El Mtodo Comparativo: Fundamentos y Desarrollos Recientes

Anbal Prez Lin Departamento de Ciencia Poltica Universidad de Pittsburgh (asp27@pitt.edu) (Versin 1.2: noviembre de 2007)

1. De las Preguntas a las Hiptesis ............................................................................ 2 2. Seleccin de Casos: Estrategias de Similitud y Diferencia .................................... 6 3. Causalidad Mltiple y Coyuntural ........................................................................ 14 4. Anlisis Causal Configurativo .............................................................................. 19 4.1. Anlisis de Condiciones Necesarias .................................................................. 20 4.2. Anlisis de Condiciones Suficientes.................................................................. 22 4.3. Anlisis de Condiciones Necesarias y Suficientes............................................. 30 5. Conclusiones ......................................................................................................... 32 Referencias................................................................................................................ 34

Agradezco los comentarios de Nstor Legnani y Pablo J. Salinas.

Desde comienzos de la dcada de los setenta, la comparacin ha quedado establecida firmemente como un procedimiento analtico central en ciencia poltica. Las ctedras de Poltica Comparada presentan el mtodo comparativo como rasgo distintivo de este campo de estudio, y es parte de nuestro repertorio intelectual sostener que 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 con fines no solamente descriptivos sino tambin explicativos, un procedimiento orientado por sobre todo a poner hiptesis a prueba. Pero, de qu manera es posible verificar hiptesis a travs de la comparacin? La respuesta a esta pregunta parece inicialmente sencilla, pero suele resultar engaosa. En este documento se revisan los fundamentos lgicos y se exponen algunos desarrollos recientes del mtodo comparativo. 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. Las conclusiones resumen las tcnicas presentadas y esbozan algunos desafos futuros.

1. De las Preguntas a las Hiptesis La utilizacin del mtodo comparativo requiere, al igual que cualquier otro mtodo de anlisis emprico, una serie de decisiones previas referidas al diseo de investigacin. En esta seccin se introducen brevemente estas cuestiones de diseo y se presenta el ejemplo que ilustra las estrategias comparativas a lo largo de este documento. Asumo en este tratamiento que el lector ha tenido una exposicin previa a estas cuestiones bsicas de diseo a travs de cursos o lecturas sobre metodologa de las ciencias sociales. 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 la poltica a nivel provincial, y ms concretamente el poder de los gobernadores. Formulada de este modo, la problemtica es demasiado amplia para constituir una pregunta de investigacin definida; es preciso acotar el esfuerzo del analista a un aspecto especfico de esta cuestin general. Una buena pregunta de investigacin debe indagar sobre un fenmeno emprico que presente variacin en el mundo real (por ejemplo, algunos gobernadores son reelegidos en su cargo y otros no, algunos logran establecer un control dinstico del gobierno provincial y otros no, algunos ganan con amplios mrgenes de votacin y otros no, etc.). Es justamente esta variacin la que inspira la cuestin concreta a ser investigada: por qu en ciertos casos ocurre algo (Y) y en otros no (no-Y)? Qu factores explican esta variacin? 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. Toda hiptesis contiene tres elementos: una variable dependiente (o fenmeno que se busca explicar, convencionalmente representado como Y), una o ms variables independientes (o factores explicativos, convencionalmente representados como X), y una relacin causal que presuntamente vincula a ambas (y que el mtodo comparativo apunta a verificar). Las variables pueden medirse a travs de diferentes escalas pero, por motivos de sencillez en la exposicin, en este trabajo presentar ejemplos con variables dicotmicas1. En el ejemplo aqu utilizado, la variable dependiente corresponde a la reeleccin (un gobernador puede ganar la reeleccin o no). Es importante notar que, incluso en un caso sencillo como ste, es preciso establecer una definicin operacional clara para cada variable. Cundo podemos decir que un gobernador ha sido reelecto? Debe contarse como reeleccin, por ejemplo, si la persona regresa al cargo despus de un perodo fuera del gobierno? Operacionalmente, podemos definir la reeleccin como el triunfo electoral que permite la continuacin en el cargo de un gobernador durante un perodo inmediatamente posterior a su mandato. (Otras definiciones son posibles; lo importante es

Las variables pueden ser categricas (escalas nominales u ordinales) o numricas (escalas de intervalos o razones). Las variables dicotmicas (que clasifican a los casos dentro o fuera de un conjunto particular), constituyen la forma ms simple de variable categrica. Los estudios comparativos que analizan un pequeo nmero de casos tienden naturalmente a utilizar variables categricas, porque incluso cuando stas reflejan cantidades (por ejemplo, el PBI de un pas) lo que importa no es tanto la cantidad en s misma sino lo que sta representa en trminos cualitativos (es ste un pas rico o pobre?). Ms all de los ejemplos, las tcnicas presentadas en este texto son aplicables tambin a variables con mltiples categoras (por ejemplo: alto, medio y bajo). 3

establecerlas claramente desde un principio y respetarlas al momento de clasificar los casos). En la prctica, el problema de las definiciones operacionales suele ser bastante ms complicado. Por ejemplo, consideremos tres variables independientes como posibles explicaciones para el xito del proyecto reeleccionista de un gobernador2: 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). La primera variable independiente parece fcil de definir y medir (aunque no es raro que este tema llegue como materia de interpretacin a una Corte Suprema), pero las otras dos variables resultan bastante ms ambiguas. 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 las pginas que siguen, asumo que este problema ha sido resuelto y que los casos bajo estudio han sido clasificados siguiendo definiciones operacionales claramente establecidas por el investigador. La ltima cuestin preliminar de gran importancia se refiere a la definicin de la poblacin bajo estudio y la muestra a ser observada. Este aspecto, si bien resulta esencial para concebir un diseo de investigacin exitoso, es a menudo ignorado en los cursos sobre metodologa; resulta fcil perderlo de vista porque los estudios de ciencia poltica

