de sus ciudadanos. Amrica Latina se encuentra hoy entre las regiones del mundo con ms bajos niveles de apoyo a la democracia, satisfaccin con su funcionamiento y confianza en sus instituciones. As lo han venido demostrando sistemticamente las encuestas Latinobarmetro desde 1995 a la fecha. Es demasiado temprano para proclamar la democracia, nos advierte con prudencia Robert Dahl, especialmente en un tiempo en que muchos pases enfrentan crisis econmicas y polticas profundas.151 De esto tambin sabemos en Amrica Latina. Existe un amplio consenso entre los especialistas en trminos de comprender que la sobrevivencia y la calidad de nuestras democracias dependen tambin del grado de apoyo que emerja desde ciudadana. Las democracias que carecen de dicha base de legitimidad son consideradas en riesgo. En otras palabras, estables o crecientes niveles de apoyo ciudadano facilitan el desarrollo de una estabilidad democrtica, mientras que decrecientes niveles de apoyo socavan la democracia y constituyen la antesala de su colapso. Una democracia no podra sobrevivir si sus ciudadanos no son capaces de crear y mantener una cultura poltica de apoyo a tales ideas, valores y prcticas democrticas. Es por ello que el apoyo ciudadano a la democracia se constituye en una cuestin fundamental en la determinacin, tanto de la estabilidad como de la legitimidad de los regmenes democrticos, y sera un error tomarlo como algo garantizado.152 En
151 152

141

Dahl 2000. Vase, por ejemplo, Klingemann 1999; Mishler y Rose 1999; Diamond 1999 y 2008; Dahl 2000; Dalton 2004; Welzel y Inglehart 2007.

definitiva, un sistema poltico democrtico debe ser capaz de mantener el apoyo de sus ciudadanos si es que ha de ser viable en el tiempo y ha de profundizar la democracia.153 Sobre este punto, quizs las democracias latinoamericanas no se encuentran aportas de un nuevo quiebre democrtico, pero este no sera el caso de su gobernabilidad y calidad democrtica.154 Mi impresin es que para comprender mejor esta cultura cvica de apoyo a la democracia, el concepto de ciudadana juega un papel fundamental. De hecho, uno de los principales desafos en los debates actuales en las teoras de la ciudadana se refiere precisamente a la pregunta acerca de la relacin entre ciudadana y democracia.155 Sin embargo, su intento de respuesta encierra una importante dificultad. Los conceptos de ciudadana y democracia han sido considerados no solo controversiales, sino esencialmente controversiales. Ciudadana y democracia son conceptos internamente complejos y abiertos a mltiples interpretaciones acerca de cules caractersticas son las ms importantes.156 Es ms, ciudadana y democracia han sido frecuentemente tratadas en un relativo aislamiento dentro de las disciplinas acadmicas. Tradicionalmente los socilogos han estudiado la ciudadana y los cientistas polticos la democracia, pero ciertamente existen reas de superposicin y de relacin entre ellas que no pueden ser ignoradas.157 A su vez, si miramos lo que se ha investigado en torno a la democracia en los ltimos aos, constatamos que son muy pocos los estudios que incorporan la nocin de cultura cvica.158 Y, lo que es ms significativo para efectos de mi presentacin, ningn estudio ha explorado el apoyo a la democracia desde la perspectiva de una nocin de ciudadana como es la que intento mostrar aqu ante ustedes. Retomemos entonces mi propsito inicial, esto es, cmo debe ser entendido el concepto ciudadana y cmo se vinculara este con el apoyo a la democracia tanto terica como empricamente. 142

2.

Cmo debe ser entendida la ciudadana hoy?

En sociedades marcadas por las viejas desigualdades y discriminaciones, la democracia no podra haberse sostenido si no hubiese encontrado cabida la demanda igualitaria caracterstica de los derechos de ciudadana. La demanda por los derechos, nos recuerda Norberto Bobbio, emergi de la necesidad de defendernos en contra de la opresin, del abuso de poder en todas las formas de despotismo que hemos experimentado a travs de la historia de la humanidad. El problema para aquellos que estaban saliendo de un perodo de opresin era el de asegurar los derechos individuales. Se trataba de un vuelco en las relaciones tradicionales de autoridad a partir de la emergencia de un sujeto de derecho, el ciudadano, frente a los gobernantes. Sin embargo, hoy en da, reconoce Bobbio, no podemos entender nuestros derechos sin sus correspondientes responsabilidades.159 Desafortunadamente la tradicin liberal concibe las
153 154

Dalton 2004: 24; Welzel and Inglehart 2007: 297. Diamond 2008: 175; Valenzuela 2004. 155 Delanty 2000; Perczynski and Vink 2002. 156 Vandenberg 2000; Fahrmeir 2007. 157 Shafir 1998. 158 Sabetti 2006: 345. 159 Viroli and Bobbio 2003: 35-6.

