Читать книгу Diseños de investigación - Esteban Pérez Caldentey, Sandra Serrano, Agostina Costantino - Страница 10

Los diseños correlacionales se pueden entender como un conjunto de estructuras lógico-matemáticas que se usan para organizar las variables contenidas en la matriz de varianzas y covarianzas (Cortés y Rubalcava, 1993: 227-260), pero que no necesariamente están orientadas a estudiar relaciones causales. La estadística proporciona una gran variedad de estrategias de análisis de datos entre las que destacan el papel de los modelos de regresión, de trayectorias, jerárquicos, de panel, factoriales, de conglomerado, de correspondencia y estructurales lineales, entre otros.

Todas estas técnicas se nutren de resultados obtenidos por la observación guiada por el interés académico de generar conocimiento científico, entendiendo por observación la “percepción intencionada e ilustrada: intencionada o deliberada porque se hace con un objetivo determinado; ilustrada porque va guiada de algún modo por un cuerpo de conocimiento” (Bunge, 1979a: 727).

A pesar de que estas técnicas no están construidas específicamente para estudiar causalidad, en los últimos tiempos ha habido dos grandes oleadas de trabajos que han emprendido la investigación acerca de la posibilidad de realizar inferencias causales a partir de datos observacionales.

La primera onda tuvo su origen en el trabajo de Lazarsfeld (1974) en el que presentó y desarrolló su modelo de análisis de covarianzas,¹² que fue expuesto por primera vez en 1946 en un congreso de la Sociedad Americana de Sociología en Cleveland; también se apoyó en un artículo de Simon publicado en 1957. Ambos trabajos presentan una clara línea de continuidad con la contribución del genetista poblacional Wright (1934), quien había planteado, pioneramente, la posibilidad de abordar el tema de la causalidad empleando técnicas estadísticas aplicadas a datos generados por observación, no necesariamente por experimentación.

Sobre la base de estos avances, Hubert M. Blalock (1964) publicó un libro que cristalizaba y desarrollaba las ideas de los trabajos precedentes, su título es ilustrativo: Causal Inference in Nonexperimental Research, y en este plasma los esfuerzos de las ciencias sociales por inferir causalidad a partir de observaciones obtenidas principalmente, aunque no en exclusiva, por muestreo.

Pero el esfuerzo por encarar la inferencia causal en situaciones no experimentales no se redujo a los Estados Unidos. En Francia fue notable la contribución de Raymond Boudon (1967), quien publicó L’analyse mathematique des faits socieaux, cuyo tercer capítulo está dedicado al análisis de la causalidad con datos generados por observación.

A finales de los sesenta varios números del influyente anuario Sociological Methodology, editado por Borgatta (1969, 1970) fueron dedicados al tratamiento del tema. Sin embargo, conforme transcurrían los años setenta el entusiasmo decayó, y el desaliento aumentó en proporción directa a la incapacidad de las ciencias sociales para controlar todos los factores relevantes que pueden estar influyendo sobre el vínculo causal, es decir, ejercer el control al modo de los experimentos en las ciencias naturales, o bien, ser capaces de aleatorizar sus efectos.

En fin, si bien es posible, aunque en ocasiones sea bastante difícil, establecer la precedencia temporal de C sobre E y también registrar sus relaciones, la piedra de toque ha sido el control de todos los factores relevantes que pueden estar interviniendo en la relación.

La segunda oleada de causalidad, que irrumpe en las ciencias sociales en la década de los noventa, toma pie en el trabajo de Holland (1986), quien define el efecto causal como la diferencia entre el valor observado en la variable dependiente si estuviese sometida a la variable “causa” y el efecto que se observaría si no lo estuviera. Esta definición es teórica, ya que involucra una condición contrafactual, en tanto que en cualquier situación real no se puede observar simultáneamente a la variable Y sometida y no sometida a la variable X. De aquí se deriva lo que Holland denomina el problema fundamental de la inferencia causal: no se puede conocer con certeza un efecto causal (King et al., 2000: 90). Para aproximar esta noción de causalidad a las condiciones en que operan las ciencias, King et al. (2000: 93) la redefinen como “la diferencia entre el componente sistemático de las observaciones que se hacen cuando la variable explicativa tiene un valor y el componente sistemático de observaciones comparables cuando la variable explicativa tiene otro valor”. Es interesante notar que la tensión entre las explicaciones observacionales y las causales han atravesado las últimas dos décadas en las ciencias políticas y han generado un amplio debate acerca de los alcances y límites de las explicaciones causales (Mahoney y Goertz, 2006).

La definición de causalidad de Holland —en la medida en que en una misma unidad se observa Y bajo presencia y ausencia de X— satisface los requisitos de Mill: precedencia temporal de la causa sobre el efecto, relación entre ambas y el control de las otras variables que podrían intervenir en la relación. Sin embargo, la condición contrafactual involucrada en la definición lleva a que en la investigación aplicada el investigador busque aproximarse lo más que pueda a la situación ideal descrita por la definición de causalidad.

Aunque se podrían establecer los vínculos entre esta forma de definir la causalidad y los diseños experimentales, no es menos cierto que las aplicaciones en las ciencias sociales siguen los derroteros de King et al., donde los componentes sistemáticos se refieren a los valores esperados en la variable (esperanzas matemáticas) medida en un conjunto de observaciones. En la práctica, las esperanzas matemáticas se estiman con técnicas estadísticas que operan sobre la matriz de varianzas y covarianzas de las observaciones.

La posibilidad de que esta definición de causalidad sea útil para la investigación social empírica pasa por resolver o aproximarse a dar una solución razonable al acontecimiento contrafactual. Hay una vasta bibliografía¹³ dedicada a este tema que sobrepasa con mucho los alcances de esta introducción, pero sí hay que tomar muy en cuenta la advertencia referida a los contrafactuales: “aunque se oponen evidentemente a los hechos, tienen que ser razonables; debería ser posible que el acontecimiento contrafáctico hubiera ocurrido en unas determinadas circunstancias” (King et al., 2000: 89).