a Q | ‘Traduccién de (1 ~~ Banqaain Gonzhiez Rooaiovez | (| L Disefttio estadistico para . la investigacién Leslie KishLas Kass «6 DISENOSMUESTRALES ALOLARGO DEL TIEMPO: (4) Existen posiblidades aernativas en cuanto alas fechas de refe- eacia de los maesizens, a recogida de datos y los informes, por lo Gque’s¢ requiece mis.cxactirud.en-la.terminologia. (2). Se compari cinco objetivos (aiveles acruales, acurmulaciores, cambios promedio, cambios individuales, tendencies) con los cotrespondientes disefios (Golapamientos parciales, ausencia de sclapamiento, solapamientos Completos, pancles, combinacioaet), diferenciados segin la cantidad J el tipo de solapamiento muestal, que fects a as varianzas. (5) Los Zetnbioe de poblacion pueden ser jaternos, o bien: provenie de even tos excemnos-o-ser debidos 2 emigraciones o:cembioside demar~ caciones:todos-ellos pueden: pereurbar:Js: mediciéa:del-canabio. (4) ‘Te comparscién de los paneles con las muestras periédicas individua~ Jes lleva a conclusiones completamente diferentes sobre-ls costes y Ia precisi6n, con respesto a las que se obtienen cuando. se compara ividido” para combinar paneles de muestras periSdicas individuales (6) Los datos de caricter similar, procedentes de essudios repetidoss ‘pueden acumularse bien mediante la combinaci6n de restimencs esta- {istios (por e., medias) o mediante la acumulaciéa de casos. 2. ALGUNOS PROBLEMAS PARTICULARES DE DISENO (1) Se deseriben varias slernativas pare aquellos errores de muestreo ‘que no son mangjables matematicamente; os ms tes pazecen ser los étodos de replicaciones reiteradas 0 extimadores ipo “jackknife, a como los modelos de error (2) Son posibles mediciones alernativas de comparaciones,y la fleribilidad de los cuatro médulos bésices per tive muchas variantes. Q) Las encuestas de usos milipls conllevan Conilietos de dsefoyse pueden buscar y encontrar compromisos y s0- Fe-———luciones “éprimas”. (4). Se presentan las medias ponderadas como es- SSS gicaa de trabajo sencilloy corriente:pare voa gama ammplis de proble- tat del disefo de la selecci6n. (6) Las organizaciones naturales frecen tamafos muy variados ¥ su,muestreo representativo presenta [EET pasgos interesantes, (6) La “falsabilidad” consticaye un marco filosé- lad de decisiones sobre disefio. los eanidios rerrospectivos. (5) Se proponen “disefios d= panel i 1, REPRESENTATIVIDAD, ALEATORIZACION YREALISMO El expémo en epidistica 20 puede eludirla obligacion dete- 1aeeelaron Los prineipios de la inferencia cinta, pero tam- poco-las demés personas pensantes pacden evitar ta obliga- RA, Fister, Design of Experiments “La diferencia ence cultures es, inte todo, In diferentia en ‘evanto al po de pregunis permitidas» : V.V. Naumov, Feces of Sie Li, TRES CRITERIOS Los disefos estadisticos implican siempre ‘ransacciones eatre-lo de“ seable y lo posible. Nos enfreatamos a eas transacciones inevitables desde el momento ea que elegimos Is naturaleza misma y Ia estruc- fra de los disefos estadisticos, su alcance y amplitud, y eltamaio de los proyectos de investgatién. De entrada, deseribimos aqui las tran seein fundamen a bora de lp le narrls 7Ieie tura de los diseRios de investigacin. Necesitgmos igualmentt juscfi- car y distngur los disefos. de estudios obse de lor oxo dos campos, mejor conocides'y mejor definidos: el muestreo de en- susatas y el diseio experimensal, Los ue estén en 22s sompcomisas que einen juego al elegir entre estos.tres t= poé principales de disefios se refieren a los problems filosdficos bési- Eos des ls ciencias eps ee ee eee sgn Soe Tugs ifas ja abiemar cae, aparr ce i Gaede dire ; ce | es Ss de cbseracionss sues adem a exores Uer- “passions aeoas No podemos sitios problems i. Tosdlicos bisicos, seialados por David Hume en 1740 7 replanteados por vtros filésofos como Popper (1959), Salmon (1967), y Burks 977, y por expertos en estadistica como Fisher (1935), ‘Neyman (1938) y otros (7.8. Bros problemas y transacciones s¢ dan siempre de manera impli- cia y, a veces, hasta pueden aparecer vagimente ta las razones por fas qué se utiliza uno de los tres tipos principales de disco. Pro- pongo, sin embargo, que sean traiados explicitaiiente ex el dived dePee ee eee AN 2 Lei cualquier investigacién empirice. Aqui, de entrada, puede resultar Geil Ponda Guspie Bongutor el cat de dschor eheaninalor com pacar y evaluar la eficacia relativa de dos 0 més técaicas pedagégicas a los centeos de ensefianza. Por lo general, hacen falta, en primer ‘término, transaeciones en euanto al realismo de las variables explica- divas clegidas: las variables predictoras ¥y pronosticades; es deci, las varies de atamiento de raqpuesm. Hay que definisy operator nalizar los diferentes métodos de ensefianza que se van a comparar, ¥ cstas tareas plantearin dificultades y soluciones de compromiso entre las téenicas ideales las viables. Podemos comenzar con sigunas va riables teérieas conceptualizades subyacentes, pero enseguida querre- ‘mos aproximatnos mis a ls realidades concretas de las aplicaciones reales ¥ posibles. Mientras tanto, podriamos necesitar también hilar més fino en cuanto 2 las posibilidades inmediatas de la situacidn cx- perimental. Debemos operacionalizar y controlar las técnicas ped g6gicst.de lor tratamieatos predictores: garantizat los materiales apropiados y el entorno psicolégico adecuado para ellos’y; quiz4s, contramar también « los profesores adecuados. Sin embargo, suelen presente dificldey sinscionea de compromito aia mis geves a le hora de asignar y operacionalizar las variables a preded: los exi= terios de eficacia de las respuestas. ;Debemos sceptar sencillamente Jos exdmenes de clase, o incluso las meras opiniones y actitudes de los rofesores o de/los aluminos? 2O deberfamos tratar de medir el Exito en las clases subsiguientes? ¢O quizés podriamos intentar evaluar el ‘Gxito final a través del rendimiento en la vida “real”? En segundo lugar, de cara a la ibilidad clentifice, deseactamos conseguir la asignacién aleatoria de Tos sujetos a los distintos trata mientos, lo.que conlleva a menudo serias dficultades. Puede requeri ‘mucha capacidad de invetuiva y, con frecuencia, eambiéa transaccio- nes Podemos llevar « cabo una verdadera aleatorizacién de los estu- antes individuales? 70, lo que es mds probeble, de aulas conipuer’ ts por eradints?¢O debems wiles escsels extras como, unidades de seleccién? Ademis de esto, zpodremos obtener controles ~ Tigitosos de los tatanientos y mediziones no costisiaatas els espace + huigar, [a representitividad de las unidades de piuestreo immplidhgeneralmenneclocones de compromis, pase in eae de la poblacién objetivo como en la seleccién de significado, que normalmente consiste ea un significado expetifico, Reprsesaidd leatoriacion yreliono 3 tal, o més bien contentamos con un ret menor, como in miunicipion ‘o.una ciudad? gO deberfames probar sélo con unas cusotzs freas he- tecogéneas entre sf, por el contrario, deberiamos inteatar llevar @ cabo comparaciones internacionales? Este ejemplo aclara las dificultades que hay que:superar para tisfacer los tres eriterios del diseio de iavestigacignique deben anal zarse: realismo, aleitorizaci6a y teprésestatividad ‘Coa todo, estat dificaltades son atin mayores en muchas de las,taiees cod las que se enfrenca la investigaci6n social, tales como la evaluaci6n de los efectos « largo plazo que llevan consigo la pobrezs o las politicas de bienester. A’menudo es preciso tomar una decisién compromesida sobre la fornha de aplicar los tres eritrios y de elegic'entre ellos. El Ihecho de priorizar el realismo o ks dleatorizacién o la representativi- dad, tiende a producir, resgiectivamente, estudios observacionales conirolados, experimentos o encuestas por muestreo, Estas opciones simplements se han dado por supuesto implicitamente (permane- ciendo asi generalmente ocultas) tanto ea Ja prictica como en los.de- sarrollos teéricos, pero se plantean explitiamente ea Je secci6a 1.3, para poder as! dejar patentes [os sactificos que suponen éstas ransac- ciones, Se facia Ia eleccin entre los tres tipos de difeios al discitir, x primer tino, ea la seccibn 12, custo tipos de variables que inter vienen en la investigacin empirica. Estas variables sirven para rels- cionar los tres criteios principales que acabamos de discutr con los tres tipos principales de disefto estadistico que se definen eh la sec- cién 13. ‘Dentro de cada una-de estas categorias bésicay tlterios, variae bles y disetos—, inteato obtener definiciones clara utlizando una palabra difercnce para cada uno.dé los tipos principales. Escogt estas palabras cuidadosamence, 2 partir de su cocrecto uso estadistico. Sin embargo, carecemos de tina terminologis uniforme en estadistica, al igual que ocurre en flosofia,y especialmente en las cencias evonérni- * cas a sociologf, la psicologta, la medicina, tz, disciplinas en las que son necesarias en las que se utlizan ests palabras. Debo solicitar 2 los lctores que se bdhicren conmigo « un vocabulario comin mies- ‘tas lean este libro, sean cuales fueren sus pteferencis personales. El &xito obtenido no ha sido completo, porque el lengusje "me ha-obligado a hacer que unos pocos términos poiean un doble La palabra comparea + ‘Lei ick ‘id se refiere-a:la diferencia entre dos medias (cap{tulo 3) pero se ‘Gelliza también en un sentido més general, como en [as comparaci nes de costes o de eficiencias. El término control aparece en las.cor “= pardclones dela variable de tratamiento ffente aa de consol, pero se \ntiliza ‘asimismo en el sentido mas general de control de variables ‘perturbadoras (capicalo 4), La palabra tratamiento aparece en dichas i ‘comparaciones, generaliente para denowir un Muevo tratamiento, mientras que control se refiere a los tratamientos estindar y anterio- 23, Pero uatamiento respuesta sigaifica eambiga-predictora/pronos- tieada, Por supuesto, a menudo también nos referimos al tratamiento de wa tema, por ejemplo, para indicar su observacién y aniliss. 22.” CUATRO TIPOS DE VARIABLES: $2" CUATRO TTIPOS DE VARIABEES" > & * QW Las natiables explicativas consttuyen el objediva del diseBo.de=.< Ia iavesngacjén. Se las denomina a veces variables expe- rimentales rhienwas que el término explicativas ha sido wt ‘ado para lo que designaté como variables predictoras. Aqui ex- plicativas se refiere 2 aquellas variables que expresan los Ebjeives del disedo dela investgncién, y ente las eles eine ‘yestigador desea encontrar y medir alguna relaciéa preestable- ‘Gada. Las vasiables explicacivas comprenden dos grupos diferen- ‘Gables: las predictoras (X) incluyen-las eausas buscadas de las relaciones, y. las pronosticadas (Y} describen los efectos dela prediccién,Se han utlizado ocros nombres para estos dos gru- pos de variables: independicates y dependientes, estilo y res- ‘pussta, tratamiento y eriterio, causa y efecto, X e Y, asf como ‘Stray parejas de términos andloges. También se ha uilizado la Sipe deminnts conscience invesdgacioa demagrtis, No nos seni abligndos 3 arti ule lacaconcsGlnolca encetsos par do términos. La terminologfa carece de uniformidad y optaré por ., eérminos foutrales. Ademés, en los estudios observacionales ta las encucsas, la. divisi6n Seater aden pi dictoras y pronosticadaé puede refultar mas o menos arbitcaria. See aenedamntaeantditinin ‘Se definen prinéré las Varabl iets de investiga Repreetesivided, aleaorzaisn yrakiime, 5 vas, Estas vatiables surgen del conocimiento y la compreasion de} ‘campo de esrudio. Es inevitable, sin embargo, recon txisteacia potencal de otras fuentes extract de varac tambiga ba , #2260 por la que es preciso idear mésodos que permitaa separa esas variables excraias de las variables explicacvas. Nos pareve una simplificatioa, Gul el clasficar todas las diferentes variables extrafias en tres tipos. Ademés,-no debe surgir confusién al hablar aqut de "varies"; ea: ‘vez de "fuentes" de variacion, Las variables explicativas (E)s las pre- dictoras (X)y las pronosticadas (Y) materializan los objetivos de la in- ‘vestgacién, 9 los otros tres tipos de variables som exaraiias « exs.obje- tivo (véase fa figura 1.1). ' (C) ‘Las-veriables.controladaé comprenden aquelas:variablesseictra ® @ ‘Ras Gue puoden see adectadamente-controladas-mediante-el:di sefio:de-investigacién Puede. ejerceese:el-contiolsbiemrs-través: del diced de los procedimientos de selecci6nyo bien-niediante tenicas de estimaciéncen-ehanilisisstadistico, 0 quizéssimul- tancando ambos procedimiestos. Las opciones dependérénde.: Ia previsi6n'y del conocimiento, pero también dela dispomibiliz dad y uso estratégico de datos y recursos. Las téenicas para con- trolar las variables extrafias tienen por objeto dismiauir los errores aleatorios (ipo A), 0 disminuir los efectos de sesgo de Jas variables perturbadoras (tipo P), 0 ambos. Las variables perturbadoves son aquellas variables extrafias n0 concoladas gue pueden ser coafundidas eon ls variables expl- ceativas (po £). La principal desventaja.y-preocupacida de lor disedios no experimentaes reside en el fallo en crasladar todas ‘estas variables P bien al po C de varables controladas 0 biee al tipo A de varables aleatorizadas. Las varigbles aleatorizadar son vesables extraias no controle das que son tratades como erzoresaleazorios. En los experimex- tos “ideales” se hace que sean de hecho y operscionalmentt aleatorizades, pero en las eacuestes y en otras inve Solamente se supone que esti aleatorizadas, sega se discusit nla seccién 14, Puede considerarse la alestorizaci6a como une forma de control experimental, aunque distinta de las forma: uuclizadas para las variables de tipo C.