responsabilidades principalmente en trminos de obligaciones jurdicas negativas, es decir, como la obligacin a no hacer algo antes que a hacer algo. Es el privilegio de la libertad negativa entendida como no interferencia, antes que la libertad positiva en trminos de participacin en el autogobierno. Esto es muy claro en el liberalismo reciente en la obra de uno de sus mayores exponentes, John Rawls.160 Es precisamente en este punto hacia donde van dirigidas muchas de las crticas del comunitarismo161 al liberalismo. El comunitarismo cuestiona el nfasis excesivo otorgado por el liberalismo a la reivindicacin de los derechos en desmedro de las responsabilidades ciudadanas, las cuales, excepto por obedecer las leyes y pagar los impuestos, no son enfatizadas. Esto hace que la ciudadana tenga un carcter marcadamente legal-formal, razn por la cual se la considera una ciudadana dbil. La existencia de los derechos ciudadanos sera una condicin necesaria pero no suficiente de la ciudadana. La ciudadana liberal representara una versin empobrecida de la ciudadana. Los ciudadanos son reducidos a simples portadores pasivos de derechos, cuya libertad consiste en estar en condiciones de perseguir su inters individual. Tras el resguardo de las libertades negativas, se encuerara un individualismo exacerbado que tiende a desestimar nuestras obligaciones ciudadanas con nuestra comunidad poltica.162 En la tradicin liberal se tiende a ver las responsabilidades, en la medida que no son auto-escogidas, como una coercin a la libertad de los individuos. Sin embargo, lo que la tradicin liberal tiende a olvidar es que el individuo libre solamente puede existir en una comunidad poltica que sea capaz de garantizarle un conjunto de derechos ciudadanos. Es un error suponer que el maximizar la libertad individual puede realizarse a expensas de la comunidad poltica. Como ha argumentado Amitai Etzioni, no porque deseemos sentirnos libres de los controles del gobierno, debemos igualmente sentirnos libres de responsabilidades con nuestra comunidad poltica.163 Y, lo que es ms determinante en el este punto, nos recuerda Charles Taylor, la libertad individual solamente puede florecer en una sociedad en donde existe un reconocimiento general acerca de su valor.164 En suma, en el mundo actual resulta poco sostenible una defensa incondicional de la libertad sobre la base de una concepcin negativa de los derechos. La promocin del bien comn, en donde la libertad es uno de ellos, requiere de ciudadanos conscientes y responsables de sus obligaciones antes que individuos preocupados en lo fundamental de su bienestar personal y familiar. Por otra parte, puesto el individuo libre slo puede ser concebido gracias a la existencia de una comunidad poltica democrtica determinada, los individuos tienen la obligacin de participar polticamente en la configuracin de sta. Este es el paso del individuo al
Vase Rawls 1985, 1996 y 1998. Dentro de los comunitaristas suelen citarse a autores como MacIntyre, Taylor, Walzer, Sandel y Etzioni, aunque ellos mismos difcilmente se autodefinen de este modo. La excepcin es quizs Etzioni (Mulhall y Swift 2001). 162 Taylor 1985; Walzer 1990; Etzioni 1995, 1996, 1997, 2001; Sandel 1998; Faulks 1999. 163 Etzioni 1995: 247. 164 Taylor 1985.
161 160

143

ciudadano. Es tambin el trnsito desde la libertad negativa a la positiva. Aqu reside precisamente la crtica del neo republicanismo165 al liberalismo. Constituye un error por parte de los liberales el entender a la comunidad poltica como meramente instrumental para el logro de los fines que un individuo pueda escoger libremente. Antes bien, dicha comunidad poltica es consustancial al logro mismo de tales fines. La nocin de individuos orientados hacia lo pblico, mediante la participacin poltica, tiene muy poco valor en la tradicin del pensamiento liberal. Para el republicanismo, ser ciudadano significa ciertamente el acceso a un conjunto de derechos garantizados por el Estado como, a la vez, un conjunto de responsabilidades hacia la comunidad poltica nacional, pero ello es todava insuficiente. Ser ciudadano implica tambin participar polticamente en la configuracin futura de la sociedad. No obstante, como admiten sus propios partidarios, una concepcin de esta naturaleza se encuentra en conflicto con el modo en que la mayor parte de las personas entiende tanto la ciudadana como la vida buena. La mayor parte de la gente no encuentra su principal fuente de felicidad en la poltica, sino ms bien en la vida familiar, el trabajo, la religin o el ocio. Una reformulacin del concepto liberal de ciudadana ms all del plano terico-normativo no es tarea fcil. En palabras de Victoria Camps:
llevar a cabo esa correccin significa luchar contra el egosmo del individuo y, ms an, contra el individualismo colectivista. Ambas formas de individualismo tienden a no acordarse de los dems hasta que necesitan para sus fines. A nadie le cuesta ejercer la libertad negativa, esa libertad que es simple dejar hacer, sin imponer normas. Hacer uso de la libertad positiva, en cambio, es mucho ms costoso, exige imaginacin, esfuerzo y valor para responder de uno mismo ante los dems. Ese ejercicio de la libertad tiene que tener como fin la construccin de una sociedad de seres ms iguales y libres que la existente [...]. (Camps 1993: 100)