Las variables independientes presentadas en este trabajo estn seleccionadas con criterio puramente ilustrativo (y los casos que las ejemplifican son puramente ficticios). Mi intencin no es sugerir una conclusin terica sobre el fenmeno de la reeleccin de los gobernadores, sino apenas ejemplificar la lgica del anlisis. 4

emprica resuelven este problema en la fase preliminar de diseo de investigacin sin describirlo en gran detalle en las publicaciones resultantes. Por poblacin me refiero al universo de unidades de anlisis que constituyen el foco del estudio. La forma ms sencilla de identificar la poblacin relevante es preguntarse a qu objetos del mundo real se aplican nuestras hiptesis. (O en otros trminos, qu clase de objetos puede ser descripta por las variables que componen nuestras hiptesis). Por ejemplo, si sostenemos que una buena gestin de gobierno es necesaria para ganar la reeleccin, resulta evidente que esta hiptesis no se aplica a relojes, planetas, o pacientes clnicos. Se aplica acaso a las provincias? Esta unidad de anlisis parece ms cercana a nuestro tema de estudio, pero la reeleccin no es una propiedad de las provincias sino de sus gobernadores individuales. El estudio, por ende, se refiere a los gobernadores (en abstracto), quienes constituyen la poblacin bajo anlisis (as como los hombres adultos pueden constituir la poblacin para un estudio sobre el cncer de prstata). Ms an, dado que un mismo gobernador puede competir en mltiples oportunidades (siendo exitoso en algunas pero no en otras), es preciso considerar a los individuos en el contexto de cada eleccin especfica. Por ende, las unidades de anlisis ms apropiadas para este estudio parecen ser las administraciones (o dicho de otro modo, los gobernadores observados al final de cada perodo de gobierno). Este comentario sugiere que, incluso cuando la pregunta de investigacin sea muy sencilla, determinar la poblacin bajo estudio puede requerir una reflexin cuidadosa. El problema, sin embargo, apenas comienza: A qu gobernadores se refiere nuestro trabajo? A todos los gobernadores electos en cualquier estado, provincia, o

departamento de cualquier pas? Nos interesa formular conclusiones para cualquier perodo histrico? Cuanto mayor sea el rango (geogrfico y temporal) de nuestra teora, mayor ser su capacidad explicativa y su relevancia cientfica; pero tambin ser mayor el riesgo de asumir que situaciones histricamente diferentes estn gobernadas por un mismo proceso causal3. Es importante notar que la poblacin es un concepto terico; en la prctica nunca es posible observar una poblacin completa (el universo de todos los gobernadores en todas las administraciones histricas, por ejemplo). La investigacin siempre procede a partir de la seleccin de una muestra, un nmero limitado de casos que nos permite acotar el trabajo para hacerlo viable. La seleccin de esta muestra es clave para garantizar la validez de la inferencia causal posterior. Los estudios estadsticos, en los que la muestra incluye un gran nmero de casos, aspiran siempre a trabajar con una muestra representativa en la que los casos incluidos reflejen las posibles combinaciones de los valores de las variables en juego, y la relativa frecuencia de estas combinaciones en la poblacin real. En los estudios comparativos, en los que el nmero de casos analizados es mucho menor (usualmente entre dos y veinte), las estrategias para seleccionar casos relevantes han variado a lo largo del tiempo y han generado un importante debate.

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 Sobre el peligro de la heterogeneidad causal, vanse los trabajos recientes de Brady y Collier (2004), George y Bennett (2005), Mainwaring y Prez Lin (2007), y Ragin (2000). 6
3

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. Nuestro estudio puede explorar, en cada uno de los cuatro casos, la trayectoria del poltico, su xito electoral, el contexto institucional de su provincia, y las caractersticas de su gestin. Pero en ltima instancia, el anlisis comparativo deber abordar una pregunta clave: existe alguna caracterstica comn a los cuatro gobernadores que permita explicar su xito? La Tabla 1A ejemplifica la lgica de este procedimiento a travs de una matriz de datos (los casos se presentan como filas y las variables como columnas). Los cuatro gobernadores han logrado perpetuarse en el cargo (Y), pero no todos han realizado una buena gestin (X2). Sin embargo, todos ellos operan en un ambiente institucional que permite la reeleccin (X1), lo que sugiere que el marco constitucional es parte de la explicacin (y la calidad de la gestin no lo es).

Tabla 1A. Ejemplo de Tabla Comparativa Caso Y X1 X2 Gobernador A Reelecto Reeleccin permitida Buena gestin Gobernadora B Reelecta Reeleccin permitida Buena gestin Gobernador C Reelecto Reeleccin permitida Gestin mala Gobernadora D Reelecta Reeleccin permitida Gestin mediocre Variables: Y: Reeleccin; X1: La Constitucin provincial permite la reeleccin; X2: Calidad de la gestin.

A los efectos de simplificar la presentacin de la lgica comparativa, la Tabla 1B reproduce la misma matriz de datos utilizando un esquema binario para reflejar el comportamiento de las variables. Un valor de 1 es asignado cuando la caracterstica est

presente, y un valor de 0 cuando la caracterstica est ausente. Ntese, por ejemplo, que la variable X2 ha sido codificada como: Gestin buena=1; Gestin no-buena=0 (una gestin no-buena no es necesariamente mala, como sugiere la experiencia de la gobernadora D). Aunque las publicaciones suelen presentar tablas comparativas parecidas al ejemplo 1A (con cierto contenido sustantivo que facilita la lectura), la lgica de la inferencia causal resulta ms fcil de reconstruir con una versin estilizada como 1B, y por ello emplear este formato a lo largo de este trabajo.

Tabla 1B. El Mtodo de Similitud Caso A B C D Y 1 1 1 1 X1 1 1 1 1 X2 1 1 0 0

La estrategia de seleccin que apunta a identificar casos paradigmticos del fenmeno de inters fue denominada como mtodo de similitud por John Stuart Mill a mediados del siglo XIX. En contraste, Adam Przeworski y Henry Teune (1970) caracterizaron a esta estrategia como el diseo basado en los casos ms diferentes. Esta aparente contradiccin en la nomenclatura se debe al ngulo de los casos enfatizado por cada denominacin. Mill destacaba que los casos elegidos deben coincidir en su resultado (y si la hiptesis es correcta, en el comportamiento de la principal variable independiente), mientras que Pzeworski y Teune destacaban la necesidad de seleccionar casos quems all de su similitud en cuanto al resultadofuesen muy diferentes con respecto a las variables de control. La Tabla 1B ilustra este problema: si los casos fuesen

exactamente iguales con respecto a la variable X2, sera imposible determinar si la principal causa de la reeleccin es X1 o X2 (o la combinacin de ambas), lo que hace el diseo de investigacin ftil. Por ende, 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. Por ejemplo, una caracterstica comn de Estados Unidos y Japn puede ofrecer una explicacin ms creble a un fenmeno compartido que una caracterstica comn entre Estados Unidos y Canad, dadas las coincidencias de estos dos casos con respecto a muchas otras explicaciones posibles (Peters 1998). Esta estrategia analtica orient el anlisis comparativo en estudios clsicos sobre el quiebre de la democracia (Linz 1978), las transiciones desde el autoritarismo (O'Donnell y Schmitter 1986; Rustow 1970), y el estado burocrtico-autoritario (O'Donnell 1973), entre otros temas. Sin embargo, esta aproximacin result ampliamente criticada desde comienzos de la dcada de los noventa. En uno de los textos metodolgicos ms difundidos en la ciencia poltica estadounidense, Gary King, Robert Keohane y Sidney Verba argumentaron que los diseos sin varianza en la variable dependiente impiden realizar inferencias causales ciertas (King, Keohane y Verba 1994). Barbara Geddes, por su parte, destac que el problema fundamental de esta estrategia es la introduccin de un serio problema de sesgo en la seleccin de casos (Collier, Mahoney y Seawright 2004; Geddes 2003). Para entender el problema de sesgo de seleccin es importante considerar lo que el mtodo de similitud nos impide observar. La Tabla 2 incluye 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, la condicin causal representada por X1 est tambin presente en este caso. Esto sugiere que X1 no puede ser una explicacin suficiente para el fenmeno de inters, y sin embargo la Tabla 1 no nos permite detectar esta conclusin.

