1-10-13 Nociones de causalidad Inferencia descriptiva (sistematiza, est orientada tericamente, usa info.

De historiadores para describir) e inferencia causal (explica) Inferencia: obtener conclusiones a partir de observaciones. Inferencia descriptiva 1.- generalizar de una muestra al universo 2.- inferir de observaciones a conceptos. Es decir, es el proceso de comprender fenmenos no observados (pero que son lo que interesan) a partir de observaciones. 3.- separar lo sistemtico de lo aleatorio (ej: quizs la variacin vari por N razones, pero el promedio en el tiempo es, quizs, que nos interesa) Inferencia causal: x causa y (funcin lineal) Cmo se razona? cul sera el resultado de y si x no hubiera sucedido? Contra fctica Cul es el problema de las ciencias sociales? Que trabajamos con observaciones y no manipulamos nuestro objeto de estudio, es decir, no manipulamos que observaciones recin el tratamiento y cuales el control. Los cuantis hacen regresiones. Se busca estimar el coeficiente asociado a cada VI. Aumentar el nmero de observaciones para darle ms peso a la generalizacin. En lo cuali se trabaja con otros supuestos y con otras nociones de causalidad, hay combinacin de variables. Condiciones necesarias, suficientes. INUS y SUIN (Goertz y mahoney) Sintetiza causa consecuencia, incorpora la complejidad en el argumento causal, cuali se habla de combinacin de causas. Necesidad y suficiencia Trminos que aparecen en hiptesis que reflejan necesidad Solo si, es esencial/indispensable, es un requisito para, impide/bloquea, permite

Trminos que aparecen en hiptesis que reflejan suficiencia Garantizar, es seguida por, inevitablemente, conlleva a produce, genera

X es necesaria para y

Ej: ser mujer es condicin necesaria para estar embarazada Expresada en la lgica de conjuntos: y est incluida en x La importancia relativa de causas necesarias La condicin ms necesaria de todas es la que es adems de necesaria, suficiente. Una causa necesaria se vuelve ms importante Ej: 2 pases con regmenes democrticos es una condicin suficiente para que no haya guerra entre ellos. El resultado est contenido en la causa. Si se es miembro de x, se es miembro de y, pero hay otras formas de y. La importancia relativa de causas suficientes Si una causa suficiente es casi necesaria (o necesaria) es ms importante. Condiciones suficientes ms comunes son empricamente ms importantes. A medida que x se acerca a y se vuelve menos trivial y ms importante. Regla para cambiar de necesidad a suficiencia (y viceversa) negar ambas condiciones. X es necesaria para y No x es suficiente para no y Ej: no mujer es suficiente para no embarazo X es suficiente para y No x es necesario para no y Generalizando condiciones necesarias y suficientes Si x=1 entonces y=1. Generalizacin de condicin suficiente si la causa est presente, se puede generalizar. Si x=0 entonces y=0. Generalizacin de condicin necesaria. Cuando no hay causa, no hay resultado Regla general (mahoney) Cualquier causa se vuelve ms importante a medida que esta mas cerca de ser necesaria y suficiente

INUS Parte insuficiente pero necesaria con innecesaria pero suficiente para el resultado. Conjunto de causas donde son insuficientes, pero necesarias en tanto el conjunto es suficiente para. Una condicin que es una parte de una combinacin de condiciones que en conjunto con suficientes para el resultado Diagrama de Venn Una condicin INUS no es ni necesaria ni suficiente. Las causas INUS se conectan entre si con el conector lgico y, distintas notaciones: Y=AYABYC Y=A*B*C Y=ABC Otra nocin de causalidad: causalidad mltiple/equifinalidad Diferentes combinaciones de causas son suficientes para el resultado. Esta habilita la idea de mltiples rutas causales para el mismo resultado. Para poder dar cuenta de esto se usa el O (+) Ej: con diferentes notaciones Y= (AYB) o (no AYCYD) Y=AB +~ACD Y=AB+aCD Otra nocin de causalidad: asimetra Es otra diferencia entre la tradicin cuanti y la cuali Cuanti: relaciones simtricas Cuali: relaciones asimtricas Asimetra causal (esttica) la explicacin de ocurrencia no es el espejo de la explicacin de no ocurrencia. El modelo que explica presencia no es el mismo que explica ausencia. X=0

