Procedimientos

y decisiones para
determinar qué se
observará
PID_00248675

Gemma Sala
Rosa Borge Bravo
Albert Padró-Solanet i Grau

Tiempo mínimo de dedicación recomendado: 1 hora

© FUOC • PID_00248675 Procedimientos y decisiones para determinar qué se observará

Ninguna parte de esta publicación, incluido el diseño general y la cubierta, puede ser copiada,
reproducida, almacenada o transmitida de ninguna forma, ni por ningún medio, sea éste eléctrico,
químico, mecánico, óptico, grabación, fotocopia, o cualquier otro, sin la previa autorización escrita
de los titulares del copyright.
© FUOC • PID_00248675 Procedimientos y decisiones para determinar qué se observará

Índice

Introducción............................................................................................... 5

1. Selección de casos.............................................................................. 7
1.1. Indeterminación .......................................................................... 7
1.2. Sesgos de selección de casos ....................................................... 8
1.3. Selección de casos a partir de la variable independiente ............ 8
1.4. Selección de casos a partir de la variable dependiente ............... 9

2. Selección de variables....................................................................... 10
2.1. Error en la medida de las variables ............................................. 10
2.2. Sesgo: omisión de variables relevantes ....................................... 11
2.3. Ineficiencia: inclusión de variables irrelevantes ......................... 11
2.4. Endogeneidad: confusión de causas y de consecuencias ............ 12

Actividades.................................................................................................. 13
© FUOC • PID_00248675 5 Procedimientos y decisiones para determinar qué se observará

Introducción

Pueden distinguirse tres posiciones diferenciadas en cuanto a la relación en-

tre los dos métodos o paradigmas fundamentales de investigación social: el
cuantitativo y el cualitativo.

La primera posición es la purista, tanto cuantitativa como cualitativa (los ex-

tremos se tocan), y defiende que las dos metodologías son completamente
diferentes, antagónicas, inconmensurables y excluyentes. No tiene ninguna
ventaja que el investigador que usa un método tenga en cuenta lo que se diría
en el otro método, porque no le puede aportar nada. Cada perspectiva parte
de concepciones radicalmente diferentes de la realidad social: el positivismo
cuantitativo supone la verificabilidad de la ciencia, cosa que entra en contra-
dicción con el relativismo de los cualitativistas, que suponen que toda la reali-
dad es socialmente construida.

La segunda posición acepta que los dos métodos son conmensurables y tienen
una misma lógica de inferencia científica. La obra clave de este punto de vista
es la lógica de la investigación cualitativa de King, Keohane y Verba (2000).
Supone que los métodos cualitativos se aplican en las fases iniciales de la in-
vestigación científica en un campo y se pueden beneficiar de aplicar el esque-
ma conceptual de la investigación cuantitativa a la investigación cualitativa.
Este es el punto de vista de este módulo didáctico, pero ha sido criticado por
algunos científicos sociales por reflejar un "imperialismo cuantitativista", que
supone que la investigación cuantitativa es superior a la cualitativa (Brady y
otros, 2010, pág. 3).

Finalmente, la tercera posición, a veces denominada dualista, está en medio Referencias:

de las dos anteriores. Los defensores de esta posición creen que las dos pers-
Brady,�H.�E.;�Collier,�D.
pectivas metodológicas se pueden beneficiar la una de la otra, puesto que am- (2010). Rethinking social in-
bas tienen diferentes fortalezas y debilidades. Tal como dice el subtítulo de quiry: diverse tools, shared
standards. Lanham: Rowman
la obra que recoge las mayores contribuciones a este debate (Brady y Collier, & Littlefield.
2010), a pesar de que la investigación social emplea "diferentes herramientas", Brady,�H.�E.;�Collier,�D.;
Seawright,�J. (2010). "Refo-
"comparte" los mismos "estándares". cusing the Discussion of Met-
hodology". Rethinking social
inquiry: diverse tools, shared
Si bien hay varios métodos de investigación social, todos comparten la misma standards. Lanham: Rowman
& Littlefield.
lógica de inferencia. Cada método tiene sus características propias desde el
King,�G.;�Keohane,�R.�O.;
punto de vista del número de casos, el tipo de datos que usa, las preguntas que Verba,�S. (2000). El diseño de
la investigación social: la infe-
se formula o la relación con la teoría. Pero para inferir conocimiento general
rencia científica en los estudios
a partir de datos empíricos hace falta que todos cumplan ciertos requisitos in- cualitativos. Madrid: Alianza
Editorial.
ferenciales. Los apartados siguientes no se proponen un análisis intensivo de
© FUOC • PID_00248675 6 Procedimientos y decisiones para determinar qué se observará