144

Finalmente, la perspectiva liberal de la ciudadana tiende a excluir el reconocimiento de las diferencias como medio para alcanzar mayores niveles de igualdad a partir de la reivindicacin de derechos. Dicha concepcin universal de la ciudadana es desafiada por una concepcin de carcter ms bien diferenciada o multicultural. Los ciudadanos con diferentes identidades sienten que no es suficiente que se les reconozca como iguales ante la ley, sino tambin en su diferencia.166 Se trata de la articulacin de un concepto de ciudadana que tenga en cuenta el pluralismo social y cultural de las sociedades modernas y, por ende, las diferencias existentes. Y, lo que resulta ms fundamental, si la ciudadana ha de ser un vnculo de unin entre los diversos grupos sociales que sea capaz de generar un sentido de pertenencia hacia una comunidad poltica nacional, sta ha de respetar e integrar a las diferentes culturas y grupos sociales. La ciudadana sera, por tanto, tambin una

165 Entre sus filas encontramos autores como Hanna Arendt, Benjamin Barber, J.G.A. Pocock, Adrian Oldfield, Charles Taylor, Ronald Beiner y Michael Sandel (Beiner 1995; Kymlicka 2002; Honohan 2002; Maynor 2003). 166 Gutmann1994; Young 1995; Isin y Wood 1999; Parekh 2000, 2008; Kymlicka y Norman 2000.

identidad, la expresin por la cual una persona se sabe y siente perteneciente a una sociedad.167 Lo que aqu estara en juego es la necesidad de una identidad capaz de dotar de un sentido de pertenencia, tanto a individuos como a los distintos grupos, respecto de su comunidad poltica nacional. De a cuerdo con Charles Taylor:
una democracia ciudadana slo puede funcionar si la mayora de sus miembros estn convencidos que su sociedad poltica es una empresa comn de considerable trascendencia, y que la importancia de esta empresa es tan vital que estn dispuestos a participar en todo lo posible para que siga funcionando como democracia. Tal participacin no slo requiere que los ciudadanos se comprometan con el proyecto comn, sino que tambin se sientan especialmente vinculados con las dems personas que participan en dicho proceso. Quiz ste sea el punto que ms amenaza la solidez de la mayor parte de las democracias contemporneas . (Taylor 1999: 146)

Sin un sentido de pertenencia comn entre los ciudadanos hacia su comunidad poltica nacional, difcilmente las sociedades podran ser estables o perdurables. Se trata de ver la pertenencia como una forma de ser aceptado y sentirse bienvenido en una comunidad poltica nacional. Esto es lo que Joseph Carens llama la dimensin psicolgica de la ciudadana. Se refiere al nuestro sentido de identificacin con nuestra comunidad poltica nacional. 168 Una posible respuesta a tal desafo es la apelacin renovada a la identidad nacional. En ella se enmarca un sentido de pertenencia hacia una comunidad poltica nacional caracterizada por el hecho de compartir un territorio, un pasado y un futuro comn.169 Y, digo renovada, puesto que si bien la nacionalidad es la fuente primaria de identidad para los ciudadanos en los estados-nacin contemporneos, debemos evitar la tendencia a asumir que las identidades nacionales son por naturaleza excluyentes. La identidad nacional no excluye otras formas de identificacin que los individuos puedan experimentar en sus vidas a partir de su pertenencia a grupos tnicos, religiosos, asociaciones vinculadas al mundo del trabajo, su condicin de gnero, orientacin sexual, etc. Ms an, ninguna de ellas hace referencia a un sentido de pertenencia hacia la comunidad poltica nacional, es decir, a nuestra identidad como ciudadanos.170 En definitiva, el argumento en favor de la identidad nacional para la generacin de un sentido compartido de ciudadana es que sta provee la cohesin necesaria para la mantencin de una comunidad poltica democrtica.171 El desafo para las identidades nacionales es hacerlas ms pluralistas y tolerantes hacia las minoras tnicas, las mujeres y otros grupos minoritarios, sin que ello signifique vaciarlas de contenido ni destruir las bases de apoyo para una poltica democrtica.172
167 168

145

Kymlicka y Wayne 1995. Carens 2000 162-168; Shotter 2000. 169 Smith 1991; 1995. 170 Kymlicka 2002; Miller 2002; Parekh 2000. 171 Schwarzmantel 2003: 7. 172 Miller 2002: 80.

De lo anteriormente expuesto quisiera concluir lo siguiente: una adecuada concepcin de la ciudadana requiere de la articulacin de tres dimensiones fundamentes: i) derechos y responsabilidades (en un apropiado balance), ii) identidad, y iii) participacin en una comunidad poltica dada, esto es, el Estado Nacin. Estoy consciente de que hay un conjunto de autores que argumentan a favor de una nocin de ciudadana post-nacional, global o cosmopolita, pero eso es algo que no discutiremos aqu el da de hoy. Slo permtanme sealar al respecto que no comparto dicha visin, tanto en trminos de su deseabilidad normativa como de su vialidad prctica. Pasemos entonces rpidamente al segundo punto de mi presentacin, esto es, el cmo se vinculara dicha concepcin de la ciudadana con el apoyo a la democracia, tanto en trminos tericos como empricos. Por el tiempo que me queda, habr de ser lo ms breve posible.

