CAP 3- EVALUACIONES DE RELACIONES CAUSALES

CAUSALIDAD Y LENGUAJE COTIDIANO

Como la mayoría de las ciencias, la disciplina de la ciencia política gira fundamentalmente en

torno a la evaluación de afirmaciones causales. Nuestras teorías, que pueden ser correctas o
incorrectas, suelen especificar que alguna variable independiente causa alguna variable
dependiente. Luego nos esforzamos por encontrar evidencia empírica apropiada para evaluar
el grado en que esta teoría está o no respaldada. Pero, ¿cómo hacemos para evaluar las
afirmaciones causales? En este capítulo y en el siguiente, analizamos algunos principios para
hacer esto. Nos centramos en la lógica de la causalidad y en varios criterios para establecer con
cierta confianza el grado en que existe una conexión causal entre dos variables. Luego, en el
capítulo 4, analizamos varias formas de diseñar investigaciones que nos ayuden a investigar
afirmaciones causales. Mientras buscamos respuestas a preguntas sobre relaciones causales,
tenga presente nuestras "reglas del camino" del Capítulo 1, en particular la advertencia de
considerar sólo evidencia empírica a lo largo del camino.

Es importante reconocer una distinción entre la naturaleza de la mayoría de las teorías

científicas y la forma en que parece estar ordenado el mundo. La mayoría de nuestras teorías
se limitan a descripciones de relaciones entre una sola causa (la variable independiente) y un
solo efecto (la variable dependiente). tales teorías, en este sentido, son representaciones muy
simplistas de la realidad, y necesariamente lo son. De hecho, como señalamos al final del
capítulo 1, las teorías de este tipo son loables en un aspecto: son parsimoniosas, el equivalente
a fragmentos de información digeribles y del tamaño de un bocado. No podemos enfatizar lo
suficiente que casi todas nuestras teorías sobre fenómenos sociales y políticos son bivariadas,
es decir, involucran sólo dos variables. Pero la realidad social no es bivariada; es múltiple, en el
sentido de que cualquier variable dependiente interesante es causada por más de un factor.
Entonces, aunque nuestras teorías describen la relación propuesta entre alguna causa y algún
efecto, siempre debemos tener en mente que el fenómeno que estamos tratando de explicar
seguramente tiene muchas otras causas posibles. Y cuando llega el momento de diseñar
investigaciones para poner a prueba nuestras ideas teóricas (que es el tema del Capítulo 4),
tenemos que tratar de dar cuenta o "controlar" esas otras causas. Si no lo hacemos, entonces
nuestras inferencias causales sobre si nuestra teoría favorita es correcta (si X causa Y) muy
bien pueden estar equivocadas. En este capítulo presentamos algunos principios prácticos para
demostrar que, efectivamente, algo X causa Y. También se pueden aplicar estos criterios al
evaluar las afirmaciones causales hechas por otros (ya sean un periodista, un candidato a un
cargo, un politólogo, un compañero de clase, un amigo o cualquier otra persona.

Casi todo el mundo, casi todos los días, utiliza el lenguaje de la causalidad algunas veces de
manera formal, pero mucho más a menudo de manera muy informal. Siempre que hablamos
de cómo algún evento cambia el curso de eventos posteriores, invocamos el razonamiento
causal. Incluso la palabra "porque" implica que está en funcionamiento un proceso causal. Sin
embargo, a pesar del uso ubicuo de las palabras "porque", "afecta", "impacta", "causa" y
"causalidad", los significados de estas palabras no están exactamente claros. Los filósofos de la
ciencia han mantenido durante mucho tiempo intensos debates sobre formulaciones opuestas
de "causalidad".

Aunque nuestro objetivo aquí no es profundizar demasiado en estos debates, hay una
característica de las discusiones sobre la causalidad que merece una breve mención. La
mayoría de los debates sobre filosofía de la ciencia se originan en el mundo de las ciencias
físicas. Las nociones de causalidad que vienen a la mente en estas disciplinas son en su
mayoría deterministas: es decir, si ocurre alguna causa, entonces el efecto ocurrirá con
certeza. Sin embargo, por el contrario, el mundo de los seres humanos

Las interacciones son probabilísticas: los aumentos en X están asociados con aumentos (o
disminuciones) en la probabilidad de que Y ocurra, pero esas probabilidades no son certezas.
Mientras que las leyes físicas como las leyes del movimiento de Newton son deterministas
(pensemos aquí en la ley de la gravedad), las ciencias sociales se parecen más a la causalidad
probabilística como la de la teoría de la selección natural de Darwin, en la que mutaciones
aleatorias hacen que un organismo sea más o menos apto para sobrevivir y reproducirse. . Sin
embargo, al revisar tres intentos destacados dentro de la filosofía de la ciencia de elaborar la
naturaleza probabilística de la causalidad, el filósofo Wesley Salmon (1993, p. 137) señala que
"En la vasta literatura filosófica sobre la causalidad [las nociones probabilísticas de causalidad]
se ignoran en gran medida". ". Pero en ciencia política, nuestras concepciones de causalidad
deben ser de naturaleza probabilística. Cuando teorizamos, por ejemplo, que el nivel de
riqueza de un individuo determina sus opiniones sobre una política fiscal óptima, no queremos
decir en absoluto que todas las personas ricas querrán impuestos más bajos y que todas las
personas pobres preferirán impuestos más altos. Consideremos lo que sucedería si
encontramos una sola persona rica que está a favor de impuestos altos o una sola persona
pobre que está a favor de impuestos bajos. Un caso por sí solo no disminuye nuestra confianza
en la teoría. En la ciencia política siempre habrá excepciones porque los seres humanos no son
robots deterministas cuyas conductas se ajusten a enunciados legales. En otras ciencias en las
que los sujetos de estudio son más robóticos, puede tener más sentido hablar de leyes que
describen el comportamiento.

Consideremos el estudio de las órbitas planetarias, en el que los científicos pueden predecir
con precisión el movimiento de los cuerpos celestes con cientos de años de antelación. El
mundo político, en cambio, es extremadamente difícil de predecir. Como resultado, la mayor
parte del tiempo estamos contentos de poder hacer afirmaciones probabilísticas sobre
relaciones causales.

Todo esto se reduce a que la noción completa de lo que significa que algo "cause" algo más
está lejos de ser un asunto resuelto. ¿Deberían los científicos sociales abandonar toda
esperanza de encontrar conexiones causales? En absoluto. Lo que significa es que debemos
proceder con cautela y con una mente abierta, en lugar de hacerlo de alguna manera
hiperformularia.

