KING /KEHOANE/ VERBA - U4-

Capítulo 1:

Los autores proponen en su argumentación que cualitativo y cuantitativo son estilos, y allí radica
su diferencia. Ambos estudios son sistemáticos y científicos.

El primer argumento del autor es que la mayoría de las investigaciones no se limitan a una sola
categoría, sino que combinan ambas (página 15).

El problema radica en que, tanto en estudios cualitativos como en cuantitativos, se aplican de

manera imperfecta reglas inferenciales teóricas a diseños de investigación y a datos empíricos
imperfectos. Pues, básicamente, el planteamiento es que los investigadores buscan postular
dogmas o verdades absolutas con sus investigaciones. Los autores nos dirán que estudiar la
sociedad es complicado, porque la sociedad cambia todo el tiempo. Y los datos que se obtienen
hoy, ya no son válidos mañana. Es por esto, que el autor nos aconseja aceptar la incertidumbre, en
nuestras investigaciones y preveer justificaciones a situaciones, generando así, un pensamiento
disciplinado en lugar de un dogma inválido. (Página 17).

En el segundo apartado los autores analizan cómo debe ser una investigación, para que sea una
buena investigación científica. Previamente aclaran que una buena investigación puede ser
cuantitativa, como también cualitativa.

Requisitos para una buena investigación científica:

1) El objetivo es la influencia: es decir, en toda investigación científica el investigador debe

describir un fenómeno, por datos empíricos que obtiene de la observación. Sin embargo, allí no
acaba su tarea. Debe realizar inferencias a partir de esos datos, que vayan más allá de una simple
observación de datos. Estas inferencias, según sus fines, serán descriptivas (explican un
fenómeno), o causales (buscan causas de un fenómeno). (Página 18).

2) Los procedimientos son públicos: la ciencia es pública, no privada, para su evaluación. Si los
procedimientos utilizados en la investigación, método y lógica,son privados la comunidad
académica no tiene forma de juzgar la validez de la investigación. Además la publicidad permite la
posterior corrección y aprendizaje de limitaciones de cada investigación; ya sea por el investigador
que la inició, como por otros académicos.

3) Las conclusiones son inciertas: inferir es un proceso imperfecto. Nunca se obtendrá verdad
absoluta o dogma. (Incertidumbre).
4) El contenido es el método: el principal contenido de una investigación científica es el método,
no la conclusión. (Página 19).

CUANDO LA CIENCIA ES BUENA, ES UNA EMPRESA SOCIAL.

El último apartado del capítulo inicia con esta frase: "Cuando la investigación social es de calidad,
constituye un proceso creativo en el que la intuición y el descubrimiento surgen dentro de una
consolidada estructura de estudio científico"

Con esto se refiere a que el investigador debe seguir una normativa estable, pero la investigación
es un acto creativo y flexible. Por ende, no existe un único programa a seguir a la hora de diseñar
una investigación. Mientras siga las normas inferenciales, la investigación seguirá siendo científica.
(Página 23).

KING/ KEHOANE/ VERBA CAPITULO 3 -u4-

CAUSALIDAD E INFERENCIA CAUSAL:

Los autores para explicar la definición de causalidad nos proponen una serie de ejemplos donde
se visualiza un análisis sistémico de la política.

Ya que describir causalidad siguiendo ese método, nos permitirá observar con claridad media y
varianza, ademas posibilita la división de los componentes de un problema en componentes
sistemáticos y no sistemáticos.

Ejemplo 1: Definir causalidad en un ejemplo cuantitativo:

El efecto causal es la diferencia que existe entre el componente sistemático de las observaciones
que se hacen cuando la variable explicativa tiene un valor y el componente sistemático de
observaciones comparables tiene otro valor. (Página 93).

Esta definición se aplica al ejemplo cuantitativo, donde se investiga el efecto causal que tiene
sobre la proporción de votos que recibe un candidato demócrata a la Camara de representantes
de EEUU. La variable dependiente será la proporción de votos que obtienen los demócratas. La
variable explicativa es aquí una variable dicotómica. O bien el demócrata esta al poder, O bien el
demócrata no está al poder.
Variable dependiente =variable de resultados

Variable independiente =variable explicativa. Dentro de la variable explicativa tenemos la variable

causal principal y la variable de control.

Ejemplo 2: Definir causalidad en un ejemplo cualitativo:

El ejemplo cualitativo es un ejemplo de política comparada. Después de la caída del sistema

soviético comienza el planteamiento entre elegir gobierno parlamentario o presidencialista. Los
autores proponen analizar las características sistemáticas y no sistemáticas del efecto causal de las
dos opciones. Para ello se instauraría un sistema parlamentario durante 10 años, y se analizaría
periódicamente el grado de estabilidad democrática. En simultáneo y con los mismos elementos,
se instauraría un sistema presidencialista durante 10 años y se analizaría periódicamente el grado
de estabilidad democrática.