3.

Cmo se vincula la ciudadana con el apoyo a la democracia?

A nivel terico

La democracia, ya sea como un ideal o como prctica, ha sido parte de nuestra historia latinoamericana desde la independencia. La mayora de los pases de la regin han adoptado formas republicanas de gobierno. Entre 1811 y 1830, diecisiete pases Latinoamericanos establecieron constituciones republicanas inspiradas en la constitucin norteamericana de 1787.173 Sin embargo, durante la segunda mitad del siglo XX nuestras democracias se vieron abruptamente interrumpidas por gobiernos/dictaduras militares. El costo fue alto y el retorno a la democracia no fue cosa sencilla. No debemos olvidar que hace tres dcadas atrs, solamente Colombia, Costa Rica y Venezuela vivan bajo regmenes democrticos. Mirando el presente, podemos decir que Amrica Latina ha logrado alcanzar tanto una democracia electoral como las libertades bsicas que son parte de ella. Las transiciones en ese sentido fueron completas y exitosas, sin embargo su consolidacin es todava insatisfactoria. Muchos son los problemas que desafan a nuestras democracias. En particular, las democracias de la regin se ven afectadas por serios problemas econmicos y sociales, y un Estado de derecho dbil, lo cual hace ms difcil la proteccin de los derechos ciudadanos, afectando con ello la estabilidad democrtica. Amrica Latina tiene una de las tasas ms altas de desempleo y pobreza en el mundo, y el nivel ms alto de desigualdad econmica. Al mismo tiempo, hay una brecha importante entre los derechos reconocidos en la constitucin y las leyes y aquellos a los cuales los ciudadanos pueden tener realmente acceso, lo que genera exclusin social y discriminacin en amplios segmentos de la poblacin.174

146

173 174

Foweraker, Landman and Harvey 2003. Urza 2000; Foweraker, Landman y Harvey 2003; UNDP 2005.

Existe una fuerte tensin entre ms de dos dcadas de gobiernos democrticos y el crecimiento econmico. Durante este tiempo hemos experimentado diferentes crisis sociales que han generado una prdida en la estabilidad del sistema democrtico. Sin embargo, a pesar de los altos niveles de desempleo, pobreza y desigualdad, los pases latinoamericanos han preservado y protegido sus democracias. Pero ello no puede ser tomado como algo dado, como lo han demostrados en aos recientes las crisis en Argentina, Colombia y Venezuela. Antes que una democracia social, es bastante claro que en Amrica Latina lo que tenemos es una forma imperfecta de democracia procedimental-electoral. Las democracias latinoamericanas son en su mayor parte limitadas y frgiles. Y los pobres carecen de una efectiva representacin quedando expuestos al abuso. Las personas que sufren de una deprivacin material extrema no pueden ejercitar en la mayora de los casos sus derechos civiles y polticos. A su vez, su condicin de exclusin y discriminacin socava las bases de un sentido de pertenencia compartido hacia una comunidad poltica nacional. La profundizacin democrtica en la regin requiere, en consecuencia, de una importante expansin de los derechos sociales de ciudadana, especialmente de aquellos destinados a combatir la pobreza, el desempleo y la desigualdad. Pero reducir la ciudadana a esta sola dimensin constituira un lamentable error, y cualquier vinculacin con la democracia ser siempre parcial.175 Antes bien, las tres dimensiones de la ciudadana (derechos y responsabilidades, identidad y participacin) son claves para comprender la ciudadana en relacin con el apoyo a la democracia en el contexto Latinoamericano. Tericamente la relacin puede ser explicada en los siguientes trminos. Los derechos ciudadanos son significativos cuando se encuentran acompaados al mismo tiempo de un sentido de obligacin hacia los otros, de modo de ayudar a construir y mantener las instituciones polticas que hacen posible la existencia de estos derechos. Y el cmo los ciudadanos entiendan sus derechos y responsabilidades, en trminos de su balance, es decisivo para la salud y estabilidad de cualquier sistema democrtico. Por otra parte, si la democracia depende de ciertos niveles mnimos de participacin ciudadana como base tanto de su legitimidad como de la toma de decisiones representativas, niveles decrecientes de participacin ciudadana pueden daar el proceso democrtico en si mismo. Finalmente, un fuerte sentido de identidad en trminos de identificacin con una comunidad poltica nacional, la ms importante de todas las identidades polticas, es la que ser capaz de proveer de la reserva de apoyo necesaria capaz mantener la estabilidad de un sistema poltico cuando ste se ve afectado por perodos de crisis econmicas, polticas y sociales severas. En otras palabras, en la medida de que una democracia no puede funcionar sin ciudadana, al menos como la he entendido aqu, la ciudadana importa para la democracia. Para muchos, nuestras democracias se encuentran crecientemente 147

Esto se debe, en parte, a la influencia que ha ejercido sobre algunos intelectuales y polticos el trabajo de T.H. Marshall (1998), Ciudadana y Clase Social. Entre ellos se encuentra claramente Guillermo O Donnell (1997; 2004).

