Alianza Universidad Textos

J arol B. Manheim y Richard C. Rich

Análisis político empírico Métodos de investigación en ciencia política

Versión española de Rosendo Gallego

Revisión técnica de Miguel Requena

Alianza Editorial

Las cuestiones políticas son siempre complejas. ¿Llevarán a una mayor igual­dad las resoluciones judiciales que condu­cen a la integración racial en las escuelas públicas. o incrementarán las diferencias raciales al fomentar la ·fuga de los blan­cos» hacia los suburbios segregados? Sí el Presidente retira las tropas norteamerica­nas de Europa, ¿asegurari esto la paz mundial o causará la guerra al provocar la agresión sovíétíca? Si el Congreso rebaja el impuesto federal sobre la renta, ¿crea­rá con eHo un nuevo gasto sufidente para reducir el desempleo o no hará otra cosa que aumentar la inflación? Emprende­mos la investigación en ciencias sociales porque deseamos comprender el mt~ndo complejo que nos rodea, ya sea por la satisfacdón de conocer, ya sea porque queramos ser capaces de prever o incluso controlar los acontecimientos.

Así pues, Ja investigación científica em­pieza con algo que deseamos conocer~ Este es nuestro tema de investigación, que, por lo común, es de orden muy gene~ raL Tal vez deseemos saber~ por ejemplo, por qué algunos apoyan activamente la

protección del medio ambiente míentras que otros se oponen a ella o son indiferen­tes. El modo más eficaz de hallar una respuesta exacta (y, por lo tanto, titill consiste en emplear métodos reconocidos de lnvestigadón empírica para estudiar las relaciones que vemos en el mundo" Para poder emplear procedimientos cien~ tíficos en nuestro deseo de hallar una respuesta que sea de general aceptación, tenemos que convertir esa pregunta su­mamente general en una o varias muy especificas. De lo contrario~ no sabremos qué observar para buscar la respuesta ni podremos comprender de qué modo se relaciona lo observado con nuestro tema de investigación.

Para transformar nuestra pregunta ge­neral en una o varias específicas, hace falta formular algunas explicaciones plau­sibles de lo que observamos. Podríamos, por ejemplo, sostener que en la opinión sobre Ja protección del medio ambiente influye el empleo del interesado, entre otras cosas porque ciertas ocupaciones se benefician de las medidas protectoras del medio ambiente, mientras que otras re~

30 AnBlisis polflico emplrico

sultan perjudicadas por éstas (al menos a corto plazo) .. También podríamos creer que la edad influye en la actitud para con la cuestión ecológica, porque los jóvene~. en su período de crecimiento, han cobra­do conciencia de los problemas de la con~ taminación, en tanto que sus mayores crecieron antes de que se comprendieran esos problemas, '"

Estas explicaciones nos ayudan a redu­cir la complejidad de la vida social y nos ponen en situación de iniciar el estudio científico, Podemos aplicar la lógica y la información que ya poseemos sobre las relaciones empíricas al análisis de una serie de cosas que esperamos sean ciertas si nuestra amplia explicación es válida. Y ahora podemos formular preguntas como las siguientes: ¿apoyan los jóvenes la le­gislación sobre el medio ambiente más a menudo que los adultos? ¿Apoyan los oficinistas y los profesionales las medidas sobre el medio ambiente más a menudo que los trabajadores manuales? Podemos ídear el modo de hacer observaciones que nos permitan responder a esas preguntas y, una vez que hayamos explorado pre­guntas concretas en número suficiente, contestar por fin a la pregunta inida1 de nuestra investigación

Cuando intentamos formular explica­ciones posibles de Jos acontecimientos, estamos teorizando o desarrollando teo~ rías. Creemos éstas en nuestro esfuerzo por comprender. Las teorías nos ayudan a orientar nuestra investigación y a deter­minar si nuestra comprensión es correcta. Por eso, Ja construcción de Ja teoría es la primera etnpa del proceso de ínvestiga­ción1 y por eso es esendal que compren­damos la relación entre teoría e investiga­ción,

U na teoría inadecuadamente desarro­llada puede llevarnos a realizar una in­vestigación que no sirva para dar respues­ta a Ja pregunta que inicialmente suscitó

nuestro interés, Sin una teoría correcta no podremos afinnar por qué los «haHaZgosi• de nuestra investigación propordonan una respuesta a Ja pregunta que en ésta nos habíamos planteado. Supongamos que iniciamos Ja investigación soJamente con la pregunta antes expresada. Si pre­guntamos a una muestra adecuadamente seleccionada de 1 500 estadounidenses su opinión sobre la protección deJ medío am~ biente y les hacemos una serie de pregun­~?.s sobre sus características, podemos uti­ÚZar nuestros resultados para describir los tipos de person.as que están a favor o en contra de la legislación sobre el medía ambientet pero no podemos afirmar por qué la apoyan o se oponen a ella.

Por otro lado, si partimos de una teoría que venga a explicar por qué los indivi­duos apoyan las medidas de protección del medio ambiente o se oponen a ellas y formulamos nuestras preguntas para com­probar si eran acertadas las expectativas que lógicamente se seguían de dicha teo~ ría, nuestros resultados nos ayudarán a comprender por qué aquéllos adoptan una u otra actitud.

Para simplificar, supongamos que, se­gún nuestra teoría, Ja primera preocupa­ción de la gente es su bienestar económíco y que su postura sobre la protección del medio ambiente viene totalmente deter­minada por la manera en que, a su pare­cer, afectará a sus ingresos Ja legislación propuesta. Una expectativa o predicción que lógicamente se deriva de esta forma de x:azonar es que quienes esperen resul­tar económicamente perjudicados por las leyes de protección del medio ambiente se opondrán a ellas, mientras que quienes esperen resultar beneficiados las apoya­rán, SI nuestra teoría es una explicación adecuada de cómo se adoptan dertas acti­tudes sobre la protección del medio am­biente, esa predicción deberá ser una afir­mación exacta sobre )as relaciones del

mundo real Entonces podremos hacernos una idea de la utilidad de nuestra teoría comprobando la exactitud empírica de la predicción que lógicamente se sigue de ella. Por ejemplo, podríamos preguntar a la gente su opinión sobre la protección del medio ambiente y el efecto que, a su parecer, puede tener en sus ingresos, para averiguar si la predicción queda corrobo~ rada por lo que vemos en las relaciones reales. Cualquiera que sea el resultado, la investigacíón nos indicará así, en cierta medida, por qué los interrogados opinan de un modo determinado sobre esta cues­tión. Si la investigación se ha realizado correctamente y la predicción resulta acertada, tendremos razones para cr,eer que hemos formulado una explicación sa­tisfactoria para el comportamiento estu~ diado y buscar nuevas pruebas de su utilí· dad. Si la predicción resulta equivocada, a1 menos tendremos motivos para creer que esta teoría probablemente sea infruc­tuosa para comprender Jas opiniones so­bre el tema, y podremos empezar a inda~ gar otras explicaciones posibles"

Tanto si la iniciamos con una teoría como sin ninguna, la investigación puede mostrar los mismos hechos. Pero éstos sólo facilitarán nuestra comprensión sipo­demos vincularlos entre sí mediante una teoría, Si sabemos que los oficinistas y profesionales tienen mayor tendencia que los trabajadores manuales a apoyar la protección del medío ambiente, esto sólo nos ofrecerá una explicación de las actitu~ des adoptadas sí podemos dar alguna ra­zón por la que deban estar relacionadas la ocupación y la postura sobre la ecología. De otro modo, el hecho podría ser fortui­to, y no por conocerlo estaríamos en mejo~ res condiciones de explicar las actitudes de la gente. Las teorías proporcionan conjuntos de razones por las que los he­chos deben estar conectados de un modo determinado, y hacen que los hechos sean

Construcción de la teoría 31

útiles al ofrecernos una estructura para interpretarlos y pa.ra ver las relaciones entre ellos

El objeto de este capítulo es ayudarle a comprender cómo se desarrollan las teo­rías y cómo se utilizan para orientar la investigación. Expondremos en él ia natu­raleza de Ja teorización en la ciencia so­cial, los elementos de que constan Jas teorías, y la relación entre éstas y el resto del proceso de investigación Cuando haya terminado el capítulo, deberá ser capaz de empezar a pensar en las cuestio~ nes políticas que le interesan de una ma­nera que le prepare para emprender la investigación empírica sistemática, a fin de dar respuestas válidas (si no comple­tas) a dichas cuestiones.

Naturaleza de la teoría en Ciencia Social

Construimos teorías por dos razones .. En primer lugar, esperamos que nos sir­van para simplificar la realidad con el fin de comprenderla para controlarla mejor o adaptarla, En segundo lugar, una vez que hemos alcanzado esa comprensión, las teorías pueden guiarnos para comprobar su exactitud. Para ello~ nos ofrecen un fundamento lógico de expectativas o pre­dicciones sobre el mundo que pueden compararse con la realidad mediante téc. nicas de investigación apropiadas. Cuan­do nuestras predicciones resultan funda~ das, también Jo es la interpretación que les sirve de base, y crece nuestra confian­za en haber entendido cómo funcionan las cosas. Cuando nuestras predicciones re­sultan inexactas1 empezamos a poner en duda nuestra interpretación de los hechos y a buscar la manera de mejorarla"

Las teorías son conjuntas de símbolos lógicamente relacionados que represen­tan lo que creemos que sucede en e/

32 Análisis político empin'co

mundo, Son, simplemente, herramientas nos una idea basándonos en la experien­intelectuales. Es importante entender es- da personal, en la observación casual o en to, pues nos sirve para comprender que el pensamiento creador. Más a menudo1

las teorías no son, en sentido absoluto, comprobaremos Ja conveniencia de inves­verdaderas ni falsasi tan sólo más o menos tigar lo que otros han averiguado sobre e! útiles. Así como hay más de una manera tema~ Las teorías eficaces se inician a de hacer un martillo, hay muchos modos partir de un conocimiento pormenorizado de desarrollar teorías que expliquen la de los sucesos que deseamos explicar" Sin vida política" Esto significa que no cabe tal conocimiento, probablemente no lo­esperar descubrir una teoría del mismo graremos comprender lo que ha de expJi­modo que un explorador descubre una carse ni tendremos una idea de dóilde nueva isla. ¿Por qué? Porque las teorías hemos de empezar a buscar las relaciones no existen «ahí.> para descubrir1as. Son~" que nos servirán para explicar los sucesos, producto de Ja imaginación humana, de Los disturbios masivos que tuvieron lu­un arduo trabajo y, a veces, de la buena gar en numerosas ciudades norteamerica­suerte. nas a fines de los años sesenta propordo-

Si )as teorías son esenciales para una nan un ejemplo de la importancia que investigación correcta pero no pueden tiene el conocimiento de Jos hechos para descubrirse simplemente examinando poder conceptualizar de manera adecua­montañas de salidas impresas de ordena- da los problemas de investigación, Cuan­dor durante horas interminables, ¿cómo do se produjeron por primera vez los dís­trataremos de construir una teoría que turbios, muchos funcionarios públicos nos oriente en nuestro esfuerzo por com- dijeron que eran obra de un grupo de prender Jos aspectos de la vida política ciudadanos pobres sin vínculos estables que nos interesan? ¿Qué procesos inter~ con la sodedad., Si hubiéramos aceptado vienen? La respuesta no es clara ni senci~ esa interpretación e intentado compren­lla, pues Jas teorías se desarrollan de di- der los disturbios, habríamos definido versas maneras. No podemos esbozar una nuestra tarea diciendo que se trataba de serie de procedimientos para lograr una explicar por qué ese «populacho>) tan nu­teoría útil deJ mismo modo que podríamos meroso se había concentrado en nuestras describir la manera de construir una apa- ciudades en aquellos momentos y qué le rato estereofónico, Pero podemos dar una había impulsado a la revuelta. Para expli­explicación de las principales ideas y eta- cario, muchos funcionarios públicos pas que generalmente conlleva Ja cons- adujeron la supuesta presencia de agita­trucción de una teoría. La primera es la dores exteriores, conceptualización del problema Sin embargo, los expertos en ciencia

Lógica de la construcción de la teoría

Empezando con el suceso o comporta­miento que deseamos comprender, debe~ mos preguntarnos en primer lugar qué sabemos sobre el fenómeno que pudiera ayudarnos a explicarlo. Podemos formar-

s.odal realizaron entrevistas en las ciuda­des agitadas por los disturbios, y supimos que la revuelta no se limitaba al popula­cho, En realidad, los revoltosos, conside­rados como un grupo, diferían bien poco del sector general de la población negra de esas ciudades 1, Este hecho nos presen~

1 R. M y R. B. Hill, ><Who Riots? A Study of Pn>rticioatian ín the 1967 Rfots», en Sup-

ta una tarea de investigación muy dife­rente de la sugerida por la interpretación sobre el populacho" Ahora debemos tratar de comprender lo que impulsó a rebelarse a ciudadanos negros normales con em­pleos, familias y otros vínculos sociales, Las explicaciones subsiguientes se cen­tran en variables tales como la reacción de los negros ante el racismo de los blan­cos más que en Ja de los agitadores exte­rioresº

En este caso, un conocimiento insufi~ ciente de los hechos podría habernos in­ducido a errores fundamentales en nues~ tra labor de construcción de la teoría" De ahí la importancia de la investigación exploratoria, destinada a establecer los hechos en un caso dado. De ahí, también, que hayamos de buscar en las publicacio­nes existentes información sobre los fenó­menos que tratamos de explicar si aspira­mos a desarroHar teorías válidas.

Pero una vez que nos hemos formado una idea del mayor núm"ero posible de hechos que están a nuestro akance1 ¿có~

mo construimos una teoría que explique esas observaciones? Por lo general, em­pezaremos por indagar en los hechos aquellas pautas que den razón de Jos su­cesos observados.

Por ejemplo, cabría preguntarse qué provoca las protestas políticas en los cam­pus universitarios- Para contestar a esta pregunta, habrá que explicar lo que lleva a los estudiantes a tomar parte en Jas protestas., Si hemos figurado entre los re­voltosos o los hemos conocido, podremos hacernos una cierta idea de sus motiva­ciones, pero para formular una explica~ ción de por qué participan numerosos es­tudiantes hará falta información sobre un número de personas mucho más elevado Convendrá que intentemos obtener datos

pfemental Studies for the NationaJ Adw'sory Com· mission on Civil Disorders (1968}

Construcción de fa teoría 33

sobre las características y los motivos de los estudiantes rebeldes en general con el fin de formular nuestra explicación, Si entre los que protestan hallamos rasgos comunes que los distinguen de los que no protestan, podremos deducir que esas ca­racterísticas ocasionaron su particiación en las manifestaciones,, Entonces, eJ pre­dominio de aquéllas entre los estudiantes universitarios pasa a formar parte de nuestra explicación del motivo de la pro­testa"

Este proceso de generaHzacíón de lo que hemos observado a lo que no hemos observado o no podemos observar se Ha~ ma induccíón, y es la base de Ja t.eorfa científica, Las teorías construidas por in­ducción de observaciones se dice que son empíricamente fundadas

En el pro<;eso de inducción, partiendo de lo que sabemos que sucede en ciertas situaciones, inferimos lo que podría suce­der en otras semejantes; establecemos un nexo lógico entre lo que hemos visto y la predicción de lo que no hemos visto, ba­sándonos en el supuesto de que existe alguna pauta constante y subyacente en los sucesos del mundo. Todos aplicamos la inducción en la vida diaria, Si observa­mos cinco veces consecutivas que la puer­ta del ascensor se abre cuando pulsamos un botón que hay en la pared, pronto llegamos a la conclusión de que el botón hace que se abra la puerta. Esto es una generalización inductiva de los pocos ca­sos que hemos observado (pulsando el botón cinco veces) a los ~asos que no hemos observado (pulsando el botón más veces o pulsando botones de ascensor en otros edificios) El proceso de inducción se muestra en el diagrama de la figura 2" la, que indica cómo se fundan en hechos las teorías construidas inductivamente.

Pero para construir ia teoría no basta con la inducción, pues la indicación de los hechos no proporciona una expiicadón, a

34 Análisis po/itico empirico

al INDUCCION

Gencrnliz::idón (condusicin i •

abstracta)

t lnduró"

Prui?ba {muchos hechos

específicos)

bl DEDUCCION

Genernliz::idón {supuesto)

1 Deducción

l Pruebt1

(predicciones sobre hechos especifico:;)

Tollos los republic::ino:;

son conservndores

t Por lo tnnto

1 Todos los republicnnos

de Midtlletown son conserv::idorcs

FIGURA L 1 Representación esquemática del razonamiento inductivo y deductivo

menos que podamos indicar también por qué esos hechos han llevado a los resulta­dos observados. Volvamos al ejemplo de la protesta estudiantil. Supongamos que, según lo averiguado, los que protestan tienden a estar más insatisfechos con las medidas de actuación pública que los que no protestan, y que los primeros suelen también dar mucho menos crédito a la eficacia de la política convencional para modificar esas medidas. El establecimien­to de este hecho constituirá una explica­ción de la protesta únicamente si pode­mos demostrar por qué esas actitudes de­ben conducir a un comportamiento de protesta. Para demostrarlo, probable­mente hará falta formular algunos su­puestos sobre el comportamiento político. Concretamente, habrá que suponer que

la gente interviene para cambiar las me­didas de actuación a las que se opone firmemente, y que viene a adoptar un CO!Tiportamiento de protesta cuando cree que la participación política convencional (votar, escribir cartas, etc .. ) no va a modi­ficar esas medidas.

En ese punto, estos supuestos (también llamados axiomas o postulados) pasan a formar parte de nuestra teoría, Describen las condiciones en las que esperamos que sea probada la explicación provisional al­canzada" Indican, mediante enunciados generales sobre el comportamiento políti­co en ciertas condiciones, por qué espera­mos que se produzca la protesta estudian­tiJ por lo que sabemos de los estudiantes en los campus universitarios. Ahora pode­mos explicar el comportamiento específi­co (protesta) demostrando que éste se si­gue lógicamente de un conjunto de su­puestos teóricos.

Al hacerlo1 realizamos la operación in­versa de la que hicimos cuando procedía­mos al razonamiento inductivoº Ahora, partiendo de enunciados abstractos sobre relaciones generales, llegamos a enuncia­dos concretos sobre comportamientos es­pecíficos. Este proceso de razonamiento de lo abstracto y general a lo concreto y específico se llama deducción" Todos nos servimos de la lógica deductiva en nues­tra vida cotidiana. Si suponemos que los ascensores funcionan mediante un siste­ma de botones instalados en la pared y nos encontramos ante un ascensor, dedu­

siremos generalmente que para entrar en él hemos de pulsar el botón que hay a nuestro alcance. Por medio de la deduc­ción, hemos ido de una generalización a la predicción de un hecho específico" Este proceso se esquematiza en la figura 2" lbº

La deducción es el proceso que nos permite utilizar las teorías para explicar eventos del mundo rea/, Si podemos de­mostrar mediante un proceso de ded uc-

ción que cierto evento observado puede predecirse lógicamente basándose en el conjunto de supuestos que constituye nuestra teoría, ~sta aportará una explica­ción del evento observado. La teoría nos ayuda a comprender el evento dándonos una razón de por qué es como es, La deducción tiene por objeto proporcionar ese vínculo entre la teoría y nuestras ob­servacionesº

Pero una teoría no es válida por el mero hecho de haberla ideado. Por lo general, podemos llegar a formular mu­chas teorías para explicar un hecho deter­minado. Lo que debemos preguntarnos es cuáles de ellas son las más útiJes para ayudarnos a comprender el mundo. Y para responder a esta pregunta, tendre­mos que cotejar distintas teorías con la realidad, Antes de ocuparnos de la con­trastación de las teorías, es importante que comprendamos dos cosas, En primer lugar, hemos de conocer los rasgos que confieren utilidad a una teoría para saber cómo abordar la construcción de la mis­ma, En segundo lugar1 debemos saber cómo están relacionados sus componentes entre sf y con la investigación empírica. Par·a que una teoría sirva para explicar las observaciones debe ajustarse a una serie de normas

l, Debe ser contrastableº ¿Podemos inferir de la teoría expectativas sobre la realidad lo bastante concretas y específi­cas como para hacer observaciones que las confirmen o no las confirmen? ¿Se puede establecer una relación entre la teoría y el mundo de manera sistemática, o la teoría sólo es un conjunto de abstrac­ciones?

2c Debe ser lógicamente correcta. ¿Po­see coherencia interna Ja teoría? ¿Son compatibles sus supuestos, e inequívocos los términos que contiene?

3,, Debe ser comunicableº ¿Pueden

Construcción de la teoría 35

comprenderla otras personas con forma­ción adecuada de manera que, sirviéndo­se de ella, sean capaces de explicar los hechos y proponer ensayos de hipótesis derivadas de ella?

4. Debe ser general. ¿Es posible utili­zarla para explicar diversos hechos en diferentes momentos y lugares? ¿Pode­mos deducir de ella predicciones que pue­dan comprobarse en diferentes circuns­tancias, o está vinculada demasiado estre­chamente a un conjunto de observacio­nes?

5 Debe ser parsimoniosa, ¿Es lo bas­tante sencilla como para poder aplicarla y comprenderla fácilmente, o es tan com­pleja y profusa en condiciones y excepcio­nes que resulta difícil extraer de ella ex­pectativas explícitas sobre los hechos del mundo real?

Las teorías pueden tener cada una de esas características deseables en grados diferentes, y a veces tenemos que escoger entre ellas al desarrollar una teoría deter­minada. Tal vez hayamos de sacrificar un tanto la parsimonia, por ejemplo, para obtener una mayor generalidad o posibili­dad de verificación" Habremos de tener presentes esos rasgos deseables cuando formulemos la teoría para que el producto de nuestra labor sea verdaderamente pro­vechosoº

Componentes de la teoría en Ciencia Social

Las teorías se componen de conjuntos de conceptos que están relacionados por proposiciones lógicamente derivadas de un conjunto de supuestos. Esta es la es­tructura lógica de una teoría" Y es esta estructura Ja que nos permite utilizar Ja teoría para explicar los hechos, pues nos sirve para dar las razones por las que

53

36 AnáHsfs político empírico

podemos esperar lógicamente que las co­sas sean como son,

Para elaborar una teoría eficaz se em­pieza por las decisiones que tomamos so~ bre los elementos de construcción de las teorías: los conceptos. Un concepto es simplemente una palabra o símbolo que representa alguna idea. Los conceptos no son nada extraordinario. Nos servimos de ellos a diario para afrontar la complejidad de la realidad clasificando las cosas que encontramos con arreglo a algunas de sus propiedades que tengan interés para nor. sotros. Clasificamos Jos animales de cua­tro patas que vemos en vacas. gatos1 pe­rros y otras especies, y esta cJasíficación, por sí soJat proporcíona la base de algunas expectativas importantes (por ejemplo, los perros no son buena fuente de leche). Asignando un nombre a algo, podemos predecir ciertas tosas sobre ello, porque el nombre es un símbolo de determinadas combinaciones de propiedades.

La misma finalidad cumplen los con­ceptos en la ciencia socíal. Indican las propiedades de los objetos (personas, sis­temas políticos, elecciones} que tienen in­terés para un estudio deterrninado. Un observador put'!de estar interesado en la estructura de la personalidad de cierta persona, mientras otro estará interesado en la identificación de ésta con algún partido, y un tercero centrará su interés en su grado de alienación política, La persona posee todas esas propiedades (personalidad, identificación con un partí· dot grado de alienación) y otras muchas, pero sólo algunas de ellas interesan a una investigación concreta. Los tres observa~ dores abordan la misma realidad. Simple­mente, optan por organizar sus percepcio­nes de manera distinta, Los conceptos nos ayudan a determinar, entre numerosos rasgos o atributos, los que son importan­tes para nuestra investigación.

El hecho es que los conceptos, al igual

que las teorías, no tienen vida propia. Son instrumentos que creamos para fines es~ pecíficos y no pueden tildarse de verda­deros o falsos: sólo puede decirse que son más o menos útiles,

¿En qué consiste la utilidad de un con­cepto? Hay que hacer aquí tres conside­raciones principales

En primer término, como hemos em­prendido un estudio empírico, el concep­to, para ser Util, debe referirse a fenóme­nos que~ al menos potencialmente, sean observables. En los tiempos medievales el concepto de Voluntad Divina jugaba un papel importante para explicar los acon­tecimientos_ Sin embargo1 no podemos comprobar tales explicaciones 1 porque no podemos observar la Voluntad Divina pa­ra afirmar si está presente o ausente en un caso dado .. Si ha de tener algún valor científico, el concepto debe referirse a algo que, de algún modo, sea mensurable a través de los sentidos.

No significa esto que todos los concep­tos deban referirse a cosas directamente observables. Algunos de los conceptos más útiles en las ciencias sociales se refie­ren a propiedades que no podemos obser­var de manera directa, La gente no tiene, sin más~ un rango social del mismo modo que puede ser pelirroja, pero si sabemos ciertas cosas de ella (sus ingresos o su ocupacíón1 por ejemplo), podemos inferfr su rango sociaL Análogamente, las nacio­nes no tienen sistemas políticos autorita­rios o democráticos del mismo modo que tienen montañas o desíertos1 pero pode­'fnos inferir el grado de democracia que existe en una nación observando ciertas características de su vida política (como, por ejemplo, la índole de las elecciones y las disposiciones sobre libertades civiles).

La pregunta es: ¿podemos idear un conjunto de procedimientos para utilizar nuestros sentidos a fin de reunir informa~ ción que nos permita juzgar la presencia,

ausencia o magnitud en el mundo real de aquello a lo que el concepto se refiere? Si Ja respuesta es afirmativa, se dice que el concepto tiene referentes empíricos: se refiere a algo que es directa o indirec~ tamente observable.

En segundo lugar. además de tener referentes empíricos, los conceptos deben ser precisos-- Se han de referir a un conjunto de propiedades de algún fenó­meno y solamente a uno. Debemos saber exactamente de qué hablamos cuando utilizamos un concepto para describir un objeto. ¿Forma parte la raza de la clase social de una persona, o viene determina­da esta clase exclusivamente por factores ajenos a la raza tales como los ingresos y la educación? El grado de desigualdad en la distribución de la riqueza de una na­ción ¿forrna parte de lo que llamamos su sistema político democrático o autoritario, o la naturaleza del sistema político viene dada exclusivamerite por otros factores? La precisión es importante porque nos índica lo que hemos de observar para ver cómo se manifiesta un concepto en un caso dado. Sólo cuando lo vemos podemos emplear el concepto en explicaciones em~ píricamente fundadas.

La precisión nos ayuda también a de­termínar nuestros referentes empíricos y hacer distinciones entre los fenómenos observados. Si el grado de democracia significa sólo la presencia o ausencia de elecciones populares para cargos públi­cos, tanto la Unión Soviética como Esta­dos Unidos son democráticos" ¿Deseamos tratar a estas dos nadones como ejemplos del mismo tipo de sistema político para los fines de nuestra investigación? De no ser así, tendremos que afinar el concepto, hacerlo más preciso, para que en nuestro estudio podamos hacer una distinción en­tre ambas nacione:;

Por último, Jos conceptos, para ser úti­les. han de tener alcance teórico, Un con-

Construcción de la teoría 37

cepto tiene valor teórico cuando está rela­cionado con otros conceptos de la teoría en nUrnero suficiente como para desem­peñar un papel importante en la explica­ción de los hechos observados,

En nuestra explicación hipotética de la protesta estudiantil empleamos dos con~ ceptos. Uno de ellos era la intensidad de fas preferencias sobre políticas públicas, y el otro, la percepción de la eficacia de la acción política convencional para modifi~ car esas políticas públicas. Estos dos con~ ceptos quedaron vinculados por los su­puestos de que la gente intervendría para cambiar las normas con las que estuviera en profundo desacuerdo, y de que recu­rriría a la protesta cuando le pareciera que otros medios de influencia no iban a dar resultado. Dados estos supuestost al encontrar la combinacíón concreta de ac­titudes a la que hemos aludido, vendre­mos a esperar un comportamiento de pro­testa. Cada concepto es esencial para la explicación y está vinculado tanto a los supuestos teóricos como al otro concepto. Ambos tienen valor teórico porque de­sempeñan un papel necesario en nuestra explicación.

Podernos empezar a comprender ahora que la teoría da eficacia a los conceptos vinculándolos de manera que puedan uti­lizarse al formular las explicacionesc La teoría une entre sí los conceptos estable­ciendo relaciones entre ellos, cuyos enun­ciados adquieren la forrna de proposi· ciones derivadas de nuestros supuestos.