Y=? Y=O P(Y=1/X=0)=0 X=1 P(Y=1/X=1)>0 La importancia de la secuencia temporal ABC=Y BC no causa Y A si es necesaria 8-10-13 El mtodo comparado Comparativitas estn interesados en resultados o secuencias histricas en casos similares. Los resultados son fenmenos complejos que demandan explicaciones combinatorias que es difcil abordar con cuanti. Toman el caso como un todo, se realizan explicaciones donde subrayan la configuracin de condiciones (AYBYC). Combinacin y configuracin de causas, lo que le importa al cuali. Complejidad causal: se justifica en resultado histrico o por un set de resultados similares, es un rasgo que define al mtodo comparado. La naturaleza combinatoria (coyuntural) es un rasgo fundamental de la complejidad causal. Cul es el propsito de la investigacin centrada en el caso? Interpretacin histrica, interpretar resultados histricos, uniendo evidencias siendo sensible a la cronologa y ofreciendo generalizaciones limitadas. Anlisis causal: producir generalizaciones limitadas de fenmenos empricos, concernientes a las causas de categoras definidas tericamente. El mtodo comparado para seleccionar casos Cnones de Mill Mtodo de similitud: en comn una de las causas, eso es la causa de inters. 2 o ms instancias de un fenmeno

o o o

Problema: no hay combinacin porque hay solo 1 causa, el mtodo se similitud no sirve Primero se ve la instancia del fenmeno que antecede a la ocurrencia, el investigador se dedica a buscar la causa constante No se establece el vnculo necesario entre la causa y la consecuencia.

Mtodo indirecto de la diferencia: es una doble aplicacin del mtodo de similitud o Ver si cuando no hay causa, no hay efecto o No admite causalidad mltiple, hay una causa

Przeworski y Turne Mtodo de la diferencia: similitudes inter-sistmicas mximas. Buscamos las la diferencia entre ellos. La VI explica la diferencia en la VD en cosas similares. Se pone el nfasis en la comparacin. Mxima similitud en pases, diferencias en el resultado. Sesgo de seleccin en VD Vinculado al hecho de no poder elegir las cosas de manera aleatoria, se produce el sesgo, cuyo ejemplo ms evidente es el elegir casos que afirmen la teora. El sesgo se produce es casos extremos en la VD, cuando se eligen. El riesgo principal consiste en sobreestimar la importancia de las explicaciones descubiertas. Este riesgo estar presente siempre en los estudios con pocos casos, debe tener presente a la hora de elaborar conclusiones. Mtodo comparado como mtodo para explicar Nos interesa interpretar resultados histricos significativos, el cuali necesita explicaciones complejas, combina causas. Adems se analizan los casos, las observaciones como un todo. Generalmente para un fenmeno complejo, las variables explicativas son muchas. Pocos casos y muchas variables es un problema. Los que usan M.C no testean teoras, aplican teora a casos para interpretarlos, le ponen atencin al tiempo, a la agencia, contexto. Todo ello en casos similares, es una estrategia de investigacin centrada en el caso. Las virtudes del mtodo comparado 1.- se conciben los casos como configuraciones.

2,. Sensible a la especificidad histrica. 3.- las fronteras de un examen comparativo son establecidas por el investigador. 4.- por ltimo, el M.C obliga al investigador a familiarizarse con sus casos. Causalidad: es coyuntural y heterognea. No se asume que un elemento causal opera del mismo modo en todos los casos y en todos los contextos. Es decir, el efecto de una causa depende de la presencia o ausencia de otras condiciones. AYBYC= democracia BYC = no democracia Las diferentes combinaciones hacen o no la democracia. Coyuntural: una causa, por si mismo no produce un resultado sino la genera en presencia de otras y en funcin de un contexto. La causalidad es inherente interactiva. Heterognea: mltiples caminos pueden levar un mismo resultado. A si se evitan los supuestos de uniformidad y linealidad de la estadstica. AYBoC = democracia Corolario: diversidad, no hay ley. Rara vez las causas operan de manera aislada. Una causa puede tener efectos opuestos dependiendo del contexto. M.C trata de similar al mtodo experimental, se ve la lgica de este para trabajar el M.C. Con que trabajamos? Con set de casos reducidos. Los comparamos como un todo, para llegar a generalizaciones modestas (delimitadas en el tiempo y en el espacio) sobre un conjunto de limitado de fenmenos. Debilidades 1.- generalizacin 2.- si el nmero de casos aumenta, la probabilidad e compartir valores similares en variables tericamente relevantes disminuye. 3.- cuando las combinaciones causales posibles aumentan, las condiciones exponenciales tambin. Recomendaciones 1.- aumentar nmero de casos, Lijpart.