| | 6 Les Ki FIGURA Lt. Efectos dé ers ipos (G. A. 8) de varicbles extras sobre las ‘verses expicetives (E)(X— Y) 7 veo natn ed eis TT TTTAT =a ES 1y\ oe | cna § Fh) ‘Tres tpos de vaabies exvatas pueden obstacuiza a paso do las variables explicativas (&), desde las predictoras (X) a tas-pronosticadas (). Aigunas variables son controladas (C} mediante diversos tipos de Gonos (loques, esratifeactn, apareamenta, ponderacén, et). aston sloasrzads (A) en fos expermonos,oaadss sono lat Feats on lat ancuesta yon oe eetudcs observaconlan Sn sm argo, algunos efectos permanecen como variables de perturbacién (P) enlas encuestas y en los estudics cbservacionales, pero ninguno de es- ‘os efectos pormane’e eno “verdaderos" expeertos * Las fechas hela era y hacia abajo represntan fos efecas con- ‘vapvesios ce las varbles extanae. Las verables confolecse apare en-con faze mas giueeo que iat variables peruroaorss,porue co Goma en que las varlable de lvenae e20n Gontoaces para oto, {is varahles aloatoizadas se razan como numeroca, dlgeesY 2c tuendo en ambes dreccione, londendo a neurazaree ene oles us efectos sobre el curso (X > ¥) se muestan en la figura como relativa- ments deblen Los experinertes"sn os que aparecencoftlados ms execha- pera; yehmuosten de encuetnso es mucho menos, x Denso" 0 faces de rapresotar basos de poblactén mde ample, quo culten va- fies domrice, como lo muestan oe bes curinos (XV) abe Sin embargo, as varables prenosicadae de os muestran mucho més alejadas del pardmetro objetivo ¥*, que representa’ tf etectorespuesia thal que el estudio vata Ge prevecrestver Sts spaciogvacos aliden ala rlava fata de reais de os canoe del estudio. Represetaiidad, aletoizain yrealioma ‘Nuestro objetivo consis: tn colocar deste del Uo C (vatiables consroladas), mediante disefios eficientes, antas vasiables extrafias, como tea posible, prdetica y econdmico. Sin embargo, no es posible © prictico controlar més que unas pocas de las poteaciales variables irbadoras y algunas o la mayorla de ellas deben.quedar sia con- trolar. El objeivo de Is aleatorizacion en los experiajentos reside ea colocar sodas las variables de tipo P dentro de las detipo A. En los ‘experimeatos “ideales” no se dejan variables dentro Gel tipo P. Todas las variables exerafias han sido, 0 bien controlacas d2tro del tipo, C, o bien alestorizadas dentro del tipo A. Al colocar las yeriables per surbadoras en e tipo C, eliminamos los efectos quecendefan que estar ene tipo A. Si biea lo errores aleatorios quedan en el tipo, en les cexperimentos “ideales” se eliminan los sesgos debidos al tipo P. Sin embargo, ex Is iavestigacién no experimental —encuestas y couras investigaciones— los controles tienen que cumplir una doble foneida. Inerementan la eficiencia al disminuir [os errores de las v2- riables de tipo A, tal como lo barian én los experimentos reales. Pero sia alestorizaciéa no podemos elimina completamente todas las'va- Hables percurbadoras de tipo P. Ea la medida en que estas dlimas queden sin esac completamente controladas dentro del tipo C, o sin haber sido, aleatorizadas dentro del tipo A, [as‘variables de tipo ‘quedaa mezcladas y confundidas con Iss variables explicativas de ipo E, ejerciendo sobre elias efectos de sesgo desconocidos. Por tanto, fa reduccién de esos seages se convierceen la funci6n crucial de Jos comtroles en Ia investigaci6a no experimental fife. ie 13, ENCUESTAS, EXPERIMENTOS E INVESTIGACIONES: ‘CONTROLADAS 7 i Se haa desarcollado los disefios experimentales para verificar y deter- minar las variables explicativas y. para medir las relaciones entre ellas en los contrastes analiticos.con los datos. De manera distinta y dife renciada, l2 teoria def muestreo de encuestas se ha Ce initeen prin- cipalmente para aportar estadisticas descriptivas, medias, proporcio- nner y totales; especialmente para grandes ihuestras extraidas: de poblaciones mucho masigrande daros de las en- cues se uilizan fresuentéments Y con Exo, expeialaenge en lsct : Lose Kish laciones ene yaribles explicativas. Ademé, en muchas situaciones, ni los experimentos ni Ise encuestas por mucstreo resultan viables © practices, por lo que muchas veces debe utiizerse algéin spo de in- > vestigiciéa conrrolada o de estudio, cbservacional. El desarrollo te6- ico de cada ino de estos tres tipos de diseio ha acontecido dentro-de “un espléndido aislamicato, com el finde simplificarlos y clarificarls. pero estamos a punto de emprender su exploracién, Con el sérmino experimentos quiero referieme aqué a los experi- ‘mentos “ideales"; ea fos que todas las variables extrafias ban sido 0 bien controladas,o bien aleatorizades (1.4). Al hablar de encwestas (0 enciiesas por muestreo), re refiero a muestras probabilisticas, en las {que-todes dor: elementos, de-tna:determinada-poblaci6n.tienensuna= > probabilidad posisiva:conocida-de-ser-seleccionadosren la-muesteisnsss, | (1.2). Entiendo por investigacinnes:(c-invemigaciones rontroladas}; la ecogida de datos (realizada.con esmeroyy a.veces bajo un.consideca= ble carol) pero sin-la‘aleatorizaciSn.dc los.experimentosyo six _muestieo probabilstica de Iss encuestas (capiculo 3)-Las diferencias ‘entre experimentos, encuestas ¢investigaciones no son les consecuen cia del andliss estadistico, que pueden ser similares, sino que resul- tal de los diferetes disefios 2 la hora de introducr las variables y de seleceionar los elementos de la poblacién (sujetos). ce ‘Al tomar en consideracin los fines més amplios de cualquier in- vestigacin cieatific, s6lo puede controlarse de modo objetivo y 56- lido'una parts de los medios totales (es decir, recursos) requeridos: > paca hacer inferencias. Las demds partes tienen que quedar sujetas al criterio mis © menos vago y subjetivo (por més evslificado gue sea). Los cientificos buscan maximizar la primere parte y, consiguiente- mente, minimizar la segunda. Al evalua los fines, los costes ylos me~ dios disponibles, efecaian una elecciéa estratégica de métodos. De cesta manera se eafrentan con los tes problemas basicos de le investi~ saci cei: lecovzacion,repreenssnied y reine, de hs La experimentacién es potente en cudnto al control de les varla~ bes explicativas.por medio de la aleatorizacién de laé variables pre~ dictoras en los sujetos (es decir, asignacién dc los sujetos a tratamien- tos); pero es débil en cuanto & la representatividad con respecto a las poblacioncs objetivo definidas, y muchas veces tambiéaen cuanto al Fealismo:de las mediciones. Las encuestas tienen su lado fuerte en la representatividad, y su lado débil en el cOntrol-de las variables: Las ‘Né'se‘hai éstudiado bienslas conexiones ¥ contrastes-entre ellos,” Reprsin:aividad letoricain yrealiomo 5 investigaciones soa deficientes en, cuanto al coatrol y muchas veces en cuanto a la representativided, Su gran preponderancia suele obs- décer a su bajo costey relativa comodidad, y a veces ala necesidad y Viabilidad del realismo de las mediciones en “entornos.nacurales | Habitualmente nos vemos enfrestados a e6aflicios entre as sepirs- ciones de alestorieicidn, derepreesatidad 7 de realiomo: are «Wap podita sutlisere wdocvedlense los dese de cttmplit:coo los wes erterios en un disefio de investigacidn, y muy # menudo no se podrin satisfacer ni siquicra dos de los tres. Lo més coments. ¢s wwe simplemente se destaque uno de los criterios porque es el menos Zostogo 7 ef mis prictca, y porque Puede pacecer —de manera con- ‘vincenie o sdlo a nivel de intenciones— el mas justificado. por mot c+ rantadebe, Pern cuandeslaiteperane neti datescentor palbee dee pensamiento, Me ‘cridtura:pirede’ser:ilegitiniae Debe:prestarsermucks: OK un papel mas destacado.« model licitos'de las-diver i Hicumsde taticGnue anjen dz len neta de donde ‘estigesion (vfase figura 12). ROURAI2. Tres comparaciones distintas de las encuestas por muestreo = = Observaciones Estudios locales ‘Régiairos ml En ln seccién 1.3 se enalizan las comparaciones de las encusstas ‘Dormuesieo con los uaperimentos y con les observacines conoiadas. Estos res metocos estan psificados en called de opciones esraéy- ">> eas preterdas"para os tres citeios de rebresentatided, tratamientos dlestorizados yrealsma. Oro tipo ce Opodn estratégica pone en juego les Vorajas relaivas do las encuestas por mucsteo frente a ls consos _- oreciatgs ( recién mas a eave ala election ene Stencuestasimuesbales-apies-y-estudos locales confnados a una 0 8 ocas Aieas (3.1).De este manera, las encuestas por muestieo $e pre --saSentan comb. alemaliva a ies mélocos claramans dferentes de reco. = SSgide-de-dstosry seiree"a onic razén de que ocypen-un lugar central1 Leslie Rib elms nae is gales 1. Bs pos ble eliminar tor sesgos originados por las variables perturbadoras (Gipo P) mediante [a alesconizaciSn de las Variables extraias. 