Análisis Cualitativo Comparado (QCA) Daniel Schuster Rodríguez Universidad de Costa Rica

Bases de la técnica Técnica de análisis de datos. Método desarrollado originalmente por Ragin en 1987, perfeccionado por él y otros científicos sociales. Busca determinar relaciones causales entre un grupo de variables independientes y una variable dependiente (outcome/resultado) en varios casos.

Uso de un software fsQCA 2.0 R Project

Selección de las variables ¿Qué comparar? ¿Quién lo dice? La teoría nos indica qué tipo de relaciones causales podemos presumir y qué tipo de variables son relevantes.

Selección de las variables Variables independientes: Se debe escoger un número no muy grandes de posibles causas a comparar contra un mismo resultado. Variable dependiente: Comparar diferentes resultados de la misma variable que permitan comprender las relaciones causales entre este y las variables independientes.

Tipos de variables Conjuntos de lógica dicotómica (crisp-sets): El registro está fuera o dentro del conjunto. Por ejemplo, el país X es democrático (por lo tanto demo = 1) y el país Y no (por lo tanto demo = 0). Conjuntos de lógica difusa (fuzzy-sets): El registro puede estar parcialmente dentro o fuera del conjunto. Por ejemplo, el país X es más democrático que autoritario (por lo tanto demo = 0.6) y el país Y más autoritario que democrático (por lo tanto demo = 0.4).

Calibración de las variables Calibrar es asegurarse que todas las variables hablen el mismo idioma al usar conjuntos de lógica de difusa. Los datos base pueden ser cualitativos o cuantitativos. Se calibran en un intervalo cuyo valor del 0 al 1. Es decir, 0 está totalmente fuera del conjunto y 1 está totalmente dentro del conjunto.

Calibración de las variables Ninguna calibración puede ser igual a 0.5 (límite entre conjuntos). Se puede calibrar de forma directa cuando se trata de variables cuantitativa continuas (por ejemplo: tiempo, dinero, etc.). Se calibra de forma indirecta cuando se trata de variables cualitativas o cuantitativas no continuas (por ejemplo: sistemas electorales)

Calibración de las variables Para la calibración indirecta se recomienda usar seis posibles valores: 1 = totalmente dentro del conjunto 0.8 = casi totalmente dentro del conjunto 0.6 = más adentro que afuera del conjunto 0.4 = más afuera que adentro del conjunto 0.2 = casi totalmente afuera del conjunto 0 = totalmente afuera del conjunto (Ragin, 2008)

Relaciones entre variables El objetivo de comparar mediante QCA es determinar relaciones entre variables independientes (condiciones) y la variable dependiente (resultado). Las relaciones pueden clasificarse como de necesidad o de suficiencia.

Relaciones entre variables Necesidad: Cuando la variable A es necesaria para el resultado X, y X no está presente sin A, aunque A no es suficiente por sí sola para producir X. Suficiencia: La variable A es un subconjunto de X, en todas las combinaciones de condiciones, A tiene un valor igual o menor a la calibración X (A < X).

Bibliografía recomendada Ragin, C. (2000) Fuzzy-Set Social Science. Chicago: Universidad de Chicago. Ragin, C. (2008) User’s Guide to Fuzzy-Set / Qualitative Comparative Análisis. Disponible en línea: http://www.u.arizona.edu/~cragin/fsQCA/download/fsQCAManual.pdf