CUATRO OBSTÁCULOS EN EL CAMINO HACIA EL ESTABLECIMIENTO DE RELACIONES CAUSALES

Si deseamos investigar si alguna variable independiente, a la que llamaremos X, "causa" alguna

variable dependiente, a la que llamaremos Y, ¿qué procedimientos debemos seguir antes de
poder expresar nuestro grado de confianza en que una relación causal lo hace o no? ¿existir?
Encontrar algún tipo de covariación (o, equivalentemente, correlación) entre X e Y no es
suficiente para llegar a tal conclusión.

Le animamos a tener en cuenta que establecer relaciones causales entre variables no se

parece en nada a buscar pruebas de ADN como en un episodio de una serie criminal de
televisión. La realidad social no se presta a respuestas tan simples y tajantes. A la luz de la
discusión anterior sobre la naturaleza de la causalidad misma, consideremos lo que sigue como
pautas sobre lo que constituye la "mejor práctica" en ciencia política. Con cualquier teoría
sobre una relación causal entre X e Y, debemos considerar cuidadosamente las respuestas a las
siguientes cuatro preguntas:

1. ¿Existe un mecanismo causal creíble que conecte X con Y?

2. ¿Podría Y causar X?

3. ¿Existe covariación entre X e Y?

4. ¿Existe alguna variable de confusión Z que esté relacionada tanto con X como con Y y que
haga que la asociación observada entre X e Y sea espuria?

Primero, debemos considerar si es creíble afirmar que X podría causar Y. Para hacer esto,
necesitamos realizar un ejercicio de pensamiento en el que evaluamos la mecánica de cómo X
causaría Y. En otras palabras, ¿qué tiene específicamente que tener más (o menos) de X que
con toda probabilidad causará Y? ¿Conducir a más (o menos) de Y? En efecto, este obstáculo
representa un esfuerzo por responder las preguntas de "cómo" y "por qué" sobre las
relaciones causales. Cuanto más extravagantes tengan que ser estas mecánicas, menos
confianza tendremos en que nuestra teoría haya superado este primer obstáculo. No superar
este primer obstáculo es un asunto muy grave; El resultado es que nuestra teoría debe ser
descartada por completo o debemos revisarla después de un replanteamiento cuidadoso de
los mecanismos subyacentes a través de los cuales funciona. Vale la pena pasar a la segunda
pregunta sólo una vez que tengamos una respuesta "sí" a esta pregunta.

En segundo lugar, y tal vez con mayor dificultad, debemos preguntarnos si es posible (o incluso
probable) que Y pueda causar X. Como aprenderá del análisis de las diversas estrategias para
evaluar la conexión causal en el Capítulo 4, esto plantea problemas espinosos para algunas
formas. de las ciencias sociales, pero es menos problemático para otros. En ocasiones, este
obstáculo causal puede superarse de forma lógica. Por ejemplo, cuando se considera si el
género (X) de una persona hace que tenga actitudes particulares sobre la política de aborto (Y),
es una certeza sólida que se puede descartar el escenario causal inverso: las actitudes de una
persona sobre el aborto no no "causar" que sean hombres o mujeres. Si nuestra teoría no
supera este obstáculo particular, la carrera no está perdida. En estas circunstancias,
deberíamos pasar a la siguiente pregunta, teniendo en cuenta la posibilidad de que nuestra
flecha causal se invierta.

A lo largo de nuestra consideración de los dos primeros obstáculos causales, nos preocupamos
sólo por dos variables, X e Y. El tercer obstáculo causal puede involucrar una tercera variable Z,
y el cuarto obstáculo siempre lo hace. A menudo ocurre que hay varias variables Z.

Para el tercer obstáculo causal, debemos considerar si X e Y

covariable (o, de manera equivalente, si están correlacionados o asociados). En términos

generales, para que X cause Y, debe haber alguna forma de asociación mensurable entre X e Y,
como "más de X está asociado con más de Y" o "más de X está asociado con menos de Y".
Demostrar una conexión bivariada simple entre dos variables es una cuestión sencilla y la
abordaremos en el capítulo 8. Por supuesto, es posible que esté familiarizado con el dicho "La
correlación no prueba la causalidad" y estamos totalmente de acuerdo. Sin embargo, vale la
pena señalar que la correlación suele ser un componente esencial de la causalidad. Pero ten
cuidado. Es posible que exista una relación causal entre X e Y incluso si no existe una
asociación bivariada entre X e Y. Por lo tanto, incluso si no logramos superar este obstáculo, no
deberíamos descartar por completo nuestra afirmación causal. En lugar de ello, deberíamos
considerar la posibilidad de que exista alguna variable de confusión Z que necesitemos
"controlar" antes de ver una relación entre X e Y. Ya sea que encontremos o no una relación
bivariada entre X e Y, debemos proceder a nuestro análisis. cuarto y último obstáculo.

Cuarto, al establecer conexiones causales entre X e Y, debemos afrontar la realidad de que,

como señalamos al principio de este capítulo, vivimos en un mundo en el que la mayoría de las
variables dependientes interesantes son causadas por más de una, a menudo muchos más de
uno - variable independiente. ¿Qué problemas plantea esto para las ciencias sociales? Significa
que, cuando intentamos establecer si un X particular causa un Y particular, necesitamos
"controlar por" los efectos de otras causas de Y (y a esos otros efectos los llamamos Z).

Si no controlamos los efectos de Z, es muy probable que malinterpretemos la relación entre X

e Y y hagamos una inferencia errónea sobre si X causa Y. Éste es el error más grave que puede
cometer un científico social. Si encontramos que X e Y están correlacionados, pero que,
cuando controlamos por los efectos de Z tanto en X como en Y, la asociación entre X e Y
desaparece, entonces se dice que la relación entre X e Y es espuria.

Poniéndolo todo junto: sumando las respuestas a nuestras cuatro preguntas

Como acabamos de ver, el proceso para evaluar una afirmación teórica de que X causa Y es un
proceso complicado. Tomadas una por una, cada una de las cuatro preguntas de la
introducción de esta sección puede resultar difícil de responder con gran claridad. Pero el
desafío de evaluar una afirmación de que X causa Y implica sumar estas cuatro preguntas para
determinar nuestra confianza general sobre si X causa Y. Para entender esto, piense en la
analogía que hemos estado usando al llamar a estas preguntas "obstáculos". " En las pruebas
de pista que cuentan con obstáculos, los corredores deben hacer todo lo posible para tratar de
superar cada obstáculo a medida que avanzan hacia la línea de meta ocasionalmente.