las características de los requisitos de la inferencia, sino que aspiran a propor-

cionar definiciones concretas, como apoyo a las explicaciones y los ejemplos
de lecturas obligatorias.

Para satisfacer las reglas de la inferencia, el diseño de la investigación debe

tener en cuenta ciertas consideraciones en dos aspectos principales: la selec-
ción de casos y la selección de variables que tiene que observar. En cuanto a
la selección� de� casos, la investigación tiene que evitar situaciones como la
supradeterminación, la multicolinealidad y los sesgos que surgen de la obser-
vación de casos en determinadas circunstancias. En cuanto a la selección�de
variables, hay que evitar errores en la medida y en la asignación de los valo-
res en las variables, la introducción de variables irrelevantes o los problemas
de endogeneidad. Los apartados siguientes explican en qué consiste cada una
de estas consideraciones. Su relevancia consiste en que si no las tenemos en
cuenta no podemos estar seguros de que las conclusiones de la investigación
sean fiables.

Estos requisitos de la inferencia han sido tradicionalmente aplicados al méto-

do estadístico. Recientemente, sin embargo, se tiende a considerar que tam-
bién se pueden aplicar a los métodos tradicionalmente entendidos como cua-
litativos. Desde el momento en el que los diferentes métodos comparten la
finalidad común de llegar a conclusiones generales, y científicas, todos ellos
tienen que satisfacer las condiciones que garantizan que esto sea posible. La
aplicación de las reglas cuantitativas de inferencia a las investigaciones de ca-
rácter cualitativo ha permitido acabar con la concepción tradicional sobre la
naturaleza humanística, y exclusivamente descriptiva, de la investigación cua-
litativa. Esta "cuantitativización" de los métodos cualitativos ha encontrado
resistencias y críticas entre los autores que defienden la especificidad de cada
método. Aun así, se considera que mientras la investigación social esté orien-
tada a la construcción de teorías generales tiene que satisfacer estos requisitos.
Solo las investigaciones ateóricas, las interpretativas o las que aspiran a la for-
mulación de hipótesis pueden no tener en cuenta las consideraciones que se
presentan en los apartados siguientes.

Bibliografía

Los exponentes principales de la extensión de las reglas cuantitativas de inferencia a los

métodos cualitativos están en: G.�King�y�otros (2001). El diseño de la investigación social.
Madrid: Alianza. Varios capítulos de este libro están asignados como lecturas obligatorias
en este curso.

Las reacciones a esta homogeneización de los requisitos inferenciales de los distintos

métodos de investigación se encuentran en gran medida compiladas en el volumen 89,
núm. 2 de junio de 1995, de la American Political Science Review. En este número, cinco
renombrados politólogos y sociólogos evalúan las ventajas y las posibilidades de defen-
der una única lógica inferencial para los dos tipos de métodos. King, Keohane y Verba
también responden al final del número. Tenéis disponibles las lecturas en PDF en el aula.
© FUOC • PID_00248675 7 Procedimientos y decisiones para determinar qué se observará

1. Selección de casos

Este apartado está dedicado a analizar algunas de las consideraciones o peligros

que se tienen que evitar a la hora de elegir los casos en los que basaremos la
investigación.

