Cuadernos Metodolégicos MINES RS eC ES 56 Analisis Cualitativo Comparado (QCA) Ivan Medina Pablo José Castillo Ortiz Priscilla Alamos-Concha Benoit Rihoux Este Cuadero Metodlogico buss itoduc os lectores en uno de os crys de aencas de desarrollo elas teas ada en | ‘Genes socal: el ards configycina con Ne ‘uate Compara Atal (QCA) El abe dal ciademo es presetar is eerentos teseciles de este con de tzicasy, sobre todo, ofrecer una expieacio dicta pero. igus qu perma a usuarios no ricados reazar con exto ans QCA soletes, Para elo, Is cba expe tatoos presopuestos bsicos de las temas como uso dl software mas used, ‘aso a paso y con eempls concrete, para cads ae fa de es tres vanantes a eee ep et ‘Certo de mestgaciones Socilcas mutha yfzaysetoe SS — BIBLIOTECA-FLACSO-EC. ett ent BRUGTEGLANES recs ee rover Ame Franco AM Mae nihil Compl de Madr kage on Aon, Desa Compo de Ma Jess AL De Mp Rode, na de arom. Sets Fees Prado, nr de ler. Jan asl Mares Pe Une Neal de cei «Dac Sree MPa Cristea Rodger Ve Deco de Deparment de Pabicacone 9 Rome dee rst C18 ‘Andis Cave Compara (OCA)! ein Melina, Pl Jost oslo Ore, risa ‘ioe Concha eon Ribas = Mads Centred inentgacenes Sclpar, 2017 (Caaderos meal 56) "testa casa, 2. Método culatos.3.Léce {as nr itor yo nsrucionee par or autores poe msl Intpitwwciepblcaonesc ‘dos os derechos recrdos Prob In rpredocin tral o paca de eta ben por sunlguier precedents Ga sn rc, eens, dpc, mic, mein, Trop $2) slslnoamcn wi cnn ores mei CCOLECCION contato Expresalo en Jenguaje comin, tendramos que la presencia de aformactén», ccombinada con la presencia de sexperiendas y con la presencia de sidio- mass, o bien la presencia de «formacion» combinada con la ausencia de ‘experiencia y con Ia presencia de sidiomass, conducen al resultado «con- twatos- Es deci el resultado se produce en el marco de dos configuraciones de condiciones distintss. 22. Condiciones serisps, «multi-values y fuzzy La presencia © ausencia de condiciones explicativas son conceptos clave en cualquier expicacion OCA, Presencia 0 ausencia pueden ser entendidas, en términos de teorta de conjuntos, como incision © exclusion de un easo en tun determinado conjunto (Ragin, 2008a: 88) Ast, siguiendo el ejemplo de Ta {abla anterior sil condicion EXPERIENCIA ests presente para el caso «Al fonsor, del caso «Alfonso» puede decirse que pertencce al conjunto de casos en qu la condicidn EXPERIENCIA ests presente, En este ejemplo, In rela cidn entre la condicion y el caso es dicotomica ~ presencia ausencio—, ¥ Ins condiciones que operan bajo esta ldgica dicotémica son denominadas condiciones serispr (0 nti). Sin embarg>, encontramos casos en los que las condiciones pueden ser multicotémicas, o incluso casos en que la pert rencia puede ser una cuestion de grado (ordieiones difusas. ‘Tas condiciones multicotémicas son lanadas condiciones multi-value,» se caracterizan porgue a diferencia de las condiciones crisp pueden tomar sms de dos valores. Aungue es tedricamente posible, en estas condiciones ‘ulticotémicas no hay por qué presuponer siempre una ordenacicn 0 jerar ‘quia entre los valores, que pueden simplemente representarestados 0 crac: teristicas cualitativamente dstntss (Vink y van Vilet, 2009: 269), En el ape tulo dedicado al mvOCA se explica con mis detalle que las multicotomias representan diferentes categorias dentro de una misina condicién, que 0 presencia y ausencia, como cuando se quiet dfinr la posiion de un juga- ‘lor de ftbol (porter, defense, centrocamp sta, delantero) 0 cuando se hace gists CUALITATIVO COMPARADO (OCA) 2 referencia al estado civil de una persona (soltero,casado, separado, divoreia- {, siudo). {Las