Las proposidonesf en general, postulan uno de dos tipos principales de relación entre los conceptos: covariación y cau­salidad. Las relaciones de covariación indican que dos o más conceptos tienden a cambiar simultáneamente: a medida que uno aumenta (o disminuye}, aumenta (o disminuye) el otro. Estas relaciones nada nos dicen sobre lo que hace cambiar los conceptos simultáneamente, Por

38 Análísis político empírico

ejemplo, podríamos predecir que el grado de información política y la probabilidad de voto covarían 1 que a medida que crece el uno, crece la otra __ Pero ¿es más proba­ble que se vote porque se tiene más infor­maciónt se obtiene más información por­que se piensa votar y se quiere tomar una decisión correcta1 o el grado de informa­ción y la probabilidad de voto dependen ambos de un tercer factor, como, por ejemplo, el interés por la política o el criterio que se tiene del deber cívico? La proposición no nos Io dice. ~'.

Las relacíones causales indican que los cambios producidos en uno o más concep­tos llevarán a que se produzcan cambios en uno o varios conceptos diferentes o conllevarán dichos cambios. Por ejemplo1

podemos sostener que cuanto más fuerte sea la identífic.ación con un partido, mayor será la probabilidad de voto, El hecho de sentirse miembro de un partido puede impulsar a votar, pero la probabili­dad de votar no crea la identificación con el partido.

Todos estarnos acostumbrados a pensar en términos de causa a efecto en nuestra vida diaria, pero solemos utilizar estos conceptos de manera imprecisa. A menu­do, es muy dificil determinar las causas o consecuencias deJ comportamiento huma~ no: cuando más importante es el hechot más dificil es deslindar sus causas, ¿Qué provoca la guerra? ¿Un movimiento so­cial o la creación de un nuevo partido político?

A causa de esta complejidad, debemos ser cautelosos y no postular relaciones causales más que cuando se cumplan cua­tro condiciones simultáneamente: primew ra, que la causa y el efecto postulados cambien juntos, o covaríen; segunda: que la causa preceda al efecto; tercera, que podamos determinar un vínculo causal entre la causa y el efecto supuestos {lo que significa que hemos de poder estable-

cer el proceso por el que los cambios en A ocasionan cambios en B), y cuarta 1 que la covarianza de ios fenómenos de causa y efecto no se deba a su relación simultánea con un tercer factor..

Esta última condidón nos previene so~ bre el problema de las relaciones espu­rias. Cuando A y B varían a la vez porque ambas son causadas por e y no covariarían en ausencia de C, la relación aparente entre A y B se denomina espu­ria .. Es esencial que analicemos cuidado~ samente los supuestos que formulamos para descubrir la posible falsedad en las relaciones1 antes de incorporarlos a nues­tras teorías como si fueran producto de una interacción causaL Un ejemplo clási­co de relación espuria es el caso en que un investigador averigua primeramente que el precio del ron importado y los sueldos de los ministros fluctúan al mismo tiempo~ y de ello deduce que los cambios en el precio del ron causan los de los sueldos de los ministros. Es más probable que los precios del ron y los sueldos de los minis­tros varíen como consecuencia de la mo­dificación de las condiciones económicas generales y del nivel global de los precios. La relación entre las dos primeras varia~ bles es de covaríadón, pero no causaL

Es importante reconocer otras dos ca­racterísticas de la causalidad social. En primer lugar, un fenómeno puede causar otro de manera directa o indirecta: puede que A sea causa de B sólo en la medida en que lo es de C, que es causa directa de B, Debemos tener presente el papel que 'cumple la causalidad indireeta para que nuestra teoría sea Jo más completa posible.. En segundo lugar, hemos de prestar atención al hecho de que, en ge­neral, el comportamiento humano se debe a más de una causa. A1 teorizar, debere­mos evitar la simplificación excesiva, y reconocer el papel que cumple la causa­lidad múltiple en la vida social. F,,sto

Región

Población pobre

Antigüedad del representante

Población de color

Construcción de la teoria 39

UrbanizadOn

FIOURA 2 ,2 Modelo causal de los determinantes del apóyo de Jos representantes a Ja legislacíón sobre asistencia social en el Congreso de los Estados Unidos, (De Richard G Rich, "The Representation o[ the Poor in the Policy Process; Changes irt Congressional Support for Welfare» En Robert Eyestone (ed .. ), PubHc Poticy Formation (Greenwícll, CT~ )Al Press,

1984), p~ J:J5 .. Reproducción autorizada).

quiere decir, sendHamente, que todo he~ cho puede tener varias causas diferentes y que, a veces, deben reunirse muchos hechos para causar uno determinado2

::i Figuro una amplia exposición del papel que desempefi:m las relaciones causales en la teoriz¡¡dón de Ja cienda social en Hubert M B1alock, Jr. C;;msal Jnferences in Nonex:perimental Research

Para abordar toda esta complejidad, generalmente conviene esbozar un mode­lo causal de 1a teoría1 esto es, un diagrama donde se especifican con claridad todas las reJaciones planteadas en la teoría~ con lo que se ven más fácilmente las implica~

(Chapel Hiil: University of North Carolina Press. 1964)

40 Análisis político empírico

dones de nuestros argumentos. La figura 2.2 presenta un ejemplo de ese modelo Cada una de las flechas representa una influencia causal, y la dirección en que apunta indica la variable que, segtin la teoría, ha de ser dependiente1 y la que ha de ser independiente, La teoría esquema­tizada en la figura 2.2 afirma que in­fluyen diversos factores en la decisión de un representante de votar a favor o en contra de la legislación de asistencia so­cial, y eHo de manera directa e indirecta, Por ejemplo, se índica que la magnitud de,,_ la población pobre del distrito electora! del representante influye en el voto sobre asistencia social tanto de manera directa (independiente) como indirecta a través de la pugna electoral del distrito y del grado de antigüedad del representante

Tanto las relacion€s de covariación co­mo las causales pueden ser positivas o negativas. Esto significa que los dos con­ceptos pueden cambiar ya sea en la mis~ ma dirección, ya sea en direcciones opuestasA Sí cambian en la misma direc­ción, la relación es positiva. Una rela~ dón positiva viene representada por el enunciado siguiente: cuanto mayor es la pobreza relatíva de los sectores minorita­rios en una sociedad, mayor es la probabi­lidad de violencia política. La relación negativa se expresará mediante el enun­ciado siguiente: cuanto m.;zyor es el grado de alienación política que siente una per~ sona, menor es la probabilidad de que participe en actividades políticas conven­cionales. Nuestras teorías deben especifi­car si esperamos relaciones positivas o negativas entre !os conceptos" Esta infor­mación se puede añadír a los diagramas causales colocando un signo más ( +) o menos ( - J en cada trayectoria para indi­car si se piensa que la relación es positiva o negativa.

Contrastación y elaboración de la teoría

Las teorías no deben considerarse nun~ ca como productos acabados, sino como instrumentos que ocasionaimente hay que analizar y que a menudo pueden mejorarse, Empezamos con un tema de investigación que requiere una expJica­ción de los hechos observados Seleccio­namos conceptos que, segUn esperamos, han de servir para explicarlos, y relacio­namos Jos conceptos mediante proposicio~ nes lógicamente derívadas de un conjunto de supuestos que optamos por formular para lograr una explicación, Y he aquí que ahora estamos entre la espada y Ja pared: ¿servirá de algo esta bonita estruc­tura? Al parecer, explíca lo que deseamos comprender, pero ¿podemos comprobarla de alguna manera? ¿Podemos verificar su utilidad para saber la confianza que pode­mos depositar en ella y convencer a los demás de su valor?

La contrastación de la teoría es el nú­cleo del proceso de investigaciónA Como nuestras teorías se desarrollan por lo ge­neral partiendo de fracciones de conoci­miento sobre relaciones reaJes 1 la tarea de contrastación de la teoría consiste esen­cialmente en utilizar esta última para for­mular algunas expectativas acerca de otras relaciones que no hemos observado, y verificar luego si las observaciones rea­les se corresponden con lo que esperamos obtener. No podemos confiar en las rela­ciones que ya hemos observado1 pues no hábria contrastadón alguna al indicar que fa teoría conduce a esperar Jas propias relaciones que tratábamos de explicar al construir) a

En nuestro ejemplo del ascensor, des­pués de observar los ascensores de un edificio estaremos bien seguros de que fUncionan en respuesta a un sistema de botones instalados en la pared. Incluso

estaríamos dispuestos a generalizar, par­tiendo de nuestras observaciones, y llegar a la conclusión de que todos los ascenso­res funcionan de ese modo, Sólo podemos verificar la validez de esta conclusión pro­bando realme~te otros ascensores. Pero esto no nos sirve para confirmar la com­probación sobre los ascensores del edíficio inicial, porque sabemos ya que funcionan en respuesta a los botones. y no por ello nos sentiremos más seguros de que otros ascensores también Jo hacen. Tenemos que jr a otros edificios y ver cómo funcio~ nan sus ascensores. Finalmente. nunca podemos probar que nuestra teoría sobre el funcionamíento de los ascensores es correcta, pues no podemos llegar a obser­var todos los ascensores del mundo. A medida que veamos más ascensoíes que fundonan de ese modo sin encontrar nin~ guno que no lo haga, crecerá nuestra con­fianza en la validez de nuestra generaliza­ción" Si no encontramos ningún otro as­censor que funcione mediante botones1 pronto deduciremos que nos hemos equi­vocado al generalizar las observaciones iniciales a todos los demás ascensores.

La contrastación de la teoría en cien­cias sociales obedece al mismo principio. Debemos pasar de lo que hemos observa­do al idear la teoría a lo que no hemos observado 1 para descubrir si ésta nos pro­porciona un conjunto correcto de expecta­tivas sobre et mundo, Supongamost por ejemplo, que deseamos construir una teo­ría para explicar e) comportamiento de voto, Consultamos las investigaciones ya realizadas sobre e] tema y descubrimos que, en Io relativo a los ciudadanos de Estados Unidos, la educación superior es­tá positivamente relacionada c~n la incli­nación a votar. A un mayor número de años de escolarización corresponde una mayor probabilidad de voto. Basándonos en esta observadón1 incluimos en nuestra teoría el supuesto de que Jos niveles más

Construcción de Ja teoría 41

altos de educadón conllevan una probabi~ lidad de voto más alta Sabemos que estos factores guardan relación en los Estados Unidos, pero ¿y en otras naciones? ¿Po~ demos hacer, sin temor a equivocarnos, esta generalización de las observaciones de los Estados Unidos a las relaciones en otras naciones? ¿Habrá algo exclusivo del sistema educativo de este pais que cree esa relación? El único modo de averiguar­lo consiste en observar a la gente de otras naciones.

Basándose en el supuesto de que la educación acrece Ja probabilidad de voto, podría predecirse que quienes poseen una cierta educación universitaria serán más propensos a votar que los que no han pasado del título de enseñanza secunda~ ría. Se puede comprobar esta predicción viendo si refleja fielmente las relaciones halladas en los datos de diversos países. Cuanto mayor sea la frecuencia con que encontremos pruebas acordes con la pre­dicción, más seguros estaremos de que nuestra teoría sirve para predecir el com­portamiento humano, Nunca podremos estar absolutamente seguros de que la teoría es ..:verdadera»t pues no podemos observar todos los casos ni saber con cer­teza cómo pueden cambiar con el tiempo las relaciones empíricas" Pero podemos adquirir más o menos confianza en la utílídad de la teoría comparando las pre­dicciones de ella derivadas con observa­ciones. La teoría será útil si nos permite predecir con exactitud lo que no hemos observado previamente,

Las teorías, como conjuntos de concep­tos, supuestos y proposiciones, nunca son, en definitiva, probadas ni refutadas: co­bramos confianza en la utilidad de una teoría a medida que acumulamos obser~ vadones coherentes con las expectativas o hipótesis derivadas de ella, Por el con­trariot nuestra confianza decrece a medi­da que acumulamos observaciones discor~

56

42 Análisis político empirico

dantes con Jas hipótesis teóricamente de­rivadas. Y así, lo que hemos Hamado con­trastación de ta teoría se reduce, en reaH~ dad 1 a contrastación de hipótesis, La e/a~ boración de la teoría se basa ampliamente en un proceso en el que se comparan las condiciones formuladas en la hipótesis con ]a reaHdad y, una vez que tenemos Jos resultadost se modifica nuestra teoría de modo que las hipótesis derivables de ella sean cada vez más acordes con Jo que observamos, Por eso, es muy importante observar cómo se convierten Jos interrd~ gantes de nuestra investigación en hipóte~ sis que puedan orientar los estudios empí­ricos y darnos indicios del grado en que son correctas nuestras explicaciones teóri­cas,

El papel de las hipótesis

Una hipótesis es esencialmente un enunciado de lo que, según creemos, co~ rresponde a los hechos. Expresa lo que esperamos averiguar cuando efectuamos observaciones de la realidad adecuada­mente organizadas" Las hipótesis son fra­ses declarativas que indican relaciones previstas entre los fenómenos a los que se refieren nuestros conceptos. Por Jo gene~ ral, se expresan de la forma siguiente:

Cuanto más alto {más bajo, mayor, más amplioJ más lento, etc.) es más alto (más bajo, mayor, más amplio, más lento, etc.) es

Los espacios en blanco se llenarán con los nombres de los fenómenos que espera­mos cambien conjuntamente. Por ejem­plo, partiendo del modelo de teoría repre­sentado en la figura 2 2, podríamos for­mular la hipótesis siguiente:

Cuanto mayor es la proporción de lapo· blación pobre de un distrito, mayor es la

probabilidad de que su representante vo· te a favor de la legislación de asistencia socW.

Esta es una hipótesis predictiva. No nos dice cómo se determlna el voto registra­do, pero apunta algo que podemos obser­var a fin de obtener alguna prueba sobre la coincidencia entre nuestra teoría y la realidad.

La obtención de esa prueba mediante observación empírica requiere que pase­mos del nivel muy general de la teoría a un nivel más específico en el que poda­mos organizar las observaciones. Para ello, hemos de empezar a pensar en tér­minos de variables. U na variable puede definirse como una característica empíri~ camente ob•ervable de algtln fenómeno que puede asumir más de un valor .. El sexo y la nacionalidad son dos variables que sólo pueden asumir un número limi­tado de valores y pueden •(medirse>' sólo cualitativamente por medio de designa­ciones tales como «masculino,, o .{británi~ co)¡. La edad y la renta anual son dos variables que pueden asumir una gama mucho más amplia de valores: se pueden medir cuantitativamente contando,

Las variables nos permiten convertir enunciados que contienen solamente con­ceptos abstractos en enunciados con refe­rentes empíricos más precisos, de modo que pueda evaluarse la exactitud empíri­ca de los enunciados. No es necesario emplear términos diferentes para desig­Jlªf Jos conceptos con referentes empíri­cos claros como la edad o el sexo; pero si se usan conceptos más abstractos, posible~ mente habrá que convertirlos en varia­bles para que puedan orientar nuestra investigación. Por ejemplo, el concepto de pluralismo desempeña un papel im· portante en la ciencia política, pero sus referentes empíricos no son nada darosº Para comprobar la exactitud empírica de

cualquíer enunciado sobre el pluralismo con alguna otra cosa, tenemos que con­vertir el concepto en alguna variable o conjunto de variables con claros referen­tes empíricosº Podríamos optar por utiii~ zar el número de gn1pos organizados de intereses de una nación como variable para representar el concepto de pluralis­mo en nuestra investigación, Luego, po­demos reflexionar sobre nuestra observa­ción de las relaciones entre las variables para evaluar la validez empírica de los enunciados sobre las relaciones entre los conceptos, Si estamos dispuestos a supo­ner que la variable número de grupos organizados recoge el sentido esencial del concepto pluralismo, optaremos por ad­mitir que esta variable está relacionada con alguna variable (como el nivel de gastos del gobíerno en atenciones socia­les) como prueba de que el pluralismo también está relacionado con esa otra va­riable o con el concepto que la representa,

Las variables ocupan un lugar cemral en el proceso de investigación por dos razones, En primer término, nos ayudan a determinar lo que habremos de observar para contrastar nuestra teorfa, pues pro­porcionan referentes empfrkos más pred ... sos" En segundo lugar, podernos organizar nuestras observaciones conociendo el pa­pel que desempeñan las variables en las hipótesis. Las variables cuyo valor se piensa que cambia en respuesta a los cambios de valor de otras variables se denominan variables dependientes. Su valor depende del valor de otras varia­bles. Las variables que influyen en el valor de otras mediante los cambios de sus propios valores se llaman variables independientes.

U na variable será dependiente o inde­pendiente segtln sea la relación expresada por las hipótesis que la contienen. Una misma variable puede ser dependiente en un estudio e independiente en otro. Por

Construcción de la teorla 43

ejemplo~ un teórico, al observar los es­fuerzos de presión de los grupos de intere­ses, puede deducir que cuanto mayor sea el número de grupos organizados de inte­reses de una nación~ más alto será el nivel de gastos del gobierno en programas de asistencia soda.L En este caso, el número de grupos es la variable independiente (o VI), y el nivel de gastos es la variable dependiente (o VD). Un segundo teórico pensará tal vez que los grupos organiza­dos de intereses se forman cuando se cree en la posibilidad de obtener beneficios del gobierno, por lo que, en su razonamiento, deducirá que cuanto mayores sean Jos gastos del gobierno en atenciones socia­les, mayor será el número de grupos orga­nizados de intereses. En este otro caso, los gastos del gobierno son la variable inde­pendiente, y el número de grupos es la variable dependiente, La diferencia entre estas dos perspectivas de las relaciones en cuestión se representa en el diagrama de la figura 2 ,3

Esto es ;mnrnrtont"

proyecto de requerido vie-ne determinado en parte por el papel asignado a las diferentes variables. Si afinnamos que el aumento del número de grupos de intereses conlleva el de los gas~os del gobierno, no nos interesa obser­var el aumento de los gastos del gobierno entre 1960 y 1970 y ver luego el cambio que se haya producido en el número de grupos organizados entre 1970 y 1980, No se puede atribuir a este incremento el nivel de gastos que lo ha precedido, En cambio, si en nuestra hipótesis supone~ mos que el aumento de los gastos ocasiona el aumento del número de grupost será adecuada la estrategia de observación que acabamos de describk El conoci­miento del carácter dependiente o inde~ pendiente de nuestras variables nos sirve para organizar la labor investigadora, por lo que en nuestras hipótesis se habrá de

s:r

44 Anillisis político empirico

indicar dicho carácter con toda claridad. Un detenido examen de la figura 2. 3

revela otro tipo de variable importante en el análisis sociaL En la teoría resumida en el diagrama de la figura 2.3a, la actividad de presión es una de las variables intervi­nientes: actúa entre el número de grupos organizados de intereses y el nivel de gastos del gobierno. Las variables inter­Vinlentes aportan el nexo entre las va­riables independientes y las dependien­tes. En este caso los grupos de intereses no afectarían al nivel de gastos del gobier:: no si no presionaran para obtener fondos adecuados a su causaº Si las organizacio­nes tuviesen prohibido cabildear en la legislatura, la aparición de organizaciones representantes de grupos de intereses no estaría relacionada con el nivel de gastos del gobierno.

En la figura 2 .. 3b, la eventual obtención de beneficios sirve de variable intervi­niente" La organización de grupos de inte­reses no estaría relacionada con el nivel de gasto público si los integrantes de los gru­pos no creyeran que puedE;!:n obtener al­guna ventaja organizándolos. Por ejem­plo, si casi todo el gasto del gobierno se destinase a proyectos de defensa y muy poco a programas internos, muchos ciuda-

danos probablemente no verían beneficio alguno en que se aumentara el gasto pú­blico ni se organizarían en grupos aun cuando éste creciera rápidamente,

Las variables intervinientes condicio­nan las relaciones entre las otras varia­bles. Esto significa que el valor alcanzado por las variables intervinientes puede in­fluir en la solidez y dirección de ]as rela­ciones entre las otras variables. Si en la figura 2.3a es escasa la actividad de pre­sión, también lo será la relación entre la organización de grupos de intereses y el gasto público. Si dicha actividad es inten­sa, habrá una marcada relación entre las otras variables.

Como las variables intervinientes con­dicionan las relaciones entre las otras, el conocimiento del papel que desempeñan influirá en nuestras expectativas sobre las relaciones entre variablesº Si en nuestra teoría suponemos que la actividad de pre­sión interviene entre la organización de grupos y el aumento del gasto, podemos hacer las siguientes predicciones:

La organización de grupos de intereses estará positivamente relacionada con el aumento de los gastos del gobierno cuando sen intensa la actividad de pre­sión.

a) Los grupos como variable independiente y el gasto como variable dependiente

Formación de grupos ------­de intereses

Esfuerzos de ------------ Aumento del presión gasto del

gobierno

b) Los grupos como variable dependiente y el gasto como variable independiente

Aumento del gasto -------- Posibilidad de --------->~ Formación de del gobierno beneficios que grupos de

esperan obtener intereses los grupos por iníluencia política

FIGURA 2 .3. Teorías alternativas que explican la relación entre la actil:idad de los grupas de intereses y los niveles de gastos del gobierno

La organización de grupos de intereses estará sólo escasamente relacionada con el aumento de los gastos del gobierno cuando la actividad de presión sea muy limitada.

No nos daremos por satisfechos con predecir simplemente que la organización de grupos de intereses estará relacionada con el aumento de los gastos del gobierno, pues creemos que el que las dos variables estén relacionadas depende del valor de la variable interviniente, la actividad de presión. Por eso, debemos especificar el orden de relaciones y el papel que juega cada variable en nuestras teoríasº

Un último tipo de variable que es im­portante a este respecto es la variable antecedente. Mientras que las variables intermedias se sitúan entre las variables independientes y dependientes, las ante­cedentes intervienen antes de la variable independiente. Los estudios realizados sobre el comportamiento de voto en los Estados Unidos revelan que quienes se identifican fuertemente con un partido político son más propensos a votar que quienes no lo hacen. Y así, supondremos tal vez en nuestra teoría que la identifica­ción con un partido conlleva u ocasiona la frecuencia en el voto" Pero ¿qué hace que algunos se identifiquen fuertemente con un partido y otros no? Cabría pensar que la firmeza de la identificación de los pa­dres con el partido desempeña un papel importante en este sentido, en cuyo caso esa identificación de los padres con un partido será una variable antecedente en la cadena causal que produce la f recuen­cia de voto.

El empleo de variables intermedias y antecedentes en nuestras teorías ayuda a clarificar las cadenas causales que inter­vienen en la creación de lo:> fenómenos que deseamos explicar. Esto nos propor­ciona una base cabal para deducir hipóte-

Construcción de la teoría 45

sis con las que comprobar la utilidad de nuestras teorías, pues las hipótesis son esencialmente enunciados de relaciones entre las variab/esc Aportan una base pa­ra reunir pruebas sobre la utilidad empíri­ca de nuestra estructura teórica. Cuaqdo más numerosas y detalladas sean las rela­ciones que postulamos, más predicciones podremos hacer sobre el mundo y, por lo tanto, más contrastaciones potenciales tendremos de nuestra teoría

Falta saber cómo llegamos a esas pre­dicciones o hipótesis: ¿cómo determinar las relaciones que hemos de expresar en forma de hipótesis, en torno a las cuales podamos construir los proyectos de inves­tigación?

Formulación de las hipótesis

Llegamos a las hipótesis por el razona­miento inductivo o el deductivo. Utiliza­remos uno u otro según la etapa que hayamos alcanzado en el proceso de in­vestigación. Si empleamos todavía el mé­todo del ensayo y el error para construir una teoría, podríamos elaborar las hipóte­sis mediante un proceso de generalización inductiva. Por ejemplo, si observamos que entre los estados de los Estados Uni­dos el grado de participación política po­pular varía directamente con el de indus­trialización, podríamos hacer una genera­lización diciendo que esa relación entre variables se comprueba también cuando comparamos unas naciones con otras, Si obtenemos pruebas de Ja hipótesis, nos sentiremos más seguros para incluir la industrialización como variable en una teoría ideada para explicar la participa~ ción política, Sin embargo, hasta que no dispongamos de una teoría que revele por qué están relacionadas la industrializa­ción y la participación, no nos servirá el

46 An{llfsis político empírico

hecho de su relación para explicar la par­ticipación política.

Las hipótesis obtenidas inductivamente pueden ser importantes en la investiga~ ción exploratoria, que nos ayuda a cons­truir las teorías 1 pero no nos sirven para eKplicar los fenómenos" Una vez que he­mos establecido una teoría que ponga en relación nuestras variables en un sistema lógicamente coherente, podemos deducir hipótesis de dicha teoría mediante el ra­zonamiento deductivo" Como estas hipó­tesis son predicciones sobre eI mundo que están lógicamente implícitas en Ja teoría en la que trabajamos, su corroboración nos ayuda a explicar los hechos, pues refleja la validez del sistema teórico del que hemos extraído las hipótesis.

El razonamiento deductivo es una dis­ciplina sumamente desarroHada, por Jo que no intentaremos expJicar sus reglas3 ,

Digamos1 sin embargo -pues esto es im­portante-- que la lógica deductiva es un proceso por el que se puede hacer explíci­ta Ja información contenida en un conjun­to de enunciados- Por la sola. deducción no podemos saber nada nuevo sobre las relaciones. La utilizamos sólo para ex­traer toda la información posible de lo que ya suponemos de ellas. Usamos la deducción para aclarar las implicaciones de nuestros supuestos1 y esa darificac:ión es lo que produce las hipótesis.

Ello queda ilustrado en la deducción contenida en la figura 2. Ib. Si el supuesto en ésta establecido es correcto, esto es. si el partido republicano atrae sólo a los conservadores, cualquier conjunto de miembros de ese partido será también conservador, y como Jos republicanos de Middletown son miembros de él, serán

,::i Wesley V Salmon ofrece una introducción de füdl lectura a estu materia en l,ogic, 2 "ed (Englew wood Ctiffs, N J.: Prentíce-HaU, 1963)

igualmente conservadores. Es éste el tipo de razonamiento a que nos referimos al decir que una conclusión «se sigue lógica­mente;. de otra, La conclusión de que todos los republicanos de Middletown se­rán conservadores está lógicamente im­plícita en el supuesto de que el partido republicano atrae sólo a los conservado­res.

La tarea de elaboración de la hipótesis consiste~ lógicamente, en extraer este tipo de conclusión de los supuestos que for­man nuestras teorías. Precisamente por­que las hipótesis se deducen de Jas teorías de este modoi Ja contrastación de aquéllas aporta una contrastacíón indirecta de nuestras teorías, Si entrevistamos a una muestra adecuadamente escogida de re­publicanos de Middletown y averiguamos que no todos son conservadores~ tendre­mos buenos motivos para dudar de la validez de nuestro supuesto" La existen­cia de liberales entre los republicanos de Middletown demuestra que el partido no atrae sólo a los conservadores~ En tal caso, optaremos por modificar nuestro su­puesto a fin de que la teoria reíleje más fielmente la realidad, expresándolo, por ejemplo, en los siguientes términos: «EJ partido republicano tiende a atraer más a los conservadores que a los liberales». De este supuesto podemos deducir Ja hipóte­sis siguiente: <(Entre "tos miembros deJ partido republicano de Middletown habrá más conservadores que liberales))

Si vemos que hay unos pocos liberales Y numerosos conservadores entre los re­publicanos de Middletown, podemos de­cir que Ja prueba es consecuente con la hipótesís y con el supuesto modificado del que se ha extraído. No podemos dar toda­vía mucho crédito a la validez del supues­to, hasta que éste quede confirmado por la prueba sobre el carácter conservador o liberal de una muestra más amplía del partído republicano nacional. Después de

todo, puede que Middletown sea, de algu­na manerat excepcional Tal vez haya tan sólo diez liberales en toda la ciudad y el hecho de que solamente unos cuantos miembros del partido republicano sean liberales obedezca a ello, y no a la relati­va atracción que ejerza el partido sobre liberales y conservadores.