Tabla 2. Ejemplo de Sesgo en la Seleccin Caso Y X1 X2 A 1 1 1 B 1 1 1 C 1 1 0 D 1 1 0 <E> 0 1 0 <E>: Caso excluido del anlisis de similitud

Para superar este problema, los crticos impulsaron el uso de lo que Mill denomin como mtodo de diferencia. Bajo esta estrategia, el investigador selecciona casos positivos y negativos, lo que permite observar variacin en la variable dependiente (incluyendo, en nuestro ejemplo, a los gobernadores E y F que no lograron ganar la reeleccin, tal como muestra la Tabla 3). 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 (con suerte, aquella caracterstica anticipada por nuestra hiptesis), mientras que los casos negativos deben carecer de este atributo4. La Tabla 3 incorpora

Ntese que la presentacin de este principio envuelve una lgica determinista: todos los casos positivos deben presentar la causa, y todos los casos negativos deben carecer de 10

una nueva variable X3, que indica la presencia de un candidato de oposicin fuerte. La comparacin indica que aquellos gobernadores que carecan de oposicin fuerte lograron la reeleccin, mientras que aquellos que debieron enfrentarla fracasaron en sus intentos. X3 emerge entonces como la explicacin ms plausible frente a X1 y X2.

Tabla 3. El Mtodo de Diferencia Caso Y X1 X2 X3 A 1 1 1 0 B 1 1 1 0 C 1 1 0 0 D 1 1 0 0 E 0 1 0 1 F 0 1 0 1 Variables: Y: Reeleccin; X1: La Constitucin provincial permite la reeleccin; X2: Calidad de la gestin; X3: Candidato de oposicin fuerte.

Prezeworski y Teune denominaron al mtodo de diferencia como el diseo de los casos ms similares. Nuevamente, la aparente contradiccin en el rtulo se comprende a partir del criterio utilizado para eliminar hiptesis alternativas. Cuanto mayor sea la similitud de los casos en ciertos aspectos (por ejemplo, X1 se comporta de igual manera para todos los casos en la Tabla 3), mayor es nuestra capacidad para eliminar estas variables como explicaciones plausibles.

ella. El anlisis de un numero pequeo de casos impone esta restriccin (un caso desviado entre tres o cuatro es suficiente para poner seriamente en cuestin la validez de la hiptesis). Al trabajar con un gran nmero de casos, el anlisis estadstico permite, por el contrario, incorporar las desviaciones como parte de un enfoque probabilista (lo importante es que casi todos los casos positivos presenten una causa y que casi todos los casos negativos carezcan de ella). 11

El problema del sesgo de seleccin transform al mtodo de similitud en el gran tab de la poltica comparada durante los aos noventa (las acusaciones de seleccionar casos a partir de la variable dependiente fueron por algunos aos una acusacin demoledora para cualquier comparativista novato). Sin embargo, los especialistas formados en la tradicin de historia comparada a menudo encontraban el mtodo de diferencia poco atractivo. Ocurre que en algunos contextos, los casos negativos no son fciles de conceptualizar. Qu significa estudiar un no-quiebre de la democracia? O una no-transicin? O un estado no-burocrtico autoritario? Qu casos debemos incluir en un estudio de tales asuntos como casos negativos? En qu archivos deben documentarse estas no-experiencias histricas? Frente a esto, algunos estudiosos de la metodologa comparativa han reivindicado el uso del mtodo de similitud, estableciendo al mismo tiempo sus limitaciones intrnsecas (Dion 1998; Ragin 2000). Una nueva mirada a la Tabla 2 nos permitir explorar este asunto. Consideremos el significado del problema en cuestin: la Tabla 2 indica que la posibilidad legal de reeleccin (X1) estuvo presente en todos los casos exitosos, y que tambin era un factor presente (aunque el investigador lo ignore) en un caso de reeleccin frustrada. Esto sugiere que una regla constitucional favorable es necesaria para buscar la reeleccin, pero ciertamente no es suficiente para lograrla. 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. Este descubrimiento introduce cierta complejidad adicional en la interpretacin de las comparaciones basadas en el mtodo de diferencia. Retornemos ahora a la Tabla 3: la

12

interpretacin inicial sugera que X3 es la causa fundamental del triunfo electoral, dado que las variables X1 y X2 no co-varan con Y. El mtodo de diferencia asume que los factores que se comportan en forma similar en todos los casos (como X1) pueden ser descartados fcilmente como causas plausibles, dado que su comportamiento es inconsistente con el patrn de la variable dependiente (de all justamente la recomendacin de Przeworski y Teune de seleccionar los casos ms similares para este ejercicio). Sin embargo, la distincin conceptual entre causas necesarias y suficientes nos obliga a replantear este supuesto. En la Tabla 3, todos los casos de reeleccin exitosa comparten dos caractersticas comunes: la autorizacin constitucional para la reeleccin y la ausencia de una oposicin fuerte. Esto sugiere que ambas condiciones podran ser necesarias para lograr la reeleccin. Por otra parte, resulta claro que X1 no es una condicin suficiente para lograr la reeleccin, pero X3 s podra serlo (dado que ningn gobernador que haya enfrentado una oposicin fuerte ha salido ileso). La Tabla permite entonces sostener dos conclusiones diferentes: (a) X1 y X3 constituyen causas individualmente necesarias y conjuntamente suficientes para el resultado de inters; o bien (b) X3 constituye una condicin individualmente necesaria y suficiente para la reeleccin, mientras que X1 es simplemente irrelevante (tal como sugiere el mtodo de diferencia)5.