condiciones expicativas que admiten una gradacién en la pertenen- cia del caso en el conjunto se denominan condiciones «fuzzy» o difusa, Estas condiciones indican la pertenencia difusa a un conjunto, o dicho de fra manera, el grado en el que puede decirse de un caso que pertencce a lun canjunto (Ragin 2009: 89 ss) A diferencia de las condiciones esp, en Tas que los casos solo pueden tener los valores [0] 0 [1], en las condiciones slfusas los casos oscilan entre 0] y [1], siendo (0.5) el valor intermedi que Indica equidistancia perfecta entre la pertenencia y la exclusion en el con junto, Notese que Tos conjuntos difusos no son =variables continuas» al ‘iso. En lugar de ello, combinan la logica cuantitativa con el conocimiento ‘naltativo de los casos a través dol proceso de calibracion: la especifica: ‘lon del punto conereto a partir del cxal puiede decirse de un caso que Pertenece 0 no a un determinado conjunto (Ragin, 2007; 2009: 90). En el iguienteepigrafe en especial en el capitulo dedicado a {SOCA, se espe fican los diversos métodos y modelos de calbracién, asi como varios ejem- plos de conjuntos difusos. 22.1. Atrbuctén de valores y eallbeacién La atribucion de valores es siempre una operacién delicada en ciencias s0- élales, Mucho mas en OCA, pues al operar con una lpia deterministay (ha bitualmente) un niimero mediano de casos, las tenicas configuracionales son muy sensbles a minimas variacones en los casos 0 en los valores asig- hados ells de la matriz de datos (véase De Meur ea, 2008: 155) En prin ipo, exsten fendmenos Sociales para los que laatribucion de valores es a priori sencilla. Por ejemplo, eategorias dicotomicas (dentrotfuera) se prestan ‘una eonstruccion poco controvertda de condiciones de naturaleza crisp. En otros casos sin embargo, debemoselegir puntos de corte en fendmenos {que tienen una naturalera mas xeontina» (ol menos ordinal) al constrair Condiciones dicotémicas o multicotémicas: por ejemplo, si queremos dicoto- ‘mizar una condicin referids a la edad, En estos casos, los investigadores eben ser transparentes al justificar explveitamente, preferiblemente con base en argumentos teéricos o empirices, los puntos de dicotomizacion (© ‘multicouomizacion} elegidos (Ruhous y De Meu, 2009: 42). ‘A diferencia de las condiciones crisp 0 muult-value, la atribucion de valo- res para condiciones difusas se basa en la idea de calibracign. La calibracién Impl la dentificacién de puntos coneretos dentro de los valores continuos (Grordinales ode intervals) de una variable en los que se prodicen cambios cualitativos para un fendmeno (Ragin, 20092: 90). La ideniicacion de estos Puntos de referencia, conoeidos como anclajes, permite transformar una va "able no calibrada en una condicioa difusa que asigne grados de pertenen-6 CCUADERXOS METODOLOGICOS tun conjunto, Por ejemplo, refleionemos ahora con ms detenimiento fedad ys importancia en cienclas sociales. Un abordaje puramente ‘cuantitativo ala edad atibuiria para esta vvariable» valores entre Dy 120 {Gos}, aproximadamente,esperando que ls variaciones en la edad produz ‘an diferentes comportamientosy preleresclas. Sin embargo, sabetos que ho todos los valores cusntitativos de Ia elad Wenen el mismo significado Ccalitativo: por ejemplo, sabemos que a los 18 aftos, en Esparia, se establece la mayoria de edad y, con ello, ejerecio del derecho al voto. De igual for: ima, se puede establecer que a los 67 afios se accede Ia jubllaién labora Poco tant, se puede reeurrira criteros cualitatvos para identifiar que los [8 alos es la edad de referencia para indicar que una persona es «mayor de