Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2007 Fundamentos PDF
2007 Fundamentos PDF
(asp27@pitt.edu)
bajo estudio es demasiado pequeo para permitir la utilizacin del anlisis estadstico
La respuesta a esta pregunta parece inicialmente sencilla, pero suele resultar engaosa.
diseo para desplegar una comparacin exitosa. En la seccin segunda se presentan dos
Las conclusiones resumen las tcnicas presentadas y esbozan algunos desafos futuros.
1
1. De las Preguntas a las Hiptesis
presenta el ejemplo que ilustra las estrategias comparativas a lo largo de este documento.
Asumo en este tratamiento que el lector ha tenido una exposicin previa a estas
ciencias sociales.
Supongamos, por ejemplo, que nos interesa estudiar la poltica a nivel provincial, y ms
acotar el esfuerzo del analista a un aspecto especfico de esta cuestin general. Una
buena pregunta de investigacin debe indagar sobre un fenmeno emprico que presente
cargo y otros no, algunos logran establecer un control dinstico del gobierno provincial y
otros no, algunos ganan con amplios mrgenes de votacin y otros no, etc.). Es
justamente esta variacin la que inspira la cuestin concreta a ser investigada: por qu
en ciertos casos ocurre algo (Y) y en otros no (no-Y)? Qu factores explican esta
2
Definida la pregunta de investigacin, es preciso ofrecer una respuesta tentativa.
hiptesis. Toda hiptesis contiene tres elementos: una variable dependiente (o fenmeno
relacin causal que presuntamente vincula a ambas (y que el mtodo comparativo apunta
a verificar). Las variables pueden medirse a travs de diferentes escalas pero, por
dicotmicas1.
(un gobernador puede ganar la reeleccin o no). Es importante notar que, incluso en un
caso sencillo como ste, es preciso establecer una definicin operacional clara para cada
variable. Cundo podemos decir que un gobernador ha sido reelecto? Debe contarse
como reeleccin, por ejemplo, si la persona regresa al cargo despus de un perodo fuera
1
Las variables pueden ser categricas (escalas nominales u ordinales) o numricas
(escalas de intervalos o razones). Las variables dicotmicas (que clasifican a los casos
dentro o fuera de un conjunto particular), constituyen la forma ms simple de variable
categrica. Los estudios comparativos que analizan un pequeo nmero de casos tienden
naturalmente a utilizar variables categricas, porque incluso cuando stas reflejan
cantidades (por ejemplo, el PBI de un pas) lo que importa no es tanto la cantidad en s
misma sino lo que sta representa en trminos cualitativos (es ste un pas rico o
pobre?). Ms all de los ejemplos, las tcnicas presentadas en este texto son aplicables
tambin a variables con mltiples categoras (por ejemplo: alto, medio y bajo).
3
establecerlas claramente desde un principio y respetarlas al momento de clasificar los
casos).
raro que este tema llegue como materia de interpretacin a una Corte Suprema), pero las
otras dos variables resultan bastante ms ambiguas. Qu significa realizar una buena
gestin? Cmo se define una oposicin fuerte? Estos trminos son tan vagos que
permitan su conceptualizacin y medicin. En las pginas que siguen, asumo que este
problema ha sido resuelto y que los casos bajo estudio han sido clasificados siguiendo
poblacin bajo estudio y la muestra a ser observada. Este aspecto, si bien resulta esencial
sobre metodologa; resulta fcil perderlo de vista porque los estudios de ciencia poltica
2
Las variables independientes presentadas en este trabajo estn seleccionadas con criterio
puramente ilustrativo (y los casos que las ejemplifican son puramente ficticios). Mi
intencin no es sugerir una conclusin terica sobre el fenmeno de la reeleccin de los
gobernadores, sino apenas ejemplificar la lgica del anlisis.