2.- enfocarse en casos comparables, armonizacin global, Collier. 3.- simplificar el argumento, teora, Collier. 15-10-13 Estudio de caso Engloba a la comparacin, mtodo comparado supone hacer estudio de caso Definicin caso: supone un fenmeno delimitado espacialmente (una unida) observada en un punto de tiempo o a lo lardo de un periodo, y son la fuente de la inferencia causal (Gerring) El caso es la fuente de nuestra inferencia causal. El caso tiene que tener fronteras identificables. Las fronteras espaciales son ms sencillas que las temporales, sabemos dnde empieza y termina un pas pero no cuando. George y Bennet Un caso es una instancia de una clase de eventos. Clase de eventos, el fenmeno de inters cientfica revoluciones, regmenes de gobierno, transicin a la democracia. El investigador lo elije para desarrollar la teora. Similitudes o diferencias de las instancias en la clase de eventos, para eso. Un estudio de caso es un aspecto definido, que el investigador selecciona para el anlisis. (Mucho ms importante que in episodio histrico) No lo estudia por tener inters en s mismo. 4 ventajas (George y bennet) 1 valides conceptual. Perime el refinamiento conceptual, con una mayor valides que los cuanti sobre un nmero reducido de casos. Ej: es menos probable que 2 democracias vayan a guerra, lo que permite los estudios de caso es ver que rasgos de la democracia provocan ese resultado. 2 para promover muevas hiptesis. Los estudios de caso permiten identificar nuevas variable o hiptesis a partir del estudio de casos desviados. 3 para examinar de cerca el hipottico rol de los mecanismos causales en el contexto de los casos individuales. Permiten explorar en detalle los mecanismos causales, con un caso, podemos observar mltiples variables intervinientes e inductivamente descubrir aspectos no esperados de la forma que opera un mecanismo causal. 4 para dar cuenta de la complejidad causal. Permitan dar cuenta de relaciones causales complejas, interacciones, equifinidad, path dependence. Desventajas

Los trade off 1 la seleccin de casos 2 parsimonia vs riqueza, complejidad, se pierde la simplicidad 3 valides interna (comparacin bien hecha) vs generalizaciones (valides externa) Seleccin de casos La regla: no elegir casos donde los valores de las VD y la VI favorezcan la hiptesis. La idea es poner a prueba una hiptesis donde consideramos que puede fallar. El mtodo (basado en structured, focused comparison) 1 el investigador debe tener claro e identificar el universo (clase o subclase de eventos= del cual un caso ser estudiado 2 hay que definir bien la estrategia de investigacin 3 hay que utilizar variables de inters terico para explicacin 3 fases 1 diseo de estudio de caso 2 desarrollo de estudio de caso 3 implicancias tericas de los hallazgos Fase 1: 5 tareas 1 especificar el problema y los objetivos de la investigacin (puzle) para ello, es necesario identificar los gops (vacios) en el estado del arte, identificar posibles contradicciones, identificar teoras que no se respaldan con la evidencia. Adems hay que saber adoptar el estudio al estado del conocimiento en las lneas de investigacin, donde uno se inserta 2 especificar las variables Cul es mi VD? Cules son mis VI? No definirlas de modo muy amplio ni muy estrecho 3 seleccin de casos, criterios relevantes para la investigacin Cmo? Leyendo 4 describir la varianza de las variables (polo positivo negativo)