2..Los tos experimestos se encoows6 qo I mejor sparen en I habildaa sprendes de geeracinnerseesies de rnc big en celta, «ura mejor ela habilsd para ensebr por pare del expecnestsdor (Gree Seg, 1968, 327] Sia embargo, ln dsneiSn evel y Ue. Por at, sc Austin Bradford Hill exagera su acertado argumento al decir «las dificulca- ‘des de los experimentos 20 son menozese cuando discutia las dificultades de fos eur eerveinaes fen Cohras193)- (iby 19591975] Asi pues, las ventajas de los experimeacos sobre las encuestat, al permjtif un mejor coatrol de los trtamientos, son s6lo relatives 7 20 absblutasiEl disefio de controles experimentalés apropiados no es, sutgmético, sao que se trata de un arte que requiere,conocimiento cientifco y creatividad ala hora de planear el experitizao, y cap: dad retrospectiva al interpretar los resultados. Sin embargo, la dist ci6n entre experimentos y encuestas en cuanto al contfol es reale im- portante. Para subrayar esta distincién nos refeciitios aqui a los experimentos “ideales”, en los que el control de los sesgos provenien- tes de las variables pertacbadoras ex total. En segundo lugar, en general es diffil disefar experimentos de’ manera tal que sean representativés de una poblaci6n especiica im- portante. De hecho, los interrogantes y problemas del muestreo, @s decir, de la epresentarividad de las poblaciones implicadas en los te- sultados experimentales, ian sido en gran medida ignorados en el di- seff experimental. Tanto en la teoria como en la prictica, la investi- gatin expérimental ha dejadox menudo de lado la verdad bisica de ue los sistemas causales, Ia distibuci6a de relaciones (como las dis= tribuciones de caracteriticas),existen solamente denweo de universos |“nombr Leslie Kis © eGniietos. Las inferenciae extadisticas derivades de la contrastacién experimental de divereos tatamicntos se limitan« la poblaci6n © po- bbaciones incluidas en el disefo experimental. No obstante, Senen que recibir aplicaciones mucho més amplies,y para ello debemos re~ Garris 2 madelos, bien explicitamente o, dezaasiado a meaudo, s610 de modo implicite. Mis adelante trataremos de forma concisa estes controvertidos temas (14 1.8) ‘En ceccer lugar, para muchos objesivos de iavestigaci6n, especial -mente en las ciencias sociles, no es factible reproducix, enel disefio experimental, el deseado realismo de un “entorno aatural” de cara a las mediciones. Por eso, los experimental a veces dit re puesta a pregustas que s6lo tenen.un significado vago. Es decir, las ‘Yarisbles del expérimento, construido artifcialmente,,pueden:tener‘: Solemeate una relacign tenue conmlas variables que:etinvestigador des searizinvestigar, "Los dos tlkimos puntos débiles:de los.experimentos que: hemos indiead6 sedialan las ventajas d¢tas.encuestasLas-muestras probabi-' Tisticas no sélo permiten inferencias esadisticas clara a poblaciones ‘definidas, sino que frecuentemente pueden reaizarée las mediciones | ten los *eatornos nacurales” de poblaciones reales, De esta manera, en Jas situaciones concretas de investigaci6n, tanto el método experi- mental, como al de excuestas, presentan sus problemas ¢ inconve- nientes expecifices, asi como también sus veatajes. social, con frecuencia se eigen y-se prefieren algunos disefios de.investigaciones controladas y.no las encucstas 0: Ios experimentos. Esta elecciéa preferencis! se hace por razoncs de ‘conte 6 de visbilidad o para mantener el deseado realismo de las me~ diciones. Se han ideado ingeniosas adaptaciones de los disefios expe- Hmentales para estas investigaciones controladas (capitulo 3). Se ut liza muchas veces el marco estadfstico y el andlisis de los diseZios cexperimentales, pero sin la aletorizacién de Jos verdaderos,exp ‘mentos. A menudo se requiere una gran capacidad de inventiva en es- fos discos 2 fin de lograr flexibilidad, eficiencia y especialmente ~ tetto grado de control dees variables extras (capitulo 4). Las in- ‘gaeiones comtcoladas toman muchas formas y tienen muchos : x jes-observaciones controladas, cuasi~ ‘ seudoexperimentos, experimentos naturales y otras. Prefiero.n0.r0~ -mar prestada-la:prestgiosa:palabra-experimento pars extudios ea los es fo estan alestorizas refiezo evitar cérminos 1 Hote aleatoria de Jos tratamleatos (a: valides interna), iantes de: Represented, sessorzaién yrealionn B an ad ee wn = 1 ivesiaiots como ras ences mueszaled 20 son ai ada clase, simerque tienerr si propia jus- tfiacion. Els pee, irtonmes gerne els ecusos sir pare superar todas is dificultades ys por ranto, pars conseguir siml- locos perfeccin ea el reaivno des ndiday ex seco {cin pare controlar los tratamiencosy en le representacvidad de as + Grandes poblacones. Admitamoe que 4 menido, inlaro re,.ao podemos satisfacer los wes cricerios simultineamente! Des- pubs de admitr todo ext, sin embargo, muchos aurares proclaman ‘una jerarquia general ente estos erteros, dé manera que uzo de ellos debe predominar én todas las situaciones. Por ejemplo, algunos creen 4435, sempre-que sea posible, debedogearseacualquiee-preciovel co ‘prestararencicn la represencatividad con'respecto-2us poblacioaes (o."validez externa), 0 al ealismo: Por el-conteatio; mi-punto'de: ‘ise esque no existe un sipercriterio.que pueda detentar-esuperio: lad nice omaimoda y omnipreents sobre ls dem Mi ben ay que extoger y comprometerse con una eftrategia de investigacidn ALS gut mules vecunes se use le sittbn concrete En cualquier sitaacién especifica, un método puede ser mejor 0 més _prictice que los otros, pero no exise le superioridad general en todas tas siruaciones de ainguno de los tes diseios. La compreasion de los puntos fuertes y débiles de cads ugo de ellos deberfa permitis una ‘lecci6n mis-acertada. A veces, la flexbilizacién de une de los eri- terios puede acarrear grandes ventajas en otro, 0, incluso gn los dos ‘xiterios resantes, Ademds, algunos problemas de investigacidn dif clles han de abordarse por separado mediante dos o incluso los ees mézodos. ‘Estas perspectivas aatijerirquicas sobre estravegia estén parcidl- mente en desacuerdo con algunos de los mejores escritos sobre el control de variables én los experimentos ¢ investigaciones sociales, relizados por Campbell (1957) y Campbell y Stanley (1963), con lot aque eh:lector deberia escar familiarizado (véase el.final de la sec- ign 3.3) Pulede mejorarse cada uno de les tied tipos de disefo ‘esféreéa- dose en superar sus pumtos débiles especificos. Dado que la falta de ‘control sobre los eatamientos es la principal debilidad de las encyes- tas los investigadozes de encuestas deberian mejorar Ja recogida y el iares como contrles de las variables perturb11 i Leslie Kish ‘ doras. Deberiaa estar més atentos alos cambios sociales y utlizarlos medir los efectos delos “experimentos naturales”, Deberfan, si- ‘isto, explorar mas & menudo los datos de encuests, hacienda uso de técnicas analiticas multiveriables, tendencia que estd bastante afianzada en la aceualidad, Por otra parte, pueden mejorarse los experimentoi ¢ investigacio- znes contioladas muchas veces esfortéadose en delimitar mis clara~ ‘mente sus poblaciones y haciendo que sus resultados sean més repre- seatativos de dichas poblaciones. A menudo se puede y se debe hacer aids para ampliar I base del disefio con objeto de poder extender la inferenciaestadistia « poblationes més amplias y signifcativas. Con demasiada frecuencia y precipitaciGn, los investigadores se compro ‘metea con poblaciones pequehuas, cutivas y cémodas de mabejat! De. smasiado « menudo el investigador justifica estas resticciones como un lntesto de lograr que los sujeios sean més *homogénees”. Si el sen~ tid comin no desbarata este error le Lectura dé R. A. Fisher lo hard. Henos visto que el defo factorial poice die ventas frente a los expesi- 5 ‘penta: en los que incervienn Uaicamente farworesasladoe 7) Mayor ef 4 [Sencison el send de que extor Factores fn erahados com eras pee Si6n vlizando slo la cara pare de ls obervaiones que de ots inners ' nabesen sido aecesarss (3) mayer alanct, ya que azemts de los custo i efecios decade uno de lo factors, eeraliaa ss 11 posblsinterseionc. i “Htay una ercera ventaja que aunque menos obvi que lat doe anceiores, y fluye de manera importance sobre la utlidad de los resultados experimencales } en #0 splicacion preven. Se tata de que cualquier conclu, como, por sGemplo, la conveniencia de sumesta la catidad de un ingrdience dad, ‘ene uaa base inductva més ampls eundo se afer a par den oxpeci> sma del quran herd landed on es nro oe Ge toda con culguir admero de expedinatos en fs que estos iagre- hhubieran eanenido igidamence consanes. La esepdarizacién riaaciosa dels condiciones experimental, quest sueleiavocar con fre i Cuenca de modo ireflexivo como una panacea, leva sempre casgo ln des ‘Yeats real de que un qnperimeato con altos aiveles de exanvdariaciSn ert informacion directs aslo con expecta al eaecho rng de las cone Ges obvenidas a través del exandarteac6g, Por cosiguent fa exand- ‘zai dei, en ve de foralecer ues base para infer resus : aires en cao de que canibien algo dichas condiciones, como suceda aialemente ena prctica Fisher, 1935095) + ee Representative leatrinecny reals 3 la base de la inferencin estadistica tanto como se lo permitan los're- cursos (B11 y 7.8). th saeecacme i cis e Serer re ‘Anan bujo et epg las aecesidades de lend ib yd re- preeentatividad, como dos aspectos intimamente relacionados del di- sefo de investigacién. Considero incluso que més.que una relaciéa, ambos requisites tienen rafees tebricas 7 Hlos6ficas communes Es im portante reconocer, en honor a la verdad, estis rafces comunes, $1 bien resulta diffe, porque en la préetica nos vermos obligedor gene- salmente a escoger eatre estos requisitos, debiendo sacrifice y clegir entre uno u oua.en funci6n de razones econdmicas y estratégicas, tal como se wo en a secciga 1 Suelen twatarse por separado las exigencias de aleaiorizacién de los wataniencony de sepeemntaivda Sapoags fae los Isaacs os “Hin familiarizados con algunos de los argumentos a favor de ambes, " ceicontrarén mis yvida en los capitulos 2y 3. Los argutentos favor de los tratasnientos aleatorizados, en el caso de les experimentos, y de la selecei6n probabilisica en el de las encuestas por iiuestreo, son de mucho peso y debemos reconocerlos, aunque menudo veamos que se sactificaa por razones de coste y de viabilidad. El hecho de que los des tipos de aleatorizacin téffgan ralces te5- ricas comunes no es algo generalmente eceptado. Pergleste punto de vista es importante, 0 s6lo para una comrensi6a‘losdlica muss cla, sing también por diversas razones de orden priftico en el di- sefio de la mayor parte dela investigaci6n. Primero, la propia selec cién eatee los tipos principales de disefo,y especilracace eau expe- Fimentos y encuestas, no deberia ser arbitraria; no'sélo habria que considerar la vizbilidad y el coste de cada uno, sino tambiéa le natu- raleza y aleance de las ganaicias y pérdidas en cuanto a inferencia {que supone cada tipo de disefio, Este ha sido questro tema ea las see- ciones 1.1-1.3, En segundo término, este punto de vista proporciona cl impulso para excender el aleance de le representanividad delos ex: periinentos, de manera que sean posibles infereacias més amplias par stiendo de expecimeatos (3.1 y 7-6). En tercer lugar, este punto de “vista justifca los usos analiticos de las encuestas por muestico..6 Lesa Ki La prictica y Ia teoria del muestreo de encuestas recotiocen que tienen que ocuparse de poblaciones de elementos con valores ¥, jos, cuya distribucién es desconocida; por lo que no’es posible suponer simplemente que sus valores.muestrales sean VADIT (variables aleato- Fas distrbuidas independiente ¢ idénticamente). Por tantos uliza-- mos laaleatorizacién de la poblacidn de elementos-a fin de obtener :,, Selecciones probabiistias de elementos en as muestras: Lorvaloress< de los estadisticos (rales como la media de la muestra ¥ para-extimar el parimetso de la poblacién Y= SY, N) dependen de la selecci6n, con probabilidades conocidas, de algunos de fos N valores de ls po- blasién ¥, = 1,2, 3,» N) dentro de fa maestra. i "Ast pies, sostengo que el punto de vista del muestreo es filossfi- cameme vilide-y-necesario,:n0:sSloen:cumntacaclas-variablesindivi doales sino sambitrren cvanto-alasvelaciones entredos.o:méswariae bles: Los models line de lcioner entice alstons ‘pasar por ato‘la necesidad de bases poblacionales parslos aujetoni Sieos; bioldpicos.o.sociales del mundo. eal Quienés nos.dedicemos' al muesireo. de encuestas proponemos.un enfoque-basado-en-lapo- Blacién, en lager del eafogue elésico basido en modelos. Las expre- siones basado én el ditezo, aleatorizactén y empérico aparecen tam-~ bign en el enfoque poblacional, y los términos independience de la poblacién,-dependiente del modelo y matematico, pueden describir fambiéo el enfoque del modelo clisico. Pero yo propongo los ante- ~ Flores términos neutrales, porque todoslos métodos deben usar mo- ddelos y matemiticas, y porque las matematices y los modelos.no 2€~ ‘tsitan ser independientes de la poblacién, y sostengo ademés que zo deben serlo (1.8) “Alueliar ur enfogue baad ens pola, nox peeaamos de ‘que en el mundo real fas relaciones entre variables son