edad que los 67 aos marcan la edad de sjubilacione. Planteando una ‘candicion que considere Ia pertenencia de diversos indviduos al conjunto ‘Personas ancianas/mayores, podria fijr un anelaje alos 67 anos —que indicara total pertenencia~ y otro alos 18 afios que fie Ia total exclusion a dicho conjunto, Se deberia encontrar una edad intermedia entre estas dos ‘edades pats jr el punto de maxima indefnick, que no siempre lene que ‘sera media o la mediana estadistiea que, >ese a ser un recurso fil, puede {arecer de sentido terico, cosa fundamental para las investigaciones QCA. Por lo santo, las condiciones difsas nes permiten tener en cuenta estos ‘umbrals eualitativos a través de la calibrcion. La calibracion, a juicio de Ragin (2007: 10), permite unir lo mejor de la investigacion cuaniitativa ¥ ‘ualitativa, Mdealmente, Ia seleccion de puntos de calibracion deberta tam bien estar basada en el conocimientosustantivo dl investizadory justifcar- se explicitamente (Ragin, 2007: 11). Las imestigaciones QCA deben dedicar Al menos uns frases, nomalmente en seciones metodologicas, a la diseu- ‘én y justiicacion transparente de estas cecsiones de clibracion (Schne- der y Wagemann, 2010: 7). Ragin (2007: 12 ss.) propone dos métodos para calibrar condiciones difusas: el metodo directo de ealibracion y el metodo Indirecto de calibracign, Estos dos métedes son aeeptados por igual en in- ‘estigaciones QCA, pese a que el primero es mas habitual. El méted directo de calibracion, cuya aplicacio practica se explica en el capitulo dedicado a FSOCA, consiste en la seleccion de tres umbrales cualitativos —o anclajes tesricos- para calibrar un fendmeno: el punto de total inclusion en el co junto, el punto de maxima indefinicion den conjunto a oo, y el punto de total exclusion del conjunto. Con el método directo, el investizador decide ‘que puntos dentro dena serie de valores auméricos marcan cambios cual {ativos,indicando los puntos en los que loscasos estarfanstotalmente nell floss etn determinado fendmeno estudiede (como, por ejemplo, scr una Persona mayors), «ms inluidos que excluidos» de dicho fenomeno, 0 «to falmente excluidos- del mismo, El método indirecto estima grados de pert: ‘nencia& partir de agrupaciones semiautomaticas de los casos. Debe tenerse fen cuenta, por sltimo, que Thiem y Dusa (201%: 54) proponen una tercera ‘manera de ealibracion el métoda de calfbracion cualitativa —tambien Ts ‘AvALts CUALEEATIVD CoMPARADO (QCA) ” mado «método directo de atribuciéns—, en el que el investigador atribuye ‘lores basindose solo en su conacimiento teérica 0 empirico de los casos. Este método puede ser dll cuando no existe informacion preva que facili la calibracidn,siendo el investigador quien decide qué valor se le-asigna a cada caso, 2.3. La Tabla de Verdad y las configuraciones contradictorias ‘Aunque las matrices de datos son un primer paso esenctal para iniclar un fnslisis OCA, por ejemplo la presentada en la Imagen 1, en QCA Tas minim Zaciones (que continuacion explicaremos) se levan a cabo con la ayuda de tina Tabla de Verdad, que a su vez pormiten llevar a cabo una evaluscion y ‘watamiento de posibles configuraciones contraictoras ?Para proceder con la minimizacin, QCA no tabaja solo con la informa- ign proporcionada en las matrices de datos en las que solo aparecen ls ‘configuraciones de los casos existentes. La Tabla de Verdad (vease la imagen 2) muestra todas las postbles combinaciones de condiciones —y no solo ‘aquelss para las que exsten casos reales cy niimero es igual 2 donde [Kes el numero de condiciones (vease Rihousx y De Meur, 2009: 44-48). En el ‘jemplo se observan 