1.1. Indeterminación

A veces no se puede determinar si el fenómeno que se quiere explicar (la va-

riable dependiente) es el resultado de un factor u otro. Resulta imposible ex-
plicar de dónde proviene el efecto causal que se quiere explicar. Este problema
se denomina indeterminación. Cuando existe indeterminación no se pueden
contrastar las hipótesis causales.

La indeterminación se manifiesta de varias maneras: la sobredeterminación y

la multicolinealidad.

Sobredeterminación

El problema de la sobredeterminación aparece cuando el número de variables

es más alto que el número de casos observados. Si el número de variables es
más elevado que el número de casos, no se puede comprobar el efecto causal
de todas. Esto es así porque no hay suficientes casos como para mantener el
efecto de cada una de las variables controladas.

Ejemplo de sobredeterminación

Si dos casos observados se comportan de forma diferenciada en la variable dependiente

y presentan características diferentes en dos variables independientes (a y b), resulta im-
posible determinar cuál de estas es la que causa la variación en el comportamiento de
cada caso, o la proporción en la que lo causan, puesto que tenemos dos explicaciones
alternativas para el comportamiento diferente de la variable dependiente. Puede ser que
la variación de la variable dependiente sea debida a la diferencia en el valor de la variable
explicativa a en cada caso o a efectos de diferentes valores en la variable explicativa b. Por
ejemplo, queremos saber por qué en Rusia ganó la revolución en 1917 (caso 2) y, en cam-
bio, no en 1905 (caso 1). Una explicación es que en 1917 Rusia estaba inmersa en la Gran
Guerra (variable a); la otra explicación es que en 1917 había habido la experiencia de la
revuelta de 1905 (variable b). Como tenemos dos variables y dos casos que varían en las
dos, no podemos determinar qué variable ha causado realmente el éxito de la revolución.

Este es un problema frecuente en los estudios comparados y se denomina pro-

blema de pocos casos-muchas variables.

Multicolinealidad

El problema de la multicolinealidad se refiere a las investigaciones en las que

las variables estudiadas están correlacionadas. Es decir, si bien las variables in-
dependientes están correlacionadas con la variable dependiente (determina-
© FUOC • PID_00248675 8 Procedimientos y decisiones para determinar qué se observará

dos valores de la variable independiente se observan simultáneamente con

determinados valores de la variable dependiente muchas veces) tal como se
espera para poder establecer la causalidad, en los casos de multicolinealidad
las variables independientes también están correlacionadas entre sí, con lo
cual no se puede precisar si hay una verdadera influencia de cada una de las
variables sobre la dependiente. La multicolinealidad es el mismo problema
que la sobredeterminación, pero visto desde el punto de vista de la estadísti-
ca multivariante. Consecuentemente, el remedio para los problemas de mul-
ticolinealidad consiste –como en el caso de la sobredeterminación– en recoger
más casos.

1.2. Sesgos de selección de casos

Los métodos de investigación social se intentan aproximar a los modelos ex-

perimentales que se desarrollan en las ciencias naturales. Si bien el método
experimental se caracteriza por la selección aleatoria de casos, en muchas sub-
disciplinas de las ciencias sociales los tienen que elegir según criterios prees-
tablecidos para poder observar la relación entre las variables estudiadas. Así
pues, se seleccionan los casos según si presentan condiciones que permitan
contrastar las hipótesis formuladas. Es en este proceso de elección donde pue-
den colarse los principales sesgos en la investigación. La posibilidad de elegir
los casos a partir de los que se basarán nuestras conclusiones nos puede con-
ducir, inadvertidamente, a elegirlos de modo que presenten las condiciones
que corroboran nuestras hipótesis.

El mejor criterio para la selección de casos es el que tiene en cuenta los valores
de la variable independiente en la selección. En cambio, es corriente encontrar
casos en los que la selección de casos se ha establecido según los valores de
la variable dependiente. Es en estos casos donde se introducen los principales
sesgos en la investigación.