4
emprica resuelven este problema en la fase preliminar de diseo de investigacin sin
trminos, qu clase de objetos puede ser descripta por las variables que componen
nuestras hiptesis). Por ejemplo, si sostenemos que una buena gestin de gobierno es
necesaria para ganar la reeleccin, resulta evidente que esta hiptesis no se aplica a
relojes, planetas, o pacientes clnicos. Se aplica acaso a las provincias? Esta unidad de
propiedad de las provincias sino de sus gobernadores individuales. El estudio, por ende,
anlisis (as como los hombres adultos pueden constituir la poblacin para un estudio
sobre el cncer de prstata). Ms an, dado que un mismo gobernador puede competir en
considerar a los individuos en el contexto de cada eleccin especfica. Por ende, las
unidades de anlisis ms apropiadas para este estudio parecen ser las administraciones
gobierno).
Este comentario sugiere que, incluso cuando la pregunta de investigacin sea muy
sencilla, determinar la poblacin bajo estudio puede requerir una reflexin cuidadosa. El
5
departamento de cualquier pas? Nos interesa formular conclusiones para cualquier
perodo histrico? Cuanto mayor sea el rango (geogrfico y temporal) de nuestra teora,
mayor ser su capacidad explicativa y su relevancia cientfica; pero tambin ser mayor
es posible observar una poblacin completa (el universo de todos los gobernadores en
partir de la seleccin de una muestra, un nmero limitado de casos que nos permite acotar
el trabajo para hacerlo viable. La seleccin de esta muestra es clave para garantizar la
validez de la inferencia causal posterior. Los estudios estadsticos, en los que la muestra
incluye un gran nmero de casos, aspiran siempre a trabajar con una muestra
representativa en la que los casos incluidos reflejen las posibles combinaciones de los
poblacin real. En los estudios comparativos, en los que el nmero de casos analizados
es mucho menor (usualmente entre dos y veinte), las estrategias para seleccionar casos
relevantes han variado a lo largo del tiempo y han generado un importante debate.
en seleccionar casos paradigmticos del fenmeno que se desea explicar. Por ejemplo, si
3
Sobre el peligro de la heterogeneidad causal, vanse los trabajos recientes de Brady y
Collier (2004), George y Bennett (2005), Mainwaring y Prez Lin (2007), y Ragin
(2000).
6
algunos gobernadores (digamos, A, B, C y D) son famosos por su capacidad para
experiencias. Nuestro estudio puede explorar, en cada uno de los cuatro casos, la
abordar una pregunta clave: existe alguna caracterstica comn a los cuatro
datos (los casos se presentan como filas y las variables como columnas). Los cuatro
gobernadores han logrado perpetuarse en el cargo (Y), pero no todos han realizado una
buena gestin (X2). Sin embargo, todos ellos operan en un ambiente institucional que
Caso Y X1 X2
Gobernador A Reelecto Reeleccin permitida Buena gestin
Gobernadora B Reelecta Reeleccin permitida Buena gestin
Gobernador C Reelecto Reeleccin permitida Gestin mala
Gobernadora D Reelecta Reeleccin permitida Gestin mediocre
Variables: Y: Reeleccin; X1: La Constitucin provincial permite la reeleccin; X2: Calidad de la gestin.
7
presente, y un valor de 0 cuando la caracterstica est ausente. Ntese, por ejemplo, que
parecidas al ejemplo 1A (con cierto contenido sustantivo que facilita la lectura), la lgica
de la inferencia causal resulta ms fcil de reconstruir con una versin estilizada como
Caso Y X1 X2
A 1 1 1
B 1 1 1
C 1 1 0
D 1 1 0
fenmeno de inters fue denominada como mtodo de similitud por John Stuart Mill a
mediados del siglo XIX. En contraste, Adam Przeworski y Henry Teune (1970)
caracterizaron a esta estrategia como el diseo basado en los casos ms diferentes. Esta
cada denominacin. Mill destacaba que los casos elegidos deben coincidir en su
respecto a las variables de control. La Tabla 1B ilustra este problema: si los casos fuesen
8
exactamente iguales con respecto a la variable X2, sera imposible determinar si la
diseo de investigacin ftil. Por ende, el mtodo de similitud es ms efectivo cuando los
casos seleccionados son en trminos generales muy distintos, lo que permite eliminar
fcilmente explicaciones alternativas una vez que se han detectado las coincidencias
fundamentales. Por ejemplo, una caracterstica comn de Estados Unidos y Japn puede
comn entre Estados Unidos y Canad, dadas las coincidencias de estos dos casos con
(O'Donnell 1973), entre otros temas. Sin embargo, esta aproximacin result
ampliamente criticada desde comienzos de la dcada de los noventa. En uno de los textos
Keohane y Sidney Verba argumentaron que los diseos sin varianza en la variable
dependiente impiden realizar inferencias causales ciertas (King, Keohane y Verba 1994).