3 condiciones, as que se obtienen 2-8 configuraciones Tegieas (o fils en Ta Tabla de Verda). El mimero de fils es sensible al m=> ‘cunpuanos mETODOLCICOS 56 mero de condiciones Fs una buena prctica en QCA informar e incluso ana liza la Tabla de Verdad en cualquier andlsis (véase Wagemann y Schneider, 2007: 17). Enlo que sigue en este capita utilizaremos, salvo que indique: ‘mos otra cosa, ejemplos de csOCA para las explicaciones, por sr esta Ia mo- dalidadl mis sencilla de QCA y, por tanto, la mss fell de comprende para el ‘usuario no iniclado. Supongamos abora una matriz de datos con tes condi- Clones explicativas y cinco caso ‘Como puede observarse, la Tabla de Verdad indica el nmero de casos cxistentes para cada configuracion de cendiciones (number). La Tabla de \erdad muestra incluso las configuraciones de condiciones para las que no existen casos empiricos; estas configuraciones son llamadas remanentes (Rihoux y De Meur, 2008: 58). En la columna sy» se deberfa indica s una clerta configuracion debe ser inelulda para ln minimizacién —que explea. remos mas adelante, pero en esta etapa est todavia vacla puesto que no hhemos decidido atin esta cuestion, ’Para comprender cuantos casos con el resultado de interés estan cubier tos por cada configuracion de condiciones, utlizaremos prelerentemente cl Indice de consistencia bruta (aw consistecy, en la literatura en ings). Este Indie indica que porcentaje de casos denira de una cert configuracion de ‘condiciones muestra el resultado de interés de entre el némero total de casos fen dicha configuracion. La consistencia brutes importante ya que antes de realizar la minimizacién booleana debemos indicar cules de las configura ‘ones sen Incluidas en la operacion,y en particular debemos ssleccona telniimero de casos que las configuraciones deben tener para ser incuidos aa sen adc i nematode is tas oa et _ashtists CUALITATIVO cOMPARADO OCA) » =e opcién por defecto es [1]- y los niveles de consistencia minimes de las tendria una cobertura de necesidad de en el 67% de los casos en los que dich condi lo esté el resultado de interés «ye. En el caso dea CCUADERAS METODOLOGIODS 56 25.1, La diversidad limitada, las condiciones suficientes Yel tratamiento de los contrafscticos ‘Ya hemos hecho mencién en alguna ocasién Ia idea de contrafticos y re- Imanentes. Los remanentes se definen en QCA como configuraciones de con- Ulictones que no tienen casos empiricas reales (Ragin y Sonnett, 2004: 5). [Estas configuraciones son formalmente posibles —aunque no sempre ter camente verostmiles— aungue no hayan ocurrido en la realidad: son por {anto contratécticos, Estos son el rele dela llamada «iversidad limitada» fen ef metodo de QCA (Rihowx 9 Ragin, 2009; Schacider y Wagemann, $3012), por lo que no nen ninguna relacion con Tos lsmados valores perdi= {oso los radon de libertad en los métodos estadisticos. ‘Como ilustracion, consideremos los datos dela tabla 7. Supongamos que ‘estamos interesados en el resultado Y los casos que deben ser analizados en tl proceso de minimiracidn son A, B, C,D y M. Si se quiere expicar ~Y,en- {onces las configuraciones que interesan son E, F, G, Fy I,J, K. Ly N(@ pe Sir de las coniradiceiones) El primer interrogante que surge agut es: po" {qué hay temanents lgioos en las dos tims las? Para comprender la apariidn de remanentes es necesario explicar ahora con ms detalle el concepto de dversidad Tmitada, QCA usa este término para ‘eerie a aguel fendmeno donde configuraciones formalmente posibles no {xisten en la realidad empirien (Ragin, 1987: 104-113, 2000; Schneider y ‘Wagemann, 2007; 101), puesta que no existe