Incluso el corredor de vallas más experimentado derribará un obstáculo. Aunque esto los frena
y disminuye sus posibilidades de ganar la carrera, no todo está perdido. Si pensamos en
superar los cuatro obstáculos que plantean las preguntas anteriores para una teoría, no hay
duda de que nuestra confianza será mayor cuando seamos capaces de responder a las cuatro
preguntas de la manera correcta ("sí", "no", "sí, " "no") y sin reservas. Como describimos en la
introducción de esta sección, no superar el primer obstáculo podría hacernos detenernos y
repensar nuestra teoría. Este también es el caso si encontramos que nuestra relación es
espuria. Sin embargo, en el caso del segundo y tercer obstáculo, no superarlos por completo
no significa que debamos descartar la afirmación causal en cuestión. La Figura 3.1 proporciona
un resumen de este proceso. En las subsecciones siguientes, analizaremos el proceso descrito
en la Figura 3.1 con una serie de ejemplos.

Identificar afirmaciones causales es una habilidad de pensamiento esencial

Queremos enfatizar que la lógica que acabamos de presentar no se aplica simplemente a

ejemplos de investigación en ciencias políticas. Siempre que ves una historia en las noticias, o
escuchas un discurso de un candidato a un cargo público, o, sí, lees un artículo de investigación
en una clase de ciencias políticas, casi siempre se da el caso de que alguna forma de afirmación
causal está implícita en la información. historia, discurso o artículo.

Algunas veces esas afirmaciones causales son explícitas: sangradas y en cursiva para que no
puedas pasarlas por alto. Sin embargo, muy a menudo son más difíciles de detectar, y la
mayoría de las veces no porque el orador o el escritor esté tratando de confundirlo.
Lo que queremos enfatizar es que detectar e identificar afirmaciones causales es una habilidad
de pensamiento. No es algo natural para la mayoría de las personas, pero se puede practicar.

Tomemos un ejemplo común de una campaña política: un candidato a presidente o primer

ministro que se postula para la reelección afirma que los votantes deberían darle otro
mandato porque la economía nacional está funcionando bien. (O, si el desempeño económico
es pobre, el retador afirmará que los votantes deberían reemplazar el pobre equipo de gestión
económica del presidente en el poder con el partido del retador.) Quizás haya dos
afirmaciones causales relacionadas incluidas en el llamamiento de un candidato a ser reelegido
sobre la base de del desempeño de la economía. En primer lugar, el candidato puede estar
diciendo que el desempeño económico es mejor que si los votantes hubieran elegido al otro
candidato en las últimas elecciones. En segundo lugar, el presidente en el poder puede estar
afirmando que el desempeño económico será mejor en el futuro si es reelegido que si gana el
candidato contrario.

Debido a que la segunda afirmación se refiere a un futuro impredecible, dejémosla de lado por
el momento; Es una especulación interesante, pero no hay duda de que es sólo especulación.
Concéntrese, entonces, en la primera afirmación: que la economía está funcionando bien
gracias a las políticas económicas de la administración. ¿Es creíble tal afirmación causal? Para
que podamos emitir ese juicio, debemos centrarnos en nuestros cuatro obstáculos causales.
Para empezar, necesitamos evaluar si existe un mecanismo causal creíble que conecte X (la
administración y sus políticas) con Y (desempeño económico). Pensar en la mecánica de cómo
funcionaría esta relación causal es bastante sencillo. Los presidentes y primeros ministros
tienen a su disposición una amplia gama de herramientas para la formulación de políticas
económicas. Parece bastante razonable que el uso de estas herramientas pueda hacer que a la
economía le vaya mejor o peor. La respuesta a la primera pregunta es "sí". En segundo lugar,
¿es posible que Y cause X? Esto significaría que la economía actual causaq las políticas
económicas de la administración. En este caso, necesitaríamos determinar si las
promulgaciones de políticas precedieron o no a un buen desempeño económico. Debido a que
se están promulgando tantas políticas diferentes en distintos momentos, esta sería una
pregunta difícil de responder. Para ser conservadores, digamos que la respuesta a la segunda
pregunta es "sí". Para responder a nuestra tercera pregunta necesitamos determinar si X (la
administración y sus políticas) está asociado con Y (desempeño económico). Presumiblemente
lo es, y presumiblemente esta relación es tal que el desempeño económico mejoró después de
que se implementaron las políticas de la administración, ¿verdad? - De lo contrario, el
candidato no estaría haciendo el reclamo. Pero, si queremos evaluar tal afirmación,
tendríamos que elegir un indicador de desempeño económico y hacer una comparación a lo
largo del tiempo. Por ahora, digamos que la respuesta a la tercera pregunta es "sí". Hasta
ahora, la afirmación del político sobre una relación causal está funcionando bastante bien
(porque las respuestas al Corán son "sí", "sí" y "sí"). Pero el cuarto obstáculo causal es donde el
candidato (y nosotros) podemos equivocarnos. ¿Existe alguna otra fuerza, Z, que esté
relacionada tanto con X como con Y y haga que la relación entre X e Y sea espuria? Pensemos
en esto: ¿podemos pensar en otras razones, además de las políticas administrativas, por las
que la economía podría estar funcionando bien? Por supuesto que podemos. Sería
manifiestamente tonto afirmar que la única causa del buen desempeño económico es la
política gubernamental.

La innovación en el sector privado (Z), por ejemplo, podría (por casualidad) coincidir con
cambios de política gubernamental (X) y estar fuertemente relacionada con la prosperidad (Y).
Sin más análisis, tenemos amplias razones para ser escépticos ante la afirmación de un
candidato de que la economía es próspera gracias a las sólidas políticas de la administración.
Desafortunadamente para el político, la respuesta a la cuarta pregunta es "tal vez". Tendremos
que ver más evidencia antes de que nosotros, como científicos, creamos su afirmación causal.

Podríamos pensar fácilmente en una serie de otros factores que podrían encajar en la
descripción de una variable de confusión. Pero tengamos cuidado antes de tachar al político de
charlatán. ¿Significa esto que el candidato está equivocado y que sabemos que las políticas de
la administración no generaron prosperidad?