175

desafiadas debido a la falta de apoyo ciudadano.176El apoyo a la democracia es un requerimiento clave para su sustentabilidad.177 Por otra parte, al igual que la ciudadana, el concepto de apoyo a la democracia, aunque menos complejo tericamente, es multidimensional. David Easton, uno de los autores que ha sido ms influyentes en el rea, identifica tres objetos diferentes de apoyo: la comunidad poltica, el rgimen poltico, y las autoridades polticas.178 Me referir nicamente al rgimen poltico dado que me parece el ms fundamental y porque existen, al mismo tiempo, restricciones objetivas de disponibilidad de informacin para el anlisis emprico del resto de las dimensiones en el caso de Amrica Latina. El apoyo a un rgimen poltico democrtico estara, a su vez, constituido por tres dimensiones: 1) la adhesin a los principios democrticos; 2) la satisfaccin con el funcionamiento de la democracia; y 3) la confianza en las instituciones polticas.179 De las encuestas Latinobarmetro, la del ao 2005 es la que resulta ms apropiada porque nos permite trabajar con un conjunto de indicadores relevantes para cada una de las dimensiones de ambos conceptos, de modo de construir tanto un ndice de Apoyo a la Democracia como un ndice de Ciudadana (para detalles de su construccin ver Anexo). La hiptesis general es que los grados de apoyo a la democracia se encuentran asociados a los niveles de ciudadana. Es decir, a medida que aumentan los niveles de ciudadana, aumenta tambin el grado de apoyo a la democracia en los pases latinoamericanos.

148

A nivel emprico Al momento de comprobar empricamente dicha hiptesis, lo que encontramos es una clara correlacin entre ciudadana y apoyo a la democracia en los 18 pases latinoamericanos considerados en el estudio. El Coeficiente de Correlacin de Pearson es marcadamente alto en todos los pases, a excepcin de Nicaragua, siendo para America en su conjunto de 0.453 y para el caso de Chile de 0.599 (ver tabla 1). Es muy poco frecuente, no slo en el estudio del apoyo a la democracia sino tambin en las ciencias sociales, el encontrar una tal alta correlacin a un nivel de anlisis individual (a diferencia del agregado), lo cual hace este hallazgo especialmente destacable.

Foweraker, Landman and Harvey 2003: 60; Klingemann 1999; Mishler and Rose 1999; Diamond 1994, 1999; Dahl 2000; Dalton 2004; Welzel and Inglehart 2007. 177 UNDP 2004: 51. 178 Easton 1975. 179 Easton 1975; Norris 1999a; Klingemann 1999; Dalton 1999, 2004; Fuchs 1999; Rovner 2005; Booth y Seligson 2009.

176

Tabla 1: Correlaciones entre Apoyo a la Democracia y Ciudadana por pases

ndice de Apoyo a la Democracia Correlacin de Pearson Argentina .437 Bolivia .308 Brasil .372 Colombia .448 Costa Rica .368 .599 ndice de Ciudadana Chile Ecuador .327 por pases El Salvador .379 Guatemala .478 Honduras .414 Mxico .363 Nicaragua .248 Panam .366 Paraguay .323 Per .307 Repblica Dominicana .377 Uruguay .491 Venezuela .568 Amrica Latina .453 Fuente: Latinobarmetro 2005. N = 20.209 casos en 18 pases.
Nota: *** = p < 0.001.

Sig. *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

Dicha relacin inicial ha sido confirmada, a su vez, mediante un Anlisis de Regresin Lineal Mltiple, lo cual nos permite descartar la posibilidad de una relacin espuria mediante la incorporacin de un conjunto de otras variables de control que han sido identificadas como relevantes en el estudio del apoyo a la democracia. Los resultados encontrados, al considerar Amrica Latina en su conjunto, pueden sintetizados del siguiente modo (ver tabla 2): 1. Las distintas variables incorporadas al modelo logran explicar en su conjunto el 32.2% de la varianza en el ndice de Apoyo a la Democracia, lo cual es bastante alto en este tipo de estudios (R cuadrado corregido). Sin embargo, como veremos, no todas ellas tienen el mismo impacto (vase los coeficientes estandarizados beta). 2. Las caractersticas socio-demogrficas, la confianza interpersonal y victimizacin, la percepcin de la corrupcin y la exposicin a los medios de comunicacin, tienen un impacto dbil sobre el ndice de Apoyo a la Democracia. Algo similar ocurre con la evaluacin de los servicios pblicos de salud y educacin, y la evaluacin del sistema judicial. 3. La evaluacin de la situacin econmica del pas, en tanto, tiene un impacto moderado sobre el ndice de Apoyo a la Democracia. A medida que mejora la percepcin acerca de la situacin econmica del pas, aumenta el grado de apoyo a la democracia. En el caso de la evaluacin de la situacin econmica personal, su impacto es ms bien dbil.