Algunos autores como Barbara Geddes y Jason Seawright han argumentado que a veces es posible detectar condiciones trivialmente necesarias (las cuales estn presentes en todos los casos, positivos y negativos, y que por ende aaden muy poco a la explicacin). Este punto representa una nueva crtica al uso del mtodo de similitud (dado que, sin incluir casos negativos, resulta imposible detectar si las condiciones necesarias son triviales o no). La variable X1 en la Tabla 3 podra representar un ejemplo de este problema. 13

A menos que estemos dispuestos a adoptar el supuesto simplificador implcito en el mtodo de diferencia, los datos presentados en la Tabla 3 no permiten descartar la primera conclusin. Hacia el final de este trabajo retornar nuevamente a este problema de inferencia causal, pero para desentraar este asunto es preciso abordar primero una cuestin previa: cmo conceptualizar los mecanismos causales en los que intervienen mltiples variables independientes.

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 permite a los gobernadores ganar 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. J. S. Mill denomin a este tipo de mecanismo como efectos compuestos, y Charles Ragin (1987) ha acuado el trmino causalidad coyuntural, dado que slo la articulacin de mltiples factores en una coyuntura especfica posibilita el resultado. El

14

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 lo que Alexander George y Andrew Bennett (2005) llaman equifinalidad (la produccin histrica de un mismo resultado por mltiples vas) y a lo que Ragin (1987) denomina causalidad mltiple. La reflexin sobre estos mecanismos causales puede resultar engorrosa, y es por eso que en este punto resulta conveniente introducir algunos principios de lgica proposicional difundidos por el trabajo de Ragin en el campo de la sociologa comparada. Un primer operador lgico (no) refleja fcilmente la ausencia de una condicin causal (por ejemplo, la ausencia de oposicin fuerte se concibe como no-X3). Un segundo operador lgico (y) permite representar la conjuncin de dos o ms condiciones causales (por ejemplo, X y Z). En tercer lugar, el operador permite representar la disyuncin caracterstica de la causalidad mltiple (X Z). Por ltimo, la relacin lgica de implicacin (si X, entonces Y) corresponde a la relacin causal de suficiencia. La Tabla 4 presenta algunos smbolos comnmente utilizados para representar estos cuatro operadores lgicos. En las pginas que siguen, utilizar los smbolos presentados en la primera columna, pero el lector a menudo encontrar las otras alternativas en los libros de texto. Corresponde notar que algunos smbolos que tienen un significado muy preciso en el lgebra convencional adquieren un significado diferente en lgica formal (tambin conocida como lgebra de Boole). Por ejemplo, el signo de adicin adquiere un nuevo significado para representar la disyuncin inclusiva, y el signo de igualdad es a veces utilizado para representar la implicacin inversa (el trmino a la derecha del signo implica al trmino a su izquierda).

15

Tabla 4. Algunos Smbolos para Representar Relaciones Lgicas Operador lgico Negacin (no-X) Conjuncin (X y Z) Disyuncin Inclusiva (X Z) Implicacin (si X, entonces Y) Smbolos ~X X&Z XVZ XY

X X*Z X+Z XY

x [minscula] XZ Y=X

La Tabla 4 ofrece una notacin sencilla y conveniente para representar argumentos causales de cierta complejidad, que a veces pueden resultar confusos en su formulacin natural en castellano. Por ejemplo, las tres hiptesis presentadas anteriormente se traducen como: Hiptesis 1: Hiptesis 2: Hiptesis 3: X1 Y X1*X2 Y (X1 es suficiente para Y) (X1 y X2 son conjuntamente suficientes para Y)

X2+X3 Y (X2 o la ausencia de X3 son suficientes para Y)

Aunque la relacin de implicacin expresa siempre causalidad suficiente, es fcil representar la presencia de condiciones necesarias con esta misma notacin. En la hiptesis 2, por ejemplo, X1 y X2 son condiciones individualmente necesarias para lograr Y, dado que si una de ellas est ausente, la conjuncin causal suficiente se ve frustrada6. Esta notacin introduce la posibilidad de pensar mecanismos causales ms complejos, y por ende teoras explicativas ms ricas. Es en este punto justamente donde

Resulta ms difcil expresar condiciones necesarias cuando stas no pertenecen a una conjuncin causal. Sin embargo, es posible representarlas a travs de una doble negacin (a partir de lo que en lgica se conoce como el modo tollendo tollens). Por ejemplo, si sostenemos que X es condicin necesaria para Y, se infiere de ello que XY. Este es justamente el principio subyacente a la famosa frase de Barrington Moore (rescatando la tesis marxista): sin burgesa, no hay democracia (Moore 1973, 339). 16

el recurso metodolgico permite ampliar nuestra capacidad terica. En un trabajo reciente que analiza el vnculo entre los estudios de caso y el desarrollo de la teora en ciencias sociales, Alexander George y Andrew Bennett (2005) insisten en que una teora rica y sensible a los efectos contextuales debe explorar sistemticamente las diversas configuraciones causales derivadas de las variables bajo estudio. 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 no buscan conceptualizar el efecto de causas aisladas, sino el efecto de configuraciones causales complejas (o tipos ideales explicativos) que emergen en un espacio de propiedades multidimensional. Cmo elaborar una teora tipolgica? George y Bennett no ofrecen un procedimiento preciso, pero afortunadamente Ragin ha analizado la mecnica de este problema en reiteradas oportunidades (Ragin 1987; 2000). La teorizacin tipolgica requiere un anlisis sistemtico del espacio de propiedades definido por las variables independientes consideradas en el estudio (v. Barton 1973). En el ejemplo presentado anteriormente, nuestras hiptesis envuelven tres variables independientes (todas dicotmicas), por lo que sera necesario teorizar todas sus combinaciones posibles. Esto no siempre resulta tarea sencilla. Dado un nmero k de variables independientes con j categoras cada una, el nmero de combinaciones posibles es igual a jk (en donde la letra griega pi representa el producto de todos los trminos jk, que indican el nmero de

17

categoras para cada una de las k variables). En nuestro ejemplo, con tres variables dicotmicas (222), el espacio de propiedades contiene 8 tipos causales. La Tabla 5 ilustra el desarrollo de la teora tipolgica referida a la cuestin de los gobernadores. La primera configuracin corresponde a la situacin hipottica en la cual la reeleccin est permitida, el gobierno ha realizado una buena gestin, y la oposicin presenta un candidato fuerte. La segunda configuracin causal define un contexto en donde la reeleccin es legal, la gestin ha sido buena, pero la oposicin no es fuerte. Los tipos siguientes alteran progresivamente cada una de las condiciones, hasta agotar todas las configuraciones posibles.