propiedades Ge sujetos especificos, que cousttuyen los elementos de’poblationes definidas o definibles. Aunque seamos capaces de pensar, bablaryy es- cribir sobre relaciones entre variables y entre variables alestoras, en In investigacién empirica tales relucionées habrén de ser, en algin mo- mento, traducidas 7. asignadas'a elementos de la poblacién. Esta asig- nacign es necesaria en los.dos extremos de cualquier proceso de in- ‘yestigacia empiric: inicialmente, a! llevar a cabo las observaciones, ‘ya se wate de encuestas 0 dé experimentos, y en la fase final al hacer Inferencias. Sélo.en las fases del anilisis maremético inermedio puede prescindicse de dicha vinculaciéa, También se prescinde de ella durante los discurtos teGricos abstractos, que pueden ser indepen Reprise Fels ir dente tatto dé la poblacish come de le 0s; ests dscursos po- ‘ben de marifiesto la gran escisiOn existence entre la teocia la pre~ es esadiice “"Recomiendo, por tonsiguiente que recordemtos que toda as re- lactones que 48. dan en el mundo fico entre variables prediczras y ‘pronosticidas titén condicionadat por los elementos dla poblacén vs fie etd inderigéndo, Todas las relaciones que van del exile If respuesta dependen de los rojetos que intervienen. Debera estar ray dro e! hecho de que a relacin extimulo- respuesta ao‘es cons- tante, ai uniforme, ni deterministica, ya que, en caso contrario, no ‘eceslaiamos Ip estates La varibiidadinhereate a estas relaio- bes produce ecrore que no soa lo suficientemente pequesos como ~ [2 > pare av tenerloremetentasAdemdslos ercorest0:Son pureypsia:=- Eieingat alenocios (en otarpalabransa0 escn dstbuidosde forma: Fadependiente-eidéatica Did; y'es por eso-por'lo que-nesesiamoss dlestorizar tao lor‘rtamientos como las poblecions. «cote momento_puede ter dol recurnir 2 unos pocos simbor "og: El valod de elemento iésimo, de una poblaciéa de N elemen- tes, puede expresarse como’Y, = ¥ + d, en torno a a media comén 2 Y, 7 Ni Eon iin es la que eratamos de escimar mediante ls media de le muestra (7), sderais de un etor Upico que estéen fus- cidade dy del diseho muestra wlizado para stlecsionaria, Ademds, las ¥, pueden cepresentar también vectores de las muchas vecables aque la mayoria de las encuestastratan de medi, cada una con su'me- -Gin Py nt propia diswibutién de desviaciones d, “Esti desvaciones denen diversas dstibucioies compleja, no sélo con respecto Ia cieva general de frecuencias de los valores de ins dy sino tumbién en cuanto «su dspersi dentro de as poblacio- nes: I poblaciones generalmente 10 son DU, como si se tratase de tune “orm bien mezciada™ La selecoion probabilistica con alestorza- in de toda la poblaciSn e I ertrategis de rauestre0 convercional pars abordar'estos problemas, siendo el principal el de evita los grandes seagos resurenter de [a seleccién de la muestra (1,7). Los, ‘etos de los diversos disebos muesuales complejos coostimuyen el fem del mocsreo de encaertas(capilo 2) Estos efectos soa brmni- ‘reseatesy etin amplismente documentados en el caso de la cedia. Brein aimismo documentados pare otros estaisticos, come las coms- paraciones y relsciones anaes (74), Bxaminaremos sus fuentes a conti, Cuando se roduce ua efecto de'tratimitatosencillo y atrctivo suponer que ¥,= 7+ T, + d, donde para des tex. tamientos £ es « 6+; esce po de supuestos se suele hacer de manera implicita. A pesar de su sencillez, esto equivale a supoaer que el’ efecto T, del tratamiento't es constante para todos los elementos. Pero si éreemos que la relaci6n tratamiento-cfecto (estimulo~res- puesta) puede depender del elemento (sujeto), entonces deberiamos escribid Y, = P+ 7, + d, de manera que el efecto T, dependa tanto del cratamento ¢ como del elemento i Si desearnos escribir ¥, = P+ T, + e, donde 7, es la respuesta promiedio al watamiento t, debemos entonces recordar que el término de error e,, puede depender canto, del tratamiento-t como del elt- mento i. Aqtellos que escriban Y,~ ? + T, + ¢, deben recordar y ad vertir que los ¢, no s6lo dependen de los elementos, sino que cambién son eapecificos del cratamienco, o bien welizar a, 0 5, pars los tata ‘Bleatos a yb. El modelo dlisico ¥, = P+ T, +6, con una distritucién comin Hira los errores e, no toma en coents ai lt interacciones entre tr2- Tarnleatos y elementos ni las varaciones entre elementos, Estos m0- éelos se basan en supuestos muy fuerte; y para hacer frente a los posibles sesgos, en los dens experimentales modernos ge ha inttor ucido la aleatotizaciSn. Le aleatorizacién de los sujetos en los trata~ smientos es la exrategia para eliminar los sesgos en la medicién de log afectos del tratamiento que son debidos a la selecibn realizada entre dos sujetas del experimento, Esta aeatorizaci6n éontrarresta los sesgos 2 base de promediar las diferencias entie tatamientos ew los sujetod (panto ail bio declenentoe 2), come de tenons (7) 0m los tratamientos. Sin embargo, esta estategia ye] modelo se ré- fieren ala “validez interna” dentro de los grupos experimentaled i= cameate, en el émbito del experimento, La estrategia de aleatoriza~ cin de los sujetos dentro de los grupos experimentales no conteripia las difereacias de los sujetos.(e,) fuera (0 mis alla) de los grupos, es ddecz, Ja “validez externa” de los experimentos (3.5). : Serfa diffi] de creer; desde 2! punto de vista filoséfico, que las di- ferencias entre sujetos (e,) dentro de los grupos experinentales no edisten tambiéa entre los grupos potenciales;y la literatura contiene demostraciones de resultados diversos, ¢ incluso consraptemos, entee eiperimeatos..Resuiniendo: las relacones tratarnientomeeiza-ila ders de los sjetos; por Uo tao, estat reléciondt Z aleatoriamente (Dit) por consiguient, les inferencias« ls poblaciones~ dependent de la representatividad. Sit embargo Reprsercaiided,eleaorzeciSny realiono is dad mediante aleavorizacién de experimentos en poblaciones es ui problema generalmente ignorado o eludido, Ambés tipos de aleatori- ‘zacién suclen ser tratados por separado y, a veces, incluso comp si fueran opuestos. Por esta causa, no puedo apoyar con citas los argu- mentos aiteriores, y debo apelar direccamente a la edinpreasién del lector (1751.8, 27, 3.1). : = Esta dependencia ligada'al sujezo de las relacionel eatimulo-rés- puést, ha sido reconocida en Is investigaci6 biol6g/@ y social, aun’ ‘cuando todavia se olvida con frecuencia. Se crian y uulizaa ratones y onejos de cepas normales para controlar la susceptibilidad de los su jetos de investigacién, en experimentos sobre cfncer y otras enferme- dades. En los experimentos quimicos y fiscos, se utilizan materiales y condiciones aormalizadss; su pureza y precisi6n son aspecwos im- portantes de estes ciencias experimentales.Pero hacer inferencias mis alld del suundo de los laboratorios, cequiere una excensa invéstigacién adicional en log campos de la ingenieria qulmica, la geologia, la mera- lurgia etc. Por otra parte, en cuanto ala investigacién social con seres hhumanos, tal separaciGn de sujetos normales bajo condiciones pura, ni es posible, nf resultaria tl (véase auevamente R. A. Fisher, en 13), Envaras del relismo y dela exhaustivided, deberiamoe agreger también el ambiente (0 condiciones, situacién, exc.) como Factores condicionanies de las relaciones entre variables. Formularfamos en tonces el condiciogamniento (dependencia) de las relaciones por los clementos (sujetos) y por el ambiente como: Bn (predictoras «+ pronosticadas) | element o. : pronotcadas = /ieredcsras | elament, ambiSye) Para simplificay, los efectos del ambiente pueden subsumirse bajo ‘h'manto de ls predictoras, o pueden inclurse en la definicidn de los clementos, pero debemos recordar sjempre que los mismos elemen- tos pueden tener diferentes relaciones predictors-pronotticada segin ‘as diztintad ciscunstancias, Por poner un ejemplo espectacular, consi ‘décese que los genes que produces Ia anemia celular de hoz han sido béneficiosos en ambientes dominsdos por la malaria. Igvalmente, los geass que causa la diabetes pueden haber sido provechosos parse bus que tenfan que soportar frecuentes periodos de hambre. Ademids, ¢l crecimiento hasta aleanzar el tamafo de los dinosaurios guvo un [=*> valor de supervivencia para los reptiles durante cien millones dé anos.ete Ki an ls ciencias sociales surgen disriaraeate‘cjemplos de la imaporcan- cia que tienen Ja culosray Ia sociedad para lis respuestasindividuaes. ‘Los lectores pueden encontrar otros ejemplos basados en su propia ‘experiencia o en sus lectures. Puede ser, Gil repetir lo anterior en notacién simbélica. Putde ‘enunciarse la formalaci6n clisica bien de manera generel 0 bien en” forma de regresién line, respectivamente, como: yofadee & yabrbathambatre Cl) Aqui ¢ €s-4l término de los errores, que se supoie que estén diseri- buidos de forma independiente ¢ idéatice (Dn), quizés con una dis- ‘tibucion conocide y generalmence normal. (Sin.e:términe-de-error j= fs) ticade.e = 0; con lo que teadriamos un-modelo:determinista Yonde no serta:cectsaria la estadistice.) Frente-.modelos inde * pendientes de la poblacién como fos de (1) proponesios.modelos be- {adois en la poblacibny con un subindice éque denota 2 los individuios, dela forma sigue: aha) ree 7eby tbat beebatee ~ @ estando o(/= 1, 2, wy N) distribuido entre los N valores de los ele smentos de la poblaciSn. Esto amplia el sencille caso anterior para v2 Tublesindividuales cuando y, =, +¢,0 bien ¥,= P+ ¢, La diswibu-~ idx de los ¢5 que-no és conocidz totalmente, se hace dentro de una poblaciSn especfica. La definicién de la poblaciéa incluye su en- tomo 7 los valores deb ependen dee Los valores de ¢, depEaden de los elementos, y a acepracin de es limizaciga lleva a lz necesidad de aleatorizar a fos sujetos tanto en los cwatamicntos (prediroses) como ea la poblacign de elementos. La alea~ sprizacién dela poblacién es cl objezo del muescreo de encuesies, como Jn aleatorizacién de los tratamientos loos del defo experimental. Po- demos advertic aqui lav rales comnes de ambos (17, 18,27). “Del hecho de aceptar distintos valores de ¢, para los elementos surge la necesidad de alestorizer los tratamientos, como estrategia ‘contra los sesg08, shi lag.rnetiag Helos reatsunientos, que se presenta an a asignar los sujetos los grupos de tratamiento. Es, por canto, tecesaria [a alestorizacion de Ie poblacia como estrategia contra los Stipe en is slecadsde lovaehetoerdadorque So poceros suponer hays sito-slesurizatorer ix poblaci6a- Represesatiide aleatrizacin 9 tealiina em @Por qué aleatorizar? Esta pregunta sigue provocando suchas discusiones tedricas y diferencias que son demasiado profundas como para trates en exe lugar’ No obstante existe un consenso ‘eucho mayor en la préctica de los buenos expertoren estadistica, Me arrears, por ello, a hacer via resufuen que result ala vee’ sencillo y ‘coberente: 1. La teorfa de ls probabilidad y la teora estadistica se ba- fan ea lag Variables aleatorias. 2. Las poblacioines, en cuanto wnivel- toe fisicos, no le legan al investigador previameate alearorizadss. Las oblaciones de la investigaciéa social se caracterizan por grandes Eregularidades y por estar constituidas por conglomersdos, (Creo, ‘que esta afirmacién tiene validez general para toda [a naturaleza.) 