149

4. Finalmente, el ndice de Ciudadana tiene un fuerte impacto sobre el ndice de Apoyo a la Democracia. A medida que aumentan los niveles de ciudadana, aumentan tambin los grados de apoyo a la democracia. Esto incluso despus de controlar por el efecto del resto de las variables incluidas en el modelo.
Tabla 2: Apoyo a la Democracia en Amrica Latina
ndice de Apoyo a la democracia Coeficientes Sig. estandarizados beta Caractersticas socio-demogrficas Sexo: hombre Edad Educacin NSE Religin: catlica

.019 .082 .097 .027 -.032 .205 .036 .062 .074 .104 .075 -.024 -.034 -.046 .334 .322

*** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

Evaluacin de la situacin econmica actual

Evaluacin de la situacin econmica del pas Evaluacin de la situacin econmica personal

Evaluacin de los servicios pblicos y del sistema de justicia

Satisfaccin con la salud a la que accede Satisfaccin con la educacin a la que accede

Evaluacin del sistema judicial: todos somos iguales ante la ley Confianza interpersonal y victimizacin Uno puede confiar en la mayora de las personas: s Vctima de un crimen en los 12 ltimos meses: s Percepcin de la corrupcin Conocimiento de un acto de corrupcin en los ltimos 12 meses: s Exposicin a los medios de comunicacin Nmero de das a la semana que ve las noticias en televisin Ciudadana ndice de Ciudadana
R Cuadrado Corregida

150

Fuente: Latinobarmetro 2005. N = 20.209 casos en 18 pases. Nota: Los valores corresponden a los coeficientes estandarizados beta en el modelo de Regresin Lineal Mltiple. *** = p < 0.001.

4.

Conclusin

A modo de conclusin, quisiera sealar que si bien es cierto que la democracia en Amrica latina puede ser vista principalmente como una democracia procedimental, la cual coexiste con serios problemas econmicos y sociales, debemos ser capaces de evitar reducir el debate en torno a la ciudadana a la mera posesin y acceso a los derechos ciudadanos, sean estos civiles, polticos o social-econmicos. He argumentado que la ciudadana es mucho ms que eso. Su adecuada comprensin requiere incorporar al anlisis la dimensin de las responsabilidades, la participacin y la identidad. Por otra parte, he argumentado que tales dimensiones de la ciudadana son claves para comprender su relacin con la democracia. Como se he mostrado a partir del anlisis emprico de las encuestas Latinobarmetro, la ciudadana tiene un fuerte impacto sobre el apoyo a la democracia en Amrica Latina. A medida que aumentan los niveles de ciudadana, aumentan tambin los niveles de apoyo a la democracia en la regin. Dejo hasta aqu mi presentacin del da de hoy. Espero haberlos motivado lo suficiente como para dar paso a la discusin. Muchas gracias.

Referencias
Carens, Joseph H. (2000). Culture, Citizenship and Community. A Contextual Exploration. of Justice as Evenhandedness (Oxford University Press, Oxford, New York). Camps, V. (1993), Paradojas del individualismo, Barcelona, Ediciones Crtica. Dahl, Robert (2000). On Democracy (Yale University Press, New Haven & New York). Dalton, Russell J. (2004). Democratic Challenges. Democratic Choices: The Erosion of Political Support in Advanced Industrial Democracies (Oxford University Press, Oxford). (1999). Political Support in Advanced Industrial Democracies in Norris, Pippa (Editor), Critical Citizens. Global Support for Democratic Governance (Oxford University Press, Oxford), pp. 57-77. Delanty, Gerald (2000). Citizenship in a Global Age. Society, Culture, Politics (Open University Press, Buckingham/Philadelphia, PA). Diamond, Larry (1994). Introduction: Political Culture and Democracy, in Larry Diamond (Ed.), Political Culture and Democracy in Developing Countries. Textbook Edition (Lynne Reinner Publisher, London), pp. 1-27. (1999). Developing Democracy. Toward Consolidation (The Johns Hopkins University Press, Baltimore and London). (2008). The spirit of democracy. The struggle to build free societies throughout the world (Times Books, New York). Easton, David 1975: A re-assessment of the concept of political support, British Journal of Political Science, Vol. 5: 435-457 Etzioni, Amitai (1995). The Spirit of Community. Rights, Responsibilities and the Communitarian Agenda (Fontana Press, London). (1996). A Moderate Communitarian Proposal, Political theory, Vol. 24/2: 155-171.