Absolutamente noto. Todo lo que hemos hecho en este simple ejercicio de pensamiento es
reconocer que la variable dependiente de interés (Y), la salud de la economía, es ciertamente
una función de muchas cosas, una de las cuales puede ser o no las políticas económicas de la
administración. (X). Para saber que la administración produjo la prosperidad, necesitaríamos
controlar otras posibles causas de la prosperidad, y no lo hemos hecho. Por tanto debemos
concluir que es posible que la afirmación del candidato sea adecuada. Pero todavía no ha sido
respaldada empíricamente, porque aún no se han descartado explicaciones alternativas.
Identificar la pretensión causal subyacente, en este caso, nos ayuda a ser escépticos ante las
afirmaciones egoístas de los actores políticos. El trabajo de un candidato, por supuesto, no es
evaluar cuidadosamente las afirmaciones causales; es para conseguir votos. Pero evaluar la
credibilidad de las afirmaciones causales, a menudo implícitas, de un candidato es importante
si nosotros, los votantes, no queremos dejarnos llevar por el mal camino por políticos
hambrientos de votos.

Una parte importante de adoptar un enfoque científico para el estudio de la política es que
dejamos que la misma lógica escéptica se pierda en las pretensiones académicas sobre las
relaciones causales. Antes de que podamos evaluar una teoría causal, debemos considerar qué
tan bien la evidencia disponible responde a cada una de las cuatro preguntas sobre X, Y y Z.
Una vez que hayamos respondido cada una de estas cuatro preguntas, una a la vez, pensamos
en el nivel general de confianza que tenemos en la afirmación de que X causa Y.

¿Cuáles son las consecuencias de no controlar otras posibles causas?

Cuando se trata de cualquier afirmación causal, como acabamos de señalar, el cuarto

obstáculo causal a menudo nos hace tropezar, y no sólo al evaluar la retórica política o las
historias en los medios de comunicación. Esto también se aplica al escrutinio de la
investigación científica. De hecho, una parte sustancial de los desacuerdos entre académicos
se reduce a este cuarto obstáculo causal. Cuando un académico evalúa el trabajo de otro,
quizás la objeción más frecuente es que el investigador "no logró "controlar" alguna causa
potencialmente importante de la variable dependiente. ¿Qué sucede cuando no logramos
controlar alguna otra causa plausible de nuestra variable dependiente de interés? En pocas
palabras, significa que no hemos logrado cruzar nuestro cuarto obstáculo causal. Si se puede
argumentar de manera creíble que algún factor Z no controlado puede estar relacionado tanto
con X como con Y, no podemos concluir con plena confianza que X efectivamente causa Y.
Debido a que el objetivo principal de la ciencia es establecer si existen conexiones causales
entre variables, entonces no controlar otras causas de Y es un problema potencialmente grave.

Uno de los temas de este libro es que el análisis estadístico no debe desconectarse de
cuestiones de diseño de investigación, como controlar tantas causas de la variable
dependiente como sea posible. Cuando analizamos la regresión múltiple (en los capítulos 10 y
11), que es la técnica estadística más común que los politólogos utilizan en sus investigaciones,
el objetivo de esos capítulos es aprender a controlar otras posibles causas de la variable
dependiente. Veremos que los fallos en el diseño de la investigación, como no controlar todas
las causas relevantes de la variable dependiente, tienen implicaciones estadísticas, y las
implicaciones siempre son malas. Los fallos en el diseño de la investigación producen
problemas para el análisis estadístico, pero mantengamos esta idea. Lo que es importante
comprender por ahora es que un buen diseño de investigación hará que el análisis estadístico
sea más creíble, mientras que un mal diseño de investigación hará más difícil que cualquier
análisis estadístico sea concluyente sobre las conexiones causales.

¿POR QUÉ ES TAN IMPORTANTE ESTUDIAR LA CAUSALIDAD? TRES EJEMPLOS DE LA CIENCIA

POLÍTICA

Nuestro énfasis en las conexiones causales debe ser claro. Pasamos ahora a varias
controversias activas dentro de la disciplina de la ciencia política, mostrando cómo los debates
sobre la causalidad están en el centro precisamente de los tipos de controversias que hicieron
que usted (y la mayoría de nosotros) se interesara por la política en primer lugar.

Satisfacción ligera y estabilidad democrática

Una de las controversias más duraderas en la ciencia política es la relación entre la satisfacción
con la vida del público en masa y la estabilidad de las instituciones democráticas. La
satisfacción con la vida, por supuesto, puede significar muchas cosas diferentes, pero para la
discusión actual consideremos que varía a lo largo de un continuo, desde que el público está
muy insatisfecho con la vida cotidiana hasta estar muy satisfecho. ¿Cuál es, en todo caso, la
conexión causal entre los dos conceptos? El politólogo Ronald Inglehart (1988) sostiene que la
satisfacción con la vida (X) provoca la estabilidad del sistema democrático (Y). Si analizamos la
primera de las cuatro preguntas para establecer relaciones causales, podemos ver que existe
un mecanismo causal creíble que conecta X con Y: si las personas en una nación democrática
están más satisfechas con sus vidas, será menos probable que quieren derrocar a su gobierno.
La respuesta a nuestra primera pregunta es "sí". Pasando a nuestra segunda pregunta: ¿Es
posible que la estabilidad democrática (Y) sea lo que causa la satisfacción con la vida (X)?
Ciertamente lo es. Es muy fácil concebir un mecanismo causal en el que los ciudadanos tomen
nota cuidadosa del sistema político cuando consideran lo felices que son y que los ciudadanos
que viven en democracias estables tienden a recordar una historia de estabilidad
gubernamental, es decir, una historia de estabilidad gubernamental. historia reciente sin
revoluciones violentas y, como resultado, sentir una sensación de seguridad y felicidad. La
respuesta a nuestra segunda pregunta es "sí". Pasemos ahora a la tercera pregunta. Utilizando
una impresionante cantidad de datos de una amplia variedad de democracias desarrolladas,
Inglehart y sus colegas han demostrado que, de hecho, existe una asociación entre la
satisfacción media con la vida del público y la duración de la gobernancia democrática
ininterrumpida. Es decir, los países con niveles promedio más altos de satisfacción con la vida
han disfrutado de períodos ininterrumpidos más prolongados de estabilidad democrática. Por
el contrario, los países con niveles más bajos de satisfacción con la vida han tenido períodos
más cortos de estabilidad democrática y más agitación revolucionaria. La respuesta a nuestra
tercera pregunta es "sí". Con respecto a la cuarta pregunta, es fácil imaginar una miríada de
otros factores (2) que conducen a la estabilidad democrática, y si Inglehart ha hecho un trabajo
adecuado al controlar esos otros factores es tema de un considerable debate académico. La
respuesta a nuestra cuarta pregunta es "tal vez". La teoría de Inglehart ha respondido
satisfactoriamente a las preguntas 1 y 3, pero son las respuestas a las preguntas 2 y 4 las que
han dado a los escépticos razones sustanciales para dudar de su afirmación causal.