Lo importantet én este aspectot es que las pruebas de la exactitud de las hipóte­sis son pruebas de la exactitud de una teoría solamente cuando las hipótesis es­tán vinculadas a la teoría por lógica de­ductiva. Sólo entonces podemos apoyar­nos con verdadero fundamento en Ja prueba de la validez de una hipótesis para enjuidar la teoría de la que ésta procedeº Las teorías se desarrollan, amplían y mejoran mediante este proceso que con~ siste en deducir lógicamente las hipótesis, cotejarlas con la realidad y evaluar la teoría a la luz de Jos resultados,

Hay un tipo de hipótesis que desempe­ña un papel especialmente crucial en este proceso: la hipótesis rival alternativa. Todo hecho tiene múltiples explicadones posibles. Algunas de ellas serán totalmen­te coherentes entre sí, y más de una pue­de ser correcta, Pero en algunos casos las explicaciones serán opuestas unas a otras: si una es correcta, no puede serlo la otra, Si expresamos nuestras explicaciones en forma de hipótesis, llamaremos hipótesis rivales alternativas a las que sean incon­gruentes entre sí. Son alternativas porque aportan diferentes modos de observar o comprender el hecho que se ha de expli­car. Son rivales porque no pueden ser válidas las dos: si una es correcta, Ja otra tiene que ser incorrecta. No podemos comprobar ni comparar todas las hipótesis alternativas posibles reladonadas con un hecho, pero si hemos de dar algún crédito a la exactitud de cualquier hipótesis, de­bemos tratar de contrastar las principales hipótesis rivales para asegurarnos de que

Construcción de la teoda 47

no estamos desorientados por nuestras observaciones.

Una forma común de hípótesis rival alternativa es aquélla en que la relación entre dos variables cualesquiera es espu~ ria y Jos cambios producidos en ambas obedecen, de hecho, a un tercer factor. Este tipo de hipótesis rival alternativa es especialmente ütil en la contrastación de la teoria, pues sugiere una conclusión que nos proporciona una base sólida para de­terminar cuál de las dos hipótesis en cues­tión es más exacta.

Recordemos, por ejemplo, nuestro ejemplo en el que se infiere una relación causal entre los precios del ron y los suel­dos de los ministros partiendo del hallaz­go de que las dos variables están en reali­dad estadísticamente relacionadas- Una importante hipótesis rival alternativa es que esas flúctuaciones de ambas se deben a las modificaciones de las condiciones económicas generalest representadas por el nivel de los precios, Si esta hipótesis es correcta, Ja relación entre los precios del ron y los sueldos de los ministros desapa­recerá cuando ((controlemos» (esto es, cuando mantengamos constante) el efecto del nivel de precios. Los procedimientos estadísticos y los planes de investigación nos sirven para determinar sl este es el caso. Sí descubrimos que la relación esta­dística entre Jos precios del ron y los sueldos de Jos mínistros desaparece cuan­do mantenemos constante el nivel general de los precios, tendremos un fundamento para rechazar Jas hipótesis originales Y aceptar la hipótesis rival. Si la relación entre precios de] ron y sueldos persiste aun después de haber mantenido el nivel general de precios, daremos mayor crédi­to a la hipótesis de que ambas variables están verdaderamente relacionadas.

48 Análisis politico empírico

Conclusión

La teoría cobra credibilidad como ins­trumento intelectual eficaz cuando obte­nemos pruebas de las predicciones de ella derivadas y eliminamos las hipótesis riva­les alternativas, No obstante, debemos tener presente que ningún elemento de investigación proporciona por sí solo pruebas suficientes para aceptar o recha­zar una teoría o parte de ella que corres­ponda a fenómenos ajenos a los incluidos en el estudio Siempre existe la posibili-'" dad de que una investigación ulterior arroje pruebas contrarias a la validez de la teoría, y siempre hemos de estar dis­puestos a aceptar conclusiones opuestas y

recurrir de nuevo a la inducción para incorpnrar nu~vas pruebas a teorías más fructuosas. La construcción de la teoría es un proceso de interacción constante entre conjetura y evídendat entre razonamien­to e investigación. Requiere a la vez habi­lidad creadora y empirismo realista. Con­fiamos en proporcionar una buena dosis de este último en los capítulos siguientes.

Sugerencias para otras lecturas

Las publicaciones sobre teoría de la ciencia s~cial suelen ser tan enígmáticas que, por lo general, sólo las comprenden quienes están familiarizados con el uso especializado de los términos que apare­cen en la disciplina académica llamada filosofía de la ciencia. Con todo, esta com­plejidad no debiera ocultar el hecho de que ei proceso de construccíón de la teo­ría se funda en algunos principios fáciles de expresar y asimilar, Por su asequible tratamiento del tema y su valor didáctico, aconsejamos la lectura de los siguientes libros.

Uno de los análisis más arnpHos de los principios de la investigación en ciencia

socia) es Foundations of Behavioral Re­search, de F red N Kerlinger (Nueva York: Ho!t, Rinehart y Winston, 1964). Con relación a este capítulo, tiene espe­cia! utilidad la exposición del pape! que desempeñan las hipótesís, contenida en el segundo capitulo de la obra de Kerlínger. Tres libros que se concentran más exclu­sivamente en el desarrollo y utilización de la teoría en el proceso de investigación son: The Elementos of Social Scientilic

Thinking, 3.ª ed., de Kenneth R Hoover (Nueva York: SL Martin's Press, 1984); A Primer in Theory Consfructionj de Paul Davidson Reynolds (Indianapo!is: Bobbs Merri!I, 1971), y The Logic of Science in Sociology, de Walter Wallace (Chicago: Aldine, 1971). (Edición en castellano: La lógica de la ciencia en la sociología, Ma­drid. Alianza, 1976 .. )

The Logíc of Survey Analysis, de Mo­rris Rosenberg (Nueva York: Basíc Books, 1968), está dedicado esencialmen­te a los métodos del anáiisis de datost pero contiene también un excelente estudio de la naturaleza de las variables y las rela­ciones entre ellas, Una breve obra en Ja que se recorren con perspicacia y claridad las etapas de conceptualización, construc­ción de Ja teoría, generación de hipótesis Y contrastación de hipótesis es Ia titulada Democracy in the American South, de Charles F .. Cnudde (Chicago: Markham Publíshing Company, 1971) Su lectura ofrece una acertada imagen de los víncu­los entre teoría e investigación" El mismo tjpo de ejemplo proporciona e! artículo « Work Life and Política! Attitudes: A Study of Manual Workers>., de Lewis Lipsitz, American Politica/ Scíence Re­víew, 58 (diciembre 1964), pp. 951-62.

Ejercicios de investigación

l. La lista siguiente comprende varios conceptos que podrían utilizarse en inves-

tigación política Piense en una o más variables que puedan servir para repre­sentar cada uno de ellos. Indique hasta qué punto confía en que las variables escogidas para representar cada concepto adecuadamente reúnan todo lo que quie~ re expresar al utilizar el concepto, ¿Nece­sita varias variables para abarcar el signi~ ficado de algunos de los conceptos?

Desarrollo económico

Competencia de partidos

Ley y orden Tensiones

internacionales Igualdad política Urbanización

Representación política

Discriminación racial

Liberalismo Represión Terrorismo Poder

presidencial

2, Seleccione cuatro conceptos cuales­quiera de los enumerados en el ejercicio 1 y establezca una hipótesis que prediga una relación entre cada uno de ellos y un concepto no incluido en la Hsta con el que pueda estar razonablemente relacionado en la realidad. Formule dos de las hipóte-

Construcción de Ja teon8 49

sis donde se establezcan relaciones positi~ vas, y dos que establezcan relaciones ne­

gativas. .3, Seleccione una noticia sobre alguna

tendencia o suceso político en el que esté interesado, Imagine al menos dos explica­ciones de ta tendencia o suceso y exprése­!as con la mayor claridad posible. Haga una lista de los conceptos empleados en cada explicación y empareje cada uno de ellos con una variable correspondiente que pueda utilizar en un proyecto de investigación, índicando la índole de cada variable (independiente, dependiente, in­terviniente, antecedente). Represente en un diagrama el !lujo causal que conlleva cada una de las explicaciones

4,. Examine las explicaciones que ha imaginado en el ejercido 3 para determi­nar los supuestos que plantea sobre las relaciones en el mundo. Exprese estos supuestos del modo más claro posible. Reflexione sobre ellos para obtener algu­na conclusión sobre los sucesos que deba ser válida si lo son los supuestos, Exprese esa conclusión en forma de hipótesis pre~

dictiva.

<O.-v~~rlw

J . .v-.ve,JT fv~.Jr;.~ ~

Ah, OJA \JO- \\.M,c~'-ol

e.J ~e.fo_, (2-0t:· u (.Q,

A Ó , I

Cada calidad se manifiesta en una cierta cantidad, y sin cantidad no puede haber calidad. ffe¡sta hoy rnuchos de nuestros camaradas todavía no compren­den que deben alcanzar el e¡specto cuantitativo de las cosas: las estadísticas básicas, los principales porcentajes y los límites cuantitativos que determinan la calidad de las cosas. No tienen «cifras» en la y, corno resultado de ello, no pueden dejar de cometer errores.

La investigación empírica es un medio de obtener respuestas a preguntas sobre la realidad. Nuestras preguntas pueden ser esencialmente prácticas o de interés principalmente académico. En cualquiera de los casos, lo probable es que las formu­lemos en términos abstractos. Y, sin em­bargo, las respuestas que deseamos sue­len ser concretas y específicas. Uno de los primeros problemas de la investigación es el de idear el modo de obtener, partiendo del nivel abstracto de las preguntas, algu­nas observaciones concretas que nos per­mitan responder a ellas.

Para tomar un ejemplo ajeno a la políti­ca, supongamos que deseamos resolver la polémica sobre cuál de dos jugadores de defensa profesionales es el mayor atleta. Evidentemente, necesitamos compararlos de algún modo para establecer el argu­mento. Pero ¿sobre qué bases vamos a compararlos? Queremos determinar cuál demuestra poseer más cualidades de gran atleta, pero la grandeza atlética es un concepto abstracto. Si hemos de evaluar a cada uno de los jugadores de defensa en

67

Mao Zedong

función de su calidad, tendremos que cuantificar el concepto de grandeza atléti­ca. Podríamos optar por contar los pases que realizan en los partidos televisados, dividir ese número por los pases que han intentado y atribuir a la cantidad resul­tante el valor de la grandeza atlética. O, más bien, podríamos efectuar varias de estas operaciones sobre diferentes aspec­tos de la actuación de los jugadores, con el fin de obtener un cuadro más completo de su calidad de juego en la posición de defensas, y combinarlas luego de alguna maner¡:i. Una vez que hayamos obtenido lo~ números correspondientes, estaremos preparados para hacer comparaciones concretas y resolver el debate.

Lo que acabamos de describir es, esen­cialmente, el proceso por el que, a partir de un concepto abstracto, llegamos a for­mular una observación concreta en la in­vestigación en ciencias sociales. Es una fase crucial del proceso de investigación, pues sólo cuando se ha realizado correcta­mente, constituirá la información obteni­da una prueba de la utilidad de nuestras

./63-

68 Análisis político empírico

temias o aportará respuestas a nuestras preguntas. El proceso de seleccionar fe­nómenos observables que representen conceptos abstractos se denomina opera­cionalización, y la especificación de los pasos que han de darse al formular obser­vaciones se llama instrumentación. La aplicación de un instrumento da lugar a una medición, y ésta es la que finalmen­te nos sirve de prueba al tomar decisiones y contestar a las preguntas.

En este capítulo describiremos estos procesos en detalle y expondremos los problemas que pueden plantearse al tra­tar de operacionalizar y medir los concep­tos. Cuando haya terminado el capítulo, estará en condiciones de formular las ex­plicaciones que haya pensado tras la bús­queda de las publicaciones, en una forma que le permita cotejarlas con las observa­ciones reales. Las actividades que aquí exponemos son los últimos pasos que han de darse en el proceso de investigación antes de establece1· el proyecto y de ini­ciar verdaderamente el acopio de datos.

Operacionalización: El nexo entre teoria y observación

En el capítulo 2 hemos subrayado la importancia de contar con una teoría que oriente las observaciones. En el proceso de investigación, tal como lo hemos des­crito, se trata sobre todo de comparar las observaciones reales con las expectativas sobre la realidad derivadas de nuestras teorías, para determinar qué confianza podernos depositar en éstas, es decir, has­ta qué punto pueden expiicar los fenóme­nos políticos. Esas expectativas se han expresado en forma de hipótesis, que pre­dicen ciertas relaciones entre las varia­bles que representan los conceptos conte­nidos en la teoría. El objeto de este capí­tulo es exponer la manera de imaginar

observaciones que permitan hacer tales comparaciones. Se trata de saber córno podemos cuantificar nuestros conceptos para establecer, en enunciados precisos, si nuestras expectativas, deducidas teóri­camente, son coIToboradas o no por lo que observan1os.

En este sentido, los problernas que se plantean en las ciencias sociales son bási­camente los misrnos que en las ciencias físicas. Un sencillo ejemplo contribuirá a aclarar algunos aspectos. Deseamos con1-probar la hipótesis de que un abono quí­mico echado en un maizal estimulará más el crecimiento que las sustancias nutriti­vas naturales que hay en otro. El creci­niiento es un concepto abstracto. No po­demos verlo directamente. Necesitamos convertir el crecimiento en una variable empíricamente observable para poder de­terminar cuándo ha crecido una planta

más que otra. Podemos hacer que la variable altura

alcanzada represente el concepto creci­miento, ya que las alturas relativas son empíricamente observables. Mas las plantas de maíz no llevan señales que indiquen su altura, y tenemos que com­probarla nosotros mismos. Pero ¿cómo? Podemos recurrir al discernimiento hu­mano haciendo que algunos observadores clasifiquen las plantas de arnbos maizales en altas y bajas. Sin embargo, este proce­dimiento sólo permite hacer comparacio­nes toscas entre las plantas y está sujeto a todo tipo de errores, porque la gente di­fiere en sus apreciaciones. Necesitamos un medio más preciso y fiable de determi­nar las alturas si hemos de hacer cornpa­raciones válidas.

Lo que debemos hacer es convertir la variable altura a los términos de algún instrumento de medida que pueda utili­zarse para obtener indicaciones precisas y normalizadas sobre el grado en que las distintas plantas de maíz poseen esa ca-

racterística. Podemos hacer que la altura venga representada por un indicador, como longitud en pulgadas, y medir las plantas con una cinta métrica. Las lectu­ras con ésta obtenidas Se convierten así en los valores que asignamos a las plantas en función de la variable altura, y son estos valores los que realmente compara­mos al tratar de evaluar la exactitud de nnestra predicción: que el crecimiento se­rá mayor en un campo que en otro.

Y así, hemos pasado del concepto abs­tracto crecimiento a la variable altura; y de ésta al indicador longitud en pulgadas. Esta transformación es lo que se llama operacionalización, pues hemos reducido un concepto abstracto a un conjunto de valores que pueden obtenerse mediante operaciones especificables. Por último, hacemos cornparaciones con arreglo a las cuales estimaremos la exactitud de nues­tra hipótesis sobre el crecimiento relativo comparando los valores resultantes del proceso de medición (en este ejemplo, las lecturas oqtenidas con la cinta métrica). Cuando hablamos de observación en una investigación, nos referimos al proce­so de aplicar un instrumento de medida para asignar valores de alguna caracterís­tica o propiedad del fenómeno en cues­tión a Jos casos estudiados. En otras pala­bras, la observación significa utilizar un instrumento para medir un rasgo o com­portamiento.

Es importante comprender este punto, porque aclara el significado de la opera­cionalizacíón y la medición en el proceso investigador. Nunca podemos comparar verdaderamente los conceptos, aunque se formulen en conceptos nuestras teorías y, con frecuencia, los interrogantes de nues­tra investigación. Lo que compara1nos son indicadores de conceptos. En nuestro ejemplo, no podemos cornparar el creci­miento de las plantas en los dos maizales; sólo podemos comparar las lecturas que

De lo abstracto a fo concreto 69

obtenernos con la cinta métrica, las rnedi­das producidas por el indicador que, se­gún hen1os decidido, representa el con­cepto.

Esto significa que nuestras comparacio­nes sólo pueden ser exactas en la medida en que los indicadores escogidos reflejen el concepto que tratamos de medir. Si no hemos operacionalizado adecuadamente nuestros conceptos, la relación entre los indicadores puede no ser un reflejo fiel de la relación entre los conceptos que aqué­llos deben representar. Y si es así, será errónea cualquier conclusión que extrai­gamos de nuestras observaciones sobre los conceptos o la teoría de que forman parte.

La figura 4.1 ilustra esta situación. Nuestra teoría plantea una relación entre dos conceptos abstractos. Nuestra hipóte­sis predice una relación entre dos varia­bles empíricamente observables, que re­ducimos a indicadores mensurables, y nuestras observaciones revelan una rela­ción (o falta de relación) entre dos conjun­tos de valores en esos indicadores. Evi­dentemente, sólo podemos inferir alguna cosa sobre la realidad de la relación teóri­ca si las variables representan con exacti­tud los conceptos y los indicadores repre­sentan con exactitud las variables. La operacionalización supone casi inevitable­mente alguna simplificación o pérdida de .significado, porque los indicadores rara­mente reflejan todo lo que queremos de­cir con un concepto. Casi siempre hemos de aceptar alguna pérdida de significado, pero necesitamos operacíonalizar de tal modo que esa pérdida se reduzca todo lo posible. Tenemos que buscar indicadores que reúnan un máximo de significado del concepto y representen al menos algunos aspectos de nuestros conceptos con la mayor fidelidad posible.

Podemos ver lo que todo esto implica en nuestro ejemplo agrícola. Una vez que/ 'b

./67-

70 Análisis político empírico

TEORIA: .¡,

HIPOTESIS: .¡,

HIPOTESIS DE TRABAJO: .¡,

OBSERVACION (MEDICION):

El concepto A está relacionado con el concepto B

i t La variable a está relacionada con la variable b

t t El indicador 1 está relacionado con el indicador 2

.¡, .¡, Valores en indicador 1

Valores en ·· indicador 2

FIGURA 4.1. Operacionalización: las relaciones de concepto, variable Y medida.

hemos iniciado la investigación, compro­baremos que en el concepto «crecimien­to» hay algo más que altura, y que el indicador «altura en pulgadas» no recoge plenamente lo que deseamos medir. Por ejemplo, puede suceder que la magnitud de crecimiento sea sustancialmente dis­tinta en los dos campos, pero que toda la diferencia radique en el diámetro de los tallos, la anchura de las hojas y el peso de las mazorcas, sin que la altura de las plantas sea sensiblemente distinta en los dos maizales. En ese caso, si sólo conside­ramos la altura al evaluar los efectos del abono, nos engañaremos gravemente por­que el vínculo entre el concepto (creci­miento) y la variable que lo representa (altura) es imperfecto. La variable aquí utilizada no operacionaliza plenamente el> concepto que representa. No encierra to­do el significado que contiene el concepto, y al emplearla nos engañamos respecto a la relación que existe en el mundo real.

El nexo entre variable e indicador tam­bién puede ser imperfecto. Supongamos que operacionalizamos la altura como la longitud en pulgadas indicada por una cinta métrica y enviamos a cuatro ayu­dantes a que midan las plantas en el campo. Si erróneamente les darnos cuatro cintas métricas que están calibradas de manera diferente, las medidas que obten­gan no proporcionarán sino una compara­ción inexacta entre las alturas de las plan­tas, porque vendrán determinadas tanto

por el instrumento de medida empleado corno por la altura real de la planta. Los indicadores no representarán con exacti-tud nuestra variable. ,..

Con este tosco ejemplo se verá por qué es crucial la operacionalización para con­trastar la teoría y para el proceso de investigación en general. No es fácil ex­plicar la manera de obtener una operacio­nalización adecuada, porque para selec­cionar variables que representen los con­ceptos e idear indicadores que correspon­dan a las variables hace falta no poca capacidad creadora, y no podernos redu­cir nuestra explicación a un conjunto de normas cuya fiel aplicación produzca in­defectiblemente buenos resultados. Lo que podernos hacer es indicar algunos de los escollos que han de evitarse en el proceso y la manera de evaluar la idonei­dad de las operacionalizaciones una vez que han sido seleccionadas. Es lo que hacemos en las secciones de este capítulo que tratan de la medición.

Deflnicion.es operacionales

Pero antes de ocuparnos de la medición en ciencias sociales, debernos considerar lo que supone la operacionalización de un concepto. Se realiza ésta mediante la es­pecificación de un conjunto de procedi­mientos que se han de seguir o de opera­ciones que se han de efectuar para obte-

ner un indicador empírico de la manifes­tación de un concepto en un caso determi-· nado. Y así, estos procedimientos propor­cionan una definición operacional del concepto y su correspondiente variable. El proceso de operacionalización se redu­ce esencialmente a seleccionar definicio­nes operacionales de los conceptos.

Para que sean útiles (esto es, para que aporten medidas válidas y fiables de nuestros conceptos), las definiciones ope­racionales deben indicarnos de manera precisa y explícita lo que hemos de hacer para determinar qué valor cuantitativo debe atribuirse a una variable en cada caso dado. Han de especificar, paso a paso, todo lo que se ha de hacer en el proceso de medición.

Hay por lo menos tres motivos para ser precisos en esto: en primer término, tene­mos que estar en condiciones de decir a los demás exactamente lo que hemos he­cho para obtener nuestras medidas, a fin de que puedan evaluar nuestro trabajo y

repetir quizá nuestro estudio para verifi­car sus resultados en otro marco de expe­rimentación. En segundo lugar, si tene­mos ayudantes que obtengan la informa­ción, las instrucciones que les demos ha­brán de ser lo bastante detalladas y preci­sas como para que cada uno de ellos realice la medición exactamente del mis­mo modo que los demás. Si nuestras ins­trucciones son vagas y nuestros ayudan­tes actúan de manera un tanto díferente para obtener las medidas, sus resultados no serán comparables y no podremos ex­traer conclusiones válidas de ellos. Por último, una indicación, precisa y porme­norizada del modo de operacionalizar las variables nos ayudará a evaluar los resul­tados que obtengamos y a eliminar las explicaciones rivales en que esencialmen­te se aduzca que los ·<hallazgos,, se han producido por los defectos del proceso de medición. (Nos extenderemos sobre este

De lo abstracto a lo concreto 71

punto en secciones subsiguientes de este capítulo).

La reflexión sobre el siguiente ejemplo hipotético servirá para apreciar lo que implica el desarrollo de una definición operacionaL Supongamos que una uni­versidad le ha contratado para que evalúe los efectos de las bebidas no alcohólicas azucaradas en el rendimiento escolar de los alumnos, con el fin de determinar si se han de retirar del campus las máquinas distribuidoras automáticas. Esencialmen­te, esta tarea consiste en comprobar la hipótesis siguiente:

Cuanto mayor es el número de bebidas no alcohólicas azucaradas que consume un estudiante, menor es la calidad de su rendimiento escolar.

Para comprobarlo, tendrá que construir definiciones operacionales de los concep­tos clave consun-10 de bebidas no alcohóli­cas y rendimiento escolar. Simplifique­mos imaginando que decide asignar la variable nota media al concepto rendi­miento escolar, y que el otro concepta clave viene representado, a elección suya, pof las respuestas que den los estu­diantes a una pregunta directa sobre su propio consumo de bebidas no alcohóli­cas. Después de escoger a los colegas y estudiantes que ha de incluir en el estu­siio, deberá idear un procedimiento para obtener las medidas apropiadas, e instruir a sus ayudantes sobre el modo de aplicar­lo. Para obtener los datos sobre la varia­ble dependiente (rendimiento escolar), tendrá que especificar dónde pueden en­contrarse las puntuaciones que hayan de aplicarse, cómo se ha de calcular la nota media y cómo registrar esa información en un formulario. Para obtener una medi­da de la variable independiente, tendrá que indir:ar con precisión las preguntas que deben hacerse y especificar exacta-

/ { J -

72 Análisis político empidco

mente la manera de registrar las diversas respuestas posibles a dichas preguntas.

Cuando en su investigación elabore las definiciones operacionales de las varia­bles, deberá tener por norma formular por escrito una descripción de los procedi­mientos que vaya a seguir para obtener las medidas, con indicación por:menoriza­da de los diferentes pasos necesarios. No sólo le proporcionará esto un registro de su investigación y asegurará la normaliza­ción ge los procedimientos de medida, sino que además le dará una oportunidad de reflexionar sobre el acto de obtención de las medidas, permitiéndole descubrir posibles errores que podrían malograr la fiabilidad de los resultados.

Supongamos que querernos medir el grado en que los miembros de los dos partidos principales apoyan a su propio partido en la legislatura de un Estado. Podemos operacionalizar el concepto uni­dad del partido como votación conjunta en el registro de votos, y utilizar luego como indicador votación conjunta el por­centaje del promedio de votos de los miembros que coinciden con los de la mayoría de su partido. Pero si hemos decidido hacerlo, así, nos encontraremos ante una serie de opciones críticas en el' momento de operacionalizar realmente nuestra variable.

Podemos obtener información sobre el voto de cada legislador en los registros de la legislatura, pero después tendremos que decidir qué votos hemos de incluir en nuestro cálculo de entre los muchos regis­trados. Algunos de ellos son unánimes (como, por ejernplo, cuando se trata de la proclamación de alabanza de un héroe nacional) y no reflejan la unidad de parti­do porque no implican posiciones parti­distas. La inclusión de todos los votos reduce el grado en que nuestra medida refleja el concepto. Debemos establecer criterios para seleccionar los votos que

hemos de incluir. Por ejemplo, podremos optar por incluir solamente los registrados en votaciones donde hayan votado como mínimo dos tercios de los legisladores y donde la posición perdedora haya obteni­do no menos del 30 por ciento de los votos, para centrarnos únicamente en las cuestiones controvertidas.

Tenemos que establecer también el modo de idear un procedimiento que nos permita determinar cómo ha votado una mayoría del partido, para clasificar los votos de cada miembro en acordes o dis­crepantes con la posición de esa rnayoría. Tendremos que decidir cómo vamos a tratar las abstenciones: ¿las consideramos como una falta de apoyo al partido, o las excluimos de nuestro cálculo? Además, habremos de concretar un procedimiento que sirva, en primer lugar, para calcular los porcentajes de los votos afirmativos de cada legislador, y en segundo lugar, para obtener el promedio de aquéllos.

En cada operacionalización tendremos que tomar decisiones similares sobre el procedimiento exacto a seguir para obte­ner las medidas. U na definición operacio­nal completa revela cómo hemos decidido afrontar esos problemas y no deja ambi­güedad alguna sobre lo que realmente hemos hecho al tomar nuestras medidas.

La construcción de una definición ope­racional permite elaborar un instrumento con el que obtenerlas. En las ciencias físicas, se utilizan instrumentos tales co­mo balanzas, fotómetros y micrómetros para obtener indicadores del grado en que las cosas poseen cierta propiedad. En las ciencias sociales los instrumentos de medida adoptan formas diferentes. Entre los más característicos figuran: una serie de preguntas en un cuestionario; instruc­ciones sobre la manera de hacer y regis­trar observaciones de ciertos hechos, co­mo, por ejemplo, un debate en la asam­blea de las Naciones Unidas, y un conjun-

to de números que han de tomarse de un libro de consulta y las reglas para combi­narlos en una medida.

La adecuada instrumentación es tan importante en las c.iencias sociales como en las ciencias físicas. Del mismo modo que no intentaríamos medir el peso con una regla, no trataríamos de medir la alienación política con una serie de pre­guntas que no revelaran el grado de alie­nación que se siente. En la sección si­guiente, al ocuparnos de la validez y fia­bilidad de las medidas indicaremos algu­nas formas de comprobar los instrumen­tos elaborados en el proceso de operacio­nalización para adquirir una mayor segu­ridad de que miden aquello que desea­mos.

Medición

Operacionalizamos las variables para contar con un medio de cuantificar los conceptos abstractos, de modo que poda­mos hacer comparaciones significativas entre fenómenos del mundo real en fun­ción de las propiedades que esos concep­tos sugieren. Esta asignación de números que representan propiedades se llama medición 1

• El resultado de ésta es que tenemos un valor que podemos asociar con alguna variable en un caso dado2 .

1 Esta definición de medición se desarrolla en

Norman Campbell, What is Science? (Nueva York: Dover, 1952), p. 110.

2 Es esencial que distingamos entre una variable

Y sus va/ores. Reconocemos una variable por su capacidad de adoptar diferentes valores. La varia­ble es un concepto traducido en términos empit'icos. Un valor es una magnitud o cualidad de la variable que pueden reflejar distintos casos. Por ejemplo, 23 años es un valor de la variable edad, 25.000 dólares es un valor de la variable renta anual; 12 por ciento es un valor de la variable porcentaje de población nacida en el extranjero, y «altan es un valor de (a variable condicíón socioeconómíca.