Tabla 5. Ejemplo de Teorizacin Tipolgica Configuracin 1 2 3 4 5 6 7 8 X1 1 1 1 1 0 0 0 0 X2 1 1 0 0 1 1 0 0 X3 1 0 1 0 1 0 1 0 H1: X1Y H2: X1*X2Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y H3: X2+X3Y Y Y Y Y Y Y Y Y

El panel derecho de la Tabla 5 refleja las predicciones generadas por las hiptesis esbozadas anteriormente (denominadas en forma abreviada H1, H2 y H3) para cada situacin posible. Es importante destacar que el desarrollo de estas predicciones sistemticas facilita la seleccin de casos cruciales para un estudio de poltica comparada. Supongamos, por ejemplo, que deseamos explorar cul de las tres hiptesis presenta una mejor explicacin para el fenmeno de la reeleccin. Estudiar a los

18

gobernadores A y B (presentados en la Tabla 3) constituye fundamentalmente una prdida de tiempo, dado que ambos corresponden a la configuracin 2 (X1, X2, X3) frente a la cual todas las hiptesis generan la misma prediccin. (Si la reeleccin de A y B hubiese fracasado, podramos descartar las tres hiptesis al mismo tiempo, pero dado que A y B han sido exitosos, no podemos inferir mucho). El anlisis de los casos C y D, en cambio, nos asegura una mayor capacidad de inferencia, porque ambos pertenecen a la configuracin 4 (X1, X2, X3) frente a la cual H1 y H3 anticipan la reeleccin pero H2, no. Dado que ambos gobernadores han sido reelectos, resulta fcil descartar H2, pero no sabemos todava si H1 o H3 es acertada. Finalmente, los casos E y F corresponden a la configuracin 3 (X1, X2, X3), frente a la cual H1 anticipa la reeleccin y H3, no. Dado que ambos casos son negativos, H3 parece salir fortalecida. De este modo, el desarrollo cuidadoso de una teora tipolgica nos indica de antemano qu tipo de casos pueden resultar relevantes para poner a prueba una hiptesis y qu tipo de casos pueden resultar triviales desde el punto de vista de la inferencia causal.

4. Anlisis Causal Configurativo A menudo resulta difcil apelar a casos cruciales para dirimir una disputa terica, o bien porque estos casos no existen (ciertas configuraciones causales tericamente posibles pueden carecer de ejemplos histricos concretos), o bien porque resultan inconsistentes (dos casos correspondientes tericamente a un mismo tipo ideal pueden presentar resultados histricos divergentes, con lo cual resulta imposible determinar qu hiptesis es acertada). La principal contribucin del trabajo metodolgico de Charles Ragin ha sido el desarrollo de un protocolo comparativo para analizar

19

configuraciones causales de manera sistemtica. Este protocolo, denominado genricamente como QCA (qualitative comparative analysis) puede implementarse con matices diversos (Ragin y Giesel 2002). En las pginas que siguen presento el denominado mtodo de inclusin desarrollado por Ragin en su libro ms reciente (Ragin 2000). Este procedimiento permite: 1) identificar condiciones causales necesarias; 2) identificar condiciones causales suficientes; o 3) identificar conjuntamente condiciones necesarias y suficientes7.

4.1. Anlisis de Condiciones Necesarias En 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 ofrecer tambin la presencia de X. Consideremos por ejemplo la Tabla 3: los casos E y F pueden ser omitidos, mientras que los restantes casos tienen en comn la presencia de X1 y la ausencia de X3. Ambos aspectos parecen entonces ser condiciones necesarias para la reeleccin.

El mtodo de inclusin permite tambin trabajar con conjuntos difusos (cuando las dicotomas no son suficientes para caracterizar los eventos histricos porque algunos casos parecen estar un poco adentro y un poco afuera de ciertas categoras). Por simplicidad en la presentacin no abordar este tema aqu, pero el lector interesado puede consultar la segunda parte del libro de Ragin Fuzzy Set Social Science (y tambin Verkuilen 2005). 20

El anlisis de condiciones necesarias debe evitar el uso mecnico de este procedimiento y confrontar la verosimilitud de los resultados preliminares con los criterios tericos (o de sentido comn) que guan el estudio. Cuando algunas condiciones aparentemente necesarias resultan poco crebles, resulta conveniente explorar algunos casos adicionales. La Tabla 6 aade a nuestra muestra un caso frustrado (G) y dos exitosos (H e I). Una nueva mirada sugiere que solamente X1 (la regla constitucional permisiva) es necesaria para la reeleccin, dado que es posible mantenerse en el poder frente a una oposicin fuerte (como sugiere la experiencia del gobernador I). El caso G, aunque por ser un caso negativo no sea utilizado directamente para el anlisis de condiciones necesarias, es tambin interesante porque muestra que no todas las constituciones provinciales permitan la reeleccin durante este perodo histrico, lo que indica que X1 no es una variable obvia o trivial en anlisis que nos ocupa.

Tabla 6. Tabla Comparativa Extendida Caso Y X1 X2 X3 A 1 1 1 0 B 1 1 1 0 C 1 1 0 0 D 1 1 0 0 <E> 0 1 0 1 0 1 0 1 <F> < G> 0 0 0 1 H 1 1 1 0 I 1 1 1 1 <> Casos excluidos del anlisis de necesidad G : Caso excluido del anlisis de suficiencia para X1

21

4.2. Anlisis de Condiciones Suficientes 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 (ms all del resultado que buscamos explicar). 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 favorable 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, e I 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 configuraciones causales correspondientes a una teora tipolgica, y no a las variables tratadas individualmente. Este segundo punto merece una explicacin. Cuando dos o ms condiciones son conjuntamente necesarias para producir un resultado, tambin son individualmente necesarias. Esto significa que si la configuracin X*Z es imprescindible para lograr Y, una comparacin del comportamiento de X o Z para todos los casos positivos de Y establecer que cada uno de los dos factores, aunque analizado por separado, est presente en cada instancia. Lamentablemente, lo mismo no ocurre con las condiciones suficientes. Si la configuracin X*Z es suficiente para causar Y, un anlisis separado de todos los casos con la caracterstica X o con la caracterstica Z puede no