3. Por tant, los investigadores debea llevar cabo To. que no hizo la ‘paturdleza: aleatorizar ss mueitraso4:-Esio s6lo puede-logsease;por: fedio de una aleacorizaciOn mécinice; como:es el ease: desas:rablas. de iimeros aleatorios (Bish, 1965¢y17)-5u,De eita maners-el pun-> Hee consecuencia de que las elecciones al azarde-un seleccioaador iiumano no soa aleatorias, aunque [olintearecon sinceridadiar Exe thimo punto (5) me llevs nuevamenteal punto-(1} porque la variacin aleaocia es también necesara para las Leyes de los Gran- des Namaeros, de manera que los estadisticos 7 se aproximen ssintét- camente 4 los parimetros Y. Por medio de ensayos se ha demostrado ue a jucio humano produce resultados sesgudos incluso en tareas Sencilas, mucho mis sezeillas que las consistentes en seletionar se ‘ez humanos para obtener conduciasy 2ctirudes leatorias. Er efectos “Tseleccionar piedras de un mont6a, 8 encontré un sesgo relativo de CBo Py) Peatat 191)/ 191 = 022 (en onzas) Se devecraron se ges similares en la selecei6n de la alcira de tllos de trigo. ¥ lo;que.es nds alin, los sesgos no son fables: varian de un observador s-orro, de tuna fecka 2 otra para experimentos similares, y de uaa situacién a ‘tra, Las elecciones basedas ea ls opinin tienden hacia el cents evi+ tando los extremos; por tanto, las medias de las muuestras opindticas fienen unos “errores cuadréticos medios® inferioves (7-1E) al de les [mentrasalearocas, en el cazo de muestras may pequelis (:5 6 102) (Crates, 1981, 24-2.5; Yates, 1935; Jessen, 1978, 16; Sucbatme, 1947; Subhatme, 1954, 1.8). Estin, asimismo, sesgados los métodos refins- dos de equilibeado “estadistico”, tal como lo demostr6 uso de los rimeros clisicos del muesteo aiodemo (Neyausa, 1954). Se discute ads adelante (2.5) fa necesidad de aleatorizacién de los eratamientos, incluso en el caso de los “ensayos clinicos doble ciego” S Debemos, finalmence, admit dos justificaciones bisicas para laEERE Heber { L f 4 2 edie Kits auseacia de una representatvidad amplia en los experimentos. La pri= mera es que resulta extremadamence dificil de consezuir. El experi- rrieato de 1a vacuns contra Iz poliomelitis en BE UU fue una cara pero interesante excepeién (Meier, 1972). La segunda consste en que ‘muchos experlmentos arrojan resultidos tile incluso a partir de pe- quefios gripos aislados. El sencillo modelo clisied ¥. = P+ T, +e, aunque floséficamente ingenuo, produce « meauide’resultades ra- zonables, especialmente cuando se replican lds experimentos (2.7, 341,78) / 35. TESISESTADIsTICOS ‘La expresin tests eradtnics se refiere agus, de manera concisa y co- Jectiva, a las medidas estadisticas de la variabilidad aleatoria, ya se - ‘Gate de prucbss de significacién, intervalos de cosfianza, incervalos de credibildad o eualguier otra. La funciéa de los tes esadisticos consiste en distinguic los efectos explicativos de las variables de Lipo E, de los efectos aleatorios de las variables dé tipo A, para ls que. se disefian los cests de manera que admitan niveles espécificados de probabilidad. En los experimentos “idedles” se logra erta separaci6n, entre Ey A mediante la aleatorizaci6n de vodas las variables extrafias denizo del tipo A, excepto les controladas que extéa ene tipo C, sin que queder, por tanto, términos de perrurbaciéa enlas de tipo P. Sin embargo, en la investigacin no experimental, lat variables ex- plicativas de tipo E se confunden con las variables perrurbadocas de tipo P. Por lo tanto, en estos casos, los tests estadisticos contrastan, sealmente los efectos de los erores aleatorios de tipo A con las varia bles explicitivas de tipo E, confundidas (mezcladas) con los efectos desconocidos de las variables de tipo P. Por esta rizén, el control y la segregacidn de las variables perturbadaras dentzo de las de tipo C se elven doblemente importances ea la investigaci6n no experimental. ‘También aqut los controles disminuyen los errores aleatoris pero, lo (que ex mis importante ada, disminuyen los potibles efector de sesgo ue las variables perturbadoras pueden gjercer sobre las variables ex- plicativas. Adviértase el uso del verbo stenuado diominaiz, porque el ‘verbo més fuerte eliminar (utlizado a menudo), representa nuestros deseos, pero no lo que, por negla general, se puede conseguir en la réctica. Ademés, el adjetivo posibles se refiere también aruestrosin- Representative lssrtacion9 reals a ciertos conocimientos'de las fuentes y tamatios cezles de los efectos de sesgo (cepitulos 3-4). vee Supongemos, for ejemplo, que en un estudio sobre colegios, uia variable~criterio (pronéstico) 9 parece estar relacionada con una va- sable de tratamiento (predictdra) x. El crtério puedsracar de definir lis habilidides freace 2 un examen 0 incluso el éxito;profesisnal pos- terior, o simplemente puede insén‘ar define scrtudes y. preferenciaa Ge os cman. Los tstuieins parden mei Spode ese fianza 0 de organizacién de la clase destco del colegio. Supongamos, ppara simplificar, que cuando clasificamos los colegios en dos tipos, A ¥ B, de acuerdo con el tratamiento x, los colegios de tipo A obtienen tun promedio mis alto en el erterio de éxito y que los colegies de tipo B. Podemos designar la diferencia de éxito observada como G,-3,): Pero existe tambiéa na variablidad en cuanco al éxito entre colegios. dentro de cada tipo, por lo que se realiza una prueba estaditica pare sedis el efecto de esa variabilidad, que suele medirse utlizando el error cipico de le diferencia, que se expresa como ést(7, = J,). Una priebs estadistica podré mostrar sila diferencia (J, ~3,) éatre los dos tipos de colegios deberfa ser razonablemente cossiderada’ como un stuceso casual al compararla con la medida de la varisbilidad aleatoria designada por estt7,~J,), Sila diferencia (%, -7,) parece relativa- . mente grande (es decir, “estadisticamence significative"), podemos concluir que la diferencia hallada en Ia investigacién, no es probable ‘que se deba simplemente 2 los errores aleatorios de_as variables de tipo.A. & Cuando se aleatoriza a asignacin de colegios «fps tipos de tra- tamientos, Ay B, puede atribuirse razonablementéuna diferencia G.,~7,) “signficativanente” grande a los efectos de'los dos tipos de tritamlentos alestorizados, Ay B. Sin embargo, en la inventigaciSn sno experimental, ea las encuestas e investgaciones, los tipos de trata- ‘mientos no son asignados aleatorlamente. De ahi que cuando la dife- rentia ,~,) ve mas allé de la varabilidad aleatoria, no puede auzi- buirse dé modo claro y direct a las diferencias entre los dos tos de twatamientos definidds por laf Variables'prédictoras. Las variables perurbadoras de tipo P pueden estar.igualmente confundidas (me2- ‘ladss) con los tratamientos definidos. Por ejemplo, los salacios de Jos ssores Yel i Smic Jos alumnos pucdedi ser dicts th abo ape NS Sa eee ae todo o en parte, ladiferencia’ , ete sch Ralos elacios de las variables» Lesie Ki, ppernirbadoras por iedis de diversés métodos de ednsrol (capitulo 4). Estoy intentos de controlar las variables de tipo P pueden valorarse por ‘medio de tess estadisticos adiciorales. La separacién de las variables de tipo E de las de ipo P deberla establecerse de acuerdo con la natt- rileza de las hipStesis que interesan al investigedor. Pero esta separt- itd més alli de las funclones y.capacidades de ls prucbas:de ‘sig-’ =| nifcacin” esradistica. Su funci6n.no es la de explicar; no pueden Jndicer la causalidad, Su funcién consiste en preguatar:«{Hy algo en los datos que requiera explicaci6n?s, ces la diferencia (0 relacién) lo bastante grande como para confia en el zesulrado? O, por el contraio, desposible que ests tkimo se debs sencillamentea fucroacioues casus- les de las iuestras espeifieas sobre las que.se realizé-la prucha?.¥ dee. barr contestarse estes preguntas:cour una probabilidadpreestablecid:* Es lncorrecto.alegar.que «los tess de significaci6ieestadistce'son- inaplicables la tnvesigaciésrno experimental Esta afiemaci6n fue cexpresadacleranieatepor Selvin (1957): a dificslad bisica el dis exiba en que los socislogos soa incapaces de sles js vahblesposonuehdas de mane gue is ere los grupes “experimencales”y de “conerl”(o sus adlogés en sts Ccpetenniey sn uence de tos desde lr vals que te xn estudiando y de las variables no controladas, 0 sesgos correlscionados. Pussco que normalments no hay manera de conocer l tatoo de estos ses gos correlacionados y sus dizeccionesno tiene sentido preguatar por la pro- baba de gels deren observa pudan habe silo rodeds por erore3 aleatorios. El miomento oporuno para apliar los tse de sigifi- Bessel dps de habe comrl So ln agus lea cov onados (-] Ba el disefo yen a interpreacién, taco ea principio como en Ja prctic, ios tse de sigaiicacién entadisca son iaplicables en Is inves- iba no experiment En su critics, McGinnis (1958) muestra que la separacion entre variables explicativas y variables extraias depende del tipo de hipéte- sis las que se orience a investigaci6n. Véase también Kish (1959): El concrel de rodas le variables celevanted er na wits «la que poses rece ‘pidemossiquierasproximarnos en l prctcn. Posponer todos los tet et AEscicor ala legads de ena meta distant wera como, a menudo, lo racjor ef tnemig,d lo bueno (.) En este sentido, a0 slo los tests de siguifeacién, fino cbaljuier comparacién, cvlguler indagaci cena ditnta del expe ‘mento ideal seis inaplcable. Eset ipo ie derrotisma el que proclaman_— los enemigos dels cencss coc. - as “Eféctivimente, eto ée aplicaris a toda la iavestigacién a0 experi- ‘mental. El hecho de que las variables explicativas del tipo E estén sonfundidas coa las variables percurbadoras de tipo P es una incé- thoda verdad, Sin embargo, se pueden utilizar las pruebas estadisticas ‘pata separar los efectos de las vatiables aleatorias de tipo A de las res- ‘antes variables, wT Las prucbss estadiscieas de sighifitaciGn tienen funciones clare mente definidas, peo estas funciones son limitadas. Hay que destacar sus limiteciones, af como el so incorzecto que suele hacerse de ellas ‘para medir la fuerza de las relaciones entre variables expicativas. Los resultados de los tests de significatién estin en funcién no s6lo de le tmagnicud de las celaciones, sino también del numero de unidades de. muestreo-utlizadas-y-de la eficiencia-dekdisedo: Con-muestras:pe~ ‘quedas, unos xesultados.coherentes pueden no-aparecer:toma:"eitax disticamentesignificativos” mientras que,.con-mucstras graidésyrela> ‘cionés muy poco significativas pueden parecer Testadisticamente: icativas”. ‘La palabra vignficacion tranamite una sensaci6n de imporrancis, de significado en al lengusje de Ia vida diaria. Su uso-en la expresién Lignifcecién-esteditca equivale aun juego de palabras estadfstico cu- yes efectos confunden. Las pruebas de significaciéa son particular {rente ineficaces ea la forma en que se utlizan normalmente en Ia in- vestigacién social: para probar hipétesis nulas de diferencia cero, 0 relaciones aula. Tales hipétesis son feflcjostriviales de los verdaderos objetivos de la investigeci6n social. Casi nunca existe independencia entre las variables sociales, ¢ incluso, raramente'se Lega a lograr una sproximéci6n 2 la misma. Si tenemos tna gran muestra 0 ua-cens0- ‘completo en nucetos soportes magnéticos, cas siempre podremos en conta que la selacién entce cualquier par de variables es mayor que cero. Esto es consecuencia dels incerrelaciones,altamente multivara- das complejas, que se dan en las variables sociales (Kish, 1959). 