De lo abstracto a fo concreto 73

Esto significa, simplemente, que podemos hablar con más precisión del grado en que una unidad de observación determinada (por ~jemplo, una persona, una ciudad, una nación o una organización) manifiesta la propiedad presentada por la variable que se mide. En vez de decir que una ciudad tiene un «agudo problema de cri­minalidadn, podemos hablar de índices concretos de criminalidad; y en lugar de decir que un hombre o una mujer es «ferviente republicano (o republicana)», podemos decir que ha alcanzado un 5 en nuestra medida de la fuerza de identifica­ción con e/ partido.

Niveles de medición

Los procedimientos de medición pro­porcionan un medio de clasificar y orde­nar los fenómenos, pero no todos produ­cen distinciones igualmente precisas y de­talladas entre los hechos. Por eso habla­mos de varios niveles de medición. Cuando decimos que un procedimiento produce un determinado nivel de medi­ción, lo clasificamos con arreglo a la canti­dad de información que nos proporciona sobre los fenómenos que se miden y las relaciones entre ellos. Los niveles de me­dición se denominan nominal, ordinal y de intervalo. " La medición nominal es la que pro­porciona menos información sobre los fe­nómenos. Sólo nos da un conjunto de categorías separadas que utilizamos al distinguir entre los distintos casos. La me­dición nominal se obtiene simplemente nombrando los casos mediante cierto es­quema de clasificación predeterminado. La nacionalidad se «ni.ide" generalmente en el nivel nominal clasificando a los indi­viduos en británicos, suizos, brasileños, etcétera. Esta «medición» no nos dice en qué proporción poseen la característica

./l("-

74 Análisis político empírico

«nacionalidad» los diferentes individuos ni nos permite ordenarlos por grados. El empleo de la medición nominal tan sólo nos sirve para agrupar los casos con arre­glo a los nombres utilizados en el esque­ma de clasificación.

Para que tengan utilidad, los esquemas de medición nominal deben estar basados en conjuntos de categorías que sean mu­tuamente excluyentes y colectiva­mente exhaustivas. Esto significa que 1) no será posible asignar ningún caso a más de una categoría, y 2) las categorías deberán establecerse de manera que to­dos los casos puedan asignarse a alguna categoría. Si desearnos clasificar a los vo­tantes de los Estados U nidos mediante un esquema de medición nominal, no podre­mos utilizar con éxito las categorías demó­crata, republicano, liberal y conservador porque estas categorías no son mutua­mente excluyentes. Corno los partidos po­líticos norteamericanos apelan a un am­plio espectro de votantes, es posible que una persona sea a la vez demócrata y conservadora o liberal. o republicana y conservadora o liberal. Las categorías no nos permiten diferenciar a los votantes en todos los casos. Del mismo modo, si trata• rnos de clasificar a los votantes por su afiliación a un partido utilizando solamen­te dos categorías, republicanos y demó­cratas, comprobaremos que nuestras cate­gorías no son colectivamente exhaustivas, ya que algunos votantes se consideran a sí mismos independientes o miembros de otros partidos.

Para facilitar el análisis, probablemen-te tendremos que sustituir cada categoría por un número en el esquema de medi­ción nornínaL Pero hay que tener en cuenta --:Y esto es importante-- que tales números no tienen significado real en este contexto: son simplemente símbolos. Por el simple hecho de haber optado por susti­tuir la categoría republicano por un 5 y la

categoría demócrata por un 1, no pode­mos suponer que los republicanos están cinco veces más afiliados a su partido que los demócratas. Cualquier categoría de una medición nominal puede sustituirse por un número siempre que a cada cate­goría se le haya atribuido un único número.

La medición ordinal aporta más infor­mación, pues no sólo permite clasificar los fenómenos por categorías, sino también ordenarlos por grados. Con ella podemos asociar un número a cada caso. Y este número no solamente nos indica que el caso es diferente de otros, e incluso con respecto a la variable que se mide, sino que además nos dice cómo se relaciona con esos otros casos, esto es, en qué pro­porción manifiesta poseer una propiedad determinada. Con la medición ordinal po­dernos decir qué casos tienen la cualidad medida en mayor (o menor) proporción que otros, y podernos ordenar los casos con arreglo al grado en que manifiestan esa cualidad. Esta clasificación proporcio­na una información más detallada y preci­sa sobre los casos que la que obtendría­mos con la medición nominal. El concepto clase social se suele medir a nivel ordinal, clasificando a los individuos por clase baja, media y alta.

La medición de intervalo proporciona aún más información. Cuando los casos se miden a este nivel, no sólo podernos clasi­ficarlos y ordenarlos por grados, sino de­cir también en qué proporción mayor (o menor) contienen la propiedad medida respecto a los otros cases. La medición ordinal no se basa en ninguna unidad normalizada de la variable en cuestión, ni nos dice qué diferencia existe entre unos casos y otros con relación a la variable. Sólo permite afirmar que algunos son más afines que otros. La medición de intervalo se funda en la idea de que hay alguna unidad normalizada de la propiedad que se mide.

Mientras que las medidas ordinales só­lo dan una idea aproximada de la relación entre los casos con respecto a una varia­ble, las medidas de intervalo proporcio­nan información sobre la «distancia» en­tre los casos. La variable renta es un claro ejemplo de ello. Generalmente la renta se mide en unidades de moneda (dólares y centavos en los Estados U nidos). Como podemos utilizar unidades normalizadas en nuestra medición, podemos decir que la diferencia de renta entre 10.000 y l l .000 dólares anuales es exactamente la misma que entre 50.000 y 51.000, cosa que no podernos hacer con la medición ordinal. Si medirnos la renta ordinalrnen­te dividiendo a la gente en categorías tales como de renta inferior a 5.000 $ y entre 5.000 y 9.999 $, podremos decir que una persona tiene más o menos renta que otra, pero no podremos decir exacta­mente qué diferencia de renta hay entre ambas, pues ignorarnos en qué punto que­da comprendido en la categoría un indivi­duo dado: La diferencia de renta entre una persona de la categoría 1 (menos de 5.000 $) y una persona de la categoría 2 (de 5.000 a 9.999 $)puede ser tan sólo de un dólar (5.000 menos 4.999) o de hasta 9.999 $ (9.999 menos 0), según sea su renta exacta, pero no podernos hacer esta distinción pnrtiendo de una medida ordi­nal.

Además de ofrecernos información pre­cisa sobre las diferencias absolutas entre los casos, la medición de intervalo permi­te formular enunciados exactos sobre las diferencias relativas entre los conceptos. Por ejemplo, podernos convenir en que una población de 50.000 personas es do­blemente numerosa que una de 25.000, porque se puede hablar, no sin razón, de un lugar que no tenga población alguna: en las verdaderas medidas de intervalo existe un punto cero, y es por lo menos concebible que en tales medidas corres-

ponda el cero a un caso determinado. En una escala ordinal, el punto cero no tiene sentido, por lo que no cabe afirmar, por ejerqplo, que las personas de clase alta tengan dos veces más «clase» que las de clase baja: no sabeme>s lo que significa no tener rango de clase.

Sugiere esto un punto importante sobre los niveles de medición. La forma de me­dición nominal es la de menor utilidad cuando tenemos que comparar los fenó­menos. Si la utilizamos cuando podernos aplicar un nivel de medición «superior» (más preciso), probablemente desaprove­charemos una información potencialmen­te valiosa. Si en un estudio sobre el com­portamiento de voto nos limitarnos a clasi­ficar a los individuos en republicanos, independientes y demócratas cuando po­dernos formular un conjunto diferente de preguntas y obtener una clasificación con arreglo a su mayor o menor identificación con un partido, es muy posible que pres­cindamos de una información que nos ayude a comprender las relaciones que observarnos. La medición de nivel ordinal es más provechosa que la nominal, pero también tiene sus limitaciones. La forma de medición más conveniente es la de intervalo, no sólo por el grado de detalle de la información que proporciona, sino también por los procedimientos matemá­ticos que nos permite aplicar a los datos

"que poseernos. (Nos extenderemos sobre este aspecto en los capítulos 17, 18 y 19).

Lo cierto es que, mientras sea posible y adecuado, debemos esforzarnos para que nuestras operacionalízaciones permitan la medición de intervalo. Pero ¿cómo saber el nivel de medición que es apropiado para los conceptos que hemos de opera­cionalizar? Para ello nos serviremos de la conceptualización y de la tecnología de la medición.

Al abordar en nuestra investigación la etapa de construcción de la teoda, debe-

./6~ ~ -

76 Análisis político empírico -~----~=--~~-*'~'"''>'»147<"·"-'""',...''·~·=n .: ,..~_,~,.,,.¿,.,,,~ .. ,~,..,~· '>~--'"'"~-·-• ,. ·,

mos preguntarnos ante todo si existe algu­na constante subyacente en las diferen­cias que observarr1os entre los casos. En caso afirmativo, podemos idear medicio­nes ordinales e incluso de intervalo de un concepto que, de otro modo, sólo podría medirse por clasificación nominal. Un ejemplo contribuirá a aclara!' la importan­cia de este punto.

Supongamos que esta1nos estudiando los efectos de la nacionalidad de los inmi­grantes en su grado de apoyo a los grupos políticos de las grandes ciudades de Esta­dos Unidos a principios del siglo XX. Si operacionalizamos la nacionalidad a nivel nominal y clasificarnos el apoyo al grupo político en los distritos electorales urba­nos, obtendremos un cuadro como el pre­sentado en la figura 4.2a. No existe r·ela­ción aparente entre la nacionalidad y el comportamiento de voto porque el hecho de conocer la nacionalidad dominante en un distrito no nos sirve para clasificarlo

Polaca

Sueca

Italiana

Alemana

Británica

IrJandesa

Siciliana

a)

Nacionalidad dominante en el dístrito electoral

' 1 1 o 25 50 75

Porcentaje de votos del distrito favorables

ai candidato

' 100

con relación a los demás. Pero al analizar nuestro razonamiento, concluir·emos tal vez que si suponemos relacionada la na­cionalidad con el apoyo a un grupo políti­co es porque los países de origen difieren en cuanto a las oportunidades de partici­pación política que dan a sus ciudadanos. Podemos pensar que quienes han tenido escasa experiencia sobre la política demo­crática en su tierra natal serán más pro­pensos a renunciar a su derecho de auto­nomía en favor de un líder político. Si podemos seguir este razonamiento y clasi­ficar las naciones de origen con arreglo al grado de participación política que conce­den a sus ciudadanos, podremos construir un gráfico como el de la figura 4.2b, donde se aprecia una relación entre la nacionalidad y el apoyo al grupo político. La ordenación por categorías en nuestra variable independiente permite descubrir una pauta en su relación con la variable dependiente.

Británica

Sueca

Alemana

lrlandesa

ItaHana

Siciliana

Pnlaca

bl

Nacionalidad dominante en ei distrito elf?ctoral (ordenada por el grado de participación en el país de origen)

' ' 1

o 25 50 75

Porcentaje de votos deJ distrtto favorables

al candidato

1

100

FIGURA 4.2. Ejemplo de la influencia del nivel de medición en la interpretación de los datos.

Si somos los bastante animosos, pode­mos incluso elevar nuestra medición de la variable independiente a un nivel de in­tervalo. Por ejemplo, podríamos contar las disposiciones jurídicas favorables a la participación política que se adoptaron en cada país en cuestión en los años inme­diatamente anteriores al comienzo de la emigración efe~tiva a los Estados Unidos, y utilizar las cifras obtenidas para clasifi­car las nacionalidades según una escala de intervalo, haciendo comparaciones aún más precisas entre las variables inde­pendiente y dependiente.

Podremos lograr esa elevación de las variables del nivel nominal al nivel ordi­nal o de intervalo siempre que elabore­mos la base teórica necesaria para ello y tengamos la posibilidad técnica de aplicar los procedimientos que producen las me­diciones de nivel superior. Aun cuando podamos conceptualizar la nacionalidad en términos de intervalo, en nuestro eje1nplo, es posible que no tengamos ac­ceso a los registros jurídicos necesarios para situar los países en la escala de inter­valo. En este caso, la tecnologfa de la medición limita nuestras posibilidades de acción al tratar de reforzar nuestras medi­das. Probablemente nos encontraremos con muchos casos semejantes. Por ejem­plo, si estamos investigando la relación entre el sexo y el comportamiento de voto, y sostenemos que la masculinidad es una característica que la gente posee en varios grados (el menor de los cuales co­rresponde al sexo femenino), en principio podremos clasificar a las personas según una escala de masculinidad ordinal o de intervalos si establecernos un conjunto de p1·eguntas que revelen en qué proporción poseen esa cualidad (si la poseen). Pero si carecemos de los fondos necesarios para realizar una encuesta en la que la gente pueda responder a esas preguntas, lo más probable es que tengamos que recurrir a

De lo abstracto a lo concreto 77

la clasificación nominal hombre o mujer que hallamos en los registros de afiliación a los partidos.

Debí.do a estos factores circunstancia­les, es difícil establecer reglas sobre la operacionalización de los conceptos que permitan lograr ciertos niveles de medi­ción. Hay una, sin embargo, cuya aplica­ción nos parece aconsejable, y es la de W. Philips Shively3

• Recomienda éste que utilicemos las medidas más precisas que permita el tema objeto de estudio y que no desa¡::;rovechemos información con me­diciones imprecisas. Por lo general, esto quiere decir que elevemos los procedi­mientos de medición cuanto sea posible para alcanzar niveles superiores: que no acometamos una operacionalización que conduzca a una medición nominal cuando sea teóricamente defendible y técnica­mente posible la medición ordinal o la de intervalo.

Dicho esto, hemos de añadir una salve­dad a la regla general. Hay casos en que realmente no conviene ser demasiado exactos en la medición. Shively ofrece un ejemplo de ello, que recogemos, adapta­do, en la figura 4.3. Como vemos en él, la relación entre la edad y el voto en las elecciones presidenciales de 1968 se pre­senta de dos modos diferentes. En la figu­ra 4.3a la edad se mide en años, y como son tan escasos los individuos comprendi­d"ós en cada grupo de edad (por ejemplo, 21-22, 35-36, 50-51), el gráfico no mues­tra una pauta clara en la relación entre ambas variables. En la figura 4.3b la edad se mide, con menos precisión, de cinco en cinco años, y como hay más casos en cada grupo, podemos ver que existe una pauta arnplia en la relación, donde la

3 W. Philips Shívely, The Crafte of Political Re­search, 2. ª ed. (Englewood Cliffs, N .. J.: Prentice­Hall, l 980), pp. 66. 80.

./6!J.-

78 Análisis político empírico

100

75

1 >

" -c

" 50 ';;' E " ~ o o.

25

º'---~~~~-'-~~~~~;.....~~~~-'-~~~~~~~~~~~--~~~~

w m w ~ ~ ro ~

Edad

a) Edad y participación en las elecciones de 1968: edad medida en años

~

2 e: "' b >

"' -e

"' '"' E " ~ o.

100

75

50

25

º'--~~~~-'-~~~~~-'-~~~~-'-~~~~~-'-~~~~-'-~~~~---'

20 30 40 50 Edad

60 70 80

b) Edad y participación en las elecciones de 1968: edad m~dida en grupos de 5 a{lOs

FIGURA 4 . .3.. Ejemplo del efecto de la agrupación de datos en la interpretación (W. Philips Shive~y, The Ci:aft of Politícal R.eseai:ch, 2.·' ed .. Englewood Cliffs, N. J.: Prentice-Hall, 1980,

pp. 67-68. Rep;oducción autorizada).

probabilidad de voto aumenta a los 50 años y a partir de ahí tiende a disminuir.

Al renunciar un tanto a la exactitud en nuestra medición, hemos ganado una mayor facilidad de análisis. El trueque será provechoso siempre que, por un ex­ceso de imprecisión, no perdamos nueva­mente de vista las relaciones. Si medimos la edad de 20 en 20 años, advertiremos poca diferenciá en el porcentaje de cada grupo de edad que vota, de lo que podría­mos deducir erróneamente que la edad no gw:.¡Ja relación con la probabilidad de voto. Como, en general, hasta que no procedemos al verdadero análisis de los datos no sabemos qué precisión será nece­saria para descubrir las relaciones, debe­remos seguir la regla de operacionalizar nuestros conceptos con la mayor exacti­tud posible. Siempre podremos prescindir de la precisión que nos parezca innecesa­ria «abatiendo las categorías» (pasando a unidades de diferen¡:::iación más amplias); pero si no empezamos por reunir la infor­mación, no podremos recurrir a ella más adelante.

Hipótesis de trabajo

La medición asigna ciertos valores a los casos con respecto a determinadas varia­bles. Estos vaiores son los que utilizamos para representar los conceptos cuando comparamos las observaciones. Y para comprender las implicaciones que éstas tienen en nuestras teorías, hemos de con­vertir las hipótesis sobre las relaciones entre variables en hipótesis de trabajo, donde a su vez se enuncian las relaciones que esperamos hallar entre medidas o indicadores. La penúltima línea de la fi­gura 4.1 sugiere la forma que adoptan las hipótesis de trabajo. Estas nos obligan a establecer los vínculos que, según cree­mos, ha producido nuestra operacionalí-

De lo abstracto a lo concreto 79

zación entre los indicadores y las varia­bles.

Supongamos, tomando ,un ejemplo so­bre el estudio de las relaciones internacio­nales, que estamos interesados en una teoría de la dominación en la esfera inter­nacional. Partiendo de· la proposición teó-­rica Cuanto más dominada esté una na­ción, más conformista será su política ex­terior, podemos formular la hipótesis A medida que aumente la dependencia eco­nómica de una nación, aumentará su apoyo a la política internacional del esta­do protector. Podemos operacionalizar la dependencia económica como el porcen­taje de las exportaciones de la nación dirigidas al país protector. El porcentaje de las exportaciones pasa a ser nuestro indicador de la variable independiente dependencia. El apoyo puede medirse por el porcentaje de votos emitidos en la Asamblea General de las Naciones Uni­das en que el voto de la nación cliente difiere del voto del estado protector. Un porcentaje de votos en las Naciones Uni­das viene a ser nuestro indicador de la variable dependiente apoyo a la política del estado protector. Ahora podemos es­tablecer una hipótesis de trabajo que enuncie la relación negativa que espera­mos exista entre los indicadores: A medi­da que aumente el porcentaje de las ex­portaciones dirigidas al estado protector, disminuirá el porcentaje de votos discre­pantes con el estado protector en las Na­cíones Unidas.

Esta hipótesis de trabajo nos indica las observaciones que son acordes con nues­tra hipótesis y nuestra teoría. Sugiere, además, la relación que prevemos entre variables e indicadores. Esta relación es la presentada en el diagrama de la figura 4.4.

Se ve en el diagrama lo importante que es analizar detenidamente la relación en­tre nuestras medidas y nuestras variables.

.169-

o "'

80 Análisis politico empírico

CONCEPTO: Dominación-- PROPOSICION: Cuanto más dominada----:;. CONCEPTO: Conformidad esté una nación por otra, más conforme será su política exterior a la de la nación dominante.

A medida que aumenta A medida que aumenta el concepto, aumenta el concepto, aumenta la variable. la variable.

i ~ VARIABLE: Grado de---- HIPOTESIS: Cuanto mayor sea el .._VARIABLE: Apoyo a la

dependencia económica

grado de dependencia económica, política exterior mayor será el apoyo a la política del protector

1

exterior de la nación protectora. l. A medida que aumenta A medida que aumenta

la variable, aumenta la variable, disminuye el indicador. el indicador.

i t INDICADOR: Porcentaje ---HIPOTESIS DE TRABAJO: Cuanto -;.INDICADOR: Porcentaje

de exportaciones al mayor sea el porcentaje de las de votos de las NU protector exportaciones de una nación contrarios al voto del

dirigidas al protector, menor será protector el porcentaje de votos de esa nación emitidos en las NU que sean contrarios al voto dél protector.

FIGURA 4.4. Especificación de las relaciones entre conceptos, variables e indicadores.

La relación prevista en la propos1c1on y en la hipótesis es positiva; pero la que se predice en la hipótesis de trabajo es nega­tiva, porque también es negativa la re la-, ción entre la variable dependiente y su indicador. Quiere esto decir que, debido al modo en que hemos operacionalizado la variable dependiente, una relación ne­gativa entre los indicadores aportará pruebas para una hipótesis y una proposi­ción teórica que prevé relaciones positi­

vas entre los conceptos y las variables. Hemos de tener esto presente para evitar una interpretación errónea de los datos y llegar a conclusiones correctas sobre la utilidad de nuestra teoría partiendo de nuestras observaciones.

Es tan importante la claridad requerida en la relación entre nuestros indicadores y las variables y los conceptos que repre­sentan que, en opinión de algunos exper-

tos en ciencia social, además de nuestras teorías sobre los fenómenos políticos, de­bemos ser capaces de formular una teoría

de la medición donde se indique por qué esperamos que nuestros indicadores estén relacionados con nuestros conceptos4 •

¿Por qué pensarnos que la dependencia económica ha de estar relacionada con la concentración de expm1:aciones? ¿Cómo es que la distribución de las exportaciones viene a reflejar lo que querernos decir al referirnos a la dependencia? Es este tipo de preguntas el que ayuda a responder una teoría de la medición bien elaborada.

4 Véase, por ejemplo, Hubert M. Blalock, Jr., «The Measurement Problem: A Gap Between the Languages of Theory and Research.,, en Methodo­logy ín Socíal Research, Hubert M. Blalock, Jr. y Ann Blalock, eds. (Nueva York: McGraw-Hill, 1968), pp .. 5-27.

La teoría de la medición está formada por supuestos que explican por qué deben cambiar los valores de nuestros indicado­res a medida que cambia el grado en que los casos manifiestan nuestros conceptos.

Los indicadores no se pueden escoger al azar, sino después de un cuidadoso razonamiento sobre la manera en que las cosas están relacionadas en el mundo. Este razonamiento es muy semejante al que seguirnos al construir las teorías sobre los fenómenos políticos. Es posible que las conclusiones que alcancemos estén equi­vocadas. De hecho, las propiedades a que nos referimos cuando utilizamos un con­cepto pueden no guardar relación con los indicadores que decidimos emplear corno medidas empíricas de aquél.

Volvamos a nuestro ejemplo del estu­dio destinado a determinar si el consumo de bebidas no alcohólicas afecta al rendi­miento escolar. Optamos por ·medir dicho consumo mediante una sencilla encuesta en la que se pregunt~ a los estudiantes qué cantida¡:i de bebidas espumosas con­sumen en un lapso determinado, dando por supuesto que dirán la verdad y que a los que beben más se les atribuirá en nuestro indicador un valor superior que a los que beben menos. Pero supongamos que las respuestas de los estudiantes a nuestras preguntas dependen totalmente de que hayan adivinado o no la finalidad del estudio y de si quieren engañar a la universidad respeCto a la cantidad de be­bidas espun1osas que consumen. En este caso, el vínculo esperado entre la variable y el indicador será inexistente, y no po­dremos extraer válidamente ninguna con­clusión de nuestras investigaciones acerca de los efectos del consumo de tales bebi­das a no ser que arbitremos alguna otra medida distinta.

Esta cuestión de si existe alguna corres­pondencia, por un lado, entre nuestros conceptos y variables, y, por otro lado,

De lo abstracto a lo concreto

entre nuestros indicadores o medidas, es el problema central de la medición en la ciencia. El interrogante de si los cambios producidos en nuestros indicadores obe­decen realmente a los cambios en los conceptos que representan plantea los problemas de fiabilidad y validez que abordaremos en secciones subsiguientes de este capítulo. Lo que importa retener aquí es que la idea de una teoría de la medición apunta el modo en que debemos enfocar estos problemas en nuestra inves­tigación.

Cada operacionalización de un concep­to es, en esencia, una hipótesis. Cuando operacionalizarnos y decimos «Este indi­cador corresponderá a ese concepto», for­mularnos la hipótesis de que las cosas que querernos expresar al utilizar el concepto quedan verdaderamente reflejadas en el indicador escogido; y esa hipótesis vendrá o no corroborada por las observaciones. Nunca podremos dar por supuesta la ido­neidad de nuestras medidas, sino que ha­bre1nos de examinar nuestras observacio­nes con el fin de comprobar si represen­tan lo que pretendernos con nuestros con­ceptos. En las ciencias sociales, la búsque­da de procedimientos de medición válidos y fiables es, en muchos aspectos, un pro­ceso de verificación de hipótesis. Debe­mos estar dispuestos a admitir nuestros errores y a vol ver a empezar cuando las pruebas indiquen que los indicadores no r~flejan nuestros conceptos. La compro­bación de las medidas obtenidas se plan­tea sobre todo cuando intentamos evaluar la validez y fiabilidad de los indicadores que hemos escogido.

Error de medición: el enemigo

Corno resultado del proceso de medi­ción, se asignan diversos valores a los diferentes casos, con arreglo a la califica-

_¡ :¡.o ...

82 Análisis político empírico :, ·~,;_.,,~~-<=-.-----4'-"~·"

cíón que se dé a éstos en nuestros indica­dores. Todas las diferencias de califica­ción pueden atribuirse a dos fuentes fun­damentales. Una es la medida en que los casos demuestren poseer realmente dis­tintos grados o aspectos de la propiedad que nos interesa. Se producen diferentes calificaciones cuando las medidas obteni­das recogen de verdad esas diferencias. En este caso, las diferencias reales en el concepto quedan reflejadas en nuestras medidas. La otra fuente de diferencias en las calificaciones es el grado en que algún aspecto de la propia medida o el entorno en el que se aplica hace que obtengan calificaciones distintas los diferentes ca­sos. Entonces, . nuestras medidas mues­tran ciertas diferencias entre los casos que no son reales, en el sentido de que no reflejan diferencias auténticas en el con­cepto que deseamos medir. Cuando esto sucede, las diferencias que observamos se deben a incongruencias en el procedi­miento de medición.

Si nuestras medidas fuesen perfectas, sólo revelarían el primer tipo de diferen­cias entre los casos; pero es raro -por no decir imposible-- que las medidas sean impecables. Inevitablemente, las diferen-, cías en los valores asignados a los casos no sólo reflejan diferencias reales en el grado en que esos casos manifiestan el concepto, sino también diferencias «artificiales" creadas por el proceso de medición. Las diferencias en los valores asignados a los casos que sean atribuibles a algo distinto a las diferencias reales se llaman errores de medición. No son diferencias reales entre los casos, sino diferencias que han sido erróneamente registradas por defec­tos del proceso de medición.

Esta distinción entre las verdaderas va­riaciones de los valores y las variaciones debidas a un error de medición es se­mejante a la que existe entre las diferen­cias de objetos perceptibles a simple vista

y de manera directa y las diferencias que advertimos cuando sólo miramos su ima­gen reflejada en un espejo. Este, en la medida en que deforme las imágenes, ocultará diferencias que veríamos por ob­servación directa, o creará una impresión de diferencia que de otro modo no perci­biríamos. En las ciencias sociales, rara­mente podemos ver nuestros conceptos clave de modo dírecto, y hemos de recu­rrir a procedimientos de medición análo­gos al espejo para reflejar esos conceptos en cada caso dado. Por lo tanto, la exacti­tud de nuestras impresiones del mundo depende de la precisión con que nuestras medidas reflejen la realidad.