22

detectar este fenmeno, dado que slo cuando ambos factores estn presentes, el resultado de inters se produce con certeza. Como resultado de este problema, el anlisis de suficiencia es significativamente ms difcil que el anlisis de necesidad, por lo que un anlisis sistemtico requiere una secuencia de cuatro pasos: 1. La identificacin todas las configuraciones causales posibles (como un espacio de propiedades extendido); 2. El anlisis de la distribucin de los casos y la deteccin de configuraciones suficientes a partir del criterio de consistencia; 3. La reduccin del nmero de configuraciones suficientes a travs de la regla de contencin; 4. El anlisis de los contrafcticos implcitos en la simplificacin del paso anterior. Identificacin de configuraciones causales. Dado que el anlisis de suficiencia envuelve un anlisis emprico, y no un ejercicio de especulacin terica como en el caso de las teoras tipolgicas, es preciso considerar la posibilidad de que cada variable pueda ser (a pesar de nuestras hiptesis) sencillamente irrelevante para explicar el fenmeno de inters. Esto agrega una pseudo-categora adicional para cada variable (irrelevancia). Por ejemplo, para una variable dicotmica, las opciones son: (1) la presencia del atributo puede ser suficiente para explicar el fenmeno; (2) la ausencia del atributo puede ser suficiente; o (3) ambas condiciones pueden ser insuficientes. Por este motivo, el espacio de propiedades para definir el rango de configuraciones posibles est constituido por (jk+1)1 tipos causales, en donde j nuevamente indica el nmero de categoras para cada variable (al cual se le aade en el parntesis la pseudo-categora), y k es el nmero

23

de variables independientes. El trmino 1 excluye de la lista una configuracin lgicamente posible, en la cual ninguna variable es relevante y por lo tanto no es posible hallar un mecanismo causal suficiente. La Tabla 7 ejemplifica este procedimiento: las tres variables dicotmicas arrojan un total de (2+1)31=26 configuraciones causales potencialmente suficientes para la reeleccin. Los tipos causales 1 a 8 representan configuraciones en donde las tres variables juegan un papel significativo (esta lista se corresponde con la teora tipolgica esbozada en la Tabla 5). Los tipos causales 9 a 20 corresponden a situaciones en donde el mecanismo suficiente involucra slo dos variables, y los tipos 21 a 26 reflejan las situaciones ms sencillas en las que una sola variable sera suficiente para garantizar la reeleccin (los factores irrelevantes estn identificados como --).

24

Tabla 7. Anlisis de Configuraciones Suficientes Configuracin 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 X1 1 1 1 1 0 0 0 0 1 1 0 0 1 1 0 0 ----1 0 ----X2 1 1 0 0 1 1 0 0 1 0 1 0 ----1 1 0 0 --1 0 --X3 1 0 1 0 1 0 1 0 ----1 0 1 0 1 0 1 0 ----1 0 Casos (Y=0, Y=1) I A, B, H E, F C, D N 1 3 2 2 0 0 1 0 4 4 0 1 3 5 1 0 1 3 3 2 8 1 4 5 4 5 NY 1 3 0 2 --0 -4 2 -0 1 5 0 -1 3 0 2 6 0 4 2 1 5 Consistencia 1.00 1.00 0.00 1.00 --0.00 -1.00 0.50 -0.00 0.33 1.00 0.00 -1.00 1.00 0.00 1.00 0.75 0.00 1.00 0.40 0.25 1.00 X Y V V F V ? ? F ? V F ? F F V F ? V V F V F F V F F V

G A, B, H, I C, D, E, F G E, F, I A, B, C, D, H G I A, B, H E, F, G C, D A, B, C, D, E, F, H, I G A, B, H, I C, D, E, F, G E, F, G, I A, B, C, D, H

Consistencia y suficiencia. La columna central de la Tabla 7 enumera los casos correspondientes a cada configuracin causal (de acuerdo con la muestra presentada en la Tabla 6). Para simplificar la lectura, los casos de reeleccin exitosa han sido listados en negrita. De acuerdo con la regla expresada anteriormente, si una configuracin es

25

suficiente para causar la reeleccin, todos los casos correspondientes a esta categora deben presentar el resultado de inters (y por ende estar listados en negritas). Por ejemplo, el argumento explorado en el primer prrafo de esta seccin, sosteniendo que una constitucin favorable es en s misma suficiente para garantizar la reeleccin, est expresado en la configuracin nmero 21. Tal como se seal anteriormente, los casos E y F permiten descartar este postulado. La ventaja de la Tabla 7 es que nos permite analizar simultneamente todas las combinaciones causales posibles. Para establecer la presencia de condiciones suficientes es posible construir un ndice sencillo, denominado por Ragin como el ndice de consistencia (Ragin 2006). La sexta columna de la Tabla (bajo el encabezado N) enumera el total de casos en cada categora, mientras que la columna siguiente (NY) enumera la cantidad de casos que presentan el resultado de inters. El ndice de consistencia refleja simplemente la proporcin de casos en cada grupo que ofrecen un resultado positivo. Cuando el ndice es igual a 1.00, la configuracin causal emerge como una condicin suficiente (y es marcada como tal en la tabla de verdad presentada en la columna final). En este punto es conveniente evitar una interpretacin mecnica de los resultados y reflexionar cualitativamente sobre los casos histricos. Por ejemplo, la configuracin nmero 17 emerge como una condicin suficiente, pero solamente un caso en nuestra muestra apoya esta conclusin (esto requiere cierta prudencia al momento de argumentar en favor de esta hiptesis, a menos que la evidencia cualitativa sea extremadamente

26

convincente). En contraste, la experiencia de 5 gobernadores es consistente con la configuracin nmero 148. Simplificando las conclusiones. La columna final en la Tabla 7 identifica nada menos que 10 configuraciones causales suficientes para garantizar la reeleccin. Sin embargo, algunas configuraciones son casos especiales de otras formas ms generales. Por ejemplo, el tipo 1 (X1*X2*X3) est contenido bajo el tipo 9 (X1*X2): una constitucin permisiva combinada con una buena gestin (no. 9) es suficiente para lograr la reeleccin, y la presencia de una oposicin fuerte no alcanza para cancelar este efecto favorable (como muestra el tipo 1). Esto sugiere que es posible simplificar las conclusiones del anlisis eliminando las configuraciones especficas que ya estn contenidas en una expresin ms general. La Tabla 8 ejemplifica el uso de esta regla de contencin: el tipo 1 puede ser reducido al tipo 9 y al tipo 17, y por su parte stos pueden ser reducidos al tipo 23. Como resultado de este proceso de eliminacin, las diez configuraciones causales pueden ser condensadas en una expresin terica muy sencilla: X2+X3 Y (correspondiente justamente a la hiptesis 3 esbozada en la seccin anterior).