Barbara Geddes, por su parte, destac que el problema fundamental de esta estrategia es
el mtodo de similitud nos impide observar. La Tabla 2 incluye un caso negativo (el
9
quedara excluido de cualquier diseo basado en la estrategia de similitud, y por ende no
podra ser observado por el investigador. Sin embargo, la condicin causal representada
por X1 est tambin presente en este caso. Esto sugiere que X1 no puede ser una
Caso Y X1 X2
A 1 1 1
B 1 1 1
C 1 1 0
D 1 1 0
<E> 0 1 0
<E>: Caso excluido del anlisis de similitud
Para superar este problema, los crticos impulsaron el uso de lo que Mill
reeleccin, tal como muestra la Tabla 3). La lgica de inferencia de este procedimiento
constituye una extensin del criterio utilizado por la estrategia de similitud: todos los
casos que presentan el resultado de inters deben tambin compartir una caracterstica
explicativa comn (con suerte, aquella caracterstica anticipada por nuestra hiptesis),
mientras que los casos negativos deben carecer de este atributo4. La Tabla 3 incorpora
4
Ntese que la presentacin de este principio envuelve una lgica determinista: todos los
casos positivos deben presentar la causa, y todos los casos negativos deben carecer de
10
una nueva variable X3, que indica la presencia de un candidato de oposicin fuerte. La
comparacin indica que aquellos gobernadores que carecan de oposicin fuerte lograron
la reeleccin, mientras que aquellos que debieron enfrentarla fracasaron en sus intentos.
Caso Y X1 X2 X3
A 1 1 1 0
B 1 1 1 0
C 1 1 0 0
D 1 1 0 0
E 0 1 0 1
F 0 1 0 1
Variables:
Y: Reeleccin;
X1: La Constitucin provincial permite la reeleccin;
X2: Calidad de la gestin;
X3: Candidato de oposicin fuerte.
partir del criterio utilizado para eliminar hiptesis alternativas. Cuanto mayor sea la
similitud de los casos en ciertos aspectos (por ejemplo, X1 se comporta de igual manera
para todos los casos en la Tabla 3), mayor es nuestra capacidad para eliminar estas
ella. El anlisis de un numero pequeo de casos impone esta restriccin (un caso
desviado entre tres o cuatro es suficiente para poner seriamente en cuestin la validez de
la hiptesis). Al trabajar con un gran nmero de casos, el anlisis estadstico permite, por
el contrario, incorporar las desviaciones como parte de un enfoque probabilista (lo
importante es que casi todos los casos positivos presenten una causa y que casi todos los
casos negativos carezcan de ella).
11
El problema del sesgo de seleccin transform al mtodo de similitud en el gran
tab de la poltica comparada durante los aos noventa (las acusaciones de seleccionar
casos a partir de la variable dependiente fueron por algunos aos una acusacin
diferencia poco atractivo. Ocurre que en algunos contextos, los casos negativos no son
intrnsecas (Dion 1998; Ragin 2000). Una nueva mirada a la Tabla 2 nos permitir
indica que la posibilidad legal de reeleccin (X1) estuvo presente en todos los casos
caso de reeleccin frustrada. Esto sugiere que una regla constitucional favorable es
comparar solamente casos positivos, el mtodo de similitud nos permite establecer las
condiciones necesarias para un cierto fenmeno, pero no nos permite conocer las
12
interpretacin inicial sugera que X3 es la causa fundamental del triunfo electoral, dado
que las variables X1 y X2 no co-varan con Y. El mtodo de diferencia asume que los
factores que se comportan en forma similar en todos los casos (como X1) pueden ser
ejercicio). Sin embargo, la distincin conceptual entre causas necesarias y suficientes nos
obliga a replantear este supuesto. En la Tabla 3, todos los casos de reeleccin exitosa
la ausencia de una oposicin fuerte. Esto sugiere que ambas condiciones podran ser
necesarias para lograr la reeleccin. Por otra parte, resulta claro que X1 no es una
condicin suficiente para lograr la reeleccin, pero X3 s podra serlo (dado que ningn
gobernador que haya enfrentado una oposicin fuerte ha salido ileso). La Tabla permite
diferencia)5.