¿Cuáles son algunas de las causas de deformación de las imágenes obtenidas en nuestra medición? Para contestar a esta pregunta, hemos de saber si vamos a controlar el error de medición o vamos a reconocerlo cuando se presente en nues­tros datos. Podemos enumerar varias de las fuentes principales de los errores de medición señalando las fuentes comunes de diferencias en los valores asignados a los casos que sean distintas de las verda­deras dife~encias en las características que deseamos medír5

.

l. Diferencias en la distribución de otras características relativamente esta­bles entre los casos que sean reveladas de forma involuntaria por nuestras medidas. Por ejemplo, las preguntas que represen­tan nuestra medida de la ideología políti-

5 Se exponen con más detalle los puntos que siguen en Claire Selltiz, Lawrence S. Wrightsman y Stuart W. Cook, Research Methods in Social Rela­tions, .3." ed. (Nueva York: Holt, Rinehart and Winston. 1976), pp. 165-68 .. Aunque su análisis es tributario de la tradición de !a psír.ología y corres­ponde esencialmente a la investigación sobre el ser humano, muchos de !as principios expuestos son aplícables a !a amplia gama de situaciones que examinamos,

ca pueden requerir un determinado grado de inteligencia para interpretarlas y res-­ponderlas. En ese caso, las respuestas no sólo reflejarán diferencias de ideología política, sino también diferencias de inte­ligencia entre los entrevistados. Al obser­var los datos obtenidos, se confundirán los efectos de la inteligencia con los de la ideología polít.ica, y no seremos capaces de distinguir las diferencias de califica­ción que reflejan las diferencias ideológi­cas de las que reflejan las de inteligencia. De igual modo, otras características de nuestras unidades de análisis (como la ubicación regional de las ciudades, los rasgos culturales de las naciones o las fuentes de documentación) pueden re­flejarse inadvertidamente en nuestras medidas y deformar nuestras percepcio­nes de la manifestación de los conceptos de que hemos hecho nuestro objetivo. Cuando podamos detectar y medir esas influencias «Contaminantes», deberemos comprobar si manteniendo sus valores constantes · desaparecen, disminuyen o aumentan las diferencias en las califica­ciones que los casos tienen asignadas en nuestras medidas6 •

2. Diferencias en la distribución de ca­racterísticas provisionales entre los casos que se reflejan en nuestras medidas. La disposición de ánimo o el estado de salud de una persona puede afectar al modo de responder a los puntos de un cuestionario. La historia política reciente de las ciuda­des (como, por ejemplo, la revelación de corrupción entre los cargos públicos) pue­de crear diferencias sistemáticas aunque

6 Se expone con eficacia la manera de hacerlo en Donald F. Campbell, ·•Recommendations for APA Test Standards Regarding Construct, Trait, or Dis­criminant Valídity·., American Psychofo{jist, 15 (agosto de 1960), pp. 546-5.3, y Morrís Rosenberg, The L.ogic o[ Survey Analysis (Nueva York: Basíc Books, 19681

De lo abstracto a lo concreto 83

provisionales en el modo en que sus ciu­dadanos contestan a las preguntas de una encuesta. Un desastre natural de gran .magnitud puede ocasionar una modifica­ción diástica, pero provisional, en la esta­dística con la que contamos para indicar el grado de desarrollo económico. Los efectos de esas «anomalías» temporales son más difíciles de detectar y controlar que los de las características estables de nuestros casos. La única forma de preca­vernos contra ellos es estar alerta ante los indicios de que los casos individuales es­tán sujetos a esas influencias transitorias (por ejemplo, estudiando la reciente histo­ria política de las ciudades incluida en nuestro ejemplo, o advirtiendo a nuestros encuestadores que no intenten entrevis­tar a una persona que esté temporalmen­te postrada en cama), y seguir los procedi­mientos que se indican en la correspon­diente sección de este capítulo para com­probar la fiabilidad de nuestras medicio­nes.

3. Diferencias en la interpretación de los sujetos sobre el instrumento de medi­da. Este problema se plantea sólo cuando los entrevistados deben responder direc­tamente a las preguntas, distinguiéndose del caso en que el investigador construye las medidas observando el comporta­miento. Si nuestras preguntas están re­dactadas de manera ambigua, las distin­tas interpretaciones que les den los entre­vistados pueden producir diferencias en su calificación en las medidas compuestas de esas preguntas. Imaginemos, por ejem­plo, que en un estudio del comportamien­to de voto nos conter..._tamos con pregun­tar: ¿Votó usted en las últimas eleccio­nes? Si algunos de los entrevistados igno­ran que la semana anterior se han cele­brado elecciones locales, probablemente contestarán que han votado, creyendo que en la pregunta se alude a las últimas elecciones nacionales, aunque no hayan

./l-1-

'votado, en las elecciones a que nos referi­mos en nuestra pregunta. Debernos guar­darnos de estos errores y de las consi­guientes diferencias involuntarias en nuestra rnedicíón verificando de antema­no las preguntas (corno se indica en el capítulo 7) y comprobando la fiabilidad de las medidas obtenidas.

4. Diferencias en el entorno donde se aplica la medida. También es ésta una fuente de errores de medición, sobre todo cuando en la investigación se tornan como medidas las respuestas personales a las preguntas. Por ejemplo, es bien sabido que en la investigación por encuesta la raza, el sexo y la edad de los entrevista­dos pueden influir en las respuestas. Es­tas (y, por lo tanto, las calificaciones que en la medición les asignemos) pueden di­ferir de un entrevistado a otro por el simple hecho de las características que tenga el entrevistador. Problemas simila­res pueden plantearse al margen de la investigación por encuesta; por ejernplo, si cometemos el error de hacer un análisis de contenido del noticiario nacional de un país y del noticiario de otro destinado únicamente al extranjero, en cuyo caso estarernos aplicando el mismo instrumen- , to en entornos muy diferentes y, por este solo hecho, cabrá esperar algunas diferen­cias en las calificaciones. Sólo podremos evitar esta fuente de errores de medición procurando que, en la medida de lo posi­ble, no se apliquen nuestras medidas sino en situaciones normalizad&s.

S. Diferencias en la aplicación del ins­trumento de medida. Las calificaciones asignadas a los casos pueden diferir a consecuencia de diversos errores cometi­dos al obtener y registrar la información. Es posible que los entrevistadores hayan comprendido mal las instrucciones y ha­gan las preguntas en condiciones distintas de las que el investigador pretendía. Un alumbrado pobre puede hacer que el en-

trevistado marque erróneamente el cues­tionario; los lapiceros pueden romperse y la tinta de los bolígrafos agotarse en el momento crítico, en un grupo de interac­ción, con lo que los observadores no logra­rán quizá registrar hechos decisivos; un codificador aburrido o fatigado, probable­mente no se ajustará a las instrucciones o prescindirá de ellas al codificar los docu­mentos en un análisis de contenido. Estos tipos de variación en la administración de los instrumentos de medida provocan di­ferencias en las calificaciones, con inde­pendencia de las que pueda haber entre los valores reales de fa variable estudia­da. Además de emplear solamente a ayu­dantes dignos de confianza, lo más impor­tante para obviar esta fuente de errores de medición es verificar de antemano nuestros instrumentos. Un ensayo con el instrurnento nos ayudará a descubrir posi­bles problemas «mecánicos» (corno, por ejemplo, espacio insuficiente para regis­trar en forma codificada las respuestas características) y factores humanos que pudieran influir en los resultados (entre otros, el lapso de tiempo en que los obser­vadores pueden trabajar sin fatigarse).

6. Diferencias en el tratamiento y aná­lisis de los datos. Antes de ser analizada, la información se ha de someter a toda una serie de operaciones. Es frecuente que cambie de forrna varias veces. Por ejemplo, en no pocos casos, los entrevista­dores registran las respuestas a las pre­guntas copiando cada una de las palabras que dice el entrevistado, y luego, al codi­ficar las respuestas, se reducen a un solo número esos pasajes escritos. El número escrito se transferirá tal vez a una ficha de ordenador en forma de perforación o punch en la columna apropiada, y esta perforación se convertirá a su vez en un bit (o unidad de información) en un disco o cinta magnética. En cada una de estas etapas el análisis de datos se ha simplifi-

cado, pero también se han podido come­ter errores q~e podrían reflejar diferen­cias inexistentes de los casos en una varia­ble. Dada la posibiljdad de tales errores, siernpre será conveniente comprobar dos o tres veces cada transformación y con­sexvar la forma original para ulteriores referencias.

7. Diferencias_ en el modo de respuesta personal ante la forma del instrumento de medida. Este problema se plantea espe­cialmente cuando nuestras unidades de análisis son los individuos. Los instrumen­tos de medida pueden adoptar formas tales como entrevistas orales, cuestiona­rios que ha de rellenar el sujeto, y obser­vación por un investigador entrenado. Es­tas distintas formas exigen condiciones diferentes a las personas sometidas a es­tudio: por ejemplo, una entrevista requie­re facilidad de palabra, y para rellenar un cuestionario hace falta saber leer y escri­bir. Si los individuos difieren en esas apti­tudes, también diferirán las calificaciones que les asignemos aunque en realidad aquéllos sean iguales en la variable que operacionalizarnos. Para evitar este tipo de errores de medición, lo mejor es em­plear más de una forma de medida al operacionalizar cada concepto. Tratare­mos este aspecto con más detalle en la sección de este capítulo dedicada a la validez.

Todos estos factores pueden introducir errores de medición en nuestra investig_a­ción. Los derivados de las siete fuentes de errores indicadas suelen clasificarse en sistemáticos y aleatorios. Errores siste­máticos son los que se deben a una confusión de variables en el mundo (como se índica en el apartado 1 de la lista precedente) o a la naturaleza del propio instrumento. Aparecen en cada ernpleo del instrumento y son constantes entre los casos y estudios donde se utiliza la misma

De lo abstracto a lo concreto

medida. Los errores constantes invalidan los resultados en el sentido de que las diferencias (o semejanzas) que nuestras medidas parecen revelar no reflejan con fidelidad las diferencias que creemos me-dir. Los errores aleatorios afectan a cada aplicación del instrumento de mane-ra diferente. Se producen al azar y obede-cen a características pasajeras de nuestros casos, variaciones de situación al aplicar el instrumento, defectos de aplicación y tratamiento, y otros factores que varían cuando cambia el rnodo de utilizar el ins­trumento. Invalidan nuestras medidas de manera muy parecida a la de los errores sistemáticos. Los errores aleatorios anu-lan la !labilidad de las medidas, pues si se producen al aplicarlas, no podernos obte-ner siernpre los mismos resultados.

¿Cómo evitar que los errores de medi­ción falseen nuestros resultados y hagan inútil o equívoca nuestra investigación? Para contestar a esta pregunta habremos de prestar gran atención a !as cuestiones de validez y fiabilidad.

Validez

Es raro que podarnos obtener medidas directas de los conceptos utilizados en las teorías de la ciencia social. Conceptos ta-les como poder, democracia y representa­ción no pueden ser cuantificados con la misma facilidad que los conceptos de lon­gitt:.d y peso, por poner estos dos ejem­plos. Tenemos que usar indicadores que corresponden sólo indirectamente a los conceptos que representan. Y así, siem­pre cabe la posibilidad de que los indica­dores elegidos no reflejen adecuadamente los conceptos que hemos de medir. Vali­dez es el término que empleamos para expresar en qué grado corresponden nuestras medidas a los conceptos que de­ben reflejar. Interrogarnos sobre la vali- . 9)

,/1.¿ -

86 Análisis político empírico

dez de una medida es tanto como pregun­tarnos si en realidad estamos midiendo lo que pensamos medir cuando la utiliza­mos. El logro de esa validez suele consi­derarse como el problema fundamental de medición en las ciencias sociales.

Para que una medida sea válida debe ser a la vez apropiada y completa. Si, por ejemplo, nos interesa comparar la calidad de los servicios públicos prestados en di­ferentes ciudades, tenderemos tal vez a utilizar el número de profesores de las escuelas como indicador de la calidad de los servicios educativos. Esta medida es inapropiada, porque el número de profe­sores de un sistema escolar vient:'! amplia­mente determinado por el número de es­tudiantes y la magnitud de la ciudad, y probablemente tendrá poco que ver con la calidad de la enseñanza. Si utilizamos la proporción entre el número de estu­diantes y el de profesores como indicador de los servicios educativos, tendremos una medida más apropiada, pues se redu­cirán o eliminarán las diferencias debidas a la magnitud de la ciudad. Sin embargo, la medida seguirá siendo incompleta. La enseñanza requiere más que profeso­res: exige también edificios escolares, ,pe­lículas, libros, medios docentes auxiliares y otros diversos elementos. Si considera­mos cualquiera de estos factores por sí solo, lo más probable es que obtengamos una falsa impresión sobre la calidad total de los servicios educativos. Un sistema escolar puede tener una magnífica pro­porción alumnos-profesor pero, al mismo tiempo, unos medios y unos materiales de estudio insuficientes. Sería erróneo decir que ese sistema escolar es igual que otro con idéntica proporción alumnos-profesor y excelentes medios y materiales de estu­dio. Si hemos de alcanzar la validez, de­beremos esforzarnos por construir medi­das que sean a la vez apropiadas y corn­pletas.

Esto plantea dos interrogantes: ¿cómo podemos crear medidas completas y apro­piadas, y cómo saber si lo hemos logrado?

La respuesta a la primera pregunta em­pieza con el proceso de operacionaliza­ción. Podemos definir la validez como el grado en que las diferencias de califica­ción en una medida reflejan solamente las diferencias de distribución de los valores en la variable que intentamos medir. Co­mo probablemente nunca podremos con­seguir una validez completa y total, nues­tro objetivo debe ser seleccionar medidas que puedan sufrir lo menos posible in­fluencias ajenas a las diferencias de nues­tra variable. Para ello, hemos de analizar cuidadosamente los procesos relacionados con nuestras medida::; y tratar de descu­brir las posibles causas de las variaciones en la calificación. En este sentido, lo esen­cial es precaverse contra los efectos del error sistemático.

Imaginemos, por ejemplo, que quere­rnos medir el grado de aprobación de los ciudadanos de diferentes naciones de las líneas de actuación de sus gobiernos, y que decidimos adoptar corno indicador de la aprobación o la discrepancia las respues-· tas a una serie de preguntas formuladas en una encuesta. Confiamos en que las diferencias entre las opiniones reales de los ciudadanos sean las únicas que moti­ven las diferencias reflejadas en sus res­puestas. Pero si reflexionamos un mo­mento, veremos que hay otra posible cau­sa de variación: si alguna de las naciones incluidas en nuestro estudio tiene un go­bierno autoritario que recurre a la policía secreta para reprimir la disidencia y con­sidera cualquier crítica a sus actuaciones como un acto de traición, es muy posible que sus ciudadanos tengan miedo de ex­presar en una entrevista su desacuerdo con el gobie1no. En este caso, las califica­ciones en la medición vendrán determina-

, das, por lo menos, tanto por la actitud dP

cada gobierno ante la disidencia como por las opiniones de los entrevistados. Es muy alta la probabilidad de que se produzca este tipo de error en la medición, por lo que las preguntas por encuesta consti­tuyen una operacionalización inadecua­

da. Asimismo, ya en los primeros pasos del

proceso de investigación, debernos tener en cuenta que la medición ha de ser com­pleta. Sí vamos a medir la influencia rela­tiva de los diferentes grupos de intereses en la legislatura estatal, podremos adop­tar como indicador los informes de prensa sobre las intervenciones de esos grupos ante los comités legislativos. Pero debe­mos preguntarnos si el testimonio dado en las audiencias públicas es el único modo de ejercer influencia política. Esa activi­dad se considera, con razón, corno una parte del proceso de influencias, pero hay tantos medios de ejercerlas que una medi­ción cuyo indicador sea exclusivamente el testimonio dado será necesariamente in­completa.

Así pues, para lograr operacionalizacio­nes apropiadas y relativamente comple­tas, no sólo tendremos que conocer muy bien el tema de nuestro estudio, sino que además habremos de realizar un cuidado­so análisis lógico de otras posibles opera­cionalizaciones. Con todo, solamente po­dremos verificar la validez de nuestras mediciones para determinar sí hemos ela­borado medidas correctas después de ha­ber obtenido los datos. El proceso de eva­luación de la validez de las medidas se denomina validación.

Son cuatro los métodos fundamentales de validación. Al primero se le suele lla­mar de validación pragmática, porque en ésta se estima la validez de una medida por las condiciones que demues­tra poseer para facilitarnos la predicción de un comportamiento o un hecho deter­minado. Por ejemplo, si ideamos una me-

De lo abstracto a lo concreto 87

dida del grado de atracción que los candi­datos a un cargo público ejercen sobre los votantes, podemos obtener alguna indica­ción de la validez de dicha medida apli­cándola a todos los candidatos al Senado de los Estados Unidos en un año electoral determinado, y prediciendo las posibili­dades de que resulten elegidos con arre­glo a la calificación que obtengan en nues­tra medida del influjo sobre los votantes. Cuanto mayor sea nuestro acierto en la predicción de la suerte electoral de los candidatos, mayor confianza podremos depositar en la validez de la medida, es decir, en q~1e ésta refl~ja con fidelidad el concepto deseado. Las medidas que nos permiten predecir fielmente sucesos futu­ros se dice que tienen validez predicti­va.

Para que la validación sea pragmática, hace falta algún otro indicador que con cierta seguridad puede ser reflejo válido de ellas. Cotejamos nuestras medidas con ese otro indicador como podríamos co­tejar las declaraciones verbales sobre la edad con los certificados de nacimiento. Por desgracia, en la investigación en cien­cia social es raro que hayan otros indica­dores verdaderamente válidos aplicables a los conceptos utilizados, por lo que, en general, hemos de recurrir al segundo tipo de validación: la validación construida.

La validación construida se obtiene infiriendo la validez de una medida, me­diante pruebas, del grado en que las rela­ciones reales entre las calificaciones de diversas medidas corresponden a lo que esperarnos de la teoría que nos ha llevado a emplear un indicador determinado. Es­to implica dos líneas de razonamiento.

Nuestra primera reflexión será: «Sí el concepto X tiene una relación positiva con el concepto Y y una relación negativa con el concepto Z (como dice nuestra teo­ría), también será cierto que las califica­ciones en una medida válida de X ten-

./ J..J -

' f:.

88 Análisis político emptrico

drán una relación positiva con las califica­ciones en una medida válida de Y y una relación negativa COI} las calificaciones en una medida válida de z,,. No podemos validar la medida comparando sus califi­caciones con las de otra rnedida de la misma variable cuya validez nos consta

.<como en el caso del certificado de naci­miento). Pero podernos estirnar su validez viendo, al utilizarla como indicador de l}.uestra variable, hasta qué punto produ­ce los tipos de relaciones que nos lleva a esperar nuestra teoría entre esa variable y otras distintas.

Supongamos, corno ejemplo, que reali­zamos un estudio sobre acuerdos interna­cionales. Podríamos crear una medida de la solidez de un acuerdo basándonos en el análisis de contenido de los artículos de prensa de los países en cuestión. ¿Es un indicador válido de la solidez del acuerdo entre dos países lo que los periódicos de cada uno dicen sobre el otro? Podemos hacernos una idea mediante el razona­miento siguiente: «Según nuestra teoría, cuanto más sólido sea un acuerdo entre dos naciones, con mayor frecuencia vota­rán en el mismo sentido en las Naciones U ni das y menores restricciones cornerciq­les se impondrán rnutuamente. Por lo tan­to, las calificaciones en una medida válida de la solidez del acuerdo estarán positiva­mente relacionadas con las calificaciones en las medidas de voto conjunto en las Naciones Unidas, y negativamente rela­cionadas con las calificaciones en las rne­didas de número de barreras comercia­/es».. Seguidamente procedemos a efec­tuar el análisis de datos necesario para ver sí esta expectativa queda confirmada por nuestras observaciones. Si las relacio­nes son las que esperábamos, tendremos más confianza en la validez de nuestra medida de la solidez del acuerdo. Si no es así, pondremos en duda que sea correcta nuestra medida de ese concepto.

Lo que acabamos de describir suele llamarse validación externa. Supone la comparación de las calificaciones de la medida que validamos con las calificacio­nes de las medidas de otras variables. Por supuesto, para emplear este método de validación tenernos que incluir medidas de las otras variables en nuestra investi­gación; esto es, tenemos que empezar por pensar en la manera de validar nuestras medidas al principie del proceso investi­gador. Ciertamente, cuando estemos dis­puestos a elaborar un plan de investiga­ción, debemos saber cómo vamos a com­probar la validez de nuestras medidas para estar seguros de que reunimos cual­quier otra información necesaria.

Con la validación externa solamente obtendremos pruebas convincentes de la validez de nuestra medida de una varia­ble si tenemos gran confianza en la vali­dez de las medidas que utilizamos para las otras variables. Y así, en el último ejemplo, no podríamos llegar a ninguna conclusión sobre la validez de nuestra medida de la solidez del acuerdo basán­donos en las relaciones entre los valores de esta variable y los de las otras dos si no creyéramos en la validez de nuestros indi­cadores voto conjunto y barreras comer­cia/es. El método de validación externa debe aplicarse con cautela, pues en mu­chos casos es difícil encontrar indicadores claramente válidos de las variables con las que debe estar relacionada nuestra variable principal. Esto es algo muy se­mejante a la contrastación de hipótesis. Ningún resultado garantiza por sí solo la validez (o invalidez) de la medida, sino que nuestra confianza en su validez au­n1enta a medida que acumulamos aciertos en nuestros intentos de validación. Por eso es conveniente seleccionar el mayor número posible de relaciones teóricamen­te previsibles para utilizarlas en la valida­ción externa. Cuantas más verificaciones

1..liferentes hagamos de la validez, más sólido será nuestro argumento.

La misma lógica puede aplicarse al se­gundo tipo de validación construida: la validación interna o convergente. En ésta, se han de idear varias medidas de la misma variable y comparar los valores en esas medidas. Nuestro razonamiento es que si cada uno de los indicadores propor­ciona una medida válida del concepto en cuestión, los valores atribuidos a los dis­tintos casos en las medidas deberán estar estrechamente relacionados. Si A, B y C son medidas válidas de X, todas las califi­caciones de A, By C habrán de ser muy similares.

Por ejemplo, si queremos obtener un indicador de la calidad del alumbrado en las calles de los barrios residenciales en un estudio de la distribución de los servi­cios públicos, poden1os tomar como indi­cador las impresiones de los ciudadanos sobre el alumbrado público (recogidas en una encuesta), preguntar a una muestra de los ciudadanos de una barriada cuál es su opinión sobre la calidad del alumbrado en su zona, y tomar la evaluación media corno medida de la calidad del alumbrado público. Para efectuar una validación in­terna también podemos medir la calidad del alumbrado: 1) utilizando un fotómetro para obtener una medida física de la lu­minosidad y la distribución del alumbra­do; 2) haciendo que evalúen el alumbrado

Concepto X

/l~ Valores en la

medida A

V a lores en la mcdkta B

Valores en !u medida e

------¿Relacionadas?-----"

::JJ Validación tconV<!rgenteJ interna

De lo abstracto a lo concreto

observadores adiestrados, y 3) pidiendo a los ciudadanos que comparen el alumbra­do de su calle con el que se ve en una serie de fotografías que muestran calles con diferentes calidad de alumbrado, y calculando el promedio de sus clasifica­ciones para obtener una medida de la barriada. Esto nos proporciona cuatro medidas de la variable, y si cada una de ellas es válida, todas deberán estar estre­chamente relacionadas. Esto podernos comprobarlo con estadísticas apropiadas. Si averiguamos que las calificaciones en la medida basada en las respuestas a las preguntas están poco relacionadas con las calificaciones de las otras tres medidas y que las de estas otras tres están estrecha­mente relacionadas entre sí, tendremos motivos para sospechar que no es válida nuestra primera rnedida.

Algo muy parecido sucede si pesamos un 1nismo objeto con tres balanzas dife­rentes: si cada una de éstas arroja un peso exacto y no tenernos motivo para suponer que el peso del objeto ha cambiado du­rante la verificación, esperamos que sean idénticos los pesos obtenidos con las tres balanzas. Si una indica un peso distinto, sospechamos que está desajustada.

En la figura 4. 5 se muestran las dife­rencias entre las formas interna y externa de validación construida. En la figura 4.Sa se ve que la validación interna se re~liza comprobando la correspondencia

Concepto X Com . .:epto Y Concepto Z

l l l Valor en la Vator en la Valor en la medida x ..,,....¿ Relacionadas"':l..,.. medida y medida z

"-- ¿R0/ac11J11adas? ,__/"

U) Validu.::ion externa

FIGURA 4.5. Formas de validación construida.

de las calificaciones en varias medidas diferentes del misrrw concepto. Cuanto más estrechamente se correspondan, con mayor convicción sostendremos la validez de cualquiera de las medidas. En la figura 4.Sb vemos que para efectuar la valida­ción externa hay que determinar si nues­tra medida de una variable indica que ésta está relacionada con otras varíables como cabe esperar de nuestra teoría. Si no aparecen las relaciones previstas, ten­dremos razones para sospechar que el indicador que hemos escogido no propor­cioná medidas válidas del concepto. (En el capítulo 18 nos ocuparemos de las esta­dísticas que pueden utilizarse para deter­minar el verdadero grado de relación en­tre diversas medidas.)

La misma precaución que ha de tenerse al emplear los procedimientos de valida­ción externa se ha de tener con los de validación interna. No siempre podemos estar seguros de que sean válidas nuestras distintas medidas del concepto principal. Por eso, debemos ser cautelosos y no juzgar la validez o invalidez de una medi­da con una sola verificación. Podemos adquirir sensiblemente mayor confianza en los resultados de una validación inter­na si seguimos esta sencilla regla: I.as medidas alternativas del concepto deben basarse en el mayor número posible de tipos diferentes de operacionalización.

En el ejemplo del alumbrado público nuestras medidas provienen de cuatro ti­pos de operacionalización distintos: clasi­ficación oral por los ciudadanos, medicio­nes físicas, ,?piniones de los observadores y selección de fotografías por los ciudada­nos. Cada uno de éstos representa un modo diferente de operacionalización. Cuanto mayor sea el nún1ero de modos diferentes que utilicemos y más indepen­dientes sean entre sí, rnayor confianza podremos tener en nuestra validación. ¿Por qué? La razón es la siguiente: la

principal causa de invalidez es el error de medición sistemático y aleatorio; las me­didas diferentes están sujetas a diferentes tipos de error de medición, y cuantos más indicadores tengamos para una variahle y más difieran entre sí, más improbahle será que incida en todos ellos el mismo error de medición. Si esto es así, tendre­mos una mayor oportunidad de reconocer el error de mediciÓn como causa de dife­rencias de calificación en cualquiera de nuestras medidas y, al mismo tiempo, de obtener una medida exacta de nuestra variable si utilizamos indicadores múltiples7 .

Por ejemplo, los factores que pueden invalidar nuestra medida física de la cali­dad del alumbrado público (tales como un fotómetro defectuoso) probablemente tendrán bien pm:a relación con los facto­res que podrían introducir errores siste­máticos en la medida basada en las eva-1 uaciones de los ciudadanos (tales como la tendencia de éstos a sostener, movídos por un sentimiento de orgullo comunita­rio, que los servicios públicos de su barrio son tan buenos como los de las demás zonas). Si empleamos solamente un modo de medición, toda fuente de errores pue­de influir en las calificaciones atribuidas en cada medida, lo que nos dará un indi­cador que nunca será válido, impidiéndo­nos hacer comparaciones correctas entre las medidas. Si, por ejemplo, confiamos sólo en la medida física del alumbrado pero tomamos lecturas de diferentes ma­neras (digamos en la acera, en la curva de la calle y en la calzada), cualquier defecto del instrumento de medida (en este caso,

7 Figura una excelente exposición de la lógica de las operacionalizaciones múltiples en David C. Lee­ge y Wayne L. Francis, Pofítical Research (Nueva Y<Jrlc: Basic Books, 1974), cap 5, y John L. Sullivan y Stanley F eldman, lvlultiple f ndicators (Beverly Hills, Calif: Sage. 1979)

el fotómetro) afectará a todas las medidas y no podremos utilizar ninguna para com­probar las demás.

De esta lógica se desprende lo valioso que es contar con indicadores múltiples para nuestras variables. La disponibilidad de medidas múltiples no sólo nos da una oportunidad de verificar la validez de nuestros indicadores, sino que además, y en primer lugar, mejora nuestras posibili­dades de obtener una medida válida de las variables. La multiplicidad de medi­das puede hacer que mejore verdadera­mente la validez de la medición, pues nos permite combinar los resultados de diver­sos procedimientos de medida diferentes para obtener una calificación compuesta que será un reflejo válido del valor real de nuestra variable con más probabilidad que cualquiera de las medidas tomadas por separado. Es más probable que esa calificación compuesta sea una medida válida porque también es muy posible que los errores que invalidan cada una de las medidas qq.eden eliminados cuando se combinen los resultados de varios proce­dimientos de medición.

Esto es muy parecido a lo que sucede cuando se pesa un objeto con numerosas balanzas diferentes: corno éstas no son perfectas, cada una de ellas puede arrojar un peso ligeramente distinto, por exceso o por defecto; pero si pesamos el objeto con un número suficiente de balanzas, las leyes de la probabilidad nos dicen que, en muchos casos, esos pequeños errores se anularán unos a otros, dándonos un peso medio correcto. Análogamente, si opera­cionalizamos nuestros conceptos de varias maneras diferentes de' modo que al error de medición asociado a cada operaciona1i­zación sea independiente del atribuible a todas las demás, será muy probable que obtengam.os una n1edida exacta de nues­tro concepto al combinar las diversas cali­ficaciones. (En las secciones del capítulo 9

De lo abstracto a lo concreto

dedicadas a la construcción de escalas e índices se describen posibles métodos de combinar las calificaciones para obtener una medida compuesta).

