SELECCIN DE CASOS

Epistemologa y diseo de investigacin Germn Bidegain Ponte PUC

SELECCIN DE CASOS

Dos visiones distintas sobre los problemas en la seleccin de casos:

Geddes (1990) Collier y Mahoney (1996)

SELECCIN EN VARIABLE DEPENDIENTE

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.

Es una estrategia totalmente reida con los principios estadsticos.

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.

EJEMPLO: RELACIN ASUMIDA AL ESTUDIAR SOLO A Y B (GEDDES, 1990: 133)

EN REALIDAD LA SITUACIN PODRAS SER LA SIGUIENTE (GEDDES, 1990: 133):

DOS CONCLUSIONES EQUIVOCADAS :

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.

PRIMER EJEMPLO DE GEDDES:

Seleccin de Taiwn, Corea del Sur, Singapur, Brasil y Mxico para sostener que el control sobre los trabajadores acelera el crecimiento de los pases que buscan industrializarse. El sesgo en la seleccin de casos justifica los resultados. No existe en esos estudios una determinacin clara del universo de casos.

DEMOSTRACIN DE SU ARGUMENTO (FIGURAS DE P.137-140). EN ESTA PRIMERA FIGURA HAY DEMASIADA POCA INFORMACIN (Y NO SE VE NINGUNA RELACIN).

EL ARGUMENTO SE SOSTIENE PARA ASIA ORIENTAL.

PERO NO PUEDE EXTRAPOLARSE A TODO EL

TERCER MUNDO

TAMPOCO EXTRAPOLARSE A TODOS LOS PASES

DEL TERCER MUNDO IGUAL DE AVANZADOS QUE LOS DE ASIA ORIENTAL

OTROS EJEMPLOS

Seleccin en VD en estudios de Path Dependency.

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.

LA OTRA CULTURA: MAHONEY Y GOERTZ (1996).

Los autores reaccionan a textos como Geddes (1990) o KKV (1994) que advierten sobre los peligros del sesgo en seleccin de casos, especialmente en estudios de n pequeo. Los casos que le preocupan a estos autores son comunes en estudios comparados que se interesan por eventos excepcionales, como revoluciones, guerras o cambios de rgimen. Quienes abordan estos casos se concentran en casos donde hay ocurrencia del evento esperado o analizan un margen de variacin restringido. La idea en este tipo de seleccin es analizar los casos con la mayor profundidad posible.

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.

CUL ES EL PROBLEMA DE SELECCIONAR EN VD?

Situaciones donde se puede producir sesgo de seleccin de casos:

Cuando hay auto-seleccin de casos y el investigador no lo puede controlar (por ejemplo si estudio el impacto de un pre-universitario en el resultado de PSU, tal vez el hecho de haber decidido ir al pre-universitario es lo que explica el mejor desempeo). Cuando los valores de la VI fueron afectados previamente por los de la VD. Ej.: impacto de democracia sobre desarrollo econmico (tal vez los tienen democracia es porque antes se desarrollaron econmicamente). Cuando uno selecciona a propsito casos con valores extremos en VD. Estos son los casos estudiados por el artculo.

UN EJEMPLO VISUAL (COLLIER Y MAHONEY, 1996: 61).

LA GENERALIZACIN DEBE SER SIEMPRE EL OBJETIVO?

La figura anterior muestra el problema que una seleccin sesgada de casos puede implicar al buscar conclusiones para toda la poblacin de estudio. No obstante, en algunos casos nos puede interesar un grupo especfico de la poblacin. Por ejemplo, aquellos que en la PSU obtuvieron ms de cierto puntaje. De todos modos, este no es argumento suficiente para descartar la muestra ms amplia, que puede ser til para poner en perspectiva los hallazgos de la muestra ms pequea.

QU PASA AL EXTENDER EL RAZONAMIENTO CUANTI AL MUNDO CUALI?

Los autores abordan la pregunta en cinco puntos:

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.

UN MARCO DE COMPARACIN APROPIADO

Los estudios cuanti que sealan el problema de sesgo de seleccin estn focalizados en realizar generalizaciones para la poblacin total Pero los estudios cuali no siempre tienen este marco de comparacin tan amplio. Hay que definir el espacio de contraste adecuado, los contrastes en la VD que la vuelven un resultado importante de explicar. Un estudio de n pequeo puede estar interesado en un rango acotado de variacin de la VD, no necesariamente en la poblacin que cubre todo el rango de variacin de la misma.

EL

MARCO DE COMPARACIN HETEROGENEIDAD CAUSAL

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

PUEDE SUPERAR EL SESGO SELECCIN CON ANLISIS INTRA-CASO?

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.

COMPLEJIZACIN BASADA EN CASOS

EXTREMOS Una fortaleza clsica de los estudios de caso o n pequeo es descubrir nuevas explicaciones, as como complejizar explicaciones previas. Al analizar casos extremos se pueden descubrir variables que estaban ocultas en la muestra ms amplia. Un problema que puede surgir al trabajar con muestras truncadas es la sobre-estimacin de la importancia de estas explicaciones.

LOS DISEOS SIN VARIANZA SON SIEMPRE PROBLEMTICOS?

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.