Académique Documents
Professionnel Documents
Culture Documents
SELECCIN DE CASOS
Muchas veces seleccionamos casos partiendo del fenmeno que queremos explicar. Esto nos lleva a buscar aquellos casos donde nuestra variable dependiente asume valor positivo. Segn Geddes, esta estrategia de seleccin de casos nos puede llevar a resultados sesgados.
LA TESIS DE GEDDES
Seleccionar casos por VD es un error. Las conclusiones de los estudios que siguen este camino son sesgadas. Mostrar cmo algunos de los estudios ms importantes de poltica comparada tienen este problema, llegando a conclusiones distintas a las que se habran encontrado de seleccionar correctamente los casos.
EL PROBLEMA
Si yo quiero estudiar por qu ciertos pases (A y B) tienen un desempeo distinto que otros pases (C a G), buscar las razones que explican esta diferencia. Para ello, es necesario trabajar sobre la totalidad de los casos. Si solo estudio los casos A y B, cmo puedo estar seguro que las causas que hipotetizo como responsables del fenmeno estudiado no estn tambin presentes en C a G? Al menos tendra que tener una muestra de C a G.
Error 1: Asumir que cualquier caracterstica compartida por los dos casos estudiados es una causa (en realidad la distribucin podra se la de la figura 2). Ej de error: si los dos comparten alto valor de Y, esta variable es una causa. Error 2: Asumir que una relacin (o ausencia de relacin entre variables) dentro del grupo seleccionado de casos es representativa de la totalidad de la poblacin. Si uno selecciona casos como se ve en la figura 1, y la distribucin real de casos fuera esa, uno podra concluir que no existe relacin entre X e Y.
DEMOSTRACIN DE SU ARGUMENTO (FIGURAS DE P.137-140). EN ESTA PRIMERA FIGURA HAY DEMASIADA POCA INFORMACIN (Y NO SE VE NINGUNA RELACIN).
OTROS EJEMPLOS
States and Social Revolutions (Skocpol, 1979) es una obra emblemtica de estudios con seleccin de casos en VD. Selecciona casos en ambos extremos de la VD, ya que estudia algunos casos negativos para mostrar el contraste. Pero segn Geddes agregar ms casos podra llevar a distintos resultados.
Seleccin de puntos finales en una serie de tiempo. Cuando se estudian casos durante cierto tiempo cmo seleccionar los puntos de corte?
Si uno selecciona un punto en el tiempo donde la VD asume valores muy altos o muy bajos, tendra que tener atencin de cmo se desempe antes, para no llegar a conclusiones errneas.
Cuando uno va a trabajar con pocos casos, la seleccin aleatoria de los mismos trae efectos no deseados evidentes. La idea del artculo de Collier y Mahoney es ver cunto hay de til y de intil en las crticas y consejos dados por los miembros de la cultura cuanti a los investigadores que trabajan con pocos casos.
1- Implicancia generales 2- El marco de comparacin contra el que se debera contrastar el sesgo de seleccin 3- La relacin de este marco de comparacin con el problema de la heterogeneidad causal 4- Los anlisis intra-caso pueden superar el problema del sesgo de seleccin en estudios cuali? 5- Hay que tener cuidado al usar estudios de caso para complejizar teoras previas
IMPLICANCIA GENERAL
Hay que ser conscientes del problema. No obstante, al momento de disear una investigacin hay trade-offs entre diversos desafos. Aumentar el nmero de casos puede reducir el sesgo de seleccin pero aumentar otros problemas. Lo ms importante es ser consciente de las opciones que se hacen.
EL
LA
En algunas ocasiones tomar todo el rango de variacin de VD implica heterogeneidad causal. En este caso optar por una comparacin ms acotada puede ser una buena opcin. Por ejemplo, las razones que expliquen la diferencia entre un bajo rendimiento de la PSU y un rendimiento alto pueden ser distintas a las que expliquen las diferencias entre un rendimiento alto y uno muy alto. Este trade-off est vinculado a otros que son importantes: capacidad de generalizar, parsimonia, precisin y causalidad (Przeworksi y Teune, 1970). Tambin se puede agregar validez conceptual.
SE
DE
Algunos investigadores sealan que el estudio intra-caso puede generar un nmero mayor de observaciones en un contexto relativamente controlado. De todos modos Collier y Mahoney sealan que no permite superar el problema de sesgo de seleccin. Destacan el anlisis within-case como una buena estrategia para mejorar la comprensin de los casos, pero no para generar los grados de varianza que se pueden encontrar en la poblacin general.
La ausencia de varianza no es lo mismo que sesgo en seleccin de casos. Para algunos objetivos, diseos de pocos casos con poca varianza pueden ser fundamentales:
Si se sabe poco sobre un fenmeno, pocos casos y muchas variables puede ser mejor que muchos casos y pocas variables. Se pueden generar nuevas explicaciones El mtodo de Mill de agreement puede ser til. Los contrafactuales pueden servir tambin.
Por otra parte, no hay que focalizarse solo en la crtica de diseos con poca varianza en la VD, tambin es problemtico tener poca varianza en la VI.
CONCLUSIN
El sesgo en seleccin de casos es un problema comn y potencialmente serio. Se debe ser consciente de los problemas que trae al seleccionar en VD. Aunque uno no quiera generalizar, el sesgo en seleccin de casos puede traer problemas. Para estudios de n pequeo, el riesgo puede ser sobreestimar los efectos de la VI. Es fundamental determinar el marco de comparacin con el que se cotejarn los hallazgos. Comparar resultados de investigaciones previas con grupos mayores de casos (lo que hace Geddes) es valioso, pero puede acaparar muchos problemas. En estudios de n pequeo hay que buscar estrategias para lograr varianza. En este sentido, seleccin aleatoria de casos puede ser ms problemtico que beneficioso.