5 formular los requerimientos de datos, siempre bsqueda sistmica de datos. Fase 2: desarrollo del estudio de caso, sugerencias generales. Conocer el caso meterse en el barro No confiar en un solo estudio, en un solo autor, en una sola fuente (ej: si hacemos un estudio de caso cobre un hecho del pasado, debemos saber que generalmente hay mucho debate entre historiadores) Cul es el valor del material que recolectamos? tendemos a darle mucho significado a aquello que nos confirma la teora (disonancia cognitiva: aceptamos mejor nueva informacin que refuerza nuestras creencias) Cmo podemos saber entonces el valor del material? Por el conocimiento del contexto 1 si solo podemos estudiar un caso, elegir (goertz) 2 supongamos que tenemos una tipologa debemos elegir aleatoriamente? No, no podemos ni debemos. 22-10-13 El mtodo por excelencia de anlisis de los estudios de casos Process tracing (bennet) rastreo de procesos. Mtodo de anlisis, la tcnica de buscar implicancias observables del mecanismo causal hipotetizado en un caso. Para hacer el mtodo ms formal se usa el process tracing. Todo lo que genera, causa y. Mostrar evidencias que conecten los puntos,: process tracing Se procura buscar las conexiones entre posibles causas y resultados observables. Qu debe ser cierto sobre el proceso si una hiptesis explica el resultado?qu sera si una explicacin alternativa fuese correcta? Process tracing se basa en la idea de secuencia temporal. Supone buscar una cadena continua de eventos al nivel ms detallado que la evidencia, los resultados y la paciencia del investigador lo permitan (as como su deseo de confiar en sus resultados) Test del process Hoop test: una observacin tiene que estar presente para que la hiptesis sea vlida, observacin z es necesaria. Pero la presencia de la observacin no asegura la validez de la hiptesis (recomendamos la diferencia entre necesidad y suficiencia). Verlo como una carrera con vallas. Para que funcione bien tiene que haber una causa necesaria con algo

que demuestre que lo es. La dificultad de un hoop test se relaciona con la frecuencia en la que la observacin est presente. Es decir, hoop test que hacen referencia a eventos/ocurrencias raras son hoop test difciles. Hoop test que hacen referencia a ocurrencias comunes son hoop test sencillos. Smoking test: la presencia de la observacin confirma la hiptesis como vlida. Observacin z est presente es suficiente para la valides de la hiptesis. Pero, la ausencia de la observacin no refuta la hiptesis. Qu pasa si una hiptesis falla en el smoking test? Depende de la frecuencia con que la observacin esta normalmente presente. Si la observacin esta generalmente presente, entonces su ausencia indicara que la hiptesis debe ser falsa. Perder un smoking test fcil (es decir, que esperara mas que la hiptesis pasara) juega contra la hiptesis. Straw in the winde test Doubly decisive test

Todos estos test pueden ser usados para saber si: 1 x e y realmente sucedieron (inferencia descriptiva) 2 x fue causa de y (inferencia causal) Ventajas del process trancing Permite dar cuenta de mecanismos causales Mejora la versin de la causalidad Da cuenta de secuencia temporal, tan presente en los fenmenos sociales Permite que inductivamente se identifiquen variables o mecanismos dejados fuera por explicaciones existentes Deja lugar a equifinalidad e interaccin de causas. Desventajas Requiere mucha informacin y tiempo Puede haber vacios en la evidencia Sesgo en la informacin disponible y en la interpretacin del investigador, sesgo en anlisis causal.

Las teoras existentes pueden no ser del todo precisas sobre sus implicancias en contextos especficos Difcil generalizar Mtodo histrico comparado Qu es lo distintivo? La preocupacin por grandes temas, grandes preguntas (tanto para especialistas como para no especialistas), nfasis en los procesos en el tiempo, comparacin contextualizada Crtica y respuesta Critica: dificultades para hacer teora (en s, para generalizar) Respuesta (mahoney y rueschemeyer, 2003) los otros generalizan tanto que no se puede utilizar en un caso por completo, pueden dar consejo ms significativo que otros estudios que no dan detalles histricos. Mejorar el mtodo Avances en conceptualizacin, calidad de las inferencias causales, incorporacin sistemtica de la secuencia temporal, complejidad causal. Pero adems, en el plano sustantivo, han recuperado el valor de las instituciones, pero en particular del estado (skopol 1985) La nocin de coyuntura crtica (collier y collier 1991) Periodo de cambio significativo, que ocurre de distinta manera en pases, y luego se genera como resultado distintos legados. Periodo corto con acontecimientos especficos 3 componentes: 1 cambio significativo acorri en cada caso 2 ese cambio ocurri de diversos modos en cada caso 3 las hiptesis que explican sus consecuencias Hay que investigar 1 hay que analizar las condiciones antecedentes 2 el clivaje que emerge de dichas condiciones

