ANEXO.

Un desafo central en la investigacin cualitativa es la seleccin de los casos "negativos" (por ejemplo, nonrevolutions, nonwars) que se incluirn en los anlisis que tratan de explicar los resultados positivos de inters (por ejemplo, las revoluciones, las guerras). Aunque es ampliamente reconocido que la seleccin de los casos negativos es consecuente para las pruebas de la teora, metodlogos todava tienen que formular reglas especficas para informar a este proceso de seleccin. En este trabajo, proponemos un principio-la posibilidad en principios que se proporcionan instrucciones explcitas y rigurosas, y tericamente informada para elegir un conjunto de casos negativos. El Principio Posibilidad asesora a los investigadores a seleccionar slo los casos negativos cuando no sea posible el resultado de inters. Nuestra discusin se desarrolla este principio y sus consecuencias para el actual debate sobre la seleccin de las estrategias de las pruebas de la teora de caso. Los principales puntos son ilustrados con ejemplos sustantivos de los estudios de la revolucin, el crecimiento econmico, los estados de bienestar, y la guerra.

CONCLUSIONES. los investigadores cualitativos que estudian eventos como las revoluciones, el desarrollo del estado del bienestar, el genocidio y el crecimiento econmico sostenido generalmente no analizan casos negativos en el resultado de inters es imposible. Ms bien, tienden a centrarse en los casos negativos cuando el resultado tiene una posibilidad real de que se produzcan. En este trabajo, hemos hecho explcita y formalizada esta prctica comn de investigacin. De esta manera, hemos creado un nuevo conjunto de reglas para guiar las prcticas de seleccin de casos en la investigacin cualitativa. Hemos mostrado cmo el Principio Posibilidad aborda las cuestiones fundamentales, pero rara vez se discute que implica la definicin de una poblacin importante de casos. La definicin de la poblacin relevante puede afectar a las conclusiones sobre la importancia, fuerza, e incluso la direccin de las relaciones causales hipotticas. La poblacin relevante tanto, debe definirse con cuidado antes de una gira a las tcnicas especficas de muestreo caso. Independientemente del procedimiento de muestreo, cuando los casos irrelevantes se incluyen en la comprensin de la poblacin, uno sobre-representar observaciones con un valor de cero en la variable dependiente. Por lo tanto, nuestro anlisis ha llamado la atencin sobre las formas de evitar el error que se produce cuando la definicin de la poblacin genera demasiados casos negativos, mientras que la mayor parte de la literatura sobre la seleccin de los casos se ha centrado en los procedimientos para la superacin de los prejuicios generados a partir de un nmero insuficiente de negativos casos. En trminos ms generales, el principio Posibilidad ofrece una herramienta poderosa para pensar en la seleccin de casos en la investigacin cualitativa. Un anlisis de este principio agudiza nuestra comprensin de cmo los investigadores utilizan declaraciones de alcance, y proporciona una base para la formalizacin de la lgica alternativa que los eruditos siguen cuando excluyen nicamente los casos negativos de las pruebas de sus teoras. Asimismo, mediante la representacin del Principio Posibilidad visual, se puede ver la geografa general de la seleccin de

casos en la investigacin cualitativa, como la distincin entre positivo y negativo, irrelevante, imposible-pero-que pasa, y los casos disconforme. Al igual que el rey de Lewis Carroll tena problemas para ver No (cuerpo en la carretera, los acadmicos se han esforzado por identificar nonwar, nonrevolution, y similares. Principio Posibilidad junto con una teora de lo positivo) vienen de inters permite a los analistas identificar toda la gama de los casos negativos relevantes para probar sus teoras causales.