Elección de escuela y rendimiento estudiantil

En los últimos años, durante los cuales ha habido considerable preocupación por el
desempeño de las escuelas primarias y secundarias públicas, la posibilidad de que el gobierno
emita vales para permitir a las familias enviar a sus hijos a escuelas privadas se ha vuelto muy
controvertida. Dejando de lado las cuestiones normativas sobre si la "elección de escuela" es
intrínsecamente deseable o algo que por su naturaleza agotará las escuelas públicas, en el
fondo se esconde una importante cuestión empírica y habitual: ¿el tipo de escuela a la que
asiste un niño? (X) afecta el desempeño de los estudiantes (Y)? Se puede argumentar que,
como los investigadores no pueden demostrar que los programas de elección de escuela
mejoren el desempeño de los estudiantes, los programas pierden una parte sustancial de su
atractivo. Claramente, la primera pregunta que establece relaciones causales es bastante fácil
de responder, porque se puede presentar un argumento creíble (si no hermético) de que los
niños recibirán una educación que los prepare mejor para las pruebas estandarizadas en las
escuelas privadas, que normalmente tienen clases más pequeñas y menos capas de
burocracia. La respuesta a la primera pregunta de OUT {es "sí". En este ejemplo, el segundo
obstáculo es bastante fácil de superar: ¿cómo podrían los resultados de las pruebas (Y) causar
el tipo de escuela (X)? La respuesta a nuestra segunda pregunta es "no".

Pasemos a la tercera pregunta: si existe covariación entre X e Y. A primera vista, esto parecería
una cuestión totalmente sencilla. Encuentre una ciudad o estado donde exista un programa de
elección de escuela; comparar los puntajes de las pruebas estandarizadas entre los estudiantes
de la escuela pública con los de la escuela privada; luego saca una conclusión. ¿Es útil esta
comparación? Supongamos que comparáramos puntuaciones en una prueba estandarizada de
matemáticas entre estudiantes de octavo grado en Metropolís, EE.UU., algunos de los cuales
fueron a escuelas privadas a través de un programa de elección de escuela y otros que
permanecieron en las escuelas públicas de Metropolis. Y supongamos que encontramos que,
de hecho, la puntuación promedio en las pruebas de matemáticas entre los estudiantes que
participan en el programa de elección es más alta que la de aquellos que permanecieron en la
escuela pública. En este caso hipotético, la respuesta a nuestra tercera pregunta es "sí".
Nuestra teoría parece bastante buena. Hasta ahora, todas las respuestas la han respaldado.
¿Significa esto que el programa de elección provocó que las puntuaciones de sus exámenes
fueran mejores? ¿Más alto? Es una conclusión tentadora a la que saltar, ¿no es así? Suena
como un caso clásico de comparar manzanas con aplicaciones, por así decirlo. Pero tratemos
de ceñirnos a nuestras cuatro preguntas. Ya hemos hecho, en nuestra En un ejemplo
hipotético, admitió que el tipo de escuela (X) está asociado con los puntajes de las pruebas (Y).

La cuarta cuestión es la única que queda, y es, en este caso, una pregunta difícil de responder.
¿Se le ocurre otra causa (Z) que esté relacionada con si un estudiante se inscribe o no en el
programa de elección (X) que también esté relacionada con la puntuación de la prueba
estandarizada? Yeso En este caso, el nivel de participación de los padres (Z) seguramente
podría afectar tanto a X como a Y y podría hacer que la asociación que vemos entre X e Y sea
espuria. Los padres que participan activamente en la educación de sus hijos (Z) tienen más
probabilidades de conocer un programa de elección de escuela en su distrito y es más
probable que sigan esa opción (X). De manera similar, los padres con altos niveles de
participación en la educación de sus hijos (Z) tienen más probabilidades de tener hijos con
buenos resultados en las pruebas estandarizadas (Y); estos padres les leen más a sus hijos, les
ayudan con la tarea y enfatizan la importancia de la educación en la vida de un niño.

En este caso, la variable Z que hemos identificado produce lo que se llama un efecto de
selección: una situación en la que una fuerza sistemática hace que sólo un subconjunto no
aleatorio de objetivos elegibles participe en un programa. En cualquier área sustantiva en la
que estemos tratando de evaluar la efectividad de una política gubernamental, es fundamental
comparar a los participantes en el programa con los no participantes de manera rigurosa. Si
encontramos diferencias sistemáticas entre participantes y no participantes -como
seguramente sucederíamos en un programa de elección de escuela- entonces resulta
sumamente crucial tratar de controlar esas fuerzas al evaluar la efectividad del programa. En el
ejemplo de elección de escuela considerado aquí, lo que parecía una simple comparación de
manzanas con manzanas en realidad resultó ser una comparación de manzanas con jirafas.
Como mínimo, la respuesta a nuestra primera pregunta es "tal vez".

Tengamos mucho cuidado aquí. ¿Significa esto que los programas de elección de escuela no
ayudan a mejorar el desempeño de los estudiantes en los exámenes? De nada. Lo que hacen
nuestras cuatro preguntas es recordarnos que, a veces, la conclusión tentadoramente fácil

necesita un escrutinio adicional antes de aceptarla. En el capítulo 4 hablaremos de algunos

diseños de investigación que pueden ayudar a mejorar situaciones precisamente como ésta.

Sistemas electorales y número de partidos políticos

La ciencia política tiene una larga tradición de examinar el impacto de los acuerdos
institucionales en los resultados políticos. Un ejemplo destacado de este tipo de investigación
se ha centrado en la influencia de los sistemas electorales en el número de partidos políticos
en las legislaturas. La figura 3.2 muestra un modelo teórico del número de partidos que
estarán representados en una legislatura. La primera teoría es que cuantas más divisiones
sociales haya que den forma a una cultura política, más partidos políticos habrá en la
legislatura. La segunda teoría en la que nos centramos en esta subsección es que, si
mantenemos constante la cultura política del área que representa la legislatura, más
desproporcionado será el sistema electoral a la hora de traducir votos en escaños (X) y menos
partidos políticos serán elegidos. representado en la legislatura (Y).