5
Algunos autores como Barbara Geddes y Jason Seawright han argumentado que a veces
es posible detectar condiciones trivialmente necesarias (las cuales estn presentes en
todos los casos, positivos y negativos, y que por ende aaden muy poco a la explicacin).
Este punto representa una nueva crtica al uso del mtodo de similitud (dado que, sin
incluir casos negativos, resulta imposible detectar si las condiciones necesarias son
triviales o no). La variable X1 en la Tabla 3 podra representar un ejemplo de este
problema.
13
A menos que estemos dispuestos a adoptar el supuesto simplificador implcito en
primera conclusin. Hacia el final de este trabajo retornar nuevamente a este problema
de inferencia causal, pero para desentraar este asunto es preciso abordar primero una
cuestin previa: cmo conceptualizar los mecanismos causales en los que intervienen
se perpeten en el poder.
Hiptesis 2: Una buena gestin permite a los gobernadores ganar la reeleccin, siempre y
Hiptesis 3: Los gobernadores se sostienen en el poder cuando realizan una buena gestin
sostiene que una nica condicin causal es suficiente para producir el resultado de
cambio, se argumenta que dos factores (X1 y X2) deben combinarse para posibilitar la
Charles Ragin (1987) ha acuado el trmino causalidad coyuntural, dado que slo la
14
tercer ejemplo propone dos vas alternativas para sostenerse en el poder: la gestin fuerte
mismo resultado por mltiples vas) y a lo que Ragin (1987) denomina causalidad
mltiple.
eso que en este punto resulta conveniente introducir algunos principios de lgica
Un primer operador lgico (no) refleja fcilmente la ausencia de una condicin causal
estos cuatro operadores lgicos. En las pginas que siguen, utilizar los smbolos
alternativas en los libros de texto. Corresponde notar que algunos smbolos que tienen un
lgica formal (tambin conocida como lgebra de Boole). Por ejemplo, el signo de
15
Tabla 4. Algunos Smbolos para Representar Relaciones Lgicas
Y, dado que si una de ellas est ausente, la conjuncin causal suficiente se ve frustrada6.
complejos, y por ende teoras explicativas ms ricas. Es en este punto justamente donde
6
Resulta ms difcil expresar condiciones necesarias cuando stas no pertenecen a una
conjuncin causal. Sin embargo, es posible representarlas a travs de una doble negacin
(a partir de lo que en lgica se conoce como el modo tollendo tollens). Por ejemplo, si
sostenemos que X es condicin necesaria para Y, se infiere de ello que XY. Este es
justamente el principio subyacente a la famosa frase de Barrington Moore (rescatando la
tesis marxista): sin burgesa, no hay democracia (Moore 1973, 339).