INTRODUCCIN. En este artculo proponemos un principio - el principio de posibilidad - que proporciona directrices explcitas y rigurosas, y tericamente informada para elegir un conjunto de casos negativos. El Principio Posibilidad sostiene que slo los casos en los que es posible el resultado de inters deben ser incluidos en el conjunto de casos negativos; casos en los que el resultado es imposible deben ser relegados a un conjunto de observaciones poco informativas y por lo tanto irrelevante. Se demuestra que la aplicacin de este principio puede ayudar a los acadmicos evitan errores y maximizar la palanca para hacer inferencias causales vlidas. El Principio Posibilidad informa implcitamente mucha investigacin experimental. El Principio Posibilidad afirma que los casos negativos deben ser aquellos en los que el resultado tiene una posibilidad real de ocurrir - no slo aquellos en los que el resultado tiene una probabilidad diferente de cero. Es til contrastar el problema de la seleccin de los casos negativos con el problema de la seleccin sobre la variable dependiente. Como es bien conocido, la seleccin de los casos sobre la base de su valor en la variable dependiente puede conducir a la sobrerrepresentacin de casos positivos en la muestra, que puede sesgar los resultados en los estudios de regresin. La inclusin de observaciones irrelevantes tiene el efecto opuesto: se introduce demasiados casos negativos en la poblacin. En resumen, la seleccin de la variable dependiente normalmente significa demasiados casos positivos, mientras que incluyendo observaciones irrelevantes normalmente significa demasiados casos negativos. Al igual que la solucin para la seleccin en la variable dependiente es para incluir los casos ms negativos, por lo que tambin la solucin para el problema caso negativo es para excluir casos irrelevantes. En el desarrollo de este argumento, nos centramos en la investigacin cualitativa, pequea-N en el campo de la poltica comparada y relaciones internacionales. Estamos particularmente preocupados por los estudios que tratan de probar la teora sobre las causas de los resultados de inters excepcional, como la revolucin, la guerra, el genocidio, el desarrollo del estado del bienestar y el crecimiento econmico sostenido. Para explicar este tipo de resultados, casi todos los diseos de investigacin requieren que el examen de los casos negativos. Esto es cierto tanto para los diseos de investigacin en gran N, trabajo cuantitativo (vase Hewitt y Goertz 2004) y de los mtodos de investigacin a pequea-N, como el mtodo de Mill de la diferencia (Skocpol 1984), la teora tipolgica (George y Bennett 2005), Boolean algebra (Ragin 1987), y el anlisis de difusoconjunto de

(Ragin 2000) 0.2 Se introduce el principio de posibilidad como un medio para identificar el universo de los casos negativos. LA TOPOLOGA DE SELECCIN DE CASO El problema de la seleccin de los casos implica al menos dos desafos centrales. Uno de los retos es la seleccin de una muestra representativa de los casos de una poblacin mayor de la que se quiere generalizar. La literatura sobre el sesgo de seleccin en la investigacin comparativa se centra en este problema, tratando de ofrecer ideas para la eleccin de las muestras de forma que no lo hacen inferencias sesgo (por ejemplo, Collier y Mahoney 1996, Geddes 2003, captulo 3,. King, Keohane y Verba 1994, 124-39). Sin embargo, una segunda y ms fundamental desafo consiste en establecer los lmites entre los diferentes tipos de casos. La mayora de los estudiosos han discutido este desafo lmite en trminos de distinguir los casos positivos y negativos. Por el contrario, nos centramos la atencin en los problemas de lmites raramente discutidos se trate de casos negativos e irrelevantes. Sugerimos que estos problemas de lmites negativos / irrelevantes deben ser resueltos antes de los estudiosos pueden poner en prctica los procedimientos para la eleccin de una muestra representativa de los casos. LIMITE POSITIVO-NEGATIVO. El lmite ms a menudo discutido divide los casos positivos y negativos. En la investigacin de pequea N que nos interesa, el analista trata de explicar los casos positivos que poseen el resultado de inters por su contraste con los casos negativos que no tienen el resultado. Tpicamente, cuando se trabaja con resultados excepcionales que es relativamente fcil de distinguir positiva de casos negativos, porque la inmensa mayora de las observaciones se carece de los resultados de inters y por lo tanto ser casos negativos. Por ejemplo, la mayora de las observaciones claramente no son revoluciones o guerras sociales o las economas de alto crecimiento sostenido, y por lo tanto son los casos negativos. An as, algunos casos ser difcil de clasificar como positiva o negativa, que representa instancias parciales del resultado de inters (por ejemplo, las revoluciones parciales o guerras parciales). Debido a estos casos lmite, se puede pensar en la interseccin entre los casos positivos y negativos como un espacio no vaco. Utilizamos la expresin zona gris para referirse a este punto de interseccin no vaca de los lances positivos y negativos cuando el resultado est presente en parte, los casos clsicamente medio vacas / medio lleno (ver Figura 1). Tcnicas tales como el anlisis de difuso-set (Ragin 2000) estn diseados expresamente para ayudar a los investigadores cualitativos conceptualizar los casos lmite en la zona gris. La cuestin de la elaboracin de la frontera entre lo positivo y lo negativo de los casos es un problema importante, del mismo modo, una vez que se establece este lmite, la seleccin de una muestra representativa de casos positivos y negativos es un tema clave. Sin embargo, estas no son las preocupaciones de nuestro argumento. Ms bien, estamos considerando una cuestin previa que implica la construccin de una poblacin importante de casos en el primer lugar.