Un tercer método de validación es la llamada , validación discriminante. Cuando preguntamos si una medida de­muestra poseer validez discriminante, esencialmente lo que preguntamos es si al utilizarla como indicador de un concepto determinado podemos distinguir éste de otros conceptos. Por ejemplo, si deseamos medir el concepto confianza en los diri­gentes públicos mediante una serie de preguntas formuladas en una encuesta, y hacemos también una serie de preguntas en el cuestionario destinadas a medir la confianza en Ja gente (en general), com­parando las calificaciones de las dos medi­das podremos preguntarnos si nuestra pri­mera serie de preguntas refleja en reali­dad otro modo de medir la confianza en la gente. Si las calificaciones son muy se­mejantes, decimos que la medida de la confianza política no tiene validez discri­minante porque no nos permite distinguir el concepto de confianza en los dirigentes políticos del concepto de confianza en la gente.

Un enfoque final de la validación radi­ca en el concepto de validez manifies­ta. Algunas medidas están basadas en una observación tan directa del compor­tainiento en cuestión que no parece haber motivo alguno para poner en duda su validez: puede decirse que son válidas "ª simple vista», Por ejemplo, supongamos que hemos de medir el cumplimiento de una ley estatal por la que los estableci­mientos comerciales deben tener expues­ta su licencia de funcionamiento en la puerta principal. Puede parecer que la intervención de observadores instruidos para anotar la presencia o ausencia de tales licencias ha de proporcionar una medida evidentemente válida de ese

./JS-

Análisis político empírico

cumplimiento. Pero aunque debemos preguntarnos siempre si las medidas que hemos escogido parecen válidas a prime­ra vista, generalmente es un error confiar tan sólo en la validez manifiesta si hemos de obtener resultados exactos en nuestra investigación, y deberemos esforzarnos por confirmar la validez de las medidas mediante procedimientos reconocidos co­mo los ya indicados.

En la tabla 4.1 se resumen estos cuatro tipos de validación. Si hemos de extraer conclusiones exactas de nuestra investiga­ción, tendremos que contar con medidas válidas; pero para que éstas lo sean, debe­rán ser también fiables.

Fiabilidad

Cuando nos preguntamos por la validez de una medida, lo que preguntarnos es hasta qué punto se corresponden los valo­res que presenta con los verdaderos valo­res de la variable objeto de medición. Y

TABLA 4.1. Tipos de validación

Validación pragmática

Se cotejan los resulta· dos obtenidos mediante el índicador con los ob­tenidos mediante otro indicador que, según se sabe, es una medida vá­lida del concepto, o se comprueba la validez predictiva del indicador utilizándolo para prede­cir sucesos que reflejen el concepto objeto de medición.

Validación construida

Validación interna (con­vergente); se infiere la validez del índícador de su relación con otros In­dicadores del mismo concepto utilizando in­dicadores múltiples.

Valídación externa: se

infiere la validez del in­dicador de su relación con otros indicadores de otros conceptos con los que teóricamente debe estar relacionado el con~ cepto objeto de medi­ción.

cuando nos interrogamos sobre la fiabili­dad de una medida, nos estamos pregun­tando lo estables que son sus valores. ¿Podemos obtener el mismo valor para un caso dado cuando aplicamos la medida varias veces, o de cada aplicación resulta la asignación de un valor diferente a cada caso? Si no obtenemos esencialmente el mismo valor para un caso dado tras apli­caciones sucesivas de una medida, es que ésta no es fiable co1no indicador del con­cepto. Las reglas están hechas de mate­rias no elásticas para asegurar la fiabili­dad. Si fuesen de materia elástica, po­drían muy bien inaicar longitudes dife­rentes para un mis1no objeto aunque la verdadera longitud de éste no hubiera cambiado, simplemente porque la regla experimentaría estiramientos y contrac­ciones.

Una medida que no sea fiable no puede ser válida, pues por lo menos algunas de las diferencias en las calificaciones asig­nadas a los casos se deben a errores de medición y no a las diferencias reales que

Validación discrirninante

Se infiere la validez del indicador del grado en que nu está relacionado con índicadores de otros conceptos teóricamente distintos del concepto objeto de medición

Validación manifiesta

Se supone la validez por el carácter manifiesto del indicador (¿Se pue­de persuadir a personas entendidas de que es válido un indicador del concepto?)

existen entre los casos. Recordemos nues­tro ejemplo del estudio del alumbrado público: ¿qué pasaría si el fotómetro que utilizamos fuese tan sensible que además de registrar la luz del alumbrado captara la luz de la luna? En ese caso, los valores asignados a cada calle en la variable cali­dad del alumbrado público dependerán tanto dei brillo del alumbrado como de fac­tores tan aleatorios como la plenitud de la luna y la densidad de la capa d~ nubes. En la medida en que estos factores aleato­rios influyan en nuestros resultados, la medición no será un reflejo válido de las diferencias reales de calidad del alumbra­do público. En tal caso, la falta de fiabili­dad origina la invalidez.

Una medida puede ser fiable y, al mis­mo tiempo, no ser válida. Volvamos al ejemplo en el que se trataba de averiguar hasta qué punto estaban conforrnes los ciudadanos de diferentes naciones con las líneas de actuación de sus respectivos go­biernos. Decíamos que las preguntas for­muladas en una encuesta pueden propor­cionar medidas que no sean válidas por­que los ciudadanos de países autoritarios tal vez tengan miedo de decir la verdad sobre sus opiniones. Cmno este factor pro­voca un error sistemático más que un error aleatorio, las preguntas pueden pro­ducir resultados muy estables. Es muy probable que la gente, por mucho que se le pregunte, dé siempre la misma res­puesta; pero esto no hace que la medida sea válida.

Así pues, una medida puede ser fiable y no ser válida, pero no puede ser válida si no es fiable. Mientras que la validez está condicionada tanto por el error siste­mático como por el aleatorio, la fiabilidad sólo está sujeta al error aleatorio. Esto significa que si una medida ha sido con­vincentemente validada en estudios ante­riores, podemos utilizarla sin preocupar­nos de su fiabilidad: ha de ser fiable si es

válida. Pero la demostración de fiabilidad no garantiza su validez.

¿Cómo precavernos contra la falta de fiabilidad? ¿Cómo determinar si es o no fiable µna medida determinada? Para prevenir la falta de fiabilidad, hemos de tener presentes las diversas causas de error aleatorio de medición indicadas en este capítulo, y hacer lo posible por con­trolarlas. Y para ello, se [la de analizar el verdadero proceso de medición y verifi-car de antemano Ruestros instrumentos de medida a fin de descubrir las causas de error aleatorio que anteriormente no se hubieran advertido.

En las ciencias sociales, muchas veces es difícil determinar si es fiable la medida que hemos adoptado. La razón es que el verdadero valor de las variables que nos interesan puede cambiar profundamente con el tiempo y las circunstancias: la gen­te cambia de opinión con arreglo a su experiencia, las naciones modifican la for­ma de distribuir sus recursos <:mtre los servicios sociales y el capítulo de defensa según los riesgos militares que perciben, y así sucesivamente. Cuando los valores reales cambian de éstas y otras maneras, es dificil distinguir los efectos del error aleatorio de medición de las auténticas fluctuaciones en los conceptos que se mi­den. Esto quiere decir que la fiabilidad se debe verificar en el lapso más corto posi­ble.

"'Esencialmente, son tres los grandes métodos de evaluar la fiabilidad de las medidas en las ciencias sociales. El pri­rnero es el método de verificación reitera­da. Eh éste se aplica la misma medida al mismo conjunto de casos una y otra vez a lo largo del tiempo. Con esta técnica se plantea una dificultad cuando se trata de entrevistar a la gente (a diferencia del caso en que se rniden objetos inanimados o se observa a la gente sin que ésta lo advierta). Si repetimos las preguntas en

/K-

un breve intervalo de tiempo, los entre­vistados pueden recordar su primera res­puesta y, por un deseo de ser consecuen­tes, repetir la misma en vez de contestar como verdaderamente sienten. Si esto sucede, no podemos obtener una impre­sión exacta de la fiabilidad de las pre­guntas como indicador del concepto. Con el fin de evitar este efecto de la verifi­cación, podríamos esperar durante bas­tante tiempo para hacer las preguntas por segunda vez; pero entonces nos en­contraríamos con otro problema: que los verdaderos valores de la variable pueden haber cambiado con el transcurso del tiempo y tal vez no seamos capaces de dintinguir las diferencias de calificación debidas a la falta de fiabilidad en la me­dida de los cambios reales producidos en la variable.

En vista de esta dificultad, se ha elabo­rado un segundo tipo de verificación de la fiabilidad: el llamado método de las for­mas alternativas de medición. En éste, se aplican diferentes formas de la medida al mismo grupo de casos, o se aplica la mis­ma medida a diferentes grupos al mismo tiempo. De este modo no puede haber efecto de verificación porque ningún caso se medirá más de una vez, y como no transcurre el tiempo entre las aplicacio­nes de la medida, los cambios reales en las variables estudiadas no pueden influir en los resultados. Sin embargo, el éxito de esta estrategia depende de que las formas alternativas de la medida sean perfecta­mente comparables entre sí como medida del concepto, o de que los dos grupos sean virtualmente equivalentes con respecto a la distribución de la variable que se mide. En el supuesto de que se cumplan estas condiciones, cuanto mayor sea el nü1nero de calificaciones semejantes en las dos medidas o en los dos grupos, mayor con­fianza tendremos en nuestra medida. Pe­ro sí no podemos obtener medidas o gru-

pos comparables, no podremos utilizar el método con propiedad.

El último procedimiento básico de veri­ficar la fiabilidad de una medida es el llamado método de submuestreo. Consis­te en tomar una muestra de casos y divi­dirla en varias submuestras de manera que cada una de ellas sea muy semejante a las demás en su composición. Luego se aplica la misma medida a todas las sub­muestras y se utiliza la similitud o dife­rencia de las respuestas de una submues­tra a otra como indicador de la fiabilidad de la medida. Como usamos la misma medida, no hemos di;: preocuparnos por la comparabilidad como en el método de las formas alternativas; y como podemos con­fiar en la teoría del muestreo para asegu­rarnos la equivalencia de las submues­tras, no tenemos que inquietarnos por que los grupos escogidos para la medición no sean lo bastante similares. Ningún caso se mide dos veces, lo que nos permite des­cartar la posibilidad de que el efecto de verificación malogre la exactitud de nues­tro test de fiabilidad. Las medidas se apli­can de manera simultánea, por lo que los cambios reales en la variable no pueden, con este método, crear los problemas que se derivan del método de verificación rei­terada. Con todo, la aplicación del méto­do de submuestreo depende de que poda­mos tomar una muestra lo suficientemen­te amplia como para dividirla y, a su vez, obtener submuestras lo bastante amplias como para dar sentido a nuestros ensayos estadísticos. Esto no siempre es posible y puede suponer un obstáculo para aplicar el método de submuestreo en la verifica­ción de la fiabilidad.

Existen varios procedimientos estadís­ticos para interpretar los resultados de cada uno de estos tests d<~ fiabilidadª

" Se exponen algunos en George W. Bohrnstedt, "Reliabílity and Validíty Assessments ín Attitude

Estos métodos tienen numerosas varia­ciones. Según el tiempo y los recursos de que se disponga para realizar la investiga­ción, en cada proyecto convendrá utilizar una u otra de ellas, atendiendo también a la índole del estudio. Por ejemplo, si he­mos de medir el alumbrado público me­diante observadores adiestrados que lo evalúen en diversas manzanas, bien po­dremos aplicar el método de verificación reiterada sin preocuparnos del efecto de verificación. El alumbrado público no va a cambiar por el solo hecho de que al­guien lo mida, y podemos hacer que dis­tintos observadores, actuando de manera independiente, evalúen el alumbrado de una calle en una rnisma noche. No podría­mos confiar tanto en este método si nues­tra medida de la calidad del alumbrado público se basara en las respuestas de los ciudadanos a las preguntas formuladas en una encuesta.

Con independencia del test de fiabHi­dad que escojamos, es importante que establezcamos la fiabilidad de nuestras medidas antes de iniciar verdaderamente la investigación. Esto supone la verifica­ción previa de la medida mediante el acopio de algunos datos exclusivamente destinados a evaluar los instrumentos que hayamos de utilizar en el estudio final. De no hacerlo así, probablemente no adve:rti­remos que las medidas de las variables principales no son fiables (ni, por lo tanto, válidas) hasta después de haber termina­do el estudio. Quiere esto decir que no podremos dar ningún Úédito a los resulta­dos de la investigación y que, en todo o en parte, habremos malgastado nuestras energías. La verificación previa de la vali­dez y Ja fiabilidad de las medidas debe forrnar parte de todo proyecto de investí-

Measurernent . ., en Gene F Summers, ed. Attitude IVleasurement \Skokie, IIL: Rand iV!cNally, 1970), pp. 80~99.

De lo abstracto a lo concreto

gación cuando las medidas utilizadas no hayan sido convincentemente validadas en otra ocasión, o cuando sólo hayan sido validadas en situaciones muy diferentes de aquéllas en las que van a utilizarse.

Conclusión

Hemos presentado hasta ahora todos los elementos básicos del proceso de in­vestigación. En la figura 4.6 se represen­tan las relaciones entre ellos. La operacio­nalización de nuestros conceptos median­te el desarrollo de indicadores mensura­bles nos prepara para entrar en el terreno práctico y hacer observaciones en las que basar nuestras conclusiones. Pero para poder hacer estas observaciones necesita­mos un «plan de ataque», un esquema con el que, al hacerlo, podamos obtener el mayor número posible de conclusiones dignas de crédito. Este plan o proyecto de investigación es el objeto del capítulo S.

Sugerencias para otras lecturas

La mayoría de las explicaciones de me­dición en ciencias sociales figura en las publicaciones que informan de los resul­tados de la investigación o desarrollan técnicas de medición perfeccionadas. Son e!)casas las introducciones generales al te­ma. Sin embargo, podemos indicar algu­nas fuentes de utilidad además de las obras citadas en las notas de este capítulo. Figura una provechosa exposición de los fundamentos lógicos de la medición en Fred N. Kerlinger, Foundations of Beha­viorai Research (Nueva York: Holt, Ri­nehart and vVinston, 1964), y en Abraham Kaplan. The Conduct of In­quiry (San Francisco: Chandler Publis­hing Co., 1964). Se aclaran algunos de los problemas que se plantean en la medición

Análisis político empkico

Teoría (supuestos abstractos en ~

un• e~mdurn lóglcol \

Formulación de conceptos y proposiciones que los relacionan

1 observadas entre variables

1 Inducción

Análisis de datos (determinación de relaciones observadas entre medidas)

Proposiciones (predicciones abstractas de relaciones entre conceptos)

Deducción

Hipótesis (predicciones concretas de relaciones entre variables)

Operacionalización

1 Instrumentación

Hipótesis de trabajo (predicciones de relaciones entre indicadores)

Plan de investigación (organización de observaciones)

Observaciones

~------ (fuediciones de sucesos empíricos)

FIGURA 4.6. Modelo del proceso de investigación.

en John M. Johnson, Doing Field Re­search (Nueva York: Free Press, 1975), y una de las mejores introducciones a las estrategias de medición es la de W. Phi­lips Shively, The Craft of Political Re­search, 2.ª ed. (Englewood Cliffs, N. J.: Prentice-Hall, 1980). Expone algunos en­foques más avanzados de la medición H. M. Blalock, Jr., ed., Measurement in the Social Sciences (Chicago: Aldine, 1974), y H. lVI. Blalock, Jr., Conceptualization and Measurement in the Social Sciences

(Beverly Hills, Calif.: Sage, 1982). Figura un breve panorama de los métodos de verificación de la validez y fiabilidad en Edward G. Carmines y Richard A. Zeller, Reliability and Validity Assessment (Be­verly Hills, CaliL: Sage, 1979).

Ejercicios de investigación

1. En una de las publicaciones de cien­cia polític 99 J.meradas en el capítulo 3,

localizar un artículo que informe sobre los resultados de una investigación empírica. Hallar dos conceptos principales de dicho artículo, como mínirno, y exponer por es­crito cómo ha sido operacionalizado cada uno de ellos. Si en el artículo sólo se hace una operacionalización de cada concepto, describir al menos otras dos de cada uno. Si se hace m.ás de una operacionalización, describir al rnenos una operacionalización optativa de cada concepto. En lo posible, las operacionalizaciones se basarán en in­dicadores cuya forma sea diferente a la utilizada en el artículo.

2. Seleccionar otro artículo especiali­zado que informe sobre los resultados de una investigación empírica. Descubrir al menos dos de los conceptos principales empleados y exponer cómo fueron opera­cionalizados. Establecer una línea de ra­zonamiento por la que quepa esperar que el indicador escogido para cada variable cambie cuando lo hagan los valores de la misma. En otras palabras, establecer una teoría de la rpedición que justifique el empleo de ese indicador.

3. Sirviéndose de las variables del artí-

De lo abstracto a lo concreto

culo seleccionado para el ejercicio 2, idear por lo menos dos teorías de medición distintas que muestren cómo se pueden producir cambios en cada indicador ern­pleado en el artículo a consecuencia de los cambios de alguna variable diferente de la utilizada para representarlos. Dicho de otro modo, detectar por lo menos dos posibles causas de invalidez para cada indicador.

4. Utilizando uno de los artículos esco­gidos en cualquiera de los ejercicios ante­riores, hallar dos medidas clave que se hayan empleado en él. Indicar cuál de los tres grandes métodos de verificación de fiabilidad de las medidas es adecuado utilizar para comprobar la fiabilidad de éstas, y justificar su elección. Exponer cómo se establecerían las observaciones necesarias para efectuar la verificación de cada medida. Por ejemplo, «Al principió y al final de cada una de las entrevistas, incluiría una versión de la pregunta en que se basa la medida, y compararía las respuestas que diera cada entrevistado a ambas preguntas».

Del mismo modo que a ningün monta­ñero avezado se le ocurriría escalar el Monte Everest sin haberlo planeado cui­dadosamente (preparando el equipo apro­piado, estudiando la ruta más idónea y

previendo lo que habría de hacer si algo saliera mal), el experto en ciencia social no debería emprender un gran proyecto de investigación sin haber planeado mi­nuciosamente sus distintas etapas. Este ;jplan de ataque» se denomina diseño de investigación. «El diseño de investigación es un esquema que orienta el proceso de recogida, análisis e interpretación de los datos. Es un modelo lógico de prneba que permite hacer inferencias causales váli~ das,,'. Sin un diseño adecuado y apro­piado de investigación, las mejores medí., das serían baldías, ya que no podría de­terminarse su significado. Para realizar con éxito un estudio de ciencia social es esencial que, además de dominar las técm

1 David Nachmias, Public Policy Evilfuation (Nueva York: St, Martio 's Press, 1979), p 21

nicas ya expuestas~ se sepa elaborar un diseño de investigación coherente.

Antes de acometer un estudio serio, se debe redactar un díseño de investigación que no sólo indique con exactitud lo que se intenta hacer en el proceso investiga­dor, sino también por qué se va a dar cada uno de los pasos en el mismo y por qué se va a dar de una determinada manera y no de otra.

Finalidad de la investigación y diseño de Investigación

Hasta el momento, hemos hablado de la investigación en ciencia política como si estuviera plenamente destinada a verifi~ car hipótesis mediante el proceso sinteti­zada en la figura 4. 6. Pero aunque por lo general se reconoce que los estudios de verificación de hipótesis son el elemento medular de Ja labor de ciencia social, la investigación puede tener objetivos muy variados, y es precisamente el objetivo que se persigue lo que determina el dise·

G(

100 An;jfisis político empifico

ño de investigación más adecuado para el proyecto de que se trate2

• Algunos proyectos de investigación son explora­torios: su única finalidad es la de familia­rizarnos con los fenómenos que deseamos investigar, con el fin de formular pregun­tas más precisas y 1 tal vez, desarrollar ciertas hipótesis. Esos estudios pueden ser esendales cuando se trata de investi­gar nuevos fenómenos u otros fenómenos que todavía no han sido estudiados. Hay proyectos que requieren una investiga­ción descriptiva: su objetivo es propot­cionar una representación cabal de algún fenómeno para poder formular mejor pre­guntas e hipótesis de investigación .. Quizá necesitemos, por ejemplo, conocer la fre­cuencia1 distribución geográfica y secuen~ cia de sucesos de un determinado fenó~ meno, o saber con qué otros fenómenos tiende a estar asociado antes de que poda­mos empezar a teorizar sobre lo que lo ha ocasionado. Por último, el objeto de la investigación puede ser la contrastación de hipótesis causales. Si podemos utilizar los resultados de un estudio para sostener que una cosa es causa de otrat podemos empezar a elaborar explicaciones del se~ gundo suceso. Por eso, puede llamarse investigación explicativa a la destina­da a contrastar hipótesis. Dicha investiga­ción es apropiada cuando conocemos lo bastante un fenómeno para empezar a buscar explicaciones de por qllé es como es,

Lo que quiere decir esta somera tipolo­gía de los fines de la investigación es que_ ..... cada tipo de investigación .requiere condi­ciones distintas en su diseño. Para la in-

2 Unu amplia exposidón de los fines de tos pmyectos de invesdgoción en ciencia soclai y de sus implicaciones en el diseño de investiga:dón es la contenida en Ciaíre Selltiz1 Lawrem::e S. Wrights­mm1 y Stuart W. Cook, Research Methads in Social Relations, 3 .. ed .. (Nueva York: Holt, Rinehart and Winston, 1976), pp 89-112

vestigación exploratoria1 más que preci­sión hace falta flexibilidad, pues la finali­dad es descubrir posibles explicaciones más bien que verificar explicaciones hipo~ téticas. Los diseños de inv~stigación ex­ploratoria sólo han de proporcionar una oportunidad de observar el fenómeno en cuestión. En cambio, la investigación des­criptiva requiere la medición exacta de los fenómenos. En los estudios descrípti· vos, el diseño de investigación debe apor-­tar observaciones imparciales y fiables para que aquéllos produzcan una imagen exacta de tos sucesos de interés, Los dise­ños de investigación explicativa no sólo deben proporcionar observaciones impar~ ciales y fiables, sino también una base sobre la que pueda inferirse la influencia causal que una o más variables ejercen en otras. El diseño de investigación propor­ciona una base de inferencias causales cuando permite descartar todas aquellas explicaciones plausibles de los resultados observados que representan opciones dis­tintas de la hipótesis causal objeto de contrastación~

Sea cual fuere la finalidad concreta de un estudio, su diseño de investigación debe reunir los siguientes elementos bási­cos:

L Una explicación de la finalidad de la investigación"

2 U na explicación de la hipótesis que se vaya a contrastar (en su caso).

3. Una especificación de las variables que hayan de emplearse.

4. Una explicación de cómo se va a ope~ racionalizar y medir cada variable"

S. U na explicación detallada de cómo van a organizarse y realizarSe las ob­servaciones~

6 Una exposición general de cómo se van a analizar los datos obtenic~os.

Los capítulos 2 y 4 contienen los ele-

mentas fundamentales que son necesarios para preparar las secciones l a 4 de un diseño de investigación~ y los capítulos 1 S-19 presentan una introducción al aná­lisis de datos. El presente capítulo se de­dica a la organización de las observacio­nes. Es éste el aspecto del diseño de investigación que proporciona una base para descartar las hipótesis rivales alter­nativas y el que la mayoría de los especia­listas tiene presente cuando alude al dise­ño de investigación,

Cómo abordar las hipótesis rivales alternativas mediante el diseño de investigación

Si examinamos un proyecto de investiw gación hipotético, podremos demostrar que la utilidad de los resultados de una investigación está condicionada por la manera en que hayamos estructurado u organizado nuestras observaciones. Su­pongamos que el departamento de justi­cia de su Estado ha puesto en práctica un nuevo programa destinado a reducir la delincuencia juvenil y que, con arreglo a él, los infractores juveniles o infractores potenciales que se ofrecen como volunta~ rios personalmente o a través de sus pa­dres realizan visitas de un día a )as prisio-.­nes, donde se hacen una idea de los horro~ res·de la vida carcelaria. El programa está basado en el supuesto de que eso les disuadirá de cometer delitos que podrían conducirlos a prisión. Digamos que, tras unos meses de aplicación del programa, el gobierno de ese Estado desea saber si está produciendo el efecto deseado y le con­trata, como experto en ciencia política~

para que evalúe sus resultados, ¿Cómo procederá usted?

Como el programa, llamado Oparación Miedo, tiene por objeto reducir la delin­cuencia juvenil! será la delincuencia su

Aplica.ción del plan 101

variable dependiente. Podría operaciona­lizarla como .ser detenida por un delito penal, y luego, un año después de su visita a las prisiones, consultar el fichero de antecedentes penales para ver si figu­ran en él los jóvenes que se hayan someti­do a la Operación Miedo. Si han sido detenidos durante ese tiempo, Jos clasifi­cará como delincuentes, y si no han sido detenidos, como no delincuente-s3 _

En este ejemplo, su diseño de investi­gación entraña una sola observación de todos los casos de interésc Esta observa­ción se hace cuando comprueba los ante. cedentes penales de los que han partici­pado en la Operación Miedo. Suponga­mos que averigua que el 70 por ciento de los participantes en el programa no han sido detenidos durante el año siguiente" ¿Puede deducir de ello que la efectividad del programa para evitar la delincuencia se cifra en un 70 por ciento?

Para poder afirmarlo siquiera con una cierta seguridad tendrá que descartar otras explicaciones de por qué el 70 por dento de esos jóvenes no han sido deteni­dos. Según su hipótesis, la Operación Miedo es causante del comportamiento no delictivo. Veamos algunas posibles hi­pótesis rivales alternativas que pudieran explicar sus hallazgos,

3 En esta operacionalización de la delincuencia, se trata ésta como una variable nomina! dícotómica En la práctica. probablemente tendrá que una operndonalización que proporcione más mación y sea más sensible a las diferencias entre individuos. Por ejemplo1 elaborará un ,.jndice de delincuencia .. que combine el numero de detendo~ nes practicadas en un año con alguna medida de la gravedad de los delitos por los que hayan sido detenidos Jos sujetos, para disponer de un indicador del grado de delincuencia La simple operaeionalíza. dón aqul propuesta es, sin embargo, adecuada para ilustrar los principios deJ diseño de investigación y sirve, en el ejemplo dado, para evitar compfü:acio­nes innecesarias

¡ IJ2 Aniilisfa politico empirico

L ~ n 30 por e iento como máximo de los Jóvenes habrían sido detenidos aun­que no hubieran participado en la

Operación Miedo 2 Los antecedentes familiares de los

presentados como voluntarios para la Operación Miedo son diferentes de los que no se presentaron, y son esos ante­cedentest y no el programa estatal, los que han evitado que delincan

aquéllos que no han participado, y soste­ner que cualquier diferencia entre ambos índices cabe atribuirla al programa, por~ que se puede supaner que los participan­tes habrían actuado esencialmente del mismo modo que los no participantes sí no se hubiera re!'llizado la Operación Miedo

3 Los jóvenes han cometido delitos) pero no han sido detenidos,

4. La Operación Miedo produce efectos temporales, y cuando éstos desapare­cen, los jóvenes reinciden en su com~ portamiento delictivo - (El programa no evita la delincuencia, sino que la

pospone). S Los jóvenes participantes en el progra­

ma han sido detenidos más a menudo de lo que lo hubieran sido de no haber­se 1.mmetido a la Operación Miedo, porque la participación les asigna el calificativo de delincuentes potencia~ ies y los somete a una mayor vigilancia policial. (El programa ocasiona deten­ciones más frecuentes, con indepen­dencia del efecto que produzca en el comportamiento)

La hipótesis alternativa 1 afirma que el programa no ha tenido ningUn impacto. Con una sola observación no se puede demostrar si esto es verdad o si no lo es. Nunca puede saber cómo habrían obrado los participantes en el programa si no hubieran tomado parte en la Operación Miedo, pero puede induír en su diseño de investigación la comprobación de los an­tecedentes penales de un grupo de jóve­nes que, sin haberse sometido a la Opera­ción Miedo, tengan el mayor número po~ sibte de rasgos semejantes a los de quie­nes participaron en él. Luego, puede com~ parar el índice de delincuencia de los que han participado en el programa con el de

La observación del grupo de control (los que no participaron en el programa) nos permite establecer un vínculo causa) entre el programa y el comportamlento

delictivo La hipótesis alternativa 2 viene a afir­

mar que toda:· relación aparente entre la participación en el programa y el compor~ tamiento delictivo es una re]ación espu· ria. Dicha hipótesis mantiene que los an­tecedentes familiares son causa de la par­ticipación en el programa y de la no delin­cuencia subsiguiente, Este razonamiento sugiere que hay un proceso de selección en el que aquéllos que cuentan con el apoyo de la familia, que les ayuda a evi­tar el comportamiento delictivo, son Jos que con más probabilidad han tomado parte en el programa, y que esto crea una relación aparente entre la Operación Miedo y la no delincuencia,

Una sola observación no le permitirá excluir esa posibilidad, pero. como en la hioótesls alternativa 1~ podrá determinar si .existe una relación causal sí dispone de un grupo de control integrado por jóvenes cuyos antecedentes familiares sean se-.. mejantes a los de quienes han participado en el programa: observará para ello si participantes y no participantes suelen tener antecedentes familiares distintos, y

si aquéUos con antecedentes familiares semejantes suelen tener el mísmo índice de delincuencia, ai margen de su partici­pación en la Operación Miedo.