El término "desproporcional" en esta teoría se expresa en términos de la traducción de votos

en escaños para los partidos políticos. Un sistema perfectamente proporcional sería aquel en
el que el porcentaje de votos emitidos por cada partido fuera exactamente igual al porcentaje
de escaños otorgados a ese partido en la legislatura como resultado de la elección. En la
práctica, nunca se encuentran sistemas electorales perfectamente proporcionales; de hecho,
los sistemas electorales difieren sustancialmente en términos de qué tan cerca se acercan a
este ideal. Volviendo a nuestros cuatro obstáculos, el mecanismo causal detrás de la teoría de
los sistemas electorales y el número de partidos está impulsado por los incentivos
organizativos que enfrentan los políticos cuando deciden si forman nuevos partidos políticos o
trabajan dentro de partidos establecidos para participar en las elecciones. Los sistemas
electorales desproporcionados tienden a recompensar a los partidos más grandes y penalizar
en gran medida a los partidos más pequeños en términos de traducir votos en escaños. Por lo
tanto, cuanto más desproporcionado sea el sistema electoral, mayor será la tendencia de los
políticos que compiten por escaños legislativos a unirse, lo que resultará en menos partidos
políticos en la legislatura. Si cree esto, entonces la respuesta a nuestra primera pregunta es
"sí".

Para comprender mejor esta teoría de la influencia de las instituciones electorales,

consideremos la Cámara de Representantes de Estados Unidos. Un rápido repaso de la historia
de la afiliación partidista en la Cámara de Representantes de Estados Unidos indica que, con
pocas excepciones, dos partidos políticos han ocupado todos o la mayoría de los escaños.
Según esta teoría, esto es así porque la Cámara de Representantes de Estados Unidos se elige
mediante el uso de un conjunto de reglas que producen resultados desproporcionados en
términos de la traducción de votos a escaños. Ese sistema se conoce como sistema de "distrito
plural uninominal". Todo el país está dividido en distritos electorales y el día de las elecciones,
el candidato que reciba más votos (una pluralidad) es elegido para representar ese distrito.
Cuando los votos y escaños se cuentan a nivel nacional, los resultados tienden
desproporcionadamente a favorecer a los partidos con más votos. Por ejemplo, en las
elecciones a la Cámara de Representantes de Estados Unidos de 1992, los candidatos del
Partido Demócrata recibieron el 49,95% de los votos emitidos y el 59,31% de los escaños. En
esa misma elección, el Partido Republicano

los candidatos obtuvieron el 44,75% de los votos emitidos y el 40,46% de los escaños; todos los
demás partidos juntos recibieron el 5,3% de los votos emitidos y sólo un escaño (o el 0,2% de
los escaños disponibles).

Uno de los sistemas electorales más proporcionales de la historia fue el de la República de

Weimar en Alemania entre la Primera Guerra Mundial y la Segunda Guerra Mundial.

Bajo el sistema electoral de la República de Weimar, Alemania se dividió en 13 regiones

electorales y se otorgaron escaños en la legislatura nacional a cualquier partido que lograra
obtener 60.000 o más votos en cualquiera de las regiones electorales. Dado que el número de
votantes que acudieron a las elecciones de la República de Weimar nunca fue inferior a 28
millones, los políticos tenían muy pocos incentivos legales para unirse para participar en las
elecciones. De acuerdo con la teoría, el Reichstag tuvo muchos partidos políticos diferentes
durante la época de la República de Weimar. Algunos estudiosos han sugerido que, debido a
que los políticos estaban divididos en tantos partidos políticos diferentes en la legislatura, no
pudieron unirse para contrarrestar la creciente fuerza y popularidad del Partido Nazi. El
Partido Nazi, a diferencia de muchos otros partidos en Alemania en ese momento, estaba
dispuesto y era capaz de mantener unidos a sus políticos por medios coercitivos. La figura 3.3
muestra el número de partidos en el Reichstag y el porcentaje de votos para el Partido Nazi
durante el período de la República de Weimar.

Después de la Segunda Guerra Mundial, la constitución de Alemania Occidental se diseñó

teniendo muy en cuenta la experiencia de la República de Weimar.

Aunque el sistema electoral siguió siendo una forma de representación proporcional, un

cambio importante fue que los partidos que obtuvieron menos del 5% de los votos a nivel
nacional no obtuvieron escaños en la legislatura nacional. Si miramos la Figura 3.4, podemos
ver un patrón interesante. En las primeras elecciones después de la Segunda Guerra Mundial,
los partidos políticos ganaron escaños en el Bundestag. Después de esto, sin embargo, cada
vez hubo menos partidos políticos representados, con sólo cuatro partidos en el Bundestag
durante las décadas de 1960 y 1970. En la década de 1980, la cultura política de lo que
entonces era Alemania Occidental comenzó a cambiar. El Partido Verde superó el umbral del
5% y estuvo representado en el Bundesrat. En 1990 se reunificaron Alemania Oriental y
Occidental. Desde entonces, en cada una de las elecciones han estado representados seis
partidos en el Bundesrat. El partido adicional es el Partido del Socialismo Democrático, que es
un partido de izquierda creado a partir de los restos del Partido Comunista de East Germall.

Consideremos la evidencia de Alemania en términos de nuestras cuatro preguntas.

En las subsecciones anteriores, tenemos un mecanismo razonablemente creíble.

(incentivos que enfrentan los políticos que buscan cargos públicos) de cómo X (tipo de sistema
electoral) causa Y (el número de partidos políticos), y así respondemos a nuestra primera
pregunta. No tenemos ninguna evidencia de este caso de que el número de partidos políticos
haya causado el sistema electoral, por lo que podemos estar seguros de que la respuesta a
nuestra segunda pregunta es "no". ¿Las figuras 3.3 y 3.4 ciertamente parecen indicar que hubo
covariación entre el sistema electoral y el número de partidos? Cuando entró en vigor el
sistema electoral más desproporcionado de la Alemania posterior a la Segunda Guerra
Mundial, el número de partidos políticos se redujo sustancialmente. Sobre la base de esta
evidencia podemos concluir preliminarmente que la respuesta a nuestra tercera pregunta es
"sí". Aún no hemos realizado una búsqueda exhaustiva de variables de confusión (Z) que
puedan estar relacionadas tanto con cada sistema electoral (X) como con el número de
partidos políticos (Y). Pero es difícil imaginar tal variable. Entonces, sobre la base de nuestra
consideración de nuestras teorías hasta ahora, la respuesta a nuestra cuarta pregunta es "no".
En conjunto, esta teoría ha funcionado muy bien ya que la hemos sometido a los cuatro
obstáculos causales. Pero, como aprenderemos más adelante, debemos basar nuestra
respuesta a la pregunta 3 en más evidencia que la que hemos examinado hasta ahora.