Por otra parte, Ragin ha sostenido que a veces esperar una consistencia perfecta (de 1.00) para considerar que una configuracin es causalmente suficiente puede resultar un criterio demasiado exigente. Es posible relajar este estndar, pero en general se requieren valores superiores a .80 para poder argumentar que una condicin es generalmente suficiente. 27

Tabla 8. Ejemplo de la Regla de Contencin Con 2 variables independientes X1*X2 (9) X2*X3 (17) X2*X3 (18) X1*X3 (14) X1*X2*X3 (4) X2*X3 (20) Nota: los parntesis indican el nmero de configuracin correspondiente a la Tabla 7 Con 3 variables independientes X1*X2*X3 (2) X1*X2*X3 (1) Con 1 variable independiente X2 (23)

X3 (26)

Contrafcticos. En su debate con el historiador Eduard Meyer a comienzos del siglo XX, Max Weber (1990 [1906]) sostuvo que el anlisis contrafctico (o, en sus propios trminos, el juicio de posibilidad objetiva) constituye el principal instrumento lgico para determinar la significacin histrica de un acontecimiento. Cul sera el resultado probable de un proceso histrico si el acontecimiento en cuestin pudiera ser eliminado? Weber argument que slo la respuesta a esta pregunta nos permite inferir causalidad. El experimento mental, por supuesto, no puede ser verificado, pero es sustentado a partir del conocimiento emprico preexistente. Los anlisis contemporneos han destacado que este principio de imputacin causal subyace no solamente en los estudios histricos, sino tambin en el anlisis cuantitativo (Fearon 1991; King, Keohane y Verba 1994). En un trabajo reciente sobre este tema Charles Ragin y John Sonnett sostienen que el anlisis contrafctico es un componente integral del anlisis configurativo de condiciones suficientes (Ragin y Sonnett 2004). El problema est dado por lo que Ragin (2000) denomina diversidad limitada: en toda muestra es probable que algunas configuraciones causales no presenten casos representativos. En la Tabla 7, por ejemplo, las configuraciones 5, 6, 8, 11 y 16 no presentan ejemplos histricos. La estrategia ms

28

prudente desde el punto de vista del investigador consistira en declararse agnstico frente a estas configuraciones (en ausencia de casos, no podemos saber lo que ocurrira verdaderamente). Sin embargo, la estilizacin de las conclusiones a travs de la regla de contencin tiende a imponer supuestos simplificadores con respecto a estos tipos que es necesario justificar. La conclusin derivada de la Tabla 8 (esto es, X2+X3 Y), si bien elegante, asume los siguientes efectos no observados: [5] [6] [8] [11] [16] (X1*X2*X3) Y (X1*X2*X3) Y (X1*X2*X3) Y (X1*X2) Y (X1*X3) Y Es posible justificar estas conclusiones? Para ponerlo en trminos weberianos, el anlisis de los supuestos simplificadores requiere un juicio de posibilidad objetiva con respecto al resultado esperado. Ntese, por ejemplo, que en todos los casos anteriores se asume que la reeleccin podra ocurrir en ausencia de una norma constitucional que la permitiese. Es en este punto donde el anlisis de necesidad esbozado en la seccin anterior cobra nueva importancia. Si realmente aceptamos la conclusin de ste anlisis (indicando que la norma legal permisiva es una condicin necesaria para la reeleccin), entonces los supuestos simplificadores del anlisis de suficiencia resultan contradictorios con el anlisis de necesidad. Esta tensin nos marca que es preciso reconsiderar los contrafcticos e integrar el anlisis de necesidad y suficiencia en una secuencia coherente.

29

4.3. Anlisis de Condiciones Necesarias y Suficientes Los anlisis de necesidad y suficiencia pueden integrarse fcilmente a partir de la siguiente secuencia: 1. Se seleccionan los casos positivos (aquellos que presentan el resultado de inters); 2. Se identifican las condiciones causales comunes a todos ellos; 3. Se evala el fundamento terico y la verosimilitud de las condiciones necesarias as identificadas; 4. Si se aceptan estas caractersticas como condiciones necesarias legtimas, se identifican todas las configuraciones causales que incluyan estas caractersticas (y se excluyen las restantes del anlisis de suficiencia); 5. Se identifican las configuraciones suficientes a partir del criterio de consistencia; 6. Se reduce el nmero de configuraciones a travs de la regla de contencin; 7. Se realiza un anlisis de los contrafcticos (la inclusin de las condiciones necesarias no siempre elimina la necesidad de supuestos simplificadores en el paso anterior).

La Tabla 9 ejemplifica este procedimiento. Dado que el anlisis de necesidad sugiere que X1 es una precondicin para acceder a la reeleccin, el anlisis de suficiencia excluye ahora toda configuracin causal que no presente una regla constitucional permisiva. De este modo, las 26 configuraciones originales quedan reducidas a nueve. De ellas, cinco se presentan como condiciones suficientes para lograr la reeleccin.

30

Tabla 9. Anlisis de Suficiencia Restringido por la Condicin Necesaria (X1) Configuracin 1 2 3 4 9 10 13 14 21 X1 1 1 1 1 1 1 1 1 1 X2 1 1 0 0 1 0 ---X3 1 0 1 0 --1 0 Casos (Y=0, Y=1) I A, B, H E, F C, D A, B, H, I C, D, E, F E, F, I A, B, C, D, H A, B, C, D, E, F, H, I N 1 3 2 2 4 4 3 5 8 NY 1 3 0 2 4 2 1 5 6 Consistencia 1.00 1.00 0.00 1.00 1.00 0.50 0.33 1.00 0.75 X Y V V F V V F F V F

La Tabla 10 ilustra la regla de contencin aplicada a estas configuraciones. Los tipos causales 1 y 2 pueden ser absorbidos por el tipo 9, y los tipos 2 y 4 pueden ser absorbidos por el tipo 14. (Dado que no hay configuraciones sin casos en la Tabla 9, no hace falta invocar supuestos simplificadores). La configuracin constituida por una sola variable independiente (21) no pasa el test de suficiencia. De este modo la aceptacin de X1 como condicin necesaria conduce a una conclusin ms compleja, (X1*X2)+(X1*X3) Y, la que puede expresarse ms sencillamente como: X1*(X2+X3) Y.