Para descartar la hipótesis alternativa 2, como en el caso de la hipótesis 1 r tendrá que realizar una segunda observa­ción (consultar el fichero de antecedentes

penales para saber si algunos jóvenes que no hayan participado en el programa figu­ran en el mismo), Pero, además, al abor~ dar la hipótesis 2 habrá de hacer una tercera observación~, en la que obtenga informes sobre los antecedentes familia­res de los sujetos, Posiblemente, podrá obtener algunos indicadores objetivos de esta variable (por ejemplo, la presencia del padre y la madre, el grado de educa­ción y la ocupación de los padres y los ingresos ~amiliares) consultando los regis­tros püblicos, pero también puede suce­der que haya de entrevistar a Jos miem­bros de la familia o a los propios jóvenes Estas entrevistas serán necesarias si ope~ racionaHza los antecedentes familiares in­cluyendo las actitudes y el carácter de las interacciones personales. Y así, no sola­mente aumentará el volumen de los datos que obtenga, sino que además adoptará otro método de recogida de datos: la en­trevista personal.

La hipótesis alternativa 3 hace alln más necesarío este método adicional de reco~ gida de datos. Plantea la posibilidad de que la Operación Miedo haya hecho a los participantes más cautelosos e induso, tal vez1 delincuente:; más avisados, en vez de reducir el nllmero de sus delitos, Pone en tela de juicio la idoneidad de la operacio­nalización de la variable dependiente Mientras el registro Gficial de detenciones sea su única medida de Ja delincuencia1

no podrá estar seguro de que la operacioff naJización es adecuada.

Una forma de abordar la hipótesis 3 consiste en operacionaJizar la delincuen­cia de manera que incluya informes de los actos delictivos de los propios jóvenes, y efectuar entrevistas antes y después de su participación en el programa. Tendrá que entrevistar tanto a los participantes como a jóvenes no participantes, e incluir infor­mación sobre los antecedentes familiares de cada grupo, para estar seguro de que

Aplicación del pian 103

sus resultados no pueden ser explícados por hipótesis tales como la 1 y la 2 expre­sadas en términos de este nuevo indica­dor de la delincuencia, Con ello, no sólo habrá añadido otro punto de observa­ción (la entrevista previa al programa), sino otro modo de operacionaJfaación de la variable dependiente.

La hipótesis alternativa 4 añade una dimensión temporal al estudio. Si ha de descartarla, tendrá que entrevistar tanto a los participantes en el programa como al grupo de cootI'ol y comprobar sus antece­dentes penales, no solamente un año des~ pués de ia visita a la prisión, sino también dos y taJ vez tres años más tarde. Es obvia la razón por la que se han de hacer obser­vaciones subsiguientes de Jos participan­tes en el programa1 ya que éstos, según la hipótesis 4, acabarían por delinquir. Ade­más, habrá de observar al grupo de con­trol para-cerciorarse de que Jos cambios en los índices de delincuencia de Jos parti~ cipantes en el programa que se produzcan en los años siguientes no obedecen a otros factores tales como la madurez1 las modi­ficaciones de la situación familíar o un empeoramiento de las condiciones econó­micas, Sólo si los participant~s en el pro~ grama tienen un índice subsiguiente de delincuencia similar al de los no partici­pantes (o peor que él) en e/ mismo mo­mento, podrá concluir que el programa ha sido ineficaz (o que ha tenido un efecto negativo)_

A diferencia de las otras, la hipótesis alternativa 5 sostiene que Ja Operación Miedo ha sido más efectiva de lo que los resultados dan a entender. Plantea !a po~ sibilidad de que, al utilizar las detencio­nes como medida de la delincuencia, haya introducido una variable índependíente su­plementaria (tratamiento selectivo por par­te de la~ autoridades) cuyos efe.otos encu­bran la verdadera influencia de la Opera­ción Miedo en el comportamiento delictivo

63

104 Análisis político empirico

Una manera de afrontar esta posibili­dad es incluir también otra operacionali .. zación de la variable dependiente. Si> además de Jas detenciones, toma en consi .. deracíón las condenas de los participantes y Jos no participantes, tendrá algunos in­dicios de si las acusaciones fonnuladas c·ontra los participantes en t?.l programa son menos consistentes que las vertidas contra los jóvenes que no hayan tomado parte en la Operación Miedo, y de ello probablemente podrá deducir sí la policía es más propensa a detener a los que han participado en ella voluntariamente. La diferencia entre detenciones y condenas de los participantes y detenciones y con­denas de los no participantes proporcio­nará un indicador de la atención selectiva de la policía. Sí los participantes son dete­nidos y finalmente no son acusados ni condenados con una frecuencia sensible­mente mayor que los no participantes, tendrá motívos para creer que la hipótesis

5 es correcta" Este breve examen de algunas de las

posibles hipótesis rivales que pueden po­ner en duda el valor de sus resultados ha aportado una base para establecer un di­seño de investigación mucho más elabora­do que el que indicamos en primer lugaL Para poder descartar estas cinco interpre* taciones optativas de los hallazgos que haya deparado su investigación (y tendrá que hacerlo si su estudio ha de tener algún valor), no habrá de contentarse con una sola operacionalización de la varíable dependiente y una so)a observación, sino que deberá establecer un diseño de inves­tigación que comprenda múltiples modos de operacionalización 1 mtiltiples métodos de recogida de datos y varias observacio­nes. El nuevo diseño pcdría suponer las siguientes etapas principales:

1. Seleccionar una muestra de jóvenes que hayan sido designados para parti-

cipar en la Operación Miedo Y una muestra de jóvenes con las mismas características susceptibles de incidir en ia delincuencia (como, por ejemplo, sexo, edad) raza, educación propia y

de sus padres, ingresos:, modo de vida y iugar de residencia), pero que no vayan a partici_par en el programa,

2 Entrevistar a los designados para par­ticipar en el programa antes de que se sometan a la Operación Miedo y, al mismo tiempo, entrevistar al grupo de control para obtener informes de los propios interesados sobre la actividad delictiva e información sobre los ante­cedentes familiares,

3. Entrevistar a los miembros de todas las fomiHas para obtener información sobre los antecedentes familiares.

4, Un año después de la visita a la pri­sión, entrevistar a los partidpantes y a los no participantes para obtener in­formes de los propios interesados so­bre la actividad delictiva y averiguar si han cambiado ]as circunstancias fa­miliares.

S. Al realizar la etapa 4, consultar los registros de detenciones y condenas de los participantes en el programa y de los no participantes

6 Dos años después de la partidpación en Ja Operación Miedo, repetir las eta­

pas 4 y S. 7. Volver a repetir las etapas 4 y S tres

años después de la Operación Miedo.

Al analizar los datos, habrá de compa­;ar los índices de detenciones. los índices de condenas y las diferencias entre ambos índices de los participantes en el progra­ma y del grupo de control, sín olvidarse de eliminar aquellos integrantes de éste último que hayan tomado parte en la Operación Miedo después de ou selección inicial para el estudio. Empleando proce­dimientos estadísticos apropiados en el

análisis de los datos obtenidos mediante estas observaciones, podrá extraer con­clusiones altamente defendibles sobre el valor de la Operación Miedo como factor disuasorio de la delincuencia juveniL Así. habiendo descartado las principales hipó­tesis rivales, el departamento de justicia del Estado en cuestión podrá prestar gran confianza a sus condusiones1 lo que no haría si éstas estuvieran basadas en el primer diseño de investigación.

No hemos querido decir con este ejerci­cio que los diseños de investigación com­plicados sean preferibles a los sencillos, En ocasiones, es muy preferible recurrir a estos últimos. Lo importante es la idonrei­dad del diseño, no su complejídaq. Un diseño de investigación será adecuado si proporciona una base lógica para las infe· rencias que desea hacer el investigador-

El comentario de este estudio hipotéti­co constituye un ejemplo de cómo se ela­boran diseños de investigaciqn adecua­dos. Al planear un proyecto de investiga­ción, seguirá, paso a paso, el mismo tipo de razonamiento que hemos esbozado,, El diseño de investigación es un proceso de formulación de hipótesis rivales alternati­vas y de razonamiento mediante el tipo de observaciones que son necesarias para ve­rificar dichas hipótesis a fin de poder descartarlas como explicaciones de los po­sibles hallazgos.

Se llega a establecer las hipótesis riva­les alternativas del mismo modo que las hipótesis de trabajo.. Son resultado del análisis lógico de nuestras teorías sobre el fenómeno que se ha de explicar y de un conocimiento detallado de los hechos que lo rodean. La identificación de hipótesis adversas cruciales es principalmente una actividad creadora. No hay reglas fijas y concretas que pennitan determinar todas las hipótesis rivales que pueden desvir­tuar el valor de la investigación., El proce­so de diseñar un proyecto de investiga-

Aplicación del plan 105

ción será diferente para cada estudio No basta con seleccionar un diseño de inves~ tigación apropiado basándose en un conjunto limítado de opciones como sí se tratara de escoger un par de zapatos entre los que haya del número adecuado en una zapatería,_ Lo que sí hay son varios tipos generales de disefioS de investígación, ca­da uno de los cuales corresponde al tipo de problemas que se han de abordar. La sección siguiente contiene una panorámi­ca de los principales tipos de diseño de investigación y una introducción a la lógi­ca del diseño. Con estos fundamentos y con un sólido conocimiento teórico y em­pírico del tema que ha merecido su inte­rés1 estará en condiciones de elaborar di­seños de investigación para sus propk estudios.

Diseños de investigación experimentales

La finalidad de un buen diseño de in­vestigación es permitirnos determinar los efectos de una variable sobre otra con Ja mayor seguridad posible, Para lograrlo, los diseños de investiga~ión proporcionan un elemento de control sobre las condicio­nes en que las variables actúan entre si. Este control es la clave del diseño de inVestigación, Si varios animales de una granja contraen una enferm~dad después de haber añadido un nuevo tipo de ali­mento a su pienso? el granjero no podrá saber con seguridad si el nuevo a1imento es la causa de la enfermedad, porque los anímales pueden haber estado expuestos a nuevas y diversas sustancias {como, por ejemPlo, insecticidas en el suministro de agua) al mismo tiempo. Por otro lado, si una proporción inusitadamente alta de animales de experimentación contrae una enfermedad en un laboratorio de investi­gaciones médicas después de añadir una

pi(

10S Análisis politico empírico

-nuev-a sustancia a su alimentación, es más probable que el investigador esté seguro de que esa sustanda es la causa de la enfermedad, pues ''en este caso se puede controlar el entorno de los animales de experimentación y asegurarse de que no están expuestos a ninguna otra sustancia durante las observaciones. Las condicio­nes de trabajo del investigador permiten un elemento de control que no permite la granja.

Los diseños de ínvestigacíón pueden clasificarse con arreglo al grado de control que permiten. En lo que más interesa a Jos expertos en ciencia política, la distin­ción básica es !a que se hace entre diseños experi.-:-1enta/e.c; y cuasi experimentales,

.Ei. experimento es el modelo clásico de p•ueba científica. Se basa en el supuesto de que los cambios del valor de una varia­ble ocasionan cambios en el valor de otra variable (por ejemplo, los cambios de temperatura dan Jugar a los de la viscosi­dad del aceite), Con el experimento, po­demos verificar este supuesto exponiendo los sujetos que manifiestan la variable dependiente a la variable independiente en condiciones que nos permitan estar re1atívamente seguros de que cualquier cambio observado en la variable depen­diente obedece a los cambios de la varia­ble independiente.

El diseño eil:perimental básico com­prende un grupo experimental com­puesto de los sujetos que se expondrán a la variable independiente, o estímulo, y un grupo de control de los sujetos que son como el grupo experimental en todos los aspectos pertinentes pero no se expon­drán al estímulo. El valor de la variable dependiente de cada grupo se mide antes de la introducción del estímulo en lo que se llama verificación anterior (pre test) y se vuelve a medir después de haber expuesto el grupo experimental al estímu­lo en ln que se llama verificación pos-

terior (posttest). El impacto del estímulo (variable independiente) se infiere de la comparadón de los valores de la verifica­dón anterior y Ja posterior en cada grupo, Cuanto mayor sea la diferencia de valores entre la verificación anterior y Ja poste­rior de cada grupo, mayor será el efecto atribuido a la variable independiente. La tabla S. l muestra la lógica del diseño de investigación experimental. El valor de este diseño de in veStigación consiste en que nos permite lograr dos condiciones 'iG'ue facilitan las inferencias causales váií~ das: Ja compaii1ción y la manipulación,

La afirmación de que una cosa ha cau­sado otra se basa en el concepto de cam­bio. Para poder sostener que han actuado fuerzas causales, primeramente tenemos que demostrar que se ha producido algún cambio, y Ja idea de cambio supone com­paraciones. Tenemos que comparar los valores de la variable dependiente, antes de que los sujetos se hayan expuesto a la variable independiente o causalt con los valores de la variable dependiente des­pués de dicha exposición, y, si es posibl~, debemos comparar, después de la exposi­ción~ los valores de la variable dependien­te con algún indicador de cuáles serian esos valores si la exposición no se hubiera producido. El diseño experimental, con su procedimiento de verificación anterior y posterior y sus grupos de experimenta~ ción y de control, proporciona una oportu-nidad para ambos de comparación"

Para estar seguros que una variable tiene una influencia causal sobre otra, n~cesitamos saber qué sujetos han sido expuestos a la variable independiente y cuáles no, con el fin de hacer las compara­ciones apropiadas" El experimento clásico nos permite saberlo, puesto que es el investigador quien introduce la variable independiente. El científico actúa sobre el entorno de Jos sujetos para que su exposición a la influencia causal no quede

TABLA S, 1 E/ diseño experimenta! clásica

Experimental

Control

Fase 1

Verificación anterior

Verificación anterior

Fase 2

Estímulo

al azar. Además) actúa sobre él para que todas las demás causas posibles de cambio de la variable dependiente sean elimina­das del experimento cuando los sujet~s se expongan a la variable independiente

En otros diversos diseños de investiga~ ción se recurre a Ja lógica del experm1e11w clásico, pero se añaden que son de especial interés para los exper~ ' tos en ciencia sociaL Estos necesitan dise­ños mucho más elaborados, lo que obede­ce, en gran parte, a dos hechos: U en los objetos de su investigación influye a me­nudo el propio acto de estudiarlos (por ejemplo, el comportamiento de los indivi­duos puede cambiar si saben que se les está observando), y 2) los objetos de su investigación no son estáticost sino que cambian continuamente (por ejemplo, los valores de los individuos pueden modifi· carse a medida que surgen nuevas situa­ciones). La manera de abordar estos he­chos queda ilustrada en dos diseños expe­rimentales desarrollados por R. L. Solomon4

•

El primer diseño aborda un aspecto del problema de la reactividad llamado efec. to de verificación. Cuando los sujetos

~ Richard L Solomon, "Extension of ControJ Group Desígn", Psycbologk<ll Bu!letin, 46 {enero 1949), pp 137-50.

Fase

Verificación posterior

Verificación posterior

Aplicación del plan 1117

Efecto (de la variable experimental)

(verif posterfors -verlf_ anteriorE) (verif posteriorc -vedf anteriorc) donde E se refiere at grupo experimental y

experimentales se someten a la verifica­ción previat siempre puede ocurrir que su calificación en la verificación posterior obedezca a Ja vez a su reacción aJ estímu­lo y a una reacción a la propia verificación anterior. Toda diferencia entre las califi­caciones de las verificaciones anterior y posterior que se deba únicamente a las reacciones a la verificación anterior se denomina efecto de verificación, Para que podamos obtener una imagen exacta del impacto del estímulo sobre el compor­tamiento, habremos de eHminar ese efec­to de verificación de las calificaciones. El diseño de investigación con dos grupos de control, ilustrado en la tabla 5.2, nos per­mite hacerlo.

El diseño es idéntico al experimento clásico, pero se le aiíade un tercer grupo (Control 2), que se somete al estímulo y a la verificación posterior, mas no a Ja ante~ rior. Mientras que los cambios ent1 e las calificaciones de la verificación anterior y la posterior observados en el grupo expe­rimental pueden deberse tanto a la verifi­cación anterior como al estímulo, los ob­servados en Control 1 sólo pueden deber­se a la verificación anterior, y los de Control 2, solamente al estímulo. Si es dado suponer que, en un principio, todos los grupos han tenido esencialmente el mismo valor en la variable dependiente y

6S

108 Análísis político empírico

TABLA 5 .. 2 El diseño experimental Solomon con dos ¡J,rupos de control

Grupo

Experimental

Control 1

Control 2

Fase 1

Verificación anterior

Verificación anterior

Fase 2

Estímulo

Estímulo

que han reaccionado al estímulo de la misma manera, el efecto de verificación vendrá representado por la diferencia de las calificaciones de la verificación poste­rior entre el grupo experimental y el Con­trol 2. En ese caso, el efecto producido solamente por la variable independiente (estímulo) puede evaluarse restando este efecto de verificación del efecto total del experimento, que se calcula mediante la misma fórmula utilizada para evaluar los resultados del diseño experimental clási­co. En la fórmula de efecto de la tabla 5.2 se resume esta lógica algebraícamente.

Y así, el diseño con dos grupos de con­trol nos permite estimar y -cabe espe­rar- excluir el efecto de verificación co­mo explicación alternativa de los cambios observados en los valores de los sujetos,

..

Fase 3

Verificación posterior

Verificación posterior

Verificación posterior

Fórmula del efecto

Efecto = [(veriC posteriorE - verif anteriord - (verif posteriorc 1 - verif anteriorc 1>l - (verif posteriorE - veriL rosteriorc2)

Sin embargo, hay otras posibles causas de cambio en las. calificaciones de los grupos en la variable dependiente (VD) entre la verificación anteri6r y la verificación pos­terioL Una de eJlas es la influencia de factores externos que no están bajo el control del experimentador Otra es la de los cambios naturales que se producen en los sujetos de manera independiente del experimento (como, por ejemplo, el en­vejecimiento en los experimentos protOn­gados, o la fatiga mental). El impacto de esos factores ajenos se puede apreciar (y, por lo tanto, excluir como explicación ri­val de los resultados del experimento) utilizando el diseño Solomon con tres gru­pos de control, representado en la tabla 5.3.

En este diseño se añade un tercer gru-

TABl·A 5 . .3 El diseño experimental Solomon con tres grupos de control

Grupo

Experimental

Control 1

Control 2

Control 3

Fase 1

Verificación anterior

Verificación anterior

Fase 2

Estímulo

Estímulo

Fase 3

Verificación posterior

Verificación posterior

Verificación posterior

Verificación posterior

Fórmula del efecto

Efecto [(verif posteriorE verif anteriorE) (verif posteriorc 1 - verif anteriorc 1)) - ((verif posteriorE - verif posteriorc2) + (verif posterior E verif posteriorc3 )]

po de control, que no se somete a la verificación anterior ni al estímulo, Cual­quier diferencia observada entre los valo­res de las verificaciones anterior y poste­rior de este grupo puede obedecer única­mente: a la influencia de factores ajenos Si podemos substraer este cambio del efecto del experimento, podremos elimi­nar de nuestros resultados los efectos de esos factores ajenos y los cambios de los consultados, y es de esperar que podamos descartar la hipótesis alternativa de que son esas influencias y no la variable inde­pendiente lo que ha ocasionado el cambio de calificación en el grupo experimental entre la fase 1 y la fase 2

La dificultad es que el Control 3 no ha sido sometido a la verificación previ~: ¿cómo determinar en qué medida han cambiaáo esas calificaciones de Jos sujetos de la fase 1 a la fase 2? Si todos nuestros grupos son esencialmente iguales, pode­mos suponer que sus calificaciones en la verificación previa han sido muy se­mejantes, y asignar así, simplemente, al Control 3 en su verificación previa una calificación igual al promedio de las califi­caciones atribuidas al grupo experimental y al primer grupo de controL Seguida­mente podemos substraer esa calificación de la asignada al Control 3 en la verifica­ción posterior, para obtener una medida del cambio ocasionado por los factores ajenos y los cambios naturales de los suje­tosº Una vez eliminado este cambio, po­demos ver con más claridad los efectos de la variable independiente en la variable dependiente.

Asignación de casos a los grupos

Cada uno de los diseños experimenta­les que acabamos de describir tiene por objeto proporcionar una base lógica sólida con la que extraer conclusiones sobre los

Aplicación del plan 109

efectos que produce una variable en otra, Para conseguirlo, es fundamental que ca­da diseño dependa del supuesto de que todos los grupos incluidos en el estudio son esencialmente iguales con respecto a aquellos factores que pudieran influir en su respuesta al experimento., Si no pode­mos suponer que los grupos son esencial­mente iguales, no tendremos ninguna ba­se lógica para inferir que las diferencias observadas en sus valores se deben a las diferencias en el modo en que han sido tratados en el experimento (por ejemplo, si se han sometido o no a Ja verificación previa), ni podremos establecer argumen­tos coherentes sobre la influencia causal de nuestra variable independiente ..

¿Cómo podemos asegurarnos de que los integrantes de los distintos grupos son esencialmente iguales? Hay tres procedi­mientos para asignar integrantes a los grupos., El primero es el de equiparación de precisión. Después de determinar las características que podrían influir en la respuesta de los sujetos a la variable inde­pendiente, se selecciona un conjunto de sujetos para el experimento, Por cada su­jeto seleccionado, se asigna al grupo de control otro sujetO que retina exactamen­te la misma combinación de característi­cas oportunas, obteniéndose así dos gru­pos que son idénticos en cuanto a las características susc~ptibles de influir en su respuesta al experimento. Si lo hemos hecho perfectamente, los valotes que les atribuyamos en Ja verificación previa se­rán sumamente similares y el grupo de semejanza que obtengamos realmente al someterlos a esa verificación nos servirá para estimar hasta qué punto hemos acer­tado en nuestro intento de equiparación

Este procedimiento plantea varios pro­blemas, En primer término, si necesita­mos controlar numerosas características, probablemente será muy difícil encontrar sujetos que las retinan todas por igual

6¡;

110 Análisis politfco empirico

como ha de ser para equipararlos con precisión. Bien podríamos, por ejemplo, encontrar a individuos iguales por su se­xo, edad y raza, pero sería más difícil que además de poseer esas características co~ munes tuvieran también Ja misma ocupa­ción, el mismo grado de estudios e igual duración de residencia en la comunidad. Además, si hemos de aplícar un diseño de investigación que requiera más de dos grupos, seguramente será tarea harto difí~ cil localizar a tres o cuatro sujetos con características idénticas. Es muy proba':: ble que la equíparación, para asignar sujetos a los grupos experimentales, sea ínvíable, a no ser que contemos con un m.imero sumamente elevado de sujetos potenciales o se trate de un experimento muy sencillo.

Un segundo método es el control de distribución de frecuencia. En él, no se equipara cada sujeto con otro con res­pecto a todas las características, sino que se asignan los sujetos a los grupos de tal manera que estos tiltimos tengan, en pro­medio, las mismas características y la mis­ma distribución de cada una de ellas .. Es posible que no haya dos sujetos con la misma combinación de sexo,_ edad, raza y ocupación, pero en cada grupo habrá el mismo nümero de sujetos masculinos y femeninos, el mismo promedio de edad, y así sucesivamente. Además, será muy si~ milar la distribución de esas caracteristiw cas entre los integrantes de los distintos grupos.

El control de distribución de frecuencia se puede aplicar más a menudo que el equiparamiento de precisión, pero adole-­ce de dos importantes defectos. En pri­mer lugar, solamente permite controlar una variable a Ja vez. Por ejemplo, con la asignación por distribución de frecuencia se pueden obtener dos grupos con igual número de sujetos de más de 40 años e igual número de negros, pero nada garan-

tiza que todos los sujetos de más de 40 años no sean negros en un grupo Y bla'n­cos en otro. Si esto se produjera, ambos grupos no serían verdaderamente se­mejantes. En segundo lugar, el método no ofrece control alguno sobre Jos factores que influyen en las reacciones de los suje­tos pero que no han sido detectados por el investigador,, Sí nuestra teoría del fenó­meno estudiado es incompleta (y casi siempre lo es)~ bien puede ocurrir que no hayamos controlado fa distribución de frecuencia de alguna variable importante Si los grupos de control y experimental difieren sistemáticamente en esa variable incontrolada, lo más probable es que nuestros resultados estén falseados,

El tercer método para asignar sujetos a los grupos es más flexible que la equipa­ración de precisión, y con él se evitan los dos problemas vinculados al control de distribución de frecuencia. Es la selec­ción aleatoria: en ésta, se asigna a un grupo un sujeto seleccionado de una lísta de todos los sujetos elegibles mediante algún proceso aleatorio, como, por ejem .. p!o, el uso de una tabla de números alea­torios" La verdadera selección aleatoria no se consígue, sin más, por procedimien~ tos de azar (como el consistente en tomar a tas 30 primeras personas que se prestan al experimento como grupo de verifica­ción y a las 30 siguientes como grupo de control}.

La selección aleatoria tiene la gran ventaja de que permite sentir una gran

_ seguridad de que todos los grupos son sumamente similares en todos los aspec­tos, no simplemente en lo que atañe a las variables que consideramos oportunas .pa­ra el experimentot pues con la asignación aleatoria las diferencias entre los sujetos dertamente desaparecen cuando .se esco­ge un gran núrnero de sujetos" Y así, la selección aleatoria nos permite descartar toda hipótesis optativa adversa en donde

se sostenga que alguna diferencia siste­mática en los grupos ha producido los resultados observados, y es /a clave del éxito en /os expecimentos de laboratorio. En el capítulo 6 expondremos en detalle los procedimientos para la selección aJea­toría de casos.

Experimentos sobre el terreno y diseños no experimentales

Los expertos en ciencia política, por la naturaleza de su especialidad, raramente trabajan en Jaboratorios. Más bien, obser­van los acontecimientos en su entorno natural, donde pueden ejercer un menor, control sobre los factores capaces de in­fluir en los resultados del estudio. En los casos en que el investigador puede actuar sobre la variable independiente y contro­lar la exposición de los sujetos pero no puede controlar otros aspectos de la situa~ ción, realiza con frecuencia experimen .. tos sobre el terreno. En estos estudios emplea un diseño experimental en el que los sujetos se asignan sistemáticamente a Jos grupos de verificación y de control. Los diversos experimentos del «impuesto negativo sobre la renta» efectuados en los Estados Unidos son un ejemplo de esos experimentos sobre el terreno5

. Estos es­tudios se aplicaron para evaiuar los efec..­tos que producía el pago asistencial auto­mático en forma de impuesto negativo sobre la renta en el modo de vida y el rendimiento laboral de los sujetos. L-Os investig:;idores podían comprobar qué

5 Figuran los detaUes de algunos de estos experi~ mentas en A. Pechmany P. Michael Timpane,eds*. Work lncenlivesand lncome Guarantees (Vl/ashing~ ton, D.C.: Brookings Institution, 1975), y John L Pnimer y Joseph A. Per:hman, eds., Welfare in Rural Arcas (Washington, D.C.: Brookings Instituw tion, 1978)

Aplicación del plan 111

sujetos percibían los pagos del impuesto negativo sobre ia renta, pero no podían controlar otros aspectos importantes de la situación de los sujetos. Por ejempio1 no podían garantizar la continuidad de su buen estado de salud, su estado d~il o la oferta de empleo en la economía local Este dispositivo hacía más difícil deslin­dar Jos efectos de las prestaciones asis­tenciales de otras posibles causas de cam­bio en el comportamiento de los sujetos, pero tenía la clara ventaja de indicar de manera realista los resultados que daría en Ja práctica el impuesto negativo sobre la renta. Un experírnento de laboratorio --en el supuesto de que hubiera sido practicable-- no habría sido tan satisfac­torio, pues no podemos estar seguros de que los resultados obtenidos en un entor­no tan artificial representen con fidelidaq lo que ocurre en e1 mundo exterior. Es ésta una ventaja general de los experi­mentos sobre el terreno con respecto a los estudios realizados en laboratorio.