1.3. Selección de casos a partir de la variable independiente

La selección de observaciones según la variable explicativa es la mejor manera

que tienen los métodos de investigación social para aproximarse a la investi-
gación experimental. La experimentación consiste en someter a los grupos ob-
servados (o casos) a diferentes condiciones de la variable independiente (tra-
tamiento frente a control). Así pues, la selección de casos según la variable in-
dependiente se puede entender como la aplicación de tratamientos diferentes
en los casos observados.

El estudio del efecto causal consiste en saber si la ausencia o presencia de de-

terminadas condiciones afectan al comportamiento de la variable dependien-
te. Por lo tanto, resulta evidente que hay que asegurar que los casos observa-
dos tengan en cuenta la variación o los diferentes valores de la variable inde-
pendiente.
© FUOC • PID_00248675 9 Procedimientos y decisiones para determinar qué se observará

Así pues, si queremos conocer el efecto del partido político en el gobierno sobre
la política de reforma económica que se ha llevado a cabo en varios países de la
Europa del Este, deberemos fijarnos en aquellos países donde los partidos en el
gobierno son de diferente signo político. En otras palabras, para determinar si
una variable ejerce un efecto sobre otra, hay que poder observar cómo varían
los valores de la segunda a medida que los valores de la primera cambian.

1.4. Selección de casos a partir de la variable dependiente

La selección de casos a partir de los valores de la variable dependiente provoca

sesgos en las conclusiones de la investigación.

• Si se eligen casos que tienen el�mismo�valor�en�la�variable�dependiente

no se puede identificar qué la hace cambiar. En otras palabras, nos lleva-
ría a creer que lo que es común en todos los casos observados genera re-
sultados comunes. Por ejemplo, cuando nos proponemos averiguar cuáles
son las causas del estallido de guerras civiles en diferentes países africanos
y, para hacerlo, elegimos los que han sufrido guerras civiles, corremos el
riesgo de pensar que, por ejemplo, una elevada fragmentación étnica o la
baja financiación del ejército son las causas si resulta que todos los casos
que analizamos tienen estas características. Pero esta conclusión es una
falacia. En la medida en que el valor de la variable dependiente no varía
no podemos observar ningún efecto. Por lo tanto, es imposible determinar
cuáles son las variables independientes que explican el comportamiento
de la dependiente. Podría ser, por ejemplo, que hubiera una elevada pro-
porción de países sin guerras civiles, pero con una elevada fragmentación
étnica, lo que desmentiría nuestra conclusión. Para medir efecto, hay que
observar variación en el comportamiento.

• Precisamente, el carácter intuitivo de esta última proposición ha llevado a Lectura complementaria

muchos investigadores a elegir los casos de estudio según si la�variable�de-
Leed este capítulo: G.�King
pendiente�tiene�valores�diferentes. Si bien este procedimiento nos evita y�otros (2000). "Determinar
el problema del punto anterior, todavía implica un sesgo en la investiga- lo que se va a observar". En:
El diseño de la investigación so-
ción. Si elegimos las observaciones según valores diferentes en la variable cial: la inferencia científica en
los estudios cualitativos (cap.
dependiente, podemos identificar fácilmente como variable independien-
4). Madrid: Alianza.
te lo que también presenta valores diferentes entre los casos observados.
© FUOC • PID_00248675 10 Procedimientos y decisiones para determinar qué se observará

2. Selección de variables

Si bien el apartado anterior resume a grandes rasgos las consideraciones que

hay que tener en cuenta a la hora de elegir los casos de la investigación, las
variables con las que queremos explicar la realidad social también pueden in-
troducir problemas en la inferencia.

Por un lado, pueden tener problemas relacionados con la validez y la fiabilidad

de la medida de las variables. Hay que saber si las variables miden lo que cree-
mos que miden y que lo que miden esté bien medido. Por otro lado, hace falta
que las variables que estudiamos sean relevantes para explicar el fenómeno
social que nos proponemos entender y que les demos el papel acertado en su
relación con las otras variables del estudio.