28" Sin embargo, los rests estadisticos desempefian funciones impor- Taates en [a evaluaciga de los resultados de lainvestigeci6n rocial em- pirica. De manera especifica los errorestipicos ext (7,~J,) de las di~ Ferencias (7, ~J,) halados para pares de cratamiencos A y B, pueden au IaaéloR intervalos de probabilidades de los efectos “= leatorios A. Com esos interyalos tratamos de sepacar los efectos alea- de Jas-variables explicativas E, El manejo a la ex vai eficlenre de estos ercorestipicos y de los intervalos cons-ha: na ti i 26 Leslie Kis (hs usts onDENADA DE DIEROSDE RWVESTIGACION Hasta aqui hemos plantcado la eleccin entre los experimentos “idea: des® y Ia clisca eneuesta por muestreo en cuanto estategia bisiea de los disetos de investigacién. Estos dos disefios ocupan eas! por com. pleto le bibliografia existente sobre disefio extadisticg, Pero entre eo tos dos tipos puros nos topamos, en la préctica, con el uso frecuente de transaeciones que conllevan una gran variedad de otros tipos de disedios, He trazado de forzar toda esta diversidad hasta hacerla ence: jar en 10 tipos de disefios dentro de una lista ordenada, Valiéndome de este esquema espero perilar las diferencias entre estudios experi. mentales (znaliticos) y estudios enumerativos (descrigdvos), Espero, Asimismo, vincular la dicotomia experimento/encuesta de este capi tulo com la todsvéa mayor diversidad que encontranios en la prictica eal y que veremos on los préximos capitulos. Comexzainos con el ipo extremo, el de las encuestas enumerativas (Mi), ea las que la re~ ‘preseaativided es posible y deseable en grado miximo, y termina mot con el experimento “ideal” (E10), donde Ife teatlentos aeato. Fizados son sumamente factibles y, necesarios, Los estudior cobservacionales estén ubicados hatia la mitad del esqueina (O85, 06), En Jos capitulo 2-4, ce analizan de forma mids completa los 10 sped dedisefo relacionados en el cuadro 1.1. Comenzamos con Ja elisica encuesta por muestrec para estimar totales y medias de toda Ia poblacién contenida dentro del marco de selecciéa o mazco muestra (Mi); es éste el contenido de la mayor parte de ta bibliografia existente sobsé muestreo de encuestar, Sia ‘embargo, la mayor parce de las encuestas deben tener objeivos 7 aplicaciones que wansciendan esas metas eswechas. Las medias de lov subgrupos incluidos en la muestra se elizan habitualmence para ext mar medias de determinados Smbitos (dominios) de la poblaciGa (M2), Esto no es ajeno a la necesidad y ala préctica de usar las mues- tras para hacer inferencias més af del marco muestra, hasta aleanzas als poblacién objetivo (diana) y aun més all (1.8, 23). También es frecuente encontrar comparsciones analitica enc las medias de dis- fintos dominios (M3), que pueden poreiciarte recurtiendo al contral de las variables permurbadoras y a técnicas estadisticas ales como el andliss de vasianza y de covatianza, tomadas del diseio experimea~ tal. Por otra parté, se ha generalizado el uso pleao de las entadisticas ‘mulivariables de todo tipo para el anilisis eausal de fos datos de en~ epregiaeecriveis'y rome 7 CURDRO LA. Una ie dened de disor de invesigacisn M_ Enousstas por muspea:repreertatidad con selocola proba: sitstien 1, Medias y torales para los marcos poblaciofigies, 2. Metias de doriios,iteercias a ates poblaciones. 4 Comparaciones entre medias do dominio uses analtcos conve. a 4. Andlsis mutable, reresiones; andlsis @ categories ©, Estcios chsarvacionales,realomo de ratwrnaniosy efectos 5. Replcecionen dst arses del votarsentleanv. 6 Estudio en protnaidas de una misma doa del vatamien- tefeonra "Experiments: tratamintos leatoizados, ensayos dobe ciege. 7. Replcacén tera en vars stios 8. Repleacién o combinacion de experiments inviduaes 8 Models “es” y "cos" 40, Modelo slatoros clsics oe sistemas causes conta. os, en fees ncvicuaios cuestas (M¢), conjuntamenté con el desarrollo del hardware de orde” nadores y con Js difusiGn de los conocimientos informicicos y esa disticos (7.1), Puede que no sean viables ni la.aleatorizaci6n de los ‘eatamientos ni los modelos totalmeate especifiados, pero podemos aproximammos a este objetivo con una teorfa y una flosofia mis ra lista y flexible (27, 7.6). ‘= Enel oxo extreme, el modelo aleatorio clisico (E10), totlmente ‘specificado y controlado, poces veces puede llevarséllaboratorio 0 amaflate para que enire en €L. Esto es especialmente aplicabe al caso de las ciencias sociales, y “los ensayo clinicos doble-ciego” sirven de recordatorio'de algunas de las dficultades que entrafian los experi- ‘mentos con seres humnos. Los modelos “fjos” o “mixtos” (£9), en contrsporicién con los modelos alezorios, que hallacos en Ja biblio- srafia sobre experimentos, se refieren a la representatividad de pobla- iones finitss, Sin embargo, necesitamos bases més ampliss, porque ‘los experimentos 2 menudo dejan abiertos grandes huecos en la infe- fencis, y porque se realizan en poblaciones definidas de forma estce- cha y/o pobre. Pocas veces es posible especificar tan bign los modelos ‘que se;pueds liegar a asegurar razonablemente un sisteraacaisal esta- ble, Los experiméntos cecesitan replicaciones en subpoblaciones £8) <2as : : Laie Xb de vna gran diveisidad, afin de lograr que sus resultados se vselvan sensible la “falsabilidad”, de maseca que tes posible trazar con ma~ Jor confianza los limites del proceso infecencal-dé una teorfa (2.6)- Tas replicationes numeroses y puntuales sirven de salvaguarda, aun ‘que imperfecta, frence a unas bases estrechas, tan comuacs en los ex Ferimentossmédicos. Por el,contrario,en la, ciencias sociales ls.re~ Dlicaeiones son mucho ods inirecuentes ¢ imperfectas, con lo que Eruchos de sus resultados quedan en ua espléadido sislamiento, sin Zefutacién ai confirmaciéa. Para facilitar y acelerar una inferencia mis amplia debemos abogar por las replicaciones internas (E7) (quando sean factbles: la repetiién del mismo experimeato en cada ttaa de las dferentes.dcezs;de fozma que se faite, (maximice) la.po- fibilidad de “falsecidn”.'S los resoltdos.experimentales:son.consisw tentes en cada una de ls Areas en-contraste, adquizirén por este pms ‘edimiento unaleance inferencisl mds amplio (secci6n. 3)... “Lot estudios observacionales se sitiana.medio,camino-entre x enewestas 7 los experisientos; y presentan algunas semsjanzas:com cada uno de ellos, sf como diferencias con los dos. Su gran variedad fofrece resistencia alas definiciones’claras, pero podemos convenir en {que aun coando carecen dela aleatorizaci6n de los tratamientos que denen los experimentos, se puede llegar a conseguir algin control de tales raumientos, lo que resulard.mds factible en dreas resringidas (66) Por ozra parte, por medio de replicaciones en, contextos 0 areas distines (05), podemos generalizar mejor los resultados a la pobla- cién, Fero.qo tenemos que alexcorizar toda la poblaciéa. En vee de ‘80, podernos coaventrames en el estudio de subpoblaciones coasi- ‘eradaseriteas. Se suele contraponer ea la bibliogrfia sobre.cl ema la necesidad cde encuestas descriptivas y enumerativas freate ala de estudios analt- tieos de sistemas causales. Surgen a veces situaciones reales donde predomi clarancae le seceidad de oo woo dpe de ‘estudio, si fuaciones que, con algin cuidado y buen ortero, pueden y deben ser Hgctcedls fn de wear el ditto adecundo, Sin embargo, en casi todas las situaciones, no #e distinguen de inmediato ni claramente ‘ambos tipos de'necesidad, la enumerativa y a analitica, En lx mayor parte de los proyectos de investigaci, se deberia examinar y sopecee Eads uno de los 10 tipos (y sus diversas modificsciones), con objeto de averiguar cual de ellos o qué combinacién de los mismos parece a lcble 7 desl, mas eeonico mis promecedor de rices No mnitica, Por Represemaiided, lestorizaciny reson 7 REPRESENTATIVIDAD ¥ MUESTREO PROBABILISTICO En una serie de cuatro articulos sobre:“muestreo representative”, Kruskal y Mosceller (1979-1980) enuimeraa seis categortas de si caido de esta expresi6n, tal como aparece en la bibbografia.no e fstca: (1) aprobacién general o atlamaciGn no justificida de los ds- tos; 2) ausencia de fuereas sclecivas; (9) reflejo o miniarura de la pablacién: la muestra poses idénticas distribuciones que la poblaci6xs (6) caso tipico.o ideal (6) coberuza de lx poblacién: muestas dise~ fades para reflejar la variabilidad, especialmente entre estratos; (6) muesueo probabilstico: un exquema de muestseo formal para dar cad elemento dela poblacién-une-probebilidad de-selecci6ir posix: tiva y conocida. "Nos hemos encontrado com toda:esta:variedad de signifcades.ea libres y articulos, tanto cientificos.como no.cientificos, en-los pevié- icon, en los juzgados, ete: No-deberia sorprendembs esta ambigie~ Gad y yariedad, porque tal es el destino de otros grandes conceptos comb estadistica, especie, matematicas, fisic, ets. Pero no.deberts- hos aceptar todos los significados pfopuestor como igualmente aprepiados, como tarapoco lo hacen lor dos zurorescitedos. TE principal finalidad de la representativided consist en permi- tinios hacer inferencias (de manera racional y probabilisica, aunque Sho con certeza), desde las muestra hasta Jas poblaciones objetivo después hacer inferencias.a un nivel ain mds elevado de inferedti poblacidnal (2:1), Las acepciones de “aprobaci6n y aclarsaciGn geae~ Piles” (1) y “ausencia de fuerzas selectivas” (2), soa solamente un ‘leinemo de este panorams, meros complementos para nucstto pro- pésito, y no pueden servir como definiciones.de muestrto repzesea- Enivo, Bi “caso tipico o ideal" (4) en el sentido de repeesentativo, se trata mis adelante por separado G.1A). é ‘El objetivo del risestreo cepresentitivo reside en hacer qu nuestra gea una miniatura que reflee y represeace la poblaciéa por inedio de diseebuciones rimilares. Esta represeatatividad sirve part Ios fines de infereacias propuestos. El plural de ls palabra “disenbu- clones’ se refiere a represencar no sélo us estadisice omnes nuestra), i solamente una nica variable, sino las diserbveiones, rultvaciadas de todas las variables y de ous fuosioncs, Una.dels ‘én rgurosa planta retosdifcles rlos expertos en extadioucermte: : recep laeercera Seepel6t como ammpteWechrse Leslie Kids de los propéitos del muestréo representativo, y la quints como ua ‘enynciado aH menos claro de lo mismo, Pero com ello no se describe ‘emécodo para logear tales objetivo. El mueserep representativo os wa céring mis fel de evitar, porque extéde- sapareciendo del vocabulario tenico, En disinas ocasones ha sido uilizado fen sentido de muesteo aleworio, muesteo proporcfona, muesteo por cuons 7 musstreo proporitve 6 iatencioxal En general ude referse = los objtivos de repreentat bien une poblecia por madio de ums musts, 7 ste ‘ese sentido de los términes marco poblaconal y muesiree de encaeitas n°. puesto vocabulrio (Kish, 19654, 1.5]. El eérmino muestveo probibilitco (6) se refiere al inico método, YYiuble reconocido por los expertos en muestreo de encuestas con el’ eal, en la mayorfa de las'stuaciones picrcas, se puede alcanzar la farts establecida en a tercera acepei6a. Por lo tanto, pédemes eclarar Exconexidn entre muestres probabilistic y aleatorizacién'cotnd el * mmkodo prin, emplicay objetivo (nae) para aanzs lo ob. jetivos.establecidos (Fines) del muestreo representativo, El maesteo probabilistco requiere que cada elemento tenga asignadas probabili- dades conocidas y positivas (distintas de cero) de selereién, garanti- zadas mediance una aleatorizaciSn operativa mecdnics de la bobla~ ci6n incluida en el marco muestral (Kish, 19654, 1.7). Sabemos ‘también que es preciso aceptar muchos datos empiricos obtenidos sin rmuestreo reprerentativo y sin muestreo probabilstico. Pero esto n0 5 tina jusificacién para no mantener unas Gefiniciones correctas. ‘Rucgo.se tenga ent cuenta que para los objetivos be utilizado la expresién distribuciones similares, en vez de la misma distribucién, con‘objeto-de admitr a variacida imuestral. Esto nos leva 2 los pro- blemas de la medibildad de a variaciéa rauestal, y de las muestras grandes afin de obtener consistencia en el moestreo. Son ést0s valio= 50s critesos adicionales para lograr “buenas” muestrts probabilis cas (Kish, 19682, 1.6). La consistencia se refiere al grado de aprosi- ‘uacién de los estadisticos (valores mucstrales como 7) de imuestras grandes alos correspondiesites parémetros de poblacién (Y), es decir, Jn ausencia de un sesgo estadistico grande. La posbilidad de me ign se tefiere a a capacidad operativa de eaiculr, a park de los peo- pios ditos de la milestra, os errores de muescred de los estadisticos Gyen relacigg cot F.7.1), ~ dificultades sirgen cuando Represented, aleaorzaiéa y realone 3s i, |INFERENCIA BASADA ENMODELOS Se presentan en esta seéciéa algunas justficaciones qu: innecesaria la seleccién probebilistica, junto con mifticéptico punto & de visea personal acerca de tales