PEREZ- LIAN UNIDAD1

La comparacin es el instrumento apropiado en situaciones en las que el nmero de casos bajo estudio es demasiado
pequeo para permitir la utilizacin del anlisis estadstico (Lijphart 1971).

De este modo, la comparacin se presenta como un estrategia analtica que tiene fines no solamente descriptivos sino
tambin explicativos, un procedimiento orientado por sobre todo a poner nuestras hiptesis a prueba.

En la primera seccin se evalan los requisitos de diseo para desplegar una comparacin exitosa. En la seccin
segunda se presentan dos estrategias clsicas (la contrastacin de casos similares y diferentes) y los problemas de
inferencia causal vinculados a ellas. La seccin tercera introduce el anlisis de mecanismos causales complejos y la
utilizacin de tipologas con el fin de seleccionar casos cruciales. En la seccin cuarta se desarrolla un marco para el
anlisis de configuraciones causales necesarias y suficientes siguiendo el trabajo de Charles Ragin.

1. Los proyectos de investigacin suelen comenzar con una preocupacin (terica o normativa) referida a una cuestin
polticamente relevante pero vagamente definida. Supongamos, por ejemplo, que nos interesa estudiar el poder de los
gobernadores. La problemtica luego debe acortarse para constituir una pregunta de investigacin definida.

Una buena pregunta de investigacin debe indagar sobre un fenmeno emprico que presenta variacin en el mundo
real. A los efectos de este documento, consideremos una pregunta de investigacin hipottica: bajo qu condiciones
consigue un gobernador ganar su reeleccin?

Definida la pregunta de investigacin, es preciso ofrecer una respuesta tentativa. En una investigacin cientfica, esta
respuesta preliminar adquiere la forma de una hiptesis, que contiene tres elementos: un fenmeno que se busca
explicar (la variable dependiente, convencionalmente representada como Y), uno o ms factores explicativos (o
variables independientes, representadas como X), y una relacin causal que presuntamente vincula a ambas (y que el
mtodo comparativo apunta a verificar). Es preciso establecer una definicin operacional para cada variable.

Por ejemplo, consideremos tres variables independientes como posibles explicaciones para el xito del proyecto
reeleccionista de un gobernador:

X1: La Constitucin provincial permite (o no) la reeleccin; :

X2: El gobernador ha realizado (o no) una buena gestin en el mandato reciente;
X3: La oposicin presenta un candidato fuerte (o no).

Qu significa realizar una buena gestin? Cmo se define una oposicin fuerte? Estos trminos son tan vagos que
requieren un trabajo riguroso para identificar dimensiones e indicadores concretos que permitan su conceptualizacin
y medicin. En lo que sigue, Perez Lian asume que este problema ha sido resuelto.

La ltima cuestin preliminar de gran importancia se refiere a la definicin de la poblacin bajo estudio y la muestra a
ser observada.

2. Seleccin de Casos: Estrategias de Similitud y Diferencia

Una estrategia clsica para definir la muestra en un estudio comparativo consiste en seleccionar casos paradigmticos
del fenmeno que se desea explicar. Por ejemplo, si algunos gobernadores (digamos, A, B, C y D) son famosos por su
capacidad para sobrevivir en el poder, resulta razonable comenzar nuestro estudio analizando sus experiencias.

El anlisis comparativo deber abordar una pregunta clave: existe alguna caracterstica comn a los cuatro
gobernadores que permita explicar su xito?

La estrategia de seleccin que apunta a identificar casos paradigmticos del fenmeno de inters fue denominada
como mtodo de similitud por J. S. Mill, en relacin a la similitud de los resultados. Przerworski y Teune la denominan
diseo basado en los casos ms diferentes, porque destacan la necesidad de seleccionar casos que, mas alla de la
similitud en los resultados, fuesen muy diferentes en sus variables de control. El mtodo de similitud es ms efectivo
cuando los casos seleccionados son en trminos generales muy distintos, lo que permite eliminar fcilmente
explicaciones alternativas una vez que se han detectado las coincidencias fundamentales.
El problema fundamental de esta estrategia, es la introduccin de un serio problema de sesgo en la seleccin de casos.
Para entender el problema de sesgo de seleccin es importante considerar lo que el mtodo de similitud nos impide
observar. Si tenemos un caso negativo (el gobernador E, quien fracas en su intento re-eleccionista), por definicin, el
caso E quedara excluido de cualquier diseo basado en la estrategia de similitud, y por ende no podra ser observado
por el investigador. Sin embargo, supongamos que la condicin causal representada por X1 est tambin presente en
este caso. Esto sugiere que X1 no es una condicin suficiente para explicar el fenmeno de inters, y sin embargo la
Tabla 1 no nos permite detectar esta conclusin.