2.1. Error en la medida de las variables

Uno de los problemas frecuentes en la observación de la realidad social es la

dificultad de traducirla en categorías o cantidades numéricas que la definan
y que la hagan analíticamente observable. En este proceso de asignación de
valores a las variables se pueden infiltrar varios errores en la observación de
la realidad social.

Las tres condiciones fundamentales para que los valores de las variables estu-
diadas midan la realidad social de un modo analíticamente útil son:

• Consistencia�o�fiabilidad: medidas diferentes del mismo fenómeno tie-

nen los mismos resultados. En otras palabras, que el criterio de asignación
de valores a las variables sea homogéneo en todas las observaciones. La
consistencia también implica que los valores reflejen las similitudes y las
diferencias que los casos presentan en la realidad. Esto implica que los ca-
sos que presenten características similares tengan valores similares, y que
los casos que tengan características diferentes tengan valores diferentes en
la misma proporción que las diferencias que muestran en realidad.

• Validez: los valores de las variables reflejan lo que el investigador cree que
miden. Es decir, reflejan correctamente la realidad porque los indicadores
de las variables representan y registran efectivamente la propiedad o ca-
racterística de las unidades de análisis que se pretende medir.
© FUOC • PID_00248675 11 Procedimientos y decisiones para determinar qué se observará

• Completitud: los conceptos y los valores analíticos definen las caracterís-

ticas de cada caso de forma completa. Es decir, que en su esfuerzo por sim-
plificar la realidad social, las categorías analíticas no pierdan información
relevante sobre los casos estudiados.

2.2. Sesgo: omisión de variables relevantes

La omisión de variables relevantes en la observación puede sesgar los resulta-

dos de la investigación –es decir, el valor del efecto causal entre dos variables
al que llegamos a partir del estudio de ciertos casos no tiende a centrarse alre-
dedor del valor real si lo pudiéramos determinar.

Las variables relevantes son las que de acuerdo con la teoría causan un efecto
significativo en la variable dependiente. Por lo tanto, el hecho de que algunas
de las variables que afectan al comportamiento de la variable dependiente no
estén consideradas puede significar que la estimación del impacto de la varia-
ble que queremos estudiar esté sesgada, por encima o por debajo del efecto
real. No solamente existe una proporción de la explicación del comportamien-
to de la variable dependiente que no está explicada, sino que además hemos
asignado la causalidad a terceras variables independientes, magnificándolas.
Así pues, la omisión de variables independientes relevantes implica un sesgo
en las conclusiones de la investigación, porque aumenta el peso explicativo
de las variables independientes que sí se han tenido en cuenta.

Aun así, la omisión de variables explicativas relevantes solo produce sesgos

cuando las variables incluidas y las omitidas están correlacionadas. Si estas va-
riables no están relacionadas, la omisión de una de ellas no afecta a la estima-
ción correcta del efecto de la variable independiente que queremos estudiar.

2.3. Ineficiencia: inclusión de variables irrelevantes

También es problemática la inclusión de variables irrelevantes en nuestro es-

tudio. En concreto, la inclusión de variables irrelevantes produce ineficiencia
–la varianza del valor del efecto causal observado aumenta. Es decir, la posibi-
lidad de que nuestra investigación haya estimado el valor real del efecto entre
las variables que queremos estudiar es inferior.

Pasa lo mismo con la omisión de variables relevantes. Si las variables irrelevan-

tes son independientes de las variables dependientes, la inclusión de variables
irrelevantes no importa demasiado. Pero si, por el contrario, existe correlación
entre estas variables, los resultados de la investigación serán ineficientes.
© FUOC • PID_00248675 12 Procedimientos y decisiones para determinar qué se observará

2.4. Endogeneidad: confusión de causas y de consecuencias

La endogeneidad se refiere a que los valores de las variables explicativas son Lectura recomendada
una consecuencia y no una causa de las variables explicadas. En otras palabras,
Leed el capítulo 5 de G.�King
la relación entre las variables incluidas en el estudio es opuesta a la que el y�otros (2000). "¿Qué evi-
diseño de la investigación le asigna. Este es un problema común porque, en tar?". En: El diseño de la in-
vestigación social: la inferen-
muchos casos, la asignación del papel de las variables en el proceso causal en cia científica en los estudios
cualitativos (cap. 5). Madrid:
la realidad puede no estar claro o existir causalidad recíproca entre lo que se ha
Alianza.
considerado variable independiente y variable dependiente. En esta situación,
tanto las variables independientes como las variables dependientes tienen una
relación que no refleja cuidadosamente su relación causal.

