Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

18
Taller 1 Reflexiones sobre Metodología Cuantitativa: De la asociación a la causalidad entre variables Germán Fromm R. 1

Transcript of Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Page 1: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Taller 1Reflexiones sobre Metodología

Cuantitativa:De la asociación a la causalidad entre

variables

Germán Fromm R.

1

Page 2: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Objetivo Entender los diseños metodológicos correlacionales

2

Page 3: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

3

Page 4: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

El diseño metodológico…¿Qué pretende responder?

¿Qué variables considera? ¿Qué sabemos de estas variables?

¿Cómo procede para responder?

4

Page 5: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Esquema de decisiones¿Qué pretende responder?

Descripción Explicación

5

Page 6: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Esquema de decisiones¿Qué variables considera?

Desconocidas Estudiadas

¿Qué sabemos de estas variables?

Poco o nada TeoríaComplejas Factor únicoAsociadas Aislables

6

Page 7: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Esquema de decisiones¿Cómo procede para responder?

Transversal Experimental

LongitudinalCualitativoConfirmatorio

7

Page 8: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Esquema de decisiones

8

Asociación con

proyección

Causalidad posible

Asociación simple

Causalidad rigurosa

Page 9: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

De la asociación…

9

X Y

Una correlación

Page 10: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Paréntesis: Correlaciones

10

R2r

4%.2

1%.1Son muy frecuentes en CCSS, pero con r < .2, hay poco poder explicativo

R2 < 4%

25%.5

16%.4

9%.3Corresponde a la mayoría de las correlaciones “estadísticamente

significativas”, pero incluso r = .5, explica sólo el 25% de la varianza

36%.6

49%.7

Raro en CCSS, pero aun si r= .7, menos de ½ de la varianza es

explicada

64%.8

81%.9

90%.95

Extremadamente raro en CCSS y más probabale de contener errores como

fenómendo agregado

Débil: r=.10

Moderado: r=.30

Fuerte: r=.50

Intervalos de Cohen Intervalos enPsicometría

Débil: r<.5

Moderado: r>.5

Fuerte: r>.8

Alerta: r>.95

Page 11: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Paréntesis: Significación o α

11

α

>.05Estas correlaciones no son confiables. Independiente de la magnitud de r

>.01

α

<.05No debemos considerarlas a menos que las muestras sean grandes:

N>100

<.01

Estas correlaciones se consideran fiables. Si N<30 nunca son fiables, pero por otras

razones.

Esta correlación NO es estadísticamente singificativa.

Esta correlación es estadísticamente significativa (o no lo es para N<100)Se reporta: α=.034 o bien p=.034

Esta correlación es estadísticamente significativa con p<.01 o p<0.001 si da.

Interpretación

Ejercicio: ¿Qué puedo “publicar” si obtengo una correlación entre dos variables con los siguientes datos: r=.53 y p=.048?

Page 12: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Pasar de la asociaciónA las 5 posibilidades implícitas

A) Causalidad

IndefinibleB) Causalidad

C) Codeterminación

E) Error de definción12

X YX YX YX Y

Page 13: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Pasar de la asociaciónLa 5 y más frecuente posibilidad y sus

variantes

Correlación espúriaE)

Mediación

Paradoja de Simpson

Falacia Ecológica13

X Y

Z

Page 14: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

A la causalidad

14

“I interpreted…Galton…to mean that there was a category broader than causation,

namely correlation…and that this new conception of correlation brought

psychology, anthropology, medicine, and sociology in large parts into the field of

mathematical treatment. It was Galton who first freed me from the prejudice that sound

mathematics could only be applied to natural phenomenon under the category of

causation. Here for the first time was a possibility, I will not say a certainty, of

reaching knowledge—as valid as physical knowledge was then thought to be—in the

field of living forms and above all in the field of human conduct.”

Karl Pearson, 1889

It is easy to prove that the wearing of tall hats and the carrying of umbrellas enlarges the chest, prolongs life, and confers comparative immunity from disease… A university degree, a daily bath, the owning of thirty pairs of trousers, a knowledge of Wagner’s music, a pew in church, anything, in short, that implies more means and better nurture…can be statistically palmed off as a magic spell conferring all sorts of privileges…The mathematician whose correlations would fill a Newton with admiration, may, in collecting and accepting data and drawing conclusions from them, fall into quite crude errors by just such popular oversights

George Bernard Shaw, 1906

Page 15: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

4 criterios para la cusalidadMecanismo identificado: Contamos con una “buena”

explicación sobre “como” un cambio produce otro.

Consistencia:Encontramos lo mismo en otras

muestras de poblaciones con otras características a lo largo del tiempo.

Respuesta (Responsividad):Demostramos que cambiar una

vriable altera la otra.

Sin alternativas plausibles:No hay otra lógica que pueda

explicar el cambio, considerando también variables intervinientes.

15

+ Chequeos contrafacticos:¿Qué pasaría si tuveran diferente

tratamiento?

Page 16: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

…causalidad entre variables¿Podemos usar correlaciones? Si No

16

¿Cómo establecer responsividad?

¿Cómo asignar los valores de VI?• No asingar: son características inmutbles de las personas• Los participantes las eligen (medición)• Los investigadores las asignan (observación)• Fuerzas externas las alteran involuntariamente• Externos usa un criterio de asingación (ranking, intervalos,

puntajes de corte, etc.)

¿Cómo descarto explicaciones alternativas?

¿Hay antecedentes que expliquen los efectos causales?• Establecer grupos con equivalencia inicial• Aislar la proporción de la varaición de X que sea exógena

(y tampoco sea un error de medición como un sesgo)• Hay antecedentes o reflexiones que sostengan la

explicación

Conclusiones sujetas a sesgos

Experimentos Naturales

Diseños de Regresión

Criterio Pareado (matching)

Variables Instrumentales

Discutible si son “causas”

Acá hacemos “Ciencia”

Page 17: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Causalidad rigurosa¿Podemos usar correlaciones? Si No

17

Intervención activa: La investigación efectivamente altera X y

observa Y

Equivalencia inicial:Los grupos tienen promedios equiparables

en sus características

Contrafácticos o grupo control:Un grupo proporciona el contrafáctico ideal

Sin explicaciones alternativas (aislamiento):

El cambio de Y tiene que ser consecuencia del cambio en X

Page 18: Germán Fromm R. 1. Objetivo Entender los diseños metodológicos correlacionales 2.

Conclusiones¿Podemos usar correlaciones? Si.Las correlaciones son una herramienta útil si

la “apoyamos” correctamente. Con ella podemos recorrer una gradiente de causalidad hipotéctica o implicada, hasta sostener un argumento. Esa intuición requiere de entrenamiento.

Al analizar nuestros datos, diseños y proyectos consideremoslos pasos de la asociación a la causalidad y las interferencias que tenga.

La correlación no implica causalidad, pero tampoco la descarta.

18