3 legado: mecanismos de produccin, mecanismos de reproduccin, la estabilidad de los atributos esenciales del legado. 29-10-13 (Capoccia y kelemen 2006) coyuntura crtica: periodo relativamente corto, alta probabilidad de incidencia de las acciones de los actores, donde hay alta probabilidad de que las acciones de los actores afectan el resultado de inters. Coyuntura crtica: tiene que ser alta la probabilidad de que las acciones de lso actores incidan en el resultado, es un momento donde las estructuras tiemblan Skocpol Revolucin social: nivel bsico, 3 atributos como condiciones necesarias y suficientes Revolucin social: Transformacin significativa Estructura de clases Transformacin de clases

El valor del tiempo Pierson: colocar la poltica en el tiempo puede enriquecer las dinmicas sociales complejas, es el weakest link. La mirada en el largo plazo es fundamental. Para los comparativitas histricos el orden en que las cosas suceden importa. En la coyuntura crtica hay incertidumbre, no hay informacin que procesar. 3 temas (pierson) Path dependence definicin? Por qu en la poltica? Tiempo y secuencia Por qu importa? Big, slow-moving aspects of the social world una ciencia de tornados? Path dependence (Margaret levi) una vez que una unidad de anlisis opta por una ruta. Los costos de revertir son muy altos, ciertos certmenes institucionales obstruyen una fcil regresin a la decisin inicial. Pierson: aspecto crucial de aspectos histricos con path dependence es la presencia de feedback positivos.

Los costos de volver a lo inicial, aumentar para cambiar la ruta. Feedback positivo Modelo de urna de polya Caractersticas: 1 imprevisibilidad 2 inflexibilidad (creciente) 3 al inicio, eventos occidentales no se cancelan 4 potencial ineficiente (de la ruta elegida)

La secuencia, el orden en el que suceden las cosas es fundamental. Se pueden partir de condiciones similares, pero hay un universo de resultados finales posibles 2 elementos esenciales capturados por la idea de feedback positivo El costo de cambiar de una alternativa a la otra se incrementa con el tiempo La idea de secuencia, la cuestin no es solo que ocurre sino cuando ocurre Por qu en poltica? Bueno. Primero veamos en la tecnologa (el teclado QWERTY) 1 costos fijos (de instalacin) 2 efectos de aprendizaje 3 efectos de coordinacin, el beneficio de una actividad se incrementa cuando otros adoptan la misma opcin 4 expectativas adaptativas: relaciona con 3, la necesidad de elegir el caballo ganador. y qu tiene de especial la poltica? El rol central de la accin colectiva, la alta densidad de las instituciones (nos afectan a todos) Las posibilidades de utilizar la autoridad poltica para aumentar las asimetras de poder. La intrnseca complejidad y opacidad. Pero incluso, ausencia de mecanismos para aumentar la eficiencia a travs de la competencia o aprendizaje, el corto horizonte temporal de los polticos, sesgo hacia el status quo. Todos estos rasgos, dicen, hacen que los procesos de positive feedback sean intensos en la poltica.