16
el recurso metodolgico permite ampliar nuestra capacidad terica. En un trabajo reciente
que analiza el vnculo entre los estudios de caso y el desarrollo de la teora en ciencias
sociales, Alexander George y Andrew Bennett (2005) insisten en que una teora rica y
preciso tambin explorar las posibles interacciones entre los factores explicativos, porque
los efectos de ciertas variables pueden cancelarse mutuamente o potenciarse entre s. Esta
requiere un anlisis sistemtico del espacio de propiedades definido por las variables
dicotmicas), por lo que sera necesario teorizar todas sus combinaciones posibles. Esto
letra griega pi representa el producto de todos los trminos jk, que indican el nmero de
17
categoras para cada una de las k variables). En nuestro ejemplo, con tres variables
donde la reeleccin es legal, la gestin ha sido buena, pero la oposicin no es fuerte. Los
tipos siguientes alteran progresivamente cada una de las condiciones, hasta agotar todas
El panel derecho de la Tabla 5 refleja las predicciones generadas por las hiptesis
comparada. Supongamos, por ejemplo, que deseamos explorar cul de las tres hiptesis
18
gobernadores A y B (presentados en la Tabla 3) constituye fundamentalmente una
prdida de tiempo, dado que ambos corresponden a la configuracin 2 (X1, X2, X3)
frente a la cual todas las hiptesis generan la misma prediccin. (Si la reeleccin de A y
B hubiese fracasado, podramos descartar las tres hiptesis al mismo tiempo, pero dado
que A y B han sido exitosos, no podemos inferir mucho). El anlisis de los casos C y D,
en cambio, nos asegura una mayor capacidad de inferencia, porque ambos pertenecen a la
configuracin 4 (X1, X2, X3) frente a la cual H1 y H3 anticipan la reeleccin pero H2,
no. Dado que ambos gobernadores han sido reelectos, resulta fcil descartar H2, pero no
configuracin 3 (X1, X2, X3), frente a la cual H1 anticipa la reeleccin y H3, no. Dado
que ambos casos son negativos, H3 parece salir fortalecida. De este modo, el desarrollo
cuidadoso de una teora tipolgica nos indica de antemano qu tipo de casos pueden
resultar relevantes para poner a prueba una hiptesis y qu tipo de casos pueden resultar
A menudo resulta difcil apelar a casos cruciales para dirimir una disputa
19
configuraciones causales de manera sistemtica. Este protocolo, denominado
matices diversos (Ragin y Giesel 2002). En las pginas que siguen presento el
primer lugar, se seleccionan los casos positivos (se ignoran en esta fase los casos
Consideremos por ejemplo la Tabla 3: los casos E y F pueden ser omitidos, mientras que
7
El mtodo de inclusin permite tambin trabajar con conjuntos difusos (cuando las
dicotomas no son suficientes para caracterizar los eventos histricos porque algunos
casos parecen estar un poco adentro y un poco afuera de ciertas categoras). Por
simplicidad en la presentacin no abordar este tema aqu, pero el lector interesado puede
consultar la segunda parte del libro de Ragin Fuzzy Set Social Science (y tambin
Verkuilen 2005).
20
El anlisis de condiciones necesarias debe evitar el uso mecnico de este
criterios tericos (o de sentido comn) que guan el estudio. Cuando algunas condiciones
casos adicionales. La Tabla 6 aade a nuestra muestra un caso frustrado (G) y dos
exitosos (H e I). Una nueva mirada sugiere que solamente X1 (la regla constitucional
frente a una oposicin fuerte (como sugiere la experiencia del gobernador I). El caso G,
aunque por ser un caso negativo no sea utilizado directamente para el anlisis de
indica que X1 no es una variable obvia o trivial en anlisis que nos ocupa.
Caso Y X1 X2 X3
A 1 1 1 0
B 1 1 1 0
C 1 1 0 0
D 1 1 0 0
<E> 0 1 0 1
<F> 0 1 0 1
<G> 0 0 0 1
H 1 1 1 0
I 1 1 1 1
<> Casos excluidos del anlisis de necesidad
G : Caso excluido del anlisis de suficiencia para X1
21
4.2. Anlisis de Condiciones Suficientes
preciso centrar la comparacin en aquellos casos que presentan las condiciones causales
de inters (ms all del resultado que buscamos explicar). La regla para identificar
suficiente para Y, todas las instancias de X deben ofrecer tambin la presencia de Y. Por
reeleccin, es preciso comparar todas las instancias en las que X1=1 (los casos A, B, C,
no condujo a la reeleccin, resulta claro que esta condicin no es de por s suficiente para
tratadas individualmente. Este segundo punto merece una explicacin. Cuando dos o
para lograr Y, una comparacin del comportamiento de X o Z para todos los casos
positivos de Y establecer que cada uno de los dos factores, aunque analizado por
separado, est presente en cada instancia. Lamentablemente, lo mismo no ocurre con las
22
detectar este fenmeno, dado que slo cuando ambos factores estn presentes, el
ms difcil que el anlisis de necesidad, por lo que un anlisis sistemtico requiere una
propiedades extendido);
contencin;
de las teoras tipolgicas, es preciso considerar la posibilidad de que cada variable pueda
inters. Esto agrega una pseudo-categora adicional para cada variable (irrelevancia).