casos reales donde dichas conf puraciones se produjetan, En la Tabla de Verdad, estas 2nfiguraciones se r- presentan a través de los remanentes lgicos (Schneider y Wagemann, 2012: 5). Segun Schneider y Wagemann (2012: 154-156), el fendmeno dela diver : z | i Sse ns ae erst Bai ei Tamia se ual cr ue on confine quem oentan con evienciaemplcn ANAListsCUALITATIV COMPARADO 0) as sn nd pend gs ecient seaman oe ate ere nat ‘crea una paradoja (remanente poste), ne la presencia de una songs ce niet SERECTLG eiaSine re Bhrice ean Season ero Sacra ae weet ts Teno condi See eee eee eee Sieg etiam re eTTE ye ocd pote Si ye Ge noche prereset cpt a ‘+ Una primera estratepia para el tratamiento de remanentes es obtener la solucion compleja® mediante la minimizacion de solo aquellas configuraciones que contengan informacion empirica, excluyendo asi cl uso de contrafictios al levara cabo la minimizacion booleana (Schneider y Wagemann, 2007: 107). La solucién complejs sera ut suubcomjunto de otras posiblessoluciones que, al ser oblenidas, respe= ‘aran la informacion empirica de los casos observados contenidos en ls tabla (Rioux y De Meur, 2009; Schneider y Wagemann, 2012), ‘+ Una segunda estrateyia es seleecioar la solucin mas parsimoniosa (Schneider y Wageman, 2007: 106), puesto que en el proceso de mie himizacion el software incluits los remanentes que permit la ob {encidn de esta formula. En la solucion parsimoniosa se wtiizarén todos los contraficticos para producir la minimizacion. Es deci se utlizaran todas ls posibles combinaciones de condiciones, hayan ‘caurido en la realidad 0 no. Y ademas, las combinaciones de casos ‘que no hayan ocurido se ullzarin con Independencia de si son tes ‘camente verosimiles 0 n0. Por eso, como advirtieron Ragin y Son- nett (2004: 14), mientras que el uso de esta solucin favorece la pa ‘imonia, puede conducie a resultados tan parsimmoniosos que acaben siendo poco realists debido ala incorporacion de contractico it. Tea en cunt ue Mars» Dun (2011 adler aa lwo decades exesins se conones en os mln Unto coQCA co fern pr sans mrs ‘tan ut alpnoy modeler paden eta Peed contactors tase por eso ec cones capleatvan, Dich ds natn de sre deca il sas eis "apa cnsitene en que bs mado een star bes destained ea "binant a el mee de condones occ nF es le "0 deconioney debe,» jc, manors en un ise ton rai a es eee sel ara tad por eomar ol fcr una clan dtalaseco aes de ‘tnicones earns op lame deanna el soa "Soul comeradrs prs Scheer Wageann 213)% CCUADERNGS METODOLOGICOS 56 protables, demas, a solucin parsmonisa implica oto resp: 1s Pencils contradctines en chuso de Tos remanenies, puesto que Ie puede inclu mismo remanent tanto para a expat dela frevencia del estado como pars st ausenc(Rihoux De Meus, Toop: 6 Si eto ocurviera, sempre se debe ener en cuenta que ft la slucon parsimonios amis a a conuadet la Informacion rmpivicaconterida en la Tabla de Verdad. 3 cualquier caso, este fore litacines scm ar hs wl armen de Forma muy prudent + Una trem stag es obtener Ia slucén inemedia (Ragin 208: U7, Schneider y Wagemann, 2012) mediante e wo de contfitios tates ey courterectas)y dela ndicacion de expecta dc tlonales Las prmeras son asunionessimplfcadoras que etn eh linea tnt con Ta eideneta empicn como cel conotmiento tir oeintente sobre os efectos de is condiiones individuals que com ponen el emanente lopcor (Schneider y Wagarann, 2012 168). Los TRyuncos son rargumentos usifeados y dervads tesrcamente de the una condicion ndvidal debra contribu aa ccumenea de ut Fovdado cuando est eta present en ver de ausente(o veers» (Schneider y Wagemann, 2012 305)-A efectos prim, los