Lecturas obligatorias

Como complemento de los textos de King, Keohane y Verba, debéis estudiar parte del
libro de I.�Lago (2008). La lógica de la explicación en las ciencias sociales (págs. 75-111).
Madrid: Alianza. En este texto tenéis muchos ejemplos que os podrán ilustrar los con-
ceptos explicados en este módulo.

Además, debéis volver a estudiar y tener presente la lectura obligatoria del módulo an-
terior: E.�Anduiza;�I.�Crespo;�M.�Méndez (1999). "Las estrategias de investigación". En:
Metodología de la Ciencia Política (cap. 3, págs. 49-72). Madrid: CIS ("Cuadernos Metodo-
lógicos", núm. 28).
© FUOC • PID_00248675 13 Procedimientos y decisiones para determinar qué se observará

Actividades
A continuación se presentan varios diseños de investigación. Evalúa sus puntos débiles desde
el punto de vista de la posibilidad de inferir conocimientos generales a partir de los estudios
propuestos.

1. Revisad la investigación de Arend Lijphart, Politics of Accomodation, en la cual analiza la

relación entre la presencia de divisiones sociales segmentadas y la estabilidad democrática a
partir del caso de los Países Bajos.

¿Cuál es el criterio de selección de casos de aquella investigación?

Considerad hasta qué punto se puede criticar esta investigación desde el punto de vista de
la selección de casos según la variable dependiente.

2. El profesor García está interesado en saber hasta qué punto la represión política en los
países de América Latina ha afectado al crecimiento económico. Para estudiar el problema,
García ha recogido datos económicos de los diez países de América Latina que tienen el índice
de producto nacional bruto más alto. A la vez, García también se fija en los indicadores de
represión política de estos países, y crea una escala de represión en la que cero indica represión
baja y diez, represión alta. Entonces pide a determinados especialistas que clasifiquen el país
del que son expertos en esta escala.

¿Cuáles son los defectos de este diseño de investigación?

Proponed un diseño alternativo que permitiría una inferencia menos problemática.

3. El profesor García estudia el efecto de las estructuras institucionales de ciertos países fede-
rales (donde el poder político está territorialmente descentralizado) en el resurgimiento de
demandas regionales que reclaman más autonomía política. Para analizar esta relación, el
profesor se centra en dos países federales. En uno las instituciones federales se caracterizan
por un alto nivel de participación regional en las instituciones de toma de decisiones del go-
bierno central, y en el otro no hay mecanismos de participación de los gobiernos territoriales
en las instituciones de toma de decisiones centrales. En cuanto a la variable dependiente, el
profesor observa que en el primer país no existen demandas periféricas que reclamen más
autonomía política, mientras que en el segundo hay regiones determinadas que han puesto
en pie estas demandas y que, por lo tanto, ponen la estabilidad del sistema federal en riesgo.
Su conclusión es que las estructuras más participativas favorecen la estabilidad del sistema
federal y viceversa. También considera que su investigación evidencia que las teorías anterio-
res que explican la emergencia de demandas periféricas según si existen culturas nacionales
diferenciadas en las regiones no son válidas.

¿Cuáles son las virtudes y los inconvenientes de esta investigación?

¿Hasta qué punto esta investigación permite contrastar los argumentos de las teorías ante-
riores, que basan la inestabilidad federal en la existencia de culturas nacionales periféricas
diferenciadas, como el autor pretende?

¿Hasta qué punto su indicador de estabilidad democrática puede comportar problemas de

errores de medida?