justificaciones. Creeque mi escepti camo podria er edmpaitido, en general, por la maybiia de los exper- tos en tauestreo de encuestas, pero 20 por todos los distice. Mis puntos de vista incluyen también el que con frecuencia es necesario aceptar datos, disedoé-e inferencias __ sin los benelicios del muesiceo probabilistico (1.3). Apunto tambié “cuatro obsticulos” (2.7) y “alisenativas” (3.1) al muestreo probat etic 1, Modelos uniformes. Los supuestos de un modelo uaiforme son frecuentes y generalizados, y tienen rafces amplias y profundas ‘en el andiss esadisico. Estos supuestos pueden tener bases diversas, ‘que van desde la ignorancia simple e ingenua del problema, hasta los , modelos sofisticados de “superpoblaciones” coa.las que la muestra puede estar relacionada, 0 puede ser raswreada-o a las que puede ser Estos modelos, al estar dotados de“intercambiabilidad”, harfan inet as selecciones, clones leat gs, Estos modelos pue- den ser déaominados “tgorias basades en modelos”, por contraposi- cién al edfoque “ligado a la poblaciSa” qué dalieaden los expertos.n muestsco de encuestas, ete los que me ecuengro (véase cua- ro 1.2).Cassel, Saradal y Wretman (1977), 7 Eick (1968), pueden ser una buena fueate del primer caso, y Kalton (1983), Hansen, Ma- dow y Tepping (198), del segu Las teorias del muestreo basadas en modelos goza de gran atrac- tivo matemitico y'de estrechos vinculos con las ceirigs esadisicas clisicas sobre vanables alestorias, y de-modo muy destacado 7 con- ciso con Ia estadistica matematica, donde Dit significa "x variables aleaoriss dstribuidas de forma independiente e idéntica” (14). Las ‘abandoramos estos model blacionés cémodamente tamor'é Jas degconoci icregilarmens xyemunde-teal-ysempieico, a eats ete Be tat hascoaon ni loo arduos 7 cososos shier203 qué gupoaen las selecciones aleatorizadas ni loé disefios Simei al es digefios probabilisticos por si so-beet cali plzados por los efectos secundarios. La evaluacién se vuelve compli--~ tada I pérdida de efectos beneficiosos varia entre pacientes y, con el siempo, los efectos secundarios varian igualmente com los pacientes el tiempo; el prondstico resulta dificil, tanto para los efectos saluda- bles como para los nocivos; wna evaluacién general debe necesaria~ ‘mente incluir pronésticos, que tengan en, cuenta, rodos esos factores, (Gacks, 1973). Dabemes eegnoer queen muchas oes a mayors de at sina iones, no es posible ob:ener mediciones abundances y prolon ors us kchondebueacs a modelos en oso ipoueindeado™ de cambio de los efectos. En muchos casos, por ejemplo, st un ico atamiento Xen a impact ul ac, un interalo corte ero apropiada; pedemorssuponer-que-e:efeetorceco.seguird producléadose-en el-furure:como-resiliade de ese tratamiento. Sonpo- sibles tedos los-efeccos temporales que-aparecen-en‘ia figura'3.5,pecos>, ce de teperar-queyerla mayoria de las stuacionts; latdecsiGn'se plane tee casi.siempre entre. AZ y BY, o:entre-A2-y B2. Por supuestoy bay. (2% ouras causas, ademis da lade tratamientos repetidos, que pueden pro- ducir efectos fururos. Sin embargo, la combinacién de Varios trata- rmientos es un tema demasiado amplio como par incluirlo en el so- ‘mero analisis aqui planteado. j La nporcia de tener en cuenta ls facroresenacisnale de las - | mediciones se pone de relieve en los datas de Marsal y Swan (1971). sobre el execmento medio den lsu de dos “cohones?cuyesedades son cxactamerte, 70.7 73 aos acomienos el ao, Se mupone que ao largo del perfodo de un sfo, ambos creceu en 60. | in, de manera que no habri babido na tendesea secular operando sobre el tnedio so que separ la cohores. Vers también quelacass de crecimiento. is cipido ae prodvce en le primevera Dees manera, uaa esimacién del de erecmiest> que se buse en un pevfode inferior suo aio dard ‘i escmaciénsrogada. Por eemplo, al uiliza cualguica de las dos eoe= 9° <= tex a estamos uba asa de crecimiento basada eno periodo desis meses <= “a de enero 4 julio, cbeenemos wn valor de 72 em al af, un 20% més | de lo debide. De igual medi, si basamosuea esimacion ea la diferencia ene tee la cohorie de nis edad en abril y Inde menor eded en jlo, obtenemos ‘un valor de 5 em a lo, que se queda corn ea un 1L% [Goldszin, 1979} aris, pueden afect > hte INVESEIGACION EVALUATINAS. | | 7 f evalatva (12), al objeto.de distinguicla:dela:investigaci6a social y-de: ! Dienst Fare geracons ay tétminio medio cerca de 1,27 em ms por la matians, deipués de haber omido tendido en la cama; que al anochecer, debido a la compre sidn de la colutana producida por la postura erecta durante el dia. Ea cualquier campo es necesario poseér conocimientos sustantivos, afin de poder planficar el diseBo estadistico de estudios a lo largo del tiempo. Lo tnico que esta breve seccifn puede hacer es lamar la atencién sobre este problema, y no sblo contradecir J primera ci Sobre los efector iamediatos, sito también alerear frente a la con- fianza absoluta en las meres diferencias entre pretest y postest. | ‘Goostcayesun teto:el-definis,-deseribin-y:delimitar-lniaestigncion: Jatinvestigacida, ex generalycubriendo,-2:pesar de: todo, Jos. diversos sspectos especiales de-la situaciones concretas: Dado adems que la 1 es un campo relacivamente nuevo, Jos lectoreslegatin a €l desde historiales profesionales muy dispares. Aungue existieron actividades previas en este cerreno, 1985 puede ser el aio del naciaiento formal Ee late (en el International Social Science Bulletin de 1955). En 1967 Se podian encontrar algunos informes concretos y unos pocos ma~ fudles, pero ningtia libro de vexto (Wright, 1967). Hacia 1985 se ha- bia convertdo en una industria floreciente, que contaba con libros de texto, cursos, una revista (Evaluation) y una asociacin, la Evabiation Research Sociery. Dos tendencias destacan en la actitud modema freote a ls evsluscién, De scverdo con la primera, I evaluacién ha llegado a se el acompsfamnientoh- bitual de cualquier programa racional de accién socal. Segia l segunds, ha habido un movimiento en demands de prucbas del éxio mis sistemdtcas, arose: y objecivs. A la apliacin de técaeas de las cencas sociales para a ‘eloraciga de los programas de aciéa social ee ln ha denominado investiga- cea graluativa, Un enfoque ciensfico dé la valoracién de los logros de un programa raved sello dstinvo de ls moderna invesigacicn evglustira, A este ‘eapect, la investigacin evaluativa se parece 2 010s tipos de investigaciSn t interpretaci6n de los datos, Pero tiene sus rasgos propios No slo ies vriaconeseaionle, sino incluso lt varsionesaemasrnesatosiahen su ptocpsién gl bie, a Fld e er 6 = tigadores han demoseeado que Las riicaye tuna forma especial de investigacién socal debido 2m Leslie Kab, 43 abjcivos ya les conics eo que se deberé realizar aimee Estos dos fiers afeian a componertes dl proceso de invesgcié alee fomo el dsaia del estudio y ru pues to pricticn, la aigacion del me, mento de ivesigacion y otros recurso el valor 0 mist oso dose rorgar los halagon emp ices (Waighe 1967, La investigacién social incluye, desde este punvo dé vista, 2 a epi demiologia y a las cieacias de la salud (Susser, 1975), pero 0 4 ld in. vestigacién de laboratorio o investigacin bioldgica Sobre animales, Por lo tanto, la (© constituye ua tipo especial de investigucion so. cial que tiene relacién con los programas tocisles y que implica la toma de decisiones. i Lacraluci6n eine [J pr facie toma de decisions nti) $1 2 mors ibe pur ht de docens steel pope ie oe dors pete entonces au aricer pec come inten gion cal scoring ingle oven we Conner pro {rama mis qigafcavos son erluados porque leven cau pode e's oes nes oben ayuda pus ee ne eae be ene lena a deiir con mayor lrecuenca sux Debemor Gauss toate 9 0 dabernos inten os cosy nce so barr teas [Edvans Gos cenagy Snapp, 1975, Este capitulo es el mejor lugar para discutir le 1s, porque los pro- blemas de diseto (y también de aniliss) que enciers omen exon parecidos a los de Jos disefios para comparaciones en oxos spor de investigacién social\Sin embargo, la tf merece una mencién indepen dicate, porque sus objetivos alcance soa tis especificos, estagi= dos y clarumente definidos que fos de la iavestgaci6n social en pene- ral, Presento a contiauaci6n mi propia lists de caracceristias que ayedaa distinguir la u de los restantestipos de investigacion socal, aungue no existe ninguna linea fina y alida que separe a ambss, en ‘inguaa de las caracteisticas concrets. ‘ 1. La t implica programas concretos de accién social. Estos rografnas podrén ser de alcance local, nacional o incluso intermacio- ‘al, 4st, por ejemplo, algunos programas de control de nataldad 0 contra,el analfabetismo disponen de’ organizaciones internacionales, En general, los programas han de ser de suficieate eavergedira como Pata afrontar los costes de diseios iz que sean lo suficientemente t au } buenos y de un aleance tal que proporcionen precisi6a y capacidad ©? 4 Dives part comparciones para detect ls cambios, aunque sean modestos. La mayor de lat sejoraslogradas en los programas son moderadas, pero pueden tener. ‘amplias consectencias de vardeter socal o financiero. Por otra parce, aguellos programas que teagan un éxito evidente pueden no tentr ne” cesidad de la. 2 2. a tompiende, como rms Ia cooperaciegere slguss agencia (departamento) responsable del programa de-aéeiéa social y un eqipo de invendgaign (asco) ge live tribal t Se neck sita cierto grado de separaciGn entre el equipo y la ageticiz: para faci ‘lita, en primer lugar, la objetividad de laiavestigacioa, y, én segundo sérmino, para reforzar la percepcisn y ateptaci6a ptblica de la obj tividad de los resultados dela 1. A veces se necesita un patrocinador™ 0 fuente de fondos econdmicos para la 18, fuente que debe ser inde- pendiente tanto de le agencia como del equipo de investigaciGn. La coopérsci6a activa entre las dos (0 tres) partes suele ser funda: smental. La agencia tiene la respéssabilidad principal de los cbjetivos de le investignci6n, pers los investigadores denen que tomar la inicia- ‘iva en la determinacjn de los maérodos y'en la ejecucién de la inves Uigacidn, Al seleccionar las dreas de investigacin,y al asegurar su co- operaciéa, suelen ser necesarias tanto la libertad del equipo iavestigador como la colaboracién por pare de la dgeacia. 3 Tato lls de feats coi a obstracin de Joo efectos se ven restringidas por las exigencias prdcticas de evaluar le eficacia del programa en estudio. “4 En consecuescs el equipo] tie menos iberad pare seleciggar o rechacar determinades variables independicnts, dependienes e intecrlentes dela ze tend en eudiondcindos par espondra [) pris prego Sera irene ome sg pode plate es engin social bisia, Los eoncepios usados y su eexducciSn en varables elibes debes selecconarse con imaginacién, pro denzo del marco geaerdexsble- do por la nacuralez dl programa que sti evluandoy por aut obetoy DWeighs, 1967. E ivos restringidos conllevan varias consecuencias im- Estos obj ortantes. Em primes lugar, el programa coujusto conereto se conae—h ‘vierté én Ja variable de tratamiento (independiente, predictoca)y sus dlversos componentes pucden quedar deseamaratados. Por eeimplo,. un nuevo programa de ensefanza escolaz podrdms * “sie Bi, de métodos, pcofesores y aimbientes. Ea segundo luger, los’ efectos ‘pedidos deben concenteiee ex los bjetives propassos cou obie: fivos de respuesta (variable dependieare, pronosticads) principal. No obstante, puede ser conveniiente, y a veces posible, afadir efectos a - largo plazo a los objetivos miarcades « corso plazo. Por ocro lado, $e debecian antcipary vigilr,alemés de los objesivor planeados, det sinadas consecueacias no programadss, tanto las beneficiosas como, ‘especialmente, las pernicioses. Mas ain, el equipo deberta estat alerea para detectar algunas consecuencias to imprevistas. La “se- rendipidad” puede a veces revelar resultados mis interesantes gue los