remanet- fesse inciyen en a minimizacon soos hay rtaneseics 0 emp teas para creer que, aungue no ocurieron can emplics con esas Configuaciones conialaccs, hubieranocurido hubleran cond tial resultado de tnteres (ase Ragin 2008, a sluconintcrme- permite por tanto abordarel problema dea dversdadliniada en {VanasisconBiguracional,complementande las configurations ob- Sends con configraconcs no obnervadas, per slo xl medida fre ean verte. Una yor scan ns en la mnimiza Som favoecendo la parsimons de as soluions aunque de manera onoaa y gud por el conocimieno edo yempicoexstente Sobre el ebjo de eludo, Aunque son diferentes eta tes clases de Solicionessubrayan dierctesdmerstonesdelon casos explorados, tienen cada uns de ellas cturas dst, Sn enbuargo, en Tos limos tiempos se onsidera el wo dela soluclonfntrmei, en gener ‘oo una buena praca (Ragin, 200811) Para resumir como QCA enfrenta Ia diversidad limitada, se presenta cont ‘nuacion, en la tabla 8, el siguiente esquema de la lglea del proceso del And isi Estandar (AE) (Ragin y Sonnet, 2008; Ragin, 2008; Schnelder y Wage- ‘mann, 2012) para tratar remanentes y obtener las distintas soluciones. abe decir que el Investigndor puede recirre al Andlsis Estandar Mejora- ddo (AEM, por ss silas en espaol), que surge como respuesta dos fallos presentes en el AE, a saber In obtencid de solucones basadas en astociones Insosenbles yl selecldn inca de remanentes que contribuyen ala parsimo- ANALISIS CUALIATIVO CoMPARADO (OCA) » ‘Selcin conse Soucinporinonioss Sakon armas Toazen nausea OEM ee Secon do os Lasrererenioe gece an args ps erent Terrace Seely dase swore st ensapas fener rigmcerencon FTE. BGS sera ttn Popdso Gictres orerea asi a mainon % Srisn era pec de Sebcoreeea HTH STARR EEE. este ‘ame yas 1s, dejando de Tao la opcién de evaluarlosremanentes por su importancia y ‘ontribucion a la tori (Schneider y Wagemann, 2012: 197), ELAEM permite restringir la inclusion de astncionesinsostenbles en las solciones provistss por OCA, Las asunciones insostnbes pueden ser asunciones incoherentes 0 Implausibles, es decir, asunciones que contradicen las afirmaciones hechas scerea del mismo remanente en diferentes momentos del proceso analitica (Yamasaki y Rihoue. 2008; Schnelder y Wagemann, 2012: 198). Por ejemplo, si ‘se incluye el mismo remanente ara explica la presencia y la asencia del re= Silt, o se hacen asunciones acerca de remanent imposibles que contradi- cen el sentido comin (Schneider y Wagemnn, 2012: 199. Existen formas de evitar las asunciones insostenibes, Una estrategia tra ‘aria de excluir aquellos remanentes que contribuyan a erearias. Las vetajas de elo son que, por un lado, ninguna solucién se basara en asunciones in sostenbles, impidiendo que se formulen asuncionessimplifcadoras contra dlicroris y, por ote lado, que las condiciones nocesarias no desaparecerén (Schneider y Wogemann, 2012: 208) Ast, el AEM permite obtener It solute ‘mas parsimontosa mejorada', ast convo la solucon intermedia meforada” ‘Armodo de ejemplo, vamos a aplicar cl AEM a los datos de la tabla 7. El primer paso es excluir cualquier remanente del proceso de minimizacién Bingo conoe somo eebnced mat paimoalus sohtion® " Entapa sconce ome senfancd ined oon” [CUADERKOS METODOLOGICOS 56 ‘qve pdiera generar una asuncién insostenible Para elo, vamos a realizar el Salis de necesidad de cada ina de las condiciones (Ianto para la presencia ‘del resultado como para st ausencia) y compararlos. Con ayuda del sofware, ‘se deteet6 como nevesaria para Ya condicion [Nat] con consstencia de 1.0 ¥Y coberturs del 66% (Nat€Y). No se observan condiciones neces 2A partir de