¿POR QUÉ ES TAN IMPORTANTE ESTUDIAR LA CAUSALIDAD? TRES EJEMPLOS DE LA VIDA

COTIDIANA

Las afirmaciones causales no se limitan a la investigación en ciencias sociales como las

discutidas anteriormente. Hay momentos en que las afirmaciones causales en la política, las
noticias o simplemente en la vida cotidiana son francamente divertidas. Puede resultar útil
aprender el hábito intelectual de examinar un argumento para encontrar el argumento causal
implícito.

Consumo de alcohol e ingresos

Cuando estás en la caja del supermercado, ¿alguna vez eliges

¿Revisar los tabloides y escanearlos en busca de las últimas noticias sobre abducciones
extraterrestres y rupturas de celebridades? Si es así, tal vez recuerdes esta joya en la revista
sensacionalista Weekly World News del 14 de mayo de 2002, bajo el estridente titular
"¿Quieres que te carguen? Entonces, cárgate":

¿Quieres ser rico y exitoso, como Donald Trump, Bill Gates?

¿O Oprah Winfrey? Luego, sube a la barra y bebe hasta llegar a

riqueza... cuando se trata de ganar dinero, los bebedores dejan a los abstemios en el polvo, y
todos, excepto los bebedores más empedernidos, ganan más.

Quizás sea fácil creer que tal afirmación aparecería en un tabloide.

revista. Al menos, en este caso, la afirmación causal está ahí, en el título del artículo. Piénselo
por un momento: dado que los consumidores de tabloides no tienen una gran cantidad de
datos a su disposición sobre el consumo de alcohol y los ingresos de los adultos, ¿qué tipo de
evaluación podemos hacer sobre tal afirmación causal? Piense en nuestros obstáculos
causales. Quizás podamos superar el tercer obstáculo si descubrimos que es cierto que el
consumo de alcohol (X) está asociado con mayores ingresos (Y). ¿Qué pasa con nuestro
segundo obstáculo? ¿Es posible que los ingresos provoquen el consumo de alcohol? Lo es, al
menos en el sentido de que las personas con ingresos más altos tienen más dólares
discrecionales para gastar en cualquier cosa -incluido el alcohol- que les guste y que, por el
contrario, las personas con niveles de ingresos más bajos tienen un límite natural sobre cómo
cuánto pueden gastar en alcohol. Así que tal vez la flecha causal se dirija en sentido contrario
después de todo, aunque no de la forma perniciosa que sugiere el tabloide. El cuarto obstáculo
causal -tratar de pensar en posibles variables de confusión que podrían estar relacionadas
tanto con X como con Y- también es simple en este caso: las personas que trabajan en
empresas estadounidenses y tienen cenas de negocios con clientes tienen más probabilidades
de consumir alcohol, y También tienden a ganar salarios más altos que aquellos que no están
en el mundo empresarial.
Pero, lo más notorio, el primer obstáculo causal nos hace tropezar. Por mucho que a los ávidos
productores y consumidores de bebidas alcohólicas les guste convencer a la gente de que
mayores niveles de consumo de alcohol se traducirán en mayores ingresos, ¿se puede pensar
en un mecanismo causal creíble que conecte el consumo de alcohol con los ingresos?

Elección de tratamiento y supervivencia del cáncer de mama

En 2006, la Fundación Nacional contra el Cáncer de Mama pronosticó que sus médicos
informarían a 211.000 mujeres y 1.600 hombres en los Estados Unidos que tenían cáncer de
mama. Una de las situaciones más dolorosas a las que se enfrentan algunos pacientes se
produce cuando tienen que elegir una opción de tratamiento a seguir.

Dos estrategias de tratamiento logran equilibrios diferentes entre la conveniencia de tratar

agresivamente el cáncer y mantener los procedimientos lo menos invasivos posible. La primera
estrategia, llamada mastectomía radical, representa un esfuerzo por intentar purgar todo el
cuerpo del cáncer extirpando toda la mama. En efecto, esta estrategia reconoce que la mama
puede producir cáncer, por lo que la opción es extirparla. Debido a esto, es sumamente
invasivo para el cuerpo del paciente y, comprensiblemente, pocos pacientes lo encuentran
atractivo. La segunda estrategia, llamada lumpectomía, es una cirugía más localizada en la que
se extirpa el tumor canceroso del seno de la paciente, pero se deja intacta la mayor parte
posible del seno. Ciertamente, este tratamiento es menos invasivo, menos agresivo y menos
desagradable. para la mayoría de los pacientes con cáncer de mama. También conlleva el
riesgo de que algunas células cancerosas pasen desapercibidas durante la cirugía y, como
resultado, queden en el cuerpo.

¿Qué opción de tratamiento debe elegir un paciente? Obviamente, los pacientes podrían
considerar una infinidad de factores al enfrentarse a esa elección, pero entre ellos podrían
estar las tasas de supervivencia esperadas para cada opción de tratamiento.

Podrían esperar que las pacientes que eligen mastectomías radicales, en promedio, vivan más
tiempo que las pacientes que eligen lumpectomías, por el simple hecho de que el
procedimiento de lumpectomía conlleva el riesgo de que algunas células cancerosas no se
detecten y queden rezagadas en el tejido mamario, un riesgo que la mastectomía radical, por
su propia naturaleza, evita.

Sorprendentemente, no tiende a haber asociación entre la elección del tratamiento del cáncer
de mama (X) y la longevidad posterior al tratamiento (Y). Es decir, los pacientes que se
someten a ambos procedimientos tienen aproximadamente las mismas tasas de supervivencia
a 1 y 5 años. (Es decir, no se ha superado el tercer obstáculo causal.) ¿Significa esto que las
mastectomías radicales son innecesariamente invasivas y no deben considerarse una buena
opción de tratamiento?