Por ejemplo, para una variable dicotmica, las opciones son: (1) la presencia del atributo
puede ser suficiente para explicar el fenmeno; (2) la ausencia del atributo puede ser
suficiente; o (3) ambas condiciones pueden ser insuficientes. Por este motivo, el espacio
23
de variables independientes. El trmino 1 excluye de la lista una configuracin
variables juegan un papel significativo (esta lista se corresponde con la teora tipolgica
el mecanismo suficiente involucra slo dos variables, y los tipos 21 a 26 reflejan las
situaciones ms sencillas en las que una sola variable sera suficiente para garantizar la
24
Tabla 7. Anlisis de Configuraciones Suficientes
Tabla 6). Para simplificar la lectura, los casos de reeleccin exitosa han sido listados en
25
suficiente para causar la reeleccin, todos los casos correspondientes a esta categora
deben presentar el resultado de inters (y por ende estar listados en negritas). Por
expresado en la configuracin nmero 21. Tal como se seal anteriormente, los casos E
ndice sencillo, denominado por Ragin como el ndice de consistencia (Ragin 2006). La
categora, mientras que la columna siguiente (NY) enumera la cantidad de casos que
proporcin de casos en cada grupo que ofrecen un resultado positivo. Cuando el ndice
nmero 17 emerge como una condicin suficiente, pero solamente un caso en nuestra
muestra apoya esta conclusin (esto requiere cierta prudencia al momento de argumentar
26
convincente). En contraste, la experiencia de 5 gobernadores es consistente con la
Por ejemplo, el tipo 1 (X1*X2*X3) est contenido bajo el tipo 9 (X1*X2): una
constitucin permisiva combinada con una buena gestin (no. 9) es suficiente para lograr
la reeleccin, y la presencia de una oposicin fuerte no alcanza para cancelar este efecto
Esto sugiere que es posible simplificar las conclusiones del anlisis eliminando
Tabla 8 ejemplifica el uso de esta regla de contencin: el tipo 1 puede ser reducido al
tipo 9 y al tipo 17, y por su parte stos pueden ser reducidos al tipo 23. Como resultado
de este proceso de eliminacin, las diez configuraciones causales pueden ser condensadas
8
Por otra parte, Ragin ha sostenido que a veces esperar una consistencia perfecta (de
1.00) para considerar que una configuracin es causalmente suficiente puede resultar un
criterio demasiado exigente. Es posible relajar este estndar, pero en general se requieren
valores superiores a .80 para poder argumentar que una condicin es generalmente
suficiente.
27
Tabla 8. Ejemplo de la Regla de Contencin
siglo XX, Max Weber (1990 [1906]) sostuvo que el anlisis contrafctico (o, en sus
eliminado? Weber argument que slo la respuesta a esta pregunta nos permite inferir
han destacado que este principio de imputacin causal subyace no solamente en los
estudios histricos, sino tambin en el anlisis cuantitativo (Fearon 1991; King, Keohane
y Verba 1994).
