1 Temas Selectos en Métodos Cuantitativos Introducción Javier Aparicio División de Estudios Políticos, CIDE Otoño

2 ¿Para qué sirven los métodos cuantitativos? Ante la dificultad de allegarse datos experimentales en Ciencias Sociales, utilizamos datos NO experimentales (observational data) para hacer inferencias Para verificar las hipótesis o predicciones de cierta teoría con datos del “mundo real” Para estimar la magnitud y significancia de una relación empírica Para validar hipótesis o teorías rivales: ie, efecto de una política pública

3 Breviario metodológico ¿Investigación cualitativa vs. cuantitativa? El método idóneo depende tanto de tu pregunta de investigación como del tipo de respuesta que buscas obtener Una investigación cuantitativa seria tiene al menos cuatro elementos (King et al., 1994): Inferencia descriptiva (exploración de datos) e inferencia explicativa (exploración de mecanismos causales). Replicabilidad: Procedimientos de recolección de datos, codificación y análisis explícitos, claros y generalizables. Conclusiones probabilísticas (con incertidumbre): de datos inciertos sólo pueden seguirse conclusiones ídem. “The content is the method”: La investigación será más o menos científica si y sólo si sigues un método.

4 Small n vs. large n Distintos tamaños de muestra imponen retos diferentes Muestras grandes permiten identificar patrones fácilmente generalizables a lo largo de casos más o menos comparables, mientras que muestras pequeñas permiten estudiar a profundidad la complejidad y/o peculiaridad de cada caso. Una observación puede ser tan simple como un punto en un plano de k dimensiones--mismo que ponemos en perspectiva al compararlo con otras observaciones manteniendo constantes otras variables--o tan denso como el sinnúmero de fenómenos que se entrecruzan en un episodio histórico. “The curse of dimensionality” A mayor N, mayor precisión tendrán los estimadores de una regresión, lo cual fortalece tus resultados......pero a mayor N, el número de posibles variables relevantes también aumenta, lo que puede debilitar tu teoría o tus resultados iniciales.

5 Objetivos del Diseño de Investigación – Mejores Teorías Mejorar tu pregunta de investigación. Tu pregunta de investigación debe:  Ser "importante" para el "mundo real“ (so what?).  Hacer una contribución específica a la literatura existente. Mejorar las teorías existentes  Busca teorías falsificables (a la Popper) o que podrían estar equivocadas--¿qué evidencia te bastaría para demostrarte que tu teoría/creencia está equivocada?)  Busca teorías con las mayores "implicaciones observables" posibles--¿cuántas hipótesis se desprenden de tu teoría?  Tu teoría debe ser clara y concreta, quizá elegante, quizá parsimoniosa.

6 Objetivos del Diseño de Investigación – Mejor Evidencia Mejorar la calidad de la evidencia existente  Registra todo el proceso de recabación de datos  replicabilidad.  Recaba datos sobre el mayor número de "implicaciones observables" posibles  robustez ¿Puedes recabar más datos? ¿Puedes usar alguna otra variable dependiente?  Maximiza la validez de tus observaciones: ¿tus datos en verdad miden lo que quieres?  Asegúrate de que tu recolección de datos es confiable. Mejorar el uso de la evidencia existente  Evita sesgos: usa tus datos para generar inferencias no sesgadas  que en promedio sean correctas.  Maximiza la eficiencia: explota la mayor cantidad posible de información contenida en tus datos  minimiza la varianza de tus inferencias.

7 Datos: Corte transversal (cross-sectional) Muestra aleatoria de una población Observaciones a nivel individual, local, nacional, etc., en un momento dado en el tiempo Pro: permite explotar la varianza o heterogeneidad entre observaciones Contra:  ¿son realmente comparables