151

 (1997). The ew Golden Rule. Community and Morality in a Democratic Society (Profile Books, London). (2001). ext. The Road to the Good Society (Basic Books, New York). Faulks, Keith (1999). Political Sociology. A Critical Introduction (Edinburgh University Press, Edinburgh). (2000). Citizenship (Routledge, London and New York). Fahrmeir, Andreas (2007). Citizenship. The rise and fall of a modern concept (Yale University, New Haven). Foweraker, Joe; Landman, Todd and Harvey, Neil (2003). Governing Latin America (Polity, Cambridge). Fuchs, Dieter (1999). The Democratic Culture of Unified Germany in Norris, Pippa (Editor), Critical Citizens. Global Support for Democratic Governance (Oxford University Press, Oxford), 123-145. Gutmann, Amy (1994). Introduction, in Amy Gutmann (ed.), Multiculturalism: Examining the Politics of Recognition (Princeton University Press, Princeton), 3-24. Honohan, Iseult (2002). Civic Republicanism (Routledge, London and New York). Isin, Engin and Wood, Patricia (1999). Citizenship and Identity (Sage, London, Thousand Oaks, New Delhi). Kymlicka, Will (2000) [1995]. Multicultural Citizenship: A Liberal Theory of the Minority Rights (Oxford University Press, New York). (2000). Citizenship in Culturally Diverse Societies: Issues, Contexts, Concepts in Kymlicka, Will and Norman, Wayne (eds.), Citizenship in Diverse Societies (Oxford University Press, Oxford), pp. 1-41. (2001). Politics in the Vernacular. ationalism, Multiculturalism, and Citizenship. Second Edition (Oxford University Press, Oxford). (2002). Contemporary Political Philosophy. An Introduction (Oxford University Press, Oxford). Kymlicka, Will and Norman, Wayne (1995). Return of the Citizen: A survey of the Recent Work on Citizenship Theory, in Ronald Beiner (ed.), Theorizing Citizenship (State University of New York Pess, Albany), pp. 283-322. (2000). Citizenship in Culturally Diverse Societies: Issues, Contexts, Concepts in Kymlicka, Will and Norman, Wayne (eds.), Citizenship in Diverse Societies (Oxford University Press, Oxford), pp. 1-41. Klingemann, Hans-Dieter (1999). Mapping Political Support in the 1990s: A Global Analysis in Norris, Pippa (Editor), Critical Citizens. Global Support for Democratic Governance (Oxford University Press, Oxford), pp. 31-56. Marshall, T.H. (1998). Ciudadana y Clase Social (Alianza Editorial, Madrid). Maynor, John W. (2003). Republicanism in the Modern Word (Polity Press, Cambridge). Miller, David (1995). On ationality (Oxford University Press, Oxford). ([2000] 2002). Citizenship and ational Identity (Polity Press, Cambridge). Mishler, William and Rose, Richard (1999). Five Years After the Fall: Trajectories of Support for Democracy in Post-Communist Europe in Norris, Pippa (Editor), Critical Citizens. Global Support for Democratic Governance (Oxford University Press, Oxford), pp. 78-99. Mulhall, Stephen and Swift, Adam ([1996] 2001). Liberals and Communitarian. Second Edition (Blackwell Publishers, Oxford). Norris, Pippa (1999a). Introduction: The Growth of Critical Citizens? in Norris, Pippa (Editor), Critical Citizens. Global Support for Democratic Governance (Oxford University Press, Oxford), 1-27. (1999b). Institutional Explanations for Political Support in Norris, Pippa (Editor), Critical Citizens. Global Support for Democratic Governance (Oxford University Press, Oxford), 217-235.

152

 (1999c). Conclusions: The Growth of Critical Citizens and its Consequences in Norris, Pippa (Editor), Critical Citizens. Global Support for Democratic Governance (Oxford University Press, Oxford), 257-272. O Donnell, Guillermo (2004). Notas sobre la Democracia en Amrica Latina, in PNUD (UNDP), La democracia en Amrica Latina: Hacia una Democracia de Ciudadanas y Ciudadanos. El Debate Conceptual (UNDP, http://www.undp.org): pp. 11-82. (1997). Illusions about Consolidation, in Larry Diamond et al. (Eds.) Consolidating the Third Wave Democracies. Themes and Perspectives (Johns Hopkins, London), pp. 40-57. Parekh, Bhikhu (2000). Rethinking Multiculturalism: Cultural Diversity and Political Theory (Macmillan Press, London). (2008). A ew Politics of Identity. Political Principles for an Interdependent World (Palgrave Macmillan, N.Y.) Perczynski, Piotr and Vink, Maarten (2000): Citizenship and Democracy. A Comparative Study of two Cases from European History (paper presented at the workshop Citizenship in a Historical Perspective, ECPR Joint Sessions of Workshops, Copenhagen, 14-10 April). Rawls, John (1985): Justice as Fairness: Political not Metaphysical, Philosophy Public Affairs, Vol. 14 / 3: 223-251. (1996). Political Liberalism. With a ew Introduction and the Reply to Habermas (Columbia University Press, New York). (1998): Justice as Fairnes in the Liberal Polity. En: Shafir, Gershon (Editor): The Citizenship Debates (University of Minnesota Press, Minneapolis), 53-72. Rovner, Helena (2005): Support for Democracy in Latin America in the 1990s: A comparative Empirical Inquiry. A thesis Submitted for the Degree of Doctor of Philosophy (Department of Government, University of Essex, U. K.). Sabetti, Filippo (2007). Democracy and Civic Culture, in Carles Boix and Susan C. Stokes (Eds.), The Oxford Handbook of Comparative Politics (Oxford University Press, Oxford), pp. 340-362. Sandel, Michael J. (1998). Democracys Discontent: America in Search of a Public Philosophy (The Belknap Press of Harvard University Press, Cambridge, Mass., London). Shotter, John ([1993] 2000). Psychology and Citizenship: Identity and Belonging in Bryan S. Turner (ed.), Citizenship and Social Theory (Sage Publications, London, Thousand Oaks, New Delhi), 115-138. Schwarzmantel, John (2003). Citizenship and Identity: Towards a ew Republic (Routledge, London and New York). Smith, Anthony D. (1991). ational Identity (Penguin, London). (1995). ations and ationalism in a Global Era (Polity Press, Cambridge). Taylor, Charles (1996). Why Democracy Needs Patriotism, in Nussbaum, Martha and Cohen, Joshua (ed.), For Love of Country. Debating the Limits of Patriotism (Beacon Press, Boston), pp. 119-121. (1997). Qu Principio de Identidad Colectiva? in La Poltica, Revista de Estudios Sobre el Estado y la Sociedad, N 3 (Paids, Barcelona), pp. 133-137. (1994). The Politics of Recognition, in Amy Gutmann (ed.), Multiculturalism: Examining the Politics of Recognition (Princeton University Press, Princeton), 25-73. UNDP (2005). Democracy in Latin America: Towards a Citizens Democracy (English Edition) (UNDP, http://www.democracia.undp.org). (2004). Ideas and Contributions: Democracy in Latin America (English Edition) (UNDP, http://www.undp.org). Valenzuela, Arturo (2004). Latin American Presidencies Interrupted, Journal of Democracy, Vol. 15(4): 5-19. Vandenberg, Andrew (2000). Contesting Citizenship and Democracy in a Global Era in Vandenberg, Andrew (Editor), Citizenship and Democracy in a Global Era (St. Martins Press, New York), pp. 3-17.