En un trabajo reciente sobre este tema Charles Ragin y John Sonnett sostienen
condiciones suficientes (Ragin y Sonnett 2004). El problema est dado por lo que Ragin
28
prudente desde el punto de vista del investigador consistira en declararse agnstico
frente a estas configuraciones (en ausencia de casos, no podemos saber lo que ocurrira
contencin tiende a imponer supuestos simplificadores con respecto a estos tipos que es
[5] (X1*X2*X3)Y
[6] (X1*X2*X3)Y
[8] (X1*X2*X3)Y
[11] (X1*X2)Y
[16] (X1*X3)Y
respecto al resultado esperado. Ntese, por ejemplo, que en todos los casos anteriores se
asume que la reeleccin podra ocurrir en ausencia de una norma constitucional que la
(indicando que la norma legal permisiva es una condicin necesaria para la reeleccin),
con el anlisis de necesidad. Esta tensin nos marca que es preciso reconsiderar los
coherente.
29
4.3. Anlisis de Condiciones Necesarias y Suficientes
siguiente secuencia:
identificadas;
excluye ahora toda configuracin causal que no presente una regla constitucional
30
Tabla 9. Anlisis de Suficiencia Restringido por la Condicin Necesaria (X1)
tipos causales 1 y 2 pueden ser absorbidos por el tipo 9, y los tipos 2 y 4 pueden ser
absorbidos por el tipo 14. (Dado que no hay configuraciones sin casos en la Tabla 9, no
hace falta invocar supuestos simplificadores). La configuracin constituida por una sola
X1*(X2+X3)Y.
31
5. Conclusiones
nivel de complejidad analtica mayor que el anterior, pero tambin permite una
esfuerzo notable, dado que el nmero de tipos causales crece en forma multiplicativa con
2006; Huber y Grtler 2004; Ragin y Giesel 2002), pero estos esfuerzos estn todava en
una etapa temprana y los paquetes estadsticos convencionales no han incorporado rutinas
poltica podr temer, no sin cierta razn, que las normas del anlisis cualitativo avancen
9
En el ejemplo con tres variables independientes dicotmicas debimos analizar 26 tipos
causales, pero con 8 variables dicotmicas el nmero de configuraciones posibles
ascendera a 6.560. Si las 8 variables fuesen tricotmicas, deberamos explorar 65.535
configuraciones causales--sin duda una larga tabla--.
32
lgica que, por aos, muchos comparativistas aplicaron intuitivamente en forma correcta
(y otros, por falta de gua metodolgica, aplicaron en forma errada). Los complejos y a
buenos anlisis comparativos pueden perfectamente presentarse al lector sin describir esta
principios lgicos que podremos garantizar una mayor credibilidad de la inferencia causal
33
Referencias
34
Peters, B. Guy. 1998. Comparative Politics : Theory and Methods. New York: New York
University Press.
Przeworski, Adam y Henry Teune. 1970. The Logic of Comparative Social Inquiry. New
York: Wiley-Interscience.
Ragin, Charles C. 1987. The Comparative Method. Moving Beyond Qualitative and
Quantitative Strategies. Berkeley: University of California Press.
Ragin, Charles C. 2000. Fuzzy-Set Social Science. Chicago: The University of Chicago
Press.
Ragin, Charles C. 2006. "Set Relations in Social Research: Evaluating Their Consistency
and Coverage". Political Analysis 14 (3):291310.
Ragin, Charles C. y Helen M. Giesel. 2002. "User's Guide: Fuzzy-Set / Qualitative
Comparative Analysis". Disponible en
http://www.u.arizona.edu/~cragin/software.htm
Ragin, Charles C. y John Sonnett. 2004. "Between Complexity and Parsimony: Limited
Diversity, Counterfactual Cases, and Comparative Analysis." En Vergleichen in
der Politikwissenschaft, comp. S. Kropp y M. Minkenberg. Wiesbaden: VS
Verlag fr Sozialwissenschaften.
Rustow, Dankwart A. 1970. "Transitions to Democracy: Toward a Dynamic Model".
Comparative Politics 2 (3):337-63.
Verkuilen, Jay. 2005. "Assigning Membership in a Fuzzy Set Analysis". Sociological
Methods and Research 33 (4):462-96.
Weber, Max. 1990 [1906]. "Estudios crticos sobre la lgica de las ciencias de la cultura."
En Ensayos sobre metodologa sociolgica. Buenos Aires: Amorrortu, 102-174.
35