EL PRINCIPIO DE POSIBILIDAD. En esta seccin, presentamos de manera ms formal y elaboramos el Principio posibilidad. Muchos investigadores cualitativos han solicitado implcitamente el principio en la elaboracin y justificacin de sus decisiones de seleccin de casos, por lo que son en muchos aspectos slo se formalice una intuicin generalizada. Sin embargo, se argumenta que una mayor claridad y rigor en la aplicacin del principio pueden mejorar la calidad de la investigacin y ayudar a resolver los debates sobre la seleccin de los casos en las ciencias sociales. REGLAS. El Principio Posibilidad de seleccin de casos negativos tiene la forma bsica: Principio Posibilidad: Elija como casos negativos aquellos en los que es posible que el resultado de inters. Obviamente, mucho depende de cmo interpretamos el concepto clave de "posible" que se utiliza para dibujar el lmite entre lo negativo y las observaciones irrelevantes. Proponemos dos disposiciones de aplicacin de este principio en el anlisis cualitativo: una regla de inclusin y de una regla de exclusin. La Regla de Inclusin sostiene que un resultado debe ser visto como sea posible si al menos una variable independiente de la teora bajo investigacin predice su ocurrencia. Esto es cierto incluso si otras variables independientes predicen su ausencia. Por lo tanto, la regla bsica es: Regla de inclusin: Los casos son relevantes si su valor en al menos una variable independiente se relaciona positivamente con el resultado de inters. A esto le llamamos la Regla de inclusin, ya que sirve como medio de seleccin de observaciones en la poblacin de casos pertinentes. La Regla de inclusin se aplica en conjuncin con la teora bajo investigacin. En la investigacin cualitativa, los investigadores generalmente se desarrollan teoras parsimoniosos en el que el nmero de variables independientes es relativamente limitado. Por ejemplo, cinco o menos variables independientes a menudo constituyen el ncleo de la teora, mientras que es raro que ms de siete u ocho variables independientes que se incluirn. En este sentido, en el contexto de la investigacin cualitativa, un caso que muestra incluso una variable independiente principal que es la hiptesis de una relacin positiva con el resultado de inters debe ser considerado dentro del dominio de observaciones en las que el resultado es posible. En otros tipos de investigacin, las teoras pueden contener muchas ms variables independientes, y estas variables pueden ser vistos como slo dbilmente relacionado con el resultado de inters. Para estos estudios, la Regla de inclusin puede ser ajustado de tal manera que es necesaria la presencia de ms de una variable independiente relacionada positivamente para que un caso se incluirn en la categora correspondiente. En contraste con la Regla de inclusin, la Regla de Exclusin proporciona un medio para declarar una observacin que es irrelevante y excluyendo por lo tanto, del

anlisis. Bajo esta regla, un caso se considera irrelevante si posee un valor a una variable que se conoce de investigaciones previas para que el resultado de inters imposible. Por ejemplo, en su estudio de las causas de genocidio, Harff (2003) seala que se producen casi todos los genocidios (es decir, 36 de 37) durante o inmediatamente despus de la agitacin poltica. Por consiguiente, se excluye casos como Francia y Canad que carecen de agitacin poltica al probar su teora del genocidio. Estos casos polticamente estables tienen una baja probabilidad de sufrir genocidio que su inclusin podra distorsionar las inferencias sobre otros casos en los que es posible que el resultado de tal inters. La regla de exclusin depende del analista tener un buen conocimiento de uno o ms "variables eliminatorias" que son lo suficientemente importantes como para eliminar un caso del dominio de las observaciones pertinentes por s solos. Estas variables pueden ser eliminatorias causas necesarias de los resultados positivos de inters, o bien pueden ser causas suficientes de un resultado negativo. No es poco comn para mltiples variables de eliminatorias a estar presentes en un caso dado y, por lo tanto, para el valor cero en la variable dependiente a ser sobredeterminado. La Regla de Exclusin tiene prioridad sobre la regla de inclusin: las variables eliminatorias pueden llevar un analista de declarar un caso como irrelevante incluso si el caso se considera relevante a travs de la regla de inclusin. Por ejemplo, uno puede tener una teora del genocidio que pone de relieve las divisiones tnicas como una variable independiente. En virtud de la Regla de la Inclusin, contemporneo Canada tanto podra considerarse un caso pertinente.

"LAS CONDICIONES DE ALCANCE" se refieren a los parmetros dentro de los que se espera una teora dada su validez (Cohen 1989; Walker y Cohen 1985). La necesidad de "condiciones de alcance" surge del hecho de que los cientficos sociales rara vez se formulan proposiciones universales que tienen en todos los tiempos y lugares, sino que formulan proposiciones condicionales que se aplican a contextos casos especficos que no cumplan con las condiciones de alcance de una teora dada habitualmente se consideran irrelevantes y no se utilizan para evaluar esa teora. Por lo general, la justificacin metodolgica para la imposicin de condiciones de alcance implica la necesidad de satisfacer las normas de homogeneidad de las unidades (por ejemplo, Bartels 1996, George y Bennett 2005; Collier y Mahoney 1996 Ragin, 2000, 61-62; Zelditch 1971, 272-88).