153

Viroli, Maurizio y Bobbio, Norberto (2003). The Idea of the Republic (Polity, Cambridge). Walzer, Michael (1990). The Communitarian Critique of Liberalism, Political Theory, Vol. 18/1: 6-23. Weale, Albert (1999). Democracy (Macmillan, Basingstoke). Welzel, Christian and Inglehart, Ronald (2007). Mass Beliefs and Democratic Institutions, in Carles Boix and Susan C. Stokes (Eds.), The Oxford Handbook of Comparative Politics (Oxford University Press, Oxford), pp. 297-316. Young, Iris Marion (1995). Polity and Group Difference: A Critique of the Ideal of Universal Citizenship, in Ronald Beiner (ed.), Theorizing Citizenship (State University of New York Pess, Albany), 175-207.

Anexo

ndice de Apoya a la Democracia

Concepto Operacionalizacin del ndice de Apoyo a la Democracia Dimensiones Indicadores La democracia es preferible a cualquier otra forma de gobierno Adhesin a los principios La democracia puede tener problemas, pero es la mejor forma de gobierno democrticos En ninguna circunstancia apoyara un gobierno militar Satisfaccin con el funcionamiento de la democracia Apoyo a democracia la Satisfaccin con el funcionamiento de la democracia Evaluacin de la situacin poltica Valores (recodificados) 0 = En desacuerdo 1 = De acuerdo 0 = En desacuerdo 1 = De acuerdo 0 = En desacuerdo 1 = De acuerdo 0 = Insatisfecho 1 = Satisfecho 0 = Mala 1 = Buena 0 = Fraudulentas 1 = Limpias 0 = No confa 1 = Confa 0 = No confa 1 = Confa 0 = No confa 1 = Confa

154

Elecciones limpias o fraudulentas Confianza en el Presidente

Confianza en las instituciones polticas

Confianza en el Congreso

Confianza en los Partidos Polticos

ota: Los indicadores han sido tomados desde la encuesta Latinobarmetro 2005.

ndice de Apoyo a la Democracia =

f (Adhesin + Satisfaccin + Confianza)

*** El ndice de Apoyo a la Democracia toma valores entre 0 y 9.

ndice de Ciudadana
Concepto Dimensiones Derechos y responsabilidades* Operacionalizacin del ndice de Ciudadana Indicadores Logra hacer valer sus derechos (i1) No es justificable evadir los impuestos (i2) Intencin de votar en la prxima eleccin presidencial Valores (recodificados) 0 = No 1 = S 0 = En desacuerdo 1 = De acuerdo 0 = No 1 = S 0 = No 1 = S 0 = No 1 = S 0 = No 1 = S 0 = No 1 = S 0 = No 1 = S

Participacin Poltica Ciudadana

El voto es importante

Ha trabajado por un partido o candidato Orgulloso de ser [nacionalidad]

Identidad Nacional

Sentido de pertenecer a la mayora del pas

Habla la lengua materna oficial del pas

ota: Los indicadores han sido tomados desde la encuesta Latinobarmetro 2005. (*) Derechos y Responsabilidades = 0 si I1 = 0 y I2 = 0; 1 si I1 < I2; 2 si I1 > I2; 3 si I1 = 1 y I2 = 1.

ndice de Ciudadana =

f (Derechos y Responsabilidades + Identidad Participacin Poltica)

acional +

155

*** El ndice de Ciudadana toma valores entre 0 y 9.

156