En los experimentos sobre eJ terreno) los investigadores aplican la selección cui­dadosa de los sujetos y la asignación alea­toria de éstos a los grupos de verificación y de control para controlar de alguna manera las características de fondo que pueden influir en Jos resultados. Además, vigilan estrechamente las circunstancias de los sujetos a lo largo del experimento para excluir las hipótesis alternativas que atribuyen los resultados observados a los hechos externos que ocurren durante el experimento, (Por ejemplo, en el que se ha comentado se prescindió de todos Jos sujetos que habían quedado incapacitados para desempeñar un empleo para que, en lo relativo al impuesto negativo sobre la renta, no pudiera interpretarse el desem­pleo como uria respuesta a los pagos asis~ tendales)

En muchos casos, los expertos en cien­cia política ni siquiera pueden actuar so~

Gt

112 An8/isis politico empírico

bre la variable independiente. ¡Imagínese la dificultad de convencer a algunas na­ciones de que hagan revoluciones, y a otras de que las demoren, para realizar un experimento sobre el terreno de los efec­tos de la revolución en el desarrollo políti­co! Cuanto más importante sea el asunto que se investiga, menos probable será que podamos controlarlo. En tales cir­cunstancias, el investigador debe aproxi­marse a un diseño de investigación como el que describiremos en la sección si;:-, guiente, o recurrir a un diseño no experi:· mental,

En los estudios no experimentales, los científicos no pueden controlar la asigna­ción de los sujetos a grupos experimenta­les ni la variable independiente, y tampo­co pueden obtener calificaciones de Ja variable dependiente en una verificación previa.. A menudo, se ven obligados a emplear lo que se denomina diseño a posteriori, en el que se hace una sola observación después de haberse produci­do el hecho supuestamente causal. En ocasiones, puede añadirse un «grupo de control>) de sujetos similares no expuestos a la variable indP.pendiente (VI) y atri­buirse a ésta las diferencias en las califica­ciones de los dos grupos. Sin embargo, esos diseños no proporcionan base alguna para hacer inferencias coherentes sobre el efecto de la VI, ya que no permiten des­cartar ni siquiera la más sencilla de las hipótesis alternativas. Ni podemos, por ejemplo, estar seguros de que el valor de la VD que observamos después de la ex­posición a la VI sea diferente del valor que tenía la VD antes de dicha exposi­ción. Los diseños no experimentales sola­mente son apropiados par.a la investiga­ción descriptiva o exploratoria, no para los estudios explicativos.

Diseños cuasi experimentales

La mayoría de los diseños de investiga­ción empleados por los expertos en cien­cia política pueden clasificarse como cua .. si experimentales. En estos estudios, los investigadores no pueden controlar la exposición a la variable independiente ni las condiciones bajo las cuales se produce ésta, pero intentan simular un diseño ex­perimental ya sea reuniendo datos suple­mentarios, ya sea mediante técnicas de análisis de datos .. Si se elaboran debida­mente, los diseños cuasi experimentales permiten proceder como si se hubiesen respetado todas las características de con­trol de un verdadero experimento, y aportan una base lógica coherente para efectuar inferencias causales.

Probablemente, el tipo más común de diseño cuasi experimental en ciencia polí­tica es el experimento ex post facto. En él, el investigador realiza una s01a observación y recoge datos sobre las va­riables independiente y dependiente así como cualesquiera otras que, a su juicio, deba controlar,, Por ejemplo, si queremos investigar los efectos de la educación uni­versitaria en el comportamiento de voto, podemos efectuar una encuesta entre sujetos seleccionados aleatoriamente, y luego, analizar nuestros datos de manera que determinemos si votan de modo dife­rente quienes siendo semejantes en otros aspectos (raza, sexo, región de residencia,

_ etc"), poseen distintos grados de forma­ción. Para ello, existen refinadas técnicas estadísticas, pero, en el nivel más sencillo, podemos clasificar a nuestros consultados en tablas de contingencia para poder exa­minar la relación existente entre la educa­ción y el voto en diferentes categorías de otras variables, considerando, por ejem­plo, sólo a las mujeres que han asistido y que no han asistido a la universidad, o

Linicamente a los hombres que están en esos dos casos

Este sistema nos permite actuar como si hubiésemos iniciado hace años un expe­rimento en el que hubiéramos asignado cierto número de personas a los grupos experimentales y expuesto algunas a la educación universitaria (variable inde­pendiente), y estuviéramos ahora com­probando el impacto que ello ha produci­do en su comportamiento de voto, Los integrantes de nuestra muestra que po­seen una educación inferior a la universi­taria pero son semejantes en otros aspec­tos a los componentes de aquéJla que tienen educación universitaria, consti­tuyen un «grupo de control"" Como no hemos realizado una prueba previa, no podemos estar seguros de que sea la edu­cación universitaria la causa de las posi­bles diferencias observadas en el voto, pero podemos utilizar los datos suplemen­tarios que hemos obtenido en la encuesta para descartar algunas hipótesis rivales plausibles, y podemos también confiar en la selección aleatoria de la muestra para eliminar los efectos de las variables que no podemos controlar en el análisis de datos.

Hay situaciones en las que no es posi­ble aplicar el muestreo aleatorio ni selec­cionar grupos de control comparables .. Su­cederá esto cuando nuestras unidades de análisis sean escasas en nümero o únicas en numerosos aspectos de interés. Ejem­plo de eJlo es la situación en que un gobierno municipal desea saber qué efec­to ha producido una reorganización admi­nistrativa en los costos de los servicios municipalesº Para responder 2. esta pre­gunta, el experto en ciencia política habrá de utiJizar tal vez otro diseño de investi­gación común, denominado diseño de se­rie te1nporal.

En los diseños de serie temporal, el investigador hace varias observaciones

Aplicación del plan 113

antes y después de introducir algún fenó­meno causal, y compara los valores que en esos dos momentos tiene la variable dependiente. En nuestro ejemplo, los ex­pertos en ciencia política podrían consul­tar el registro municipal para comparar el coste per cápita de los servicios municipa­les antes y después de la reorganización administrativa. (Habrían de utilizar el coste per cápita y controlar la inflación para excluir la posibilidad de que el au­mento de la población urbana o el alza de los precios hayan influido en el coste de los servicios pLiblicos independientemen­te del impacto de Ja reorganización) .. Las figuras 5.1, 5.2 y 5 .. 3 ilustran algunos posibles resultados de este estudio.

En cierto sentido, en los diseños de serie temporal se usa como grupo de con­trol el mismo sujeto o conjunto de sujetos, pero en un mor.iento anterior .. Si hay una clara tendencia en los valores de la varia­ble dependiente antes de la introducción de la variable independiente, suponemos que la tendencia continuaría si no fuera por la variable independiente, y como indicador del efecto de la VI utilizamos la diferencia entre los valores de la VD y los valores que tendría si la tendencia conti­nuase

Esta lógica queda ilustrada en la figura 5. L Si los datos fueran los que representa dicha figura, las autoridades municipales se enterarían con sumo agrado de que la reorganización no sólo habría reducido el coste de los servicios, sino que también habría invertido la tendencia hacia unos costos en constante crecimiento, El efecto de la reorganización en un año dado pue­de medirse por la diferencia entre el valor previsto para ese año en la línea de ten­dencia original y el valor observadoº En la figura 5.1, el efecto de la reorganiza­ción sobre los costos de los servicios en 1985 es de 125$. Sí los datos fueran como en la figura 5.2, los valores previstos y

114

/

REORGANIZACiON

§ S250

" 225 ¡¡ ~ 200

:g 175 !

150

i 125

1l. b

8 1980 1982 1983 1984 1985 1987

Arla

FIGURA 5_L Tendencia hipotética de los costos de los servicios públicos, donde se ve que la reorganización ha invertido Ja tendencia originar

observados serán !os mismos y se estima­rá que la reorganización no ha tenido efecto sobre Jos costos, En el caso repre­sentado en Ja figura 5.3, Ja reorganización ha reducido iniciaJmente ros costost pero no ha producido efecto en la tendencia.

REORGANIZACION

Mientras que los resultados indicados en la figura 5 .1 muestran que la reorganiza­ción ha producido efectos acumulativos que totalizan 400$ en cuatro años, la figura 5.3 muestra solamente un efecto total de 25$

1980 1981 1982 1983 1984 1985 1986 '!987

Afio

FIGURA 5,2. Tendencia hipotética de /m; cmtos de Jos servicios públicos, donde se ve que la reorganización no ha producido ningún efecto.

~ REORGANIZAC[ON

¡¡ S250

~ 225

~ 200 ~ o 175 :!! 5

~ ~ ~

8

Año

FIGURA 5,3,, Tendencia hipotética de los costos de los servicios públicos, donde se ve que /a reorflanización ha. modificado el nivel de los costos, pero no ha inter111mpido la tendencia.

En ciertos casos, la tendencia que estaM

mos tratando no es Ían clara y constante conto en éste, Pot ejemplo, supongamos que la policía municipal, alarmada por el aumento de las detenciones debidas a la prostitución, adopta medidas enérgícas contra ella y más tarde desea saber qué resultados han dado. La figura 5.4 mues­tra el tipa de datas que podrían obtenerse a lo largo de diez años. Los valores de la variable dependiente (detenciones por prostitución) aumentan y disminuyen de un año a otro a lo largo del período. La tarea del investigador consiste en deter­minar si la tendencia general posterior a la adopción de las medidas es notable­mente distinta de la tendencia general anterior a ella. Una manera de hacerlo es comparar el promedio anual de detencio­nes por prostitución anterior a la aplica­ción de las medidas con el promedio anual de detenciones registrado en los años si~ guientes {ambos promedios se cifran en nueve detenciones en el ejemplo). Si su~ ponemos que la tendencia original conti-

nuaría de no haberse adoptado las medi­das enérgicas, podemos utilizar la posible diferencia existente entre los dos prome­dios como indicador del impacto de esas medidas en el nivel de detenciones por prostitución. Otro procedimiento consiste en comparar las líneas de tendencia (re­presentadas por una línea de puntos en la figura 5A) que atraviesan los diversos valores de la VD anteriores y posteriores a la aplicación de las medidas, para deter­minar si difiere la tendencia general.

Este ejemplo ilustra una de las ventajas importantes de los diseños de serie tem~ poraL Si observamos los índices de deten­ciones solamente en 1984 y 1986, como en un estudio típico con verificaciones anterior y posterior, podemos deducir que las medidas represivas policiales han re­ducido las detenciones por prostitución, Pero los datos de la serie temporal nos permiten comprobar el descenso de de­tenciones registrada entre 1984 y 1986 como una fluctuación nonnal en torno a una tendenda general (representada por

c;·q

MEDlDAS RE.PREStVAS

Año

FIGURA 5.4, Tendencia hipotética de las detenciones por prostitución, donde se ve un efecto ilusorio de las medidas represivas,

la línea de puntos) en la que no ha influi­do la intervención de la policía.

A pesar de esta eficacia~ los diseños de serie temporal adolecen de un defecto: en muchos casos, no disponemos de un grupo de control y, por consiguiente, no pode­mos estar seguros de cuáles son los efectos de la VI, pues no sabemos con certeza cuál sería el valor de Ja VD sin la VI; tan sólo nos cabe suponer que se mantendría la tendencia original. Y esto puede ser un error por numerosas razones, Una de las rnás importantes es lo que Donald Camp­bell y J!;'lián Stanley denominan regre­sión hacia la 'media6

, fenómeno que viene a poner en tela de juicio la validez de las conclusiones extraídas de diversos clise~ ños de investigación,

La regresión hacia la media es, básica~ mente, un proceso por el que los sujetos

" Dooald T CampbeH y Julián Stanley, Experi­menta/ and Quasi~ex.perimenta./ Desi~tJS for Re· search (Chicngo: Rand McNaUy, 1966). (Edición en castellano; Diseños experimenta}es y cuasi tnt:peri, mentales e11 la investigación social, Buenos Aires, Amorrortu, 1982.)

que tienen valores extremos en una varia­ble dependiente en un momento dado tienden naturalmente a adquirir un valor más cercano aJ promedio en esa variable en mediciones subsiguientes, con inde~ pendencia de que se hayan expuesto a alguna variable independiente formulada en una hipótesis. Si esa regresión hacia la media tiene lugar en el momento de un estudio, el investigador puede tomar equivocadamente la regresión natural por un efecto de la VI. Y esto puede constituir un problema especial en aquellos casos en que los sujetos se exponen a la variable independiente precisamente porque tíe­nen valores extraordinarios en la variable dependiente

'En nuestro último ejernplo, la policía emprendía una acción represiva porque se venia registrando un número excepd,o­nalmente elevado de detenciones por prostitución. En la ciudad esto era una desviación de la normalíd~d que podría haberse corregido por sí misma aunque la policía no hubiera intervenido, Para ex­cluir Ja regresión como explicación alter-

Aplicación del plan 117

MEDIDAS REPRESIVAS

12

11

10

·~~ ..... "\""·"~:;-,70;- ....... .,..,,. \

1980

\ \ f \ f

V

1982 1984 19B6 19BB 1990

Año

Jndke de detenciones de !a dudod de veriftcadcin <con medidas represivus)

Indice medio de lns cuntrn ciudndes dn control

T eodendn de In dudad de verificndón

........ ºººº Tendcnda de In. ciudud de control

FIGURA 5,5. Tendencia hipotética de las detenciones por prostitución en una ciudad de verificación y un grupo de ciudades de control

nativa se puede emplear un diseño de serie temporal controlada.

En los diseños de serie tempoiral controlada, se recogen datos sobre un caso o conjunto de casos que guarden la mayor semejanza posible con el caso o grupo de verificación en todos los aspee~ tos oportunos, pero que no se expongan a la VI, Y se utiliza ese caso o grupo como control para evaluar los efectos de la VI En nuestro ejemplo, podemos seleccionar una o más ciudades muy semejantes a la que aplica las medidas represivas y que no hayan modificado sus normas respecto a Ja prostitución, y observar su índice de detenciones en los mismos años, La figura 5,5 presenta algunos posibles resultados. Comparando la ciudad de verificación (rnedidas represivas) con un grupo de ciu-

dades similares, se puede aprecíar que la tendencia de las detenciones por prostitu­ción anteriores a 1985 permanece inalte­rada en la ciudad de verificación1 mien­tras que el índice medio de detenciones aumenta espectacularmente en las ciuda­des de control. Esto parece indícar que con las medidas represivas no se ha logra­do modificar la tendencia en la dudad de verificación, pero se ha evitado que siga el mismo camino que hace aumentar el índice de detenciones en otras ciudades similares, En este caso, utilizamos la dife~ renda entre los índices de la ciudad de verificación registrados después de la aplicación de las medidas represivas y los registrados en las ciudades de control en el mismo año corno medida del efecto de la VI dando por supuesto que la ciudad de

?-0

118 AnfJlísis polífíco empírico

verificación seguiría Ja tendencia de las demás si no fuera por la acción policial En 1988, por ejemplo, el efecto de las medidas represivas se estima en dos de­tenciones por cada L 000 habitantes

Si adoptásemos un diseño de investiga­ción más consistente. en este ejemplo

1 no

llegaríamos a la conclusión aparentemen­te incorrecta de que un programa que ha constituido un factor eficaz de disuasión no ha producido efecto alguno

Elección del diseño de investigación

Son varios los diseños experimentales y cuasi experimentaJes que no hemos comentado7

., El número de variaciones de estos diseños básicos sólo está limitado por el ingenio humano, y ei diseño de investigación para un estudio determina~ do reflejará su particular finalidad. Más que elegir un diseño de investigación, lo que hacemos es crear un diseño que se ajuste al estudio concreto que hemos de realizar~ aunque) pÜr lo común, nos base­mos en uno de los tipos de diseño funda­mentales. Las tres consideraciones princi­pales que orientan al investigador a la hora de elaborar su diseño de investiga­ción son la necesidad de validez, Jos re­cursos disponibles y la ética profesional.

El objetivo del diseño de investigación en los estudios explicativos es el de per. mitirnos realizar inferencias váHdas sobre las relactones causales entre variables

1 Algunos de ellos se exponen en David C, Leege y Wayne L, Fn:mcis; Political Re:search {Nueva York: Bnsic Books, 1974}, cap, 3; en Delbert C Miller, Handbook o{ Research Design and Social Measurement, 4," ed (Whitc Plains, Nueva York: L<mgm.rm1 1983), cap::;, 1-9. y en James A Caporaso y Leslie L Roos, Jr-, eds. Quasi0 EKperirnental Ap­prom:,hes {Evanstoo, IL: Northwestern University Press, J 973.}

partiendo de los cambios observados en nuestras medidas de esas variables_, En cons~cuencia1 la validez de nuestros re­sultados debiera ser una meta esencial a1 idear el disefio de investigación,

Hay dos tipos prímarios de validez aso. dados a la investigación empírica; interna y externa. La validez interna corres­ponde al grado en que el diseño propor­ciona una base lógica coherente para ínfe­rir si la variable independiente es o no causa de un cambio determinado en la variable dependiente. Preguntarnos por la validez interna equivale a preguntar­nos: ¿hay algo en el diseño de investiga. ción que nos lleve a atribuir una influen­cia causal a la VI cuando no tiene esa influencia, o a dejar de reconocer cuat­qllier influencia causal que tenga la VI? Por ejempJ01 si existe un fuerte efecto de verificación asociado al empleo de una determinada medida, todo diseño de in­vestigación que no aporte el medio d~ controlar ese efecto de verificación care­cerá de validez interna, pues podrá lle­vamos a la fals2 interpretación de tomar los cambios debidos a dicho efecto como prueba del impacto causal de la variable independiente. La validez externa se refiere a la posibilidad de generalizar nuestros resultados: ¿cabe esperar razo­nabJemente que haHemos las mismas in~ fluencias causales en otras situaciones? ¿Nos dice este estudiO alguna cosa sobre la parte de realidad no incluida en él? Por ejemplo, un experimento sobre el terreno

.,.. destinado a averiguar Jos efectos qu~ pro­duce en los hábitos de conducir del públi·· co la sobretasa de un dólar por galón en el precio de la gasolina, tendrá escasa vali­dez externa sí se realiza en una comuni­dad cuyo promedio de ingresos anuales por familia sea superior a los l 00 .. 000 dólares, pues no ca.be esperar que los ciudadanos con ingresos medios y bajos se comporten de la misma manera,,

Factores opuestos a la validez

Entre los factores principales que se oponen a ta validez interna y externa figuran los sigulentes6:

Factores que se oponen a la validez interna

L H ístoria; hechos ajenos a la VI que pueden alterar los valores de la verifica­ción posterior y que se producen entre Ja verificación anterior y la posterior, Por ejemplo, la declaración de un dirigente político a la que se dé gran publicidad puede modificar las actitudes de los suje­tos independientemente del tratamiento experimental prolongado a que se estén sometiendo.

2., Madurez.· cambios naturales en Jos sujetos, que modifiquen los valores de la VD a lo largo del tiempo, con indepen­dencia de la VI (por ejemplo, fatiga huma­na, crecimiento de la población en unida­des de análisis geográficamente definidas, envejecimiento de los medios físicos).

3. l nestabilidad: cambios aleatorios en los valores registTados, debidos a medidas no fiables, selección inadecuada de los sujetos u otras causas.,

4. Verificación;· el efecto de verifica­ción descrito en este capítulo.

5 .. Instrumentación: diferencias en los dispositivos de medición empleados que producen diferencias en los valores con imlependencia de los efectos de la VI (como, por ejemplo. sesgos introducidos por los entrevistadores, una máquina in­debidamente calibrada, o la desigual pre­cisión entre !os codificadores).

8 Donald T Campbell, «Reforms ns Experi~ ments,., American Psychologist. 24 (abril 1969), PP

407-29

Aplicación del plan 119

6. Efectos de regresión.: cambios debi­dos a la regresión hacia la media, comen~ tados en este capítulo

7. Selección;· diferencias en los valo­res, originadas por la djstinta manera en que se han formado los grupos experi­mental y de control (por ejemplo, cuando ios componentes de un grupo experimen­tal están legalmente obligados a someter­se a la VI y los integrantes de uno de los grupos de control se someten a ella volun­tariamente)~

8. Mortalidad experimenta/. tasas di­ferentes de pérdida de sujetos entre el grupo experimental y los de control. (Por ejemplo, aquellos casos que hacen que el grupo de control responda como un todo a la VI cuando el grupo experimental pue­de abandonar el experimento antes del test posterior).

9, Interacción entre la selección y la madurez," sesgos en el proceso de selec­ción que originan diferentes tasas de ma­durez en los grupos de verificación y de control. (Por ejemplo, en el estudio Opera­ción Miedo, los sujetos sometidos a verifi­cación podrían ser de más edad porque se hubieran prestado voluntariamente a par-, tícipar en el programa solamente después de una serie de detenciones en su juven­tud, con lo que habrían superado más rápidamente la delincuencia juvenil que el grupo de control de menor edad).

Factores que se oponen a la validez externa

1" Efectos interactivos de la verifica.V

ción." los valores de la verificación poste­rior de los sujetos sometidos a la verifica­ción anterior pueden dejar de ser repre­sentativos de la población no sometida al test previo por Ja manera en que este último ha predispuesto a los sujetos con respecto a la VI.

120 Análisis político empírico

2. Interacción de la selección y el tra­tamiento experimentaL' los procesos de selección parciales pueden producir un grupo experimental que reaccione ante Ja VI de una manera impropia de la mayoría de la población ..

3. Efectos reactivos de los dispositivos experimentales:· las condiciones del entor­no experimental pueden no ser represen­tativas de las del mundo real.

4. Interferencia del tratamiento múlti­

ple: la aplicación simultánea de más de un tratamiento puede producir cambibs que sean diferentes de los que tendrían lugar si se aplicara un solo tratamiento,

S. Respuesta improcedente de las me­didas: todas las medidas captan múltiples aspectos del entorno, algunos de los cua­les pueden incluir componentes que den 1a impresión de cambio cuando éste no existef o que oculten los verdaderos cam­bios.

6. Posibilidad de réplica improcedente de los tratamientos: cuando las variables independientes son eventos complejos (como en el caso de la visita a la prisión en el ejemplo de la Operación Miedo y la educación universitaria), los investigado­res pueden no advertir qué aspecto de aquéllas ocasiona el cambio en los sujetos, y dejar de incluir el aspecto oportuno de la VI en todas las exposiciones experi­mentales a ésta.

El diseño de investigación más idóneo es aquél con el que se evita el mayor número posible de estos obstáculos a la validez. Sin ernbargot aun el más perfecto de los diseños carecerá de utilidad si no contamos con los recursos necesarios para realizarlo: La disponibilidad de tiempo, dinero, personal especializado, servicios e instalaciones y las fuentes de datos nece­sarias condicionará siempre la elección de un diseño de investigación, Si los investi­gadores no están seguros de poder contro-

lar los principales obstáculos que se opo­nen a la validez y que, dadas las limitacio­nes de los recursos existentes, impedirían la correcta realización del estudio en cuestión, harán bien en abandonar el proyecto hasta que dispongan de los re­cursos adecuados. Es preferible no hacer la investigación a realizar una investiga~ ción defectuosa que pudiera llevar a con­clusiones inexactas.

Una última consideración en el diseño de investigación, que ha de prevalecer sobre todas las demás, es la de si su realización supondría el quebrantamiento de la ética profesional: ¿perjudicará a al­guien en algún sentido? En caso afirmati­vo, ¿en qué medida? ¿Proporcionará a la sociedad beneficios superiores a los cos­tos? Estas son preguntas que el profesio­nal debe responder de acuerdo con sus valores y con las normas imperantes en la profesión. El capítulo 11, que trata de las técnicas de observación directa emplea­das en !a recogida de datos, presenta al­gunos ejemplos de los tipos de cuestiones éticas que muy probablemente han de afrontar los expertos en ciencia política al plantear un estudio, y el apéndice B reco· ge las normas de ética de la investigación recomendadas y refrendadas por las prin­cipales asociaciones profesionales de cien­cia política y sociología. La única orienta­ción general que podemos dar para hacer esta eleccíón es la de reiterar nuestra opinión de que la ciencia no es un fin en sí misma~ sino un instrumento que ha de estar al servicio de la humanidad.

Sugerencias para ulteriores lecturas

Son \;arias las obras de carácter general sobre Jos métodos de ciencia social que tratan de manera eficaz del diseño de investigación. Una de ellas es la de Fred

N. Kerlinger, Foundations of Behavioral Research (Nueva York: Holt, Rinehart y Winston, 1964), caps. 15-21, y otra, la de Kenneth D. Bailey, Methods of Socia/ Research (Nueva York: Free Press, 1978), cap. 9. Se trata este tema de ma­nera más detallada y especializada en Wi!liam G. Cochran y Gertrude M. Cox, Experimental Desi¡jns, 2. ª ed. (Nueva York: Wiley, 1957). Una obra de utiliza­ción generalizada es la de Thomas D. Cook y Donald T. Campbell, Quasi­Experimentation (Chicago: Rand McNa­lly, 1979),

Un libro dedicado a explicar a los ex­pertos en ciencia social la manera de ela­borar bases lógicas coherentes sobre las que extraer conclusiones en su labor de investigación es el de Hubert M. Blalock, Jr., Causal Jnferences in Nonexperímen~ tal Research (Chapel Hill: Universíty of North Carolina Press, 1964) Se estudia la naturaleza y los usos de los diseños cu2si experimentales en la ciencia soda) en los artículos recopilados en James k Caporaso y Leslie L. Roos, J r., eds , Quasi-experimental Approaches (Evans­ton, IIL: Northwestem Universíty Press, 1973), y la relación entre los diseños ex­perimentales y los cuasi experimentales, en Henry Adand, «Are Randomized Ex­periments the Cadíllacs ofDesign?», Poli­c¿y Analysis, 5 {primavera de 1979), pp. 223-41. Se trata con mayor profundidad de la inferencia causal y el diseño de investigación en H. M. Blalock, Jr., ed., Causal Models in Panel and Experimen­tal Designs (Nueva York: Aldine, 1985). Figuran otros buenos ejemplos de diseños de investigación en ciencia social en Ed~ ward R Tufte, ed., The Quantitative Analysis of Social Problems (Reading, Mass: Addison-Wesley, 1970). Presenta una neta aplicación del diseño de serie temporal controlada Franklin E. Zimring, «Firearrns and Federal Law: The Gun

Control Act of 1968•·, ]ournal of L.e¡jal Studies, 4 (enero de 1975), pp. 133-98.

Ejercicios de investigación

L Con referencia al ejemplo de la Operación Miedo utilizado al comienzo del capítulo, formular otras dos explica­ciones alternativas plausibles de por qué fueron tan escasos los que, habiendo par­ticipado en el programa, fueron detenidos después. Explicar en detalle las modifica­ciones del diseño de investigación original descrito en el ejemplo que habrá que hacer para evaluar la exactitud de esas explicaciones hipotéticas.

2. Está usted estudiando la relación entre la desigualdad en la distribución de la riqueza y la violencia política interna en las naciones del mundo. Ha operado­nalizado la desigualdad como la diferen­cia en la proporción de la renta nacional que recibe el 20 por ciento de máximos perceptores y la proporción que recibe el 20 por ciento de mínimos perceptores. Ha operacionalizado la violencia polítíca co­mo el nümero de incidentes violentos con motivación política comunicados anual­mente por la prensa nadonal de cada nación. Su hipótesis de trabajo es la si­guiente: Cuanto mayor es la desigualdad en la distribución de la renta, mayor es el número de incidentes de violencia políti~ ca.

Establezca al menos tres hipótesis so­bre la relación entre las desigualdades de la riqueza y la violencia nacional que representen otras tantas hipótesis rivales de esa hipótesis de trabajo. Por cada op­ción que proponga~ indique cada una de las variables que tendrá que controlar para poder excluirla como explicación vá­lida de los hechos observados.

3. Desea evaluar los efectos que pro· duce una película sobre Jas relaciones in-

7-2.