Con el fin de evitar este problema, los crticos defendieron el uso de lo que Mill denomin como mtodo de diferencia
indirecto( Prezeworski y Teune lo denominan diseo de los casos ms similares). Bajo esta estrategia, el investigador
selecciona casos positivos y negativos, lo que permite observar variacin en la variable dependiente. La lgica de
inferencia de este procedimiento constituye una extensin del criterio utilizado por la estrategia de similitud: todos los
casos que presentan el resultado de inters deben tambin compartir una caracterstica explicativa comn, mientras
que los casos negativos deben carecer de este atributo.

El problema del sesgo de seleccin, convirti al mtodo de similitud en el tab de la PC durante los 90. Sin embargo,
algunos investigadores defendieron su uso, estableciendo al mismo tiempo sus limitaciones: al comparar solamente
casos positivos, el mtodo de similitud nos permite establecer las condiciones necesarias para un cierto fenmeno,
pero no nos permite conocer las condiciones suficientes para el mismo.

3. Causalidad Mltiple y Coyuntural

Consideremos, a los efectos del argumento, las siguientes hiptesis:

Hiptesis 1: La posibilidad legal a la reeleccin es suficiente para que los gobernadores se perpeten en el poder.

Hiptesis 2: Una buena gestin asegura a los gobernadores la reeleccin, siempre y cuando sta est legalmente
permitida.

Hiptesis 3: Los gobernadores se sostienen en el poder cuando realizan una buena gestin o cuando carecen de
oposicin fuerte.

Estas tres hiptesis presentan estructuras lgicas diferentes. En el primer caso, se sostiene que una nica condicin
causal es suficiente para producir el resultado de inters. (Esta idea es parsimoniosa, pero poco creble). En la segunda
hiptesis, en cambio, se argumenta que dos factores (X1 y X2) deben combinarse para posibilitar la reeleccin. Este tipo
de mecanismo se llama causalidad coyuntural, dado que slo la articulacin de mltiples factores en una coyuntura
especfica posibilita el resultado. El tercer ejemplo propone dos vas alternativas para sostenerse en el poder: la gestin
fuerte (X2=1) o la oposicin dbil (X3=0). Esta situacin corresponde a la causalidad mltiple.

Esto permite pensar mecanismos causales ms complejos, y por ende teoras ms ricas. No es suficiente especular con
el efecto aislado de dos o ms variables sobre el resultado de inters, es preciso tambin explorar las posibles
interacciones entre los factores explicativos, porque los efectos de ciertas variables pueden cancelarse mutuamente o
potenciarse entre s. Esta preocupacin ha conducido a George y Bennett a formular el concepto de teoras
tipolgicas. Las teoras tipolgicas buscan conceptualizar el efecto de configuraciones causales complejas (o tipos
ideales explicativos) que emergen en un espacio de propiedades multidimensional.

La teorizacin tipolgica requiere un anlisis sistemtico del espacio de propiedades definido por las variables
independientes consideradas en el estudio. En el ejemplo presentado anteriormente, nuestras hiptesis envuelven tres
variables independientes (todas dicotmicas), por lo que sera necesario teorizar todas sus combinaciones posibles. En
nuestro ejemplo, con tres variables dicotmicas, el espacio de propiedades contiene 8 tipos causales.

Es preciso aclarar la terminologa de las teoras tipolgicas: nos referimos a variables para indicar atributos que cambian
de caso en caso, o a lo largo del tiempo. nos referimos a condiciones causales para indicar la presencia o ausencia de
cada atributo de una variable dada) y finalmente hablamos de configuraciones para referirnos a combinaciones
especficas de condiciones causales.
4. Anlisis Causal Configurativo

La principal contribucin del trabajo metodolgico de Charles Ragin ha sido el desarrollo de un protocolo comparativo
para analizar configuraciones causales de manera sistemtica. Este protocolo, denominado genricamente como QCA
(qualitative comparative analysis)

En este trabajo se presenta una secuencia de anlisis que involucra cuatro pasos o fases analticas:

1. Construir la tabla comparativa (o matriz de datos) para organizar la informacin cualitativa e identificar posibles
condiciones necesarias a partir del mtodo de similitud;

2. Articular la teora tipolgica y clasificar los casos en funcin de esta tipologa. El anlisis de esta tabla (tambin
denominada tabla de verdad) permite identificar configuraciones causales suficientes para generar el resultado de
inters;

3. Analizar los contrafcticos (aquellas configuraciones para las cuales no tenemos ejemplos histricos); y

4. Reducir el nmero de configuraciones suficientes (cuando esto es posible) a travs de un proceso de minimizacin
lgica.

4.1. Tabla Comparativa y Anlisis de Condiciones Necesarias

La construccin de la tabla comparativa requiere el estudio sistemtico de todos los casos, y el uso de diversas fuentes
cualitativas (entrevistas, archivos, etc.) para completar la informacin en cada una de las celdas.

El anlisis de condiciones necesarias es particularmente sencillo, y responde al mtodo de similitud presentado

anteriormente. El procedimiento tiene dos pasos: en primer lugar, se seleccionan los casos positivos (se ignoran en esta
fase los casos negativos), y en segundo trmino se identifican las condiciones causales que son comunes a todos ellos.
La regla para identificar necesidad es simple: si X es condicin necesaria para Y, todas las instancias de Y deben mostrar
la presencia de X.

4.2. La Tabla de Verdad

El anlisis de condiciones suficientes es considerablemente ms complejo y presenta dos diferencias fundamentales

con el anlisis de necesidad. En primer lugar, es preciso centrar la comparacin en aquellos casos que presentan las
condiciones causales de inters. La regla para identificar suficiencia invierte as el criterio de necesidad: si la
configuracin causal X es condicin suficiente para Y, todas las instancias de X deben ofrecer tambin la presencia de Y.
Por ejemplo, si sostenemos que una constitucin permisiva es suficiente para garantizar la reeleccin, es preciso
comparar todas las instancias en las que X1=1 (los casos A, B, C, D, E, F, H, I y J en la Tabla 6). Dado que en algunos
casos (E y F), la legislacin favorable no condujo a la reeleccin, resulta claro que esta condicin no es de por s
suficiente para generar el resultado de inters. En segundo lugar, la comparacin debe realizarse en funcin de todas
las configuracioens causales correspondientes a una teora tipolgica, y no a variables tratadas individualmente.

Para establecer la presencia de condiciones suficientes es posible construir un ndice sencillo, denominado por Ragin
como el ndice de consistencia, este refleja simplemente la proporcin de casos en cada grupo (configuracin) que
ofrecen un resultado positivo. Cuando el ndice es igual a 1,00, la configuracin causal emerge como una condicin
suficiente.

4.3. Contrafcticos

El problema aqu es que no podemos concluir si estas configuraciones son suficientes para lograr la reeleccin o no,
porque no hay evidencia emprica sobre ellas. Este tipo de configuraciones se conocen en la jerga de QCA como
residuos (esto es, los residuos de las combinaciones lgicas en la tipologa), y en trminos tericos nos remiten al
problema de los contrafcticos. Estos contrafacticos pueden tratarse de diferentes maneras: volver a las fuentes
histricas y seguir buscando; identificar casos ancilares; considerarlas verdaderas o falsas; o declararse agnstico.
4.4. La Minimizacin de Configuraciones Suficientes

Los gobernadores pueden asegurar su reeleccin cuando:

Configuracin 1: La reeleccin est permitida, su gestin es buena, y la oposicin es fuerte (X1*X2*X3 Y);

Configuracin 2: La reeleccin est permitida, su gestin es buena, y la oposicin no es fuerte (X1*X2*X3 Y); y

Configuracin 4: La reeleccin est permitida; su gestin no es buena, pero la oposicin no es fuerte (X1*X2*X3 Y).

As, las tres configuraciones pueden minimizarse en dos ideas ms sencillas: si la reeleccin est permitida y la gestin
es buena, o si la reeleccin est permitida y la oposicin es dbil, la reeleccin est garantizada.

La operacin que nos ha permitido pasar de tres configuraciones suficientes a dos se conoce como minimizacin lgica,
y consiste en identificar dos configuraciones verdaderas que sean exactamente iguales en todos sus trminos excepto
por uno (una condicin que est presente en la primera configuracin pero ausente en la segunda), lo que permite
eliminar este trmino adicional para simplificar el argumento.