El efecto causal será la diferencia entre los grados de estabilidad democrática de los dos sistemas.

Ahora bien, si realizamos este experimento varias veces, podremos obtener el efecto causal
medio, como la media (promedio) de los efectos causales en cada reproducción del experimento.
(Página 95). También podríamos calcular la varianza.

Como vemos, ambos ejemplos, ejemplo 1 y ejemplo 2, responden a la definición de causalidad en

función del efecto causal. Pero existen otras alternativas para definir causalidad. Como los
mecanismos causales, causalidad múltiple, causalidad simétrica frente a causalidad asimetrica.
(Página. 96).

ALTERNATIVAS DE CAUSALIDAD:

1) Mecanismos Causales: existe un conjunto de mecanismos casuales entre causa y efecto. Ya que
cualquier explicación coherente que se de a la causalidad tiene que precisar cómo se producen los
efectos.

Los autores nos exponen que identificar mecanismos causales es un procedimiento muy útil, que
nos ayuda a definir causalidad. Pero NO ES LO MISMO DEFINIR CAUSALIDAD, QUE IDENTIFICAR
MECANISMOS CAUSALES). Cabe aclarar que en el proceso de mecanismos causales hay que
identificar eslabones y enlaces de causalidad. (Pagina 98)

2) Causalidad Múltiple: metodología utilizada en situaciones con causas múltiples, donde un

mismo resultado se obtiene de diferentes variables independientes. La metodología de causalidad
múltiple requiere de un gran trabajo de datos, ya que tendremos que analizar diferentes variables
en el mismo tiempo y espacio. Lo cual nos demandará un análisis posterior mas complejo. Es
importante destacar que no es necesario identificar todos los efectos, pues el invetsigador puede
centrarse en el único efecto que le interese. (Página 100).
3) Causalidad simétrica y asimetrica: Lieberson propone la causalidad distinguiendo simetrias de
asimetrias. Pero los autores dirán que esta metodología solo puede darse en el contexto de
interferencia causal. Pero no nos dará una definición de causalidad. (Página 101).

SUPUESTOS NECESARIOS PARA LA ESTIMACIÓN DE EFECTOS CAUSALES:

Dos supuestos que evitan el problema de la interferencia causal y separación de componentes

sistemáticos de no sistemáticos.

*Homogeneidad de unidades: ante el problema de la inferencia causal, se puede acudir al

supuesto de homogeneidad de unidades. Este supuesto puede ponerse en práctica a modo de
experimento, utilizando dos variables dependientes con los mismos valores esperados. De esta
forma, en un conjunto de datos con "n" observaciones, podemos presuponer variables que todas
las demas unidades que tengan el mismo valor en sus variables explicativas también lo tendrán en
el valor esperado de la variable dependiente.

Es decir, la homogeneidad de unidades es una inferencia que podemos realizar cuando tengamos
variables dependientes. Ejemplo:

En una situación donde:

Variable x= congresista

Variable y= no congresista

Si tenemos una variable z=no congresista, inferimos que z= -×

Los autores nos alertan que este supuesto tiene margen de error (página 102). Y que por lo
general, no puede comprobarse en una sola unidad.

Un supuesto también aceptado dentro de este es el supuesto del efecto constante. Donde en
lugar, de suponer que el valor esperado de la variable dependiente es el mismo en diferentes
unidades, si también lo es la variable explicativa. Sólo nos limitamos a suponer que el efecto es
constante.

Ambos supuestos surgen a raíz de estudios comparados en la investigación científica. Pueden ser
aplicados a lo largo del tiempo y del espacio, y son muy útiles para estimar el nivel de
incertidumbre de nuestras inferencias.
*Independencia condicional: este supuesto entiende que los valores que le adjudicamos a
variables explicativas son independientes de variables dependientes. Es decir, el proceso de
asignación de valores a variables explicativas es independiente.

Esto se da porque se utiliza la selección aleatoria de valores, controlando el proceso de asignación

y selección. No es necesario aquí una homogeneidad de unidades. (Página 106).

TEORÍAS CAUSALES:

Teorías causales tienen como objeto mostrar las causas de un fenómeno o conjunto de
fenómenos. Conlleva a un conjunto de hipótesis causales. Cada hipótesis causal postula una
relación entre variables que generan consecuencias observables. (Pagina 107)