este analiss, se deben excllr del proceso de minimiz Y¥ los dos remanentes de la Tabla de Verdad hipotetics, pues estos contradi- {eno aftmacion de necesdad. St hubiera habido algina condicion necesa "ia para ~Y la configuracion asociad a ella también hublera tenido que su- primirse del analisis de ¥, para evitarcontradieciones.En cualquer caso, las expectations dirccionaes que senalaremos para abtener la solucién Interne ‘ia, siguiendo el resultado abtenido en el nails de vecesidad para Y, debe plantear que la condicion [Nat] debe estar presente paca la ocurtenca del fe zémeno! “En cuanto a las soluciones, la complejay la parsinoniosa son idénticas porque los dos emanentesexistentes fueron excluidas del alii: nat*im + nat*mort 3 ¥"* La solucion intermedia (asumiendo la presencia de (nat), se presenta de la siguiente manera: rort*nat + mnat 3 ¥" Masala del AEM, exist otra estrategia para el tratamiento de remanentes llamado Anslsis Estandar Mejorado Guiado por la Teodia (AEMeT)" Esta es: trategi restringe el rango de remanentes utlizados 9 tre de wieta aquelas ‘asuncionesinsostenbles. Fl objetivo de esta prctca es vidarse dela premisa Central de que la parsimonia esol principio rector para la eleccin de rem: ‘ents para los contaficticos(Schnetder y Wagemann, 2012; 212) "A dferencia del AME, el AEMeT prioriza la plaustlidad teoricaen Ia se lecelén de los remanentes para suponer Ia exstencia de contrafictcos que podrfan (o no) reduc Ix parsimonia, aunque al igual que para el AME, el [REMeT solo hace uso de asumnclones defendibles (Schneider y Wagemann, 2012) Bn términos simples el fundamento del AEM es introduci filas de 1 La msl y procedimienoe plisdoal ani ease del resid Sedan mpi ar rues non enon el estado pr no conde 1 Sitmactnc,ancone aq qucontegan ns read dc mec eae [trstondor pode uiar ny de Debtrpn a rin ens nl andi de pected (2 Yp focndarlos suport a en ela sacs ier Ca aberae ABLE MEA HC. ° Enno se cvoce como Tao Guided honed Standort Ani (TESA por oven nse FACS Bbtota ‘AxiLisisCUsLATATIVO COMPARADOaCA) » Ja Tabla de Verdad como buenos contractions —pera no simplificadores— cen el proceso de minimizacién, es decir, no orientados a la parsimonia, para lo que se recomienda formular expectativas divecionales de conjunciones de Condiciones en vez de condiciones Individuales (Schnelder y Wagemann, 2012:217), 25.2. Asimetria y equifinalidad Ya hemos enfatizado que el funcionamentoy el modelo matemtleo subya cente 2 OCA se basan en asinciones fuertemente diferencias de las que Subyacen alas téenieas estadisticas clisicas (Mahoney y Goertz, 2006; Ragin, 32008). En primer lugar, en los métodosextadsticos,elincremento o disminu contrato). Si suponemos sim, Aeberiamos esperar que la susencia del resultado (-contrato) habria de esta ‘causada por ef signo eontrario de las condiciones explicativas (-formacion idiomas ~contrato). Pero ello seria errinco. En nuestra tala, tenfamos dos casos, Juan y Olivia, en los que el resultado estaba ausente. Para ellos, las configuraciones eran sformacion*experiencia idiomas -contraton y «-formacién*experioncla*-idiomas> -contrator, Para minimizar estas eon Figuraciones, observamos que son iguales en todo excepto en la conden sformaciéns, que est presente en la primera formula yausente en la segun- da, y por tanto puede ser eliminada, de modo que abtenemos la formulacion simplifcada experiencia*-idiomas -contratos. Como se puede observa, | explicaci para la auseneia de «y» (-contrato) no es la opuesta dela ex plicacion para su presencia, sino que se tata de una expicacion distnta en la que una nueva condicién explicativa —eexperieneias— interviene. No ‘existe, por tanto, simetrta "En Segundo lugar, ylo que es incluso ms importante, QCA se caractriza, por la equifinalidad: en lugar de analizar el impacto individual de clertas va tables sobre la variable dependiente, QCA analiza eémo combinaciones de condiciones producen un resultado, aceptando que el mismo resultado pu« CCUADERNOS METOBOLOGICOS 56 de estar producido por combinactones de condiciones distintas, y por tanto ‘gue diferentes patrones causales pueden conducir al mismo resultado (Mo Toney y Gosrtz, 2006; 10) Esta es una ventajareativa de QCA frente a otras teenieas, que descansan sobre una asuncion de aditiidad: es decir, estas ‘otras téenieas astmen que las variables tienen el mismo efecto de incremen to sobre los resultados, con independencia de los valores que tomen otras Condiciones causalesrelevantes (Berg-Schlosser et af. 2008: 8), Para com prender esto, podemos usar un nuevo ejemplo presentado en la tabla 9 oa ‘PROYECTO REGOWEIGAGON ECA En este ejemplo, que se reflere a una hipotética asiuacién de becas pre- doctorates, a minimizacign seria posible entre las configuraciones de los cx Sos Arturo Carmen, ya que son iguales en todo exceplo en la condicion RE- COMENDACION (de algsin profesor), que esta presente en la primera y fausente en la segunda y por tanto puede ser elimineda. La configuracién para Ana, sin embargo, no podré ser minimizada, ya que es diferente las bttas dos configuraciones en mis de una condicién ‘Como puede verse tas la minimizacin (tabla 10), este es un ejemplo de eauifinalidad, donde dos configuraciones de condiciones diferentes, y por {ante dos patrones causales distintos, conduce al resttado BECA: la cont tzurncin sexpediente” proyectos y la configuracin, completamente distinta, ‘-expediente"~proyecto"-recomendacion. ponies pinaras “epson eecctocarentncan bas cater bec -AvALIS CUALITATIO COMPARADO (OCH) a 2.5.3. Implicantes primarios esenclales 1a obtencién de Tos implicantes primarios, que velamos anteriormente, no «]s, Sin embargo, siempre el ultimo paso. En ocasiones, la formula pace se ‘muir reduciendose. EI andlisis realizado por los distintos programas QCA proporeiona normalmente ls combinaciones de condiciones mas silica ‘das posbles, compuestas por lo que llamannos vimplicantes primarios een ales». Imaginemos una situacion en la que, tras In minimizacin,obtuvie- ramos cuatro patrones causales para el resultado wy: «a"b'e», 1a" s-atbe-ce ys-a"-b*-ce, Estos implicantes primarios podrian rdkcirse an is, Podemos imnginar «partir de la tabla 1, una minimizacién en tes pa sos. En.un primer paso, tenemos todas las configuraciones originales de los asos. En un segundo paso minimizamos siguiendo Ia regla de que cuando ‘dos configuraciones son iguales en todo menos en una condiciOn, esa cond ‘ion es ielevante y puode ser eliminad. Al hacerlo, obtenemos To que he ‘mos llamado simplicantes primarios A» (es una efigueta que sirve en este tjemplo, no se referea ningun tecnicismo). Estos peimeros implicates pr Imarios, sin embargo, pueden seguir siendo reducidos sigviendo la misma ‘norma, lo que nos leva al paso 3. Pero entonces ya no podemos seguir red iendo, puesto que los simplicantes primarios B son disintos entre sen Inds de una condicion. El proceso, no obsante, no esté ain completo i om ‘estos los que llamamos implicantes primario esenciales. ‘Ta tabla 12 muestra el juego conjunto entre los implicantes primarios del paso 2—en las columnas—y del paso 3 —en las Blas Coma pucde vers, Ja primera configuracion del paso 3 («a"bs) est contenida en ¥ por tanto __Contguedenes ries nplestarpmaos A__Inplcats pina 8