5-11-13 Rasgos de la poltica que hacen que existan procesos de positive feedback En poltica se producen bienes pblicos Qu significa? No rivalidad, no exclusin, se requiere coordinacin. Entonces, altos costos de instalacin La densidad de la poltica, las instituciones cuando se instalas nos afectan a todos. Exit, no disponible. Asimetra de poder, se auto refuerza. El horizonte temporal conteo de los polticos, esto genera positive feedback, porque los efectos de muchas reformas se ven en el largo plazo. El sesgo a favor del status quo: quienes disean las instituciones, quienes limitan a sus sucesores, adems, muchos quieren limitarse a si mismos. Pero sobre todos, porque las instituciones existen para reducir la incertidumbre y generar estabilidad. De ese modo se facilita el intercambio y la cooperacin. All donde hay procesos de self-runforcing estar marcado por 4 rasgos: 1.- mltiples equilibrios 2.- contingencia, pequeos eventos, si ocurren en el momento adecuado pueden tener consecuencias duraderas y significativas 3.- la secuencia tiene un rol crtico 4.- inercia, una vez que el proceso de self-runforcing ha sido establecido, positive feedback es la que sigue y ello lleva a un nico equilibrio, este equilibrio ser resistente al cambio, mejor ej. De ello son las instituciones. Secuencia Boix 2003.si presenta una nocin de secuencia, intenta explicar que es lo que explica que un pas sea democrtico o no. Crticas a boix desde C.H 1.- los actores son pocos y unificados 2.- juegos simples 3.-descripcioin limitada de procesos histricos (simplificacin excesiva de la realidad) Slow-moving causal processes (pierson 2003.2004)

Efectos acumulativos: el cambio en variables es continuo pero extremadamente gradual. Umbrales: procesos que tiene un impacto imperceptible hasta que alcanzan un nivel critico Cadenas causales: probablemente existe un lag. Es un desafo justifica la fuerte conexin entre las partes de la cadena. Cul es el problema? Determinismo? No pasa nada ms entre una coyuntura crtica y la siguiente? Muy abiertas al principio muy cerradas al final Otras versiones Thelen 2003 plantea que queda anulada la opcin de innovacin institucional y de reproduccin institucional Estudios orientados al caso, examinar intensivamente el caso.

Causalidad compleja Coyuntural y heterognea Las fortalezas y los propsitos QCA Hay que conocer los casos Se parte de categoras de casos para entenderlos individualmente y para obtener patrones entre casos. Los casos se delimitan en funcin de conocimiento terico y emprico Similitudes y diferencias N mediano, puente entre lo cuanti y lo cuali Posibilidad de ver varios casos Posibilidad de ver patrones complejos de causalidad Entonces permite diversidad (particularidades de cada caso) y heterogeneidad (respecto de las diferentes causas relevantes) Se los compara como configuraciones

QCA (ragin) 1.- identifica el resultado a explicar y los casos positivos 2.- identifica los casos negativos (los que podran tener el resultado pero no, no el universo) 3.- identificar las condiciones causales (Cmo? leyendo) 4.- reducir al mximo posible el argumento causal, para que no sea tan complejo, causas necesarias y suficientes. Algebra booleana 1 y0 presencia/ausencia (datos binarios) Tabla de verdad Cada combinacin lgica de valores en la VI se representa como una fila de la tabla Luego a cada fila se le asigna un resultado basado en los valores de los casos que comparten la combinacin de los imputs (combinacin de los valores de las VI) Entonces, las diferentes combinaciones en las VI y los valores correspondientes en las VD son presentados en la tabla de verdad, las tablas de verdad tienen tantas filas como combinaciones lgicas posibles de los valores de las VI. Cada caso es miembro pleno de una fila. Miembro no pleno de todas las otras filas Residuo lgico: filas en casos suficientes. Las reglas de oro 1.- siempre ser transparente en los umbrales 2.- siempre hacerlo en trminos tericos. 3.- evitar los cortes artificiales de valores muy similares 4.- se pueden aplicar tcnicas de estadstica descriptiva A chequear 1.-tenemos que tener casos positivos y negativos 2.- que no haya configuraciones contra intuitivas ej. 0 en todo, 1 como resultado 3.- que una condicin no tenga exactamente el mismo valor en todos los casos (diversidad) 4.- variacin suficiente de cada condicin

Operaciones

0 (+) A+B = Z (Z=1 si A=1 O B=1) Sobre las configuraciones Configuraciones con resultado =1 Configuraciones con resultado=0 Configuraciones no importantes, hay que evitarlas porque supuestamente trabajamos con casos que conocemos y elegimos bien Configuraciones C contradictorias, en algunos casos las configuracin es 0 en otros es 1 hay que resolver Configuracin L o R logical reminder, configuraciones sin caso

Minimizacin (bsqueda de parsimonia) 2 combinaciones AbC=Z ABC=Z Se pueden remover B porque no es necesario Entonces AC=Z es mas parsimoniosa.