Nuevamente, considere el resto de nuestros obstáculos causales. De la discusión anterior

sobre los tratamientos, queda bastante claro que podemos superar el primer obstáculo: existe
un mecanismo causal creíble entre X e Y. El segundo obstáculo, que la longevidad (Y) pueda
causar el tratamiento (X), obviamente no es posible. . Pero el cuarto obstáculo causal es crucial
para evaluar esta relación. ¿Podemos imaginar algún factor (Z) que pueda estar relacionado
tanto con la elección de tratamiento (X) como con la longevidad (Y)? Ciertamente somos cad.
No todos los cánceres se detectan en la misma etapa de avance. Algunos se detectan
tempranamente, mientras que otros sólo se detectan cuando el cáncer se ha extendido
considerablemente. Por tanto, la gravedad del cáncer en el momento de la detección (2)
podría afectar tanto a la elección del tratamiento como a la longevidad. Los pacientes cuyos
cánceres se diagnostican en etapas tempranas (Z), cuando los tumores son pequeños, pueden
tener más probabilidades de elegir lumpectomías (X) y tienen más probabilidades de sobrevivir
(Y). Por el contrario, los pacientes cuyo cáncer se detecta en estadios avanzados (Z) casi no
tienen otra opción que recibir el tratamiento más radical (X), y sus perspectivas de
supervivencia a largo plazo (Y) son menos brillantes. Al igual que el ejemplo de elección de
escuela discutido anteriormente, este es un caso en el que una tercera variable (la gravedad de
la enfermedad cuando se detecta) opera como un mecanismo de selección que hace que la
comparación entre individuos con diferentes valores de la variable independiente
(tratamiento) extremadamente difícil de comparar. Aunque podría resultar tentador
simplemente examinar la relación bivariada entre tratamiento y tasas de supervivencia y
concluir que los tratamientos no producen resultados diferentes, esa conclusión podría ser
exactamente errónea. ¿Por qué? Porque las pacientes que se someten a mastectomías
radicales son sistemáticamente diferentes de las que se someten a lumpectomías. En tal caso,
comparaciones simples pueden producir interferencias incorrectas sobre los efectos causales.
Tenga en cuenta que esta es una de esas situaciones un tanto inusuales en las que creemos
que X puede efectivamente causar Y a pesar de que no hemos superado completamente el
tercer obstáculo causal, es decir, que no existe una asociación bivariada entre X e Y. Esto
respalda nuestra opinión de que una vez que una teoría ha superado con éxito el primer
obstáculo (lo que significa que existe un mecanismo causal creíble) debe superar los tres
obstáculos causales restantes.

Letras explícitas y comportamiento sexual adolescente

¿Cuál es el papel de la cultura popular en la determinación del comportamiento de los

adolescentes? ¿Es cierto que el contenido sexual explícito que satura gran parte de la cultura
actual hace que los adolescentes (especialmente) sean sexualmente activos a una edad más
temprana?

¿O es que la cultura popular es simplemente un espejo que nos refleja quiénes somos
realmente? Un estudio publicado por Associated Press en 2006, titulado "5exuallyrics impulsa
a los adolescentes a tener relaciones sexuales", adopta una posición bastante clara sobre esta
cuestión:

Los adolescentes cuyos iPods están llenos de música con letras obscenas y sexuales comienzan
a tener relaciones sexuales antes que aquellos que prefieren otras canciones, encontró un
estudio... Los adolescentes que dijeron que escuchaban mucha música con mensajes sexuales
degradantes tenían casi el doble de probabilidades de comenzar a tener relaciones sexuales.
relaciones sexuales u otras actividades sexuales dentro de los dos años siguientes, al igual que
los adolescentes que escucharon poca o ninguna música sexualmente degradante. Entre los
grandes oyentes, el 51 por ciento comenzó a tener relaciones sexuales en dos años, frente al 29
por ciento de los que dijeron que escuchaban poca o ninguna música sexualmente degradante

50 Se ha superado el tercer obstáculo causal: si X (escuchar música) e Y (comportamiento

sexual) están relacionados. Y, por el momento, descartemos el escenario causal inverso
(pregunta 2) de que el comportamiento sexual de un adolescente le lleva a escuchar
determinados tipos de música.

Pero centrémonos en la cuarta pregunta sobre la causa. Sin duda, las letras explícitas no
pueden ser el único factor que hace que los adolescentes sean sexualmente activos. (Y vale la
pena señalar que ninguna persona en el artículo afirma que sea la única causa). ¿Existen otros
factores que podrían estar relacionados tanto con los hábitos de escuchar música como con los
comportamientos sexuales? Según el artículo, la investigación "trató de tener en cuenta otros
factores que podrían afectar el comportamiento sexual de los Feens, incluida la permisividad
de los padres, y aún así encontró que las letras explícitas tenían una fuerte influencia".
Seguramente, la permisividad de los padres (Z) podría estar relacionada tanto con la escucha
de música (X) como con el comportamiento sexual (Y), y el hallazgo de que la conexión X-Y
sobrevivió a dicho control es útil. Pero, ¿hay otras posibles causas además de la permisividad
de los padres? Ciertamente, y los críticos mencionados en el artículo son

rápido en señalarlos. ¿Podría la presión de grupo (Z) estar relacionada tanto con X como con Y?
Absolutamente. ¿Qué pasa con la autoestima? De nuevo, sí. No tener en cuenta esas posibles
causas (y cualquier otra que se pueda imaginar que pueda estar relacionada tanto con X como
con Y) puede llevarnos a hacer una inferencia errónea sobre si la exposición a las letras causa
el comportamiento sexual.

Con respecto a la primera pregunta -la existencia de un mecanismo causal creíble- el artículo
cita a un psicólogo que ve una conexión lógica:

El centro de control de impulsos del cerebro sufre una "gran construcción" durante la
adolescencia, al mismo tiempo que comienza a desarrollarse el interés por el sexo.

Blossom... Agregue letras sexualmente excitantes y "no es tan sorprendente que un niño con
una dieta más pesada de eso... corra mayor riesgo de tener un comportamiento sexual".

Por supuesto, otros psicólogos podrían no estar de acuerdo. Pero el hecho de no controlar
todas las demás variables de confusión que podrían estar relacionadas con las variables
independientes y dependientes es munición más que suficiente para permitir que un ejecutivo
experto de una compañía discográfica plantee dudas sobre tal estudio.

TERMINANDO

Aprender las habilidades de pensamiento necesarias para evaluar las afirmaciones causales de
la manera más concluyente posible requiere práctica. Son hábitos intelectuales que, como un
buen cuchillo, se afilarán con el uso. Traducir estas habilidades de pensamiento en el diseño
activo de nuevas investigaciones que ayuden a abordar cuestiones causales es el tema del
Capítulo 4. Todos los "diseños de investigación" que aprenderá en ese capítulo están

fuertemente vinculados a cuestiones de evaluación de afirmaciones causales. Tener en cuenta

las lecciones de este capítulo a medida que avanzamos es esencial para convertirlo en un
mejor consumidor de información, así como para impulsarlo a convertirse en un productor de
investigación.