Tabla 10. La Regla de Contencin Aceptando X1 como Condicin Necesaria Con 3 variables independientes X1*X2*X3 (2) X1*X2*X3 (1) Con 2 variables independientes X1*X2 (9) X1*X3 (14) X1*X2*X3 (4) Nota: los parntesis indican el nmero de configuracin correspondiente a las Tablas 7 y 9 Con 1 variable independiente

31

5. Conclusiones En aos recientes, el mtodo comparado ha visto importantes desarrollos que amplan significativamente nuestra capacidad analtica dentro de la tradicin cualitativa. En este trabajo he presentado cuatro estrategias comparativas: (1) la identificacin de condiciones necesarias a travs del mtodo de similitud; (2) el anlisis de condiciones individualmente necesarias y suficientes a travs del mtodo de diferencia; (3) el uso de teoras tipolgicas para identificar casos cruciales y (4) el anlisis de configuraciones causales necesarias y suficientes (QCA). Cada uno de estos procedimientos envuelve un nivel de complejidad analtica mayor que el anterior, pero tambin permite una investigacin ms profunda. En particular el anlisis configurativo puede requerir un esfuerzo notable, dado que el nmero de tipos causales crece en forma multiplicativa con el nmero de variables y de categoras consideradas9. Para enfrentar este problema, algunos comparativistas han comenzado a desarrollar software especializado (Cronqvist 2006; Huber y Grtler 2004; Ragin y Giesel 2002), pero estos esfuerzos estn todava en una etapa temprana y los paquetes estadsticos convencionales no han incorporado rutinas para el anlisis de configuraciones causales. El lector interesado en las sutilezas de la historia y las complejidades de la vida poltica podr temer, no sin cierta razn, que las normas del anlisis cualitativo avancen hacia un nivel de formalizacin peligrosamente cercano a las prcticas cuantitativas. Sin embargo, estos desarrollos no buscan restar importancia al conocimiento sustantivo de los procesos polticos y de su contexto histrico. Por el contrario, aspiran a sistematizar la
9

En el ejemplo con tres variables independientes dicotmicas debimos analizar 26 tipos causales, pero con 8 variables dicotmicas el nmero de configuraciones posibles ascendera a 6.560. Si las 8 variables fuesen tricotmicas, deberamos explorar 65.535 configuraciones causales--sin duda una larga tabla--. 32

lgica que, por aos, muchos comparativistas aplicaron intuitivamente en forma correcta (y otros, por falta de gua metodolgica, aplicaron en forma errada). Los complejos y a veces montonos procedimientos presentados en este documento no constituyen la sustancia de la poltica comparada, solamente constituyen su esqueleto lgico. Los buenos anlisis comparativos pueden perfectamente presentarse al lector sin describir esta mecnica, pero difcilmente puedan validarse empricamente si no la contemplan en su fase de elaboracin. Es solamente a partir del uso consciente y sistemtico de los principios lgicos que podremos garantizar una mayor credibilidad de la inferencia causal basada en el mtodo comparativo.

33

Referencias
Barton, Allen. 1973. "Concepto de espacio de atributos en sociologa." En Metodologa de la ciencias sociales. Volumen I - Conceptos e ndices, comp. R. Boudon y P. Lazarsfeld. Barcelona: Editorial Laia, 195-219. Brady, Henry E. y David Collier, comps. 2004. Rethinking Social Inquiry: Diverse Tools, Shared Standards. Oxford: Rowman and Littlefield. Collier, David, James Mahoney y Jason Seawright. 2004. "Claiming Too Much: Warnings about Selection Bias." En Rethinking Social Inquiry. Diverse Tools, Shared Standards, comp. H. E. Brady y D. Collier. Lanham: Rowman & Littlefield, 85-101. Cronqvist, Lasse. 2006. "Tosmana - Tool for Small-N Analysis [Version 1.255]" Institute of Political Science, University of Marburg. Disponible en http://www.tosmana.org Dion, Douglas. 1998. "Evidence and Inference in the Comparative Case Study". Comparative Politics 30 (2):127-146. Fearon, James D. 1991. "Counterfactuals and Hypothesis Testing in Political Science". World Politics 43:169-195. Geddes, Barbara. 2003. Paradigms and Sand Castles: Theory Building and Research Design in Comparative Politics. Ann Arbor: University of Michigan Press. George, Alexander L. y Andrew Bennett. 2005. Case Studies and Theory Development in the Social Sciences. Cambridge, Mass.: MIT Press. Huber, Gnter L. y Leo Grtler. 2004. "AQUAD Seis - Manual del programa para analizar datos cualitativos" Ingeborg Huber Verlag. Disponible en http://www.aquad.de/spa/manual.pdf King, Gary, Robert O. Keohane y Sidney Verba. 1994. Designing Social Inquiry: Scientific Inference in Qualitative Research. Princeton, N.J.: Princeton University Press. Lijphart, Arend. 1971. "Comparative Politics and the Comparative Method". The American Political Science Review 65 (3):682-693. Linz, Juan J. 1978. Crisis, Breakdown, and Reequilibration. Baltimore: Johns Hopkins University Press. Mainwaring, Scott y Anbal Prez-Lin. 2007. "Why Regions of the World Are Important: Regional Specificities and Region-Wide Diffusion of Democracy." En Regimes and Democracy in Latin America. Theories and Methods, comp. G. Munck. Oxford: Oxford University Press, forthcoming. Moore, Barrington. 1973. Los orgenes sociales de la dictadura y de la democracia. Barcelona: Ediciones Pennsula. O'Donnell, Guillermo A. 1973. Modernization and Bureaucratic-Authoritarianism; Studies in South American Politics. Berkeley: Institute of International Studies, University of California. O'Donnell, Guillermo y Philippe C. Schmitter. 1986. Transitions from Authoritarian Rule: Tentative Conclusions About Uncertain Democracies. Baltimore: Johns Hopkins University Press.

34

Peters, B. Guy. 1998. Comparative Politics : Theory and Methods. New York: New York University Press. Przeworski, Adam y Henry Teune. 1970. The Logic of Comparative Social Inquiry. New York: Wiley-Interscience. Ragin, Charles C. 1987. The Comparative Method. Moving Beyond Qualitative and Quantitative Strategies. Berkeley: University of California Press. Ragin, Charles C. 2000. Fuzzy-Set Social Science. Chicago: The University of Chicago Press. Ragin, Charles C. 2006. "Set Relations in Social Research: Evaluating Their Consistency and Coverage". Political Analysis 14 (3):291310. Ragin, Charles C. y Helen M. Giesel. 2002. "User's Guide: Fuzzy-Set / Qualitative Comparative Analysis". Disponible en http://www.u.arizona.edu/~cragin/software.htm Ragin, Charles C. y John Sonnett. 2004. "Between Complexity and Parsimony: Limited Diversity, Counterfactual Cases, and Comparative Analysis." En Vergleichen in der Politikwissenschaft, comp. S. Kropp y M. Minkenberg. Wiesbaden: VS Verlag fr Sozialwissenschaften. Rustow, Dankwart A. 1970. "Transitions to Democracy: Toward a Dynamic Model". Comparative Politics 2 (3):337-63. Verkuilen, Jay. 2005. "Assigning Membership in a Fuzzy Set Analysis". Sociological Methods and Research 33 (4):462-96. Weber, Max. 1990 [1906]. "Estudios crticos sobre la lgica de las ciencias de la cultura." En Ensayos sobre metodologa sociolgica. Buenos Aires: Amorrortu, 102-174.

35