You might also like

• The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  

  From Everand

  The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  Mark Manson

  Rating: 4 out of 5 stars

  4/5 (5813)
• The Gifts of Imperfection: Let Go of Who You Think You're Supposed to Be and Embrace Who You Are

  

  From Everand

  The Gifts of Imperfection: Let Go of Who You Think You're Supposed to Be and Embrace Who You Are

  Brene Brown

  Rating: 4 out of 5 stars

  4/5 (1092)
• Never Split the Difference: Negotiating As If Your Life Depended On It

  

  From Everand

  Never Split the Difference: Negotiating As If Your Life Depended On It

  Chris Voss

  Rating: 4.5 out of 5 stars

  4.5/5 (844)
• • Magazines
  • Podcasts
  • Sheet music
• Principles: Life and Work

  

  From Everand

  Principles: Life and Work

  Ray Dalio

  Rating: 4 out of 5 stars

  4/5 (608)
• The Glass Castle: A Memoir

  

  From Everand

  The Glass Castle: A Memoir

  Jeannette Walls

  Rating: 4.5 out of 5 stars

  4.5/5 (1716)
• Grit: The Power of Passion and Perseverance

  

  From Everand

  Grit: The Power of Passion and Perseverance

  Angela Duckworth

  Rating: 4 out of 5 stars

  4/5 (590)
• Sing, Unburied, Sing: A Novel

  

  From Everand

  Sing, Unburied, Sing: A Novel

  Jesmyn Ward

  Rating: 4 out of 5 stars

  4/5 (1104)
• Hidden Figures: The American Dream and the Untold Story of the Black Women Mathematicians Who Helped Win the Space Race

  

  From Everand

  Hidden Figures: The American Dream and the Untold Story of the Black Women Mathematicians Who Helped Win the Space Race

  Margot Lee Shetterly

  Rating: 4 out of 5 stars

  4/5 (897)
• Shoe Dog: A Memoir by the Creator of Nike

  

  From Everand

  Shoe Dog: A Memoir by the Creator of Nike

  Phil Knight

  Rating: 4.5 out of 5 stars

  4.5/5 (540)
• The Perks of Being a Wallflower

  

  From Everand

  The Perks of Being a Wallflower

  Stephen Chbosky

  Rating: 4.5 out of 5 stars

  4.5/5 (2104)
• The Hard Thing About Hard Things: Building a Business When There Are No Easy Answers

  

  From Everand

  The Hard Thing About Hard Things: Building a Business When There Are No Easy Answers

  Ben Horowitz

  Rating: 4.5 out of 5 stars

  4.5/5 (348)
• Bad Feminist: Essays

  

  From Everand

  Bad Feminist: Essays

  Roxane Gay

  Rating: 4 out of 5 stars

  4/5 (1018)
• Elon Musk: Tesla, SpaceX, and the Quest for a Fantastic Future

  

  From Everand

  Elon Musk: Tesla, SpaceX, and the Quest for a Fantastic Future

  Ashlee Vance

  Rating: 4.5 out of 5 stars

  4.5/5 (474)
• Her Body and Other Parties: Stories

  

  From Everand

  Her Body and Other Parties: Stories

  Carmen Maria Machado

  Rating: 4 out of 5 stars

  4/5 (822)
• The Outsider: A Novel

  

  From Everand

  The Outsider: A Novel

  Stephen King

  Rating: 4 out of 5 stars

  4/5 (1850)
• The Emperor of All Maladies: A Biography of Cancer

  

  From Everand

  The Emperor of All Maladies: A Biography of Cancer

  Siddhartha Mukherjee

  Rating: 4.5 out of 5 stars

  4.5/5 (271)
• The Sympathizer: A Novel (Pulitzer Prize for Fiction)

  

  From Everand

  The Sympathizer: A Novel (Pulitzer Prize for Fiction)

  Viet Thanh Nguyen

  Rating: 4.5 out of 5 stars

  4.5/5 (122)
• Angela's Ashes: A Memoir

  

  From Everand

  Angela's Ashes: A Memoir

  Frank McCourt

  Rating: 4.5 out of 5 stars

  4.5/5 (441)
• Brooklyn: A Novel

  

  From Everand

  Brooklyn: A Novel

  Colm Toibin

  Rating: 3.5 out of 5 stars

  3.5/5 (1947)
• The Little Book of Hygge: Danish Secrets to Happy Living

  

  From Everand

  The Little Book of Hygge: Danish Secrets to Happy Living

  Meik Wiking

  Rating: 3.5 out of 5 stars

  3.5/5 (401)
• A Man Called Ove: A Novel

  

  From Everand

  A Man Called Ove: A Novel

  Fredrik Backman

  Rating: 4.5 out of 5 stars

  4.5/5 (4610)
• A Tree Grows in Brooklyn

  

  From Everand

  A Tree Grows in Brooklyn

  Betty Smith

  Rating: 4.5 out of 5 stars

  4.5/5 (1929)
• The Art of Racing in the Rain: A Novel

  

  From Everand

  The Art of Racing in the Rain: A Novel

  Garth Stein

  Rating: 4 out of 5 stars

  4/5 (4203)
• Steve Jobs

  

  From Everand

  Steve Jobs

  Walter Isaacson

  Rating: 4.5 out of 5 stars

  4.5/5 (807)
• The World Is Flat 3.0: A Brief History of the Twenty-first Century

  

  From Everand

  The World Is Flat 3.0: A Brief History of the Twenty-first Century

  Thomas L. Friedman

  Rating: 3.5 out of 5 stars

  3.5/5 (2259)
• The Yellow House: A Memoir (2019 National Book Award Winner)

  

  From Everand

  The Yellow House: A Memoir (2019 National Book Award Winner)

  Sarah M. Broom

  Rating: 4 out of 5 stars

  4/5 (98)
• Devil in the Grove: Thurgood Marshall, the Groveland Boys, and the Dawn of a New America

  

  From Everand

  Devil in the Grove: Thurgood Marshall, the Groveland Boys, and the Dawn of a New America

  Gilbert King

  Rating: 4.5 out of 5 stars

  4.5/5 (266)
• Yes Please

  

  From Everand

  Yes Please

  Amy Poehler

  Rating: 4 out of 5 stars

  4/5 (1898)
• A Heartbreaking Work Of Staggering Genius: A Memoir Based on a True Story

  

  From Everand

  A Heartbreaking Work Of Staggering Genius: A Memoir Based on a True Story

  Dave Eggers

  Rating: 3.5 out of 5 stars

  3.5/5 (231)
• Team of Rivals: The Political Genius of Abraham Lincoln

  

  From Everand

  Team of Rivals: The Political Genius of Abraham Lincoln

  Doris Kearns Goodwin

  Rating: 4.5 out of 5 stars

  4.5/5 (234)
• The Woman in Cabin 10

  

  From Everand

  The Woman in Cabin 10

  Ruth Ware

  Rating: 3.5 out of 5 stars

  3.5/5 (2521)
• Fear: Trump in the White House

  

  From Everand

  Fear: Trump in the White House

  Bob Woodward

  Rating: 3.5 out of 5 stars

  3.5/5 (738)
• Wolf Hall: A Novel

  

  From Everand

  Wolf Hall: A Novel

  Hilary Mantel

  Rating: 4 out of 5 stars

  4/5 (3811)
• John Adams

  

  From Everand

  John Adams

  David McCullough

  Rating: 4.5 out of 5 stars

  4.5/5 (2409)
• On Fire: The (Burning) Case for a Green New Deal

  

  From Everand

  On Fire: The (Burning) Case for a Green New Deal

  Naomi Klein

  Rating: 4 out of 5 stars

  4/5 (74)
• The Light Between Oceans: A Novel

  

  From Everand

  The Light Between Oceans: A Novel

  M.L. Stedman

  Rating: 4.5 out of 5 stars

  4.5/5 (789)
• Manhattan Beach: A Novel

  

  From Everand

  Manhattan Beach: A Novel

  Jennifer Egan

  Rating: 3.5 out of 5 stars

  3.5/5 (792)
• The Constant Gardener: A Novel

  

  From Everand

  The Constant Gardener: A Novel

  John le Carré

  Rating: 3.5 out of 5 stars

  3.5/5 (104)
• The Unwinding: An Inner History of the New America

  

  From Everand

  The Unwinding: An Inner History of the New America

  George Packer

  Rating: 4 out of 5 stars

  4/5 (45)
• Rise of ISIS: A Threat We Can't Ignore

  

  From Everand

  Rise of ISIS: A Threat We Can't Ignore

  Jay Sekulow

  Rating: 3.5 out of 5 stars

  3.5/5 (137)
• Little Women

  

  From Everand

  Little Women

  Louisa May Alcott

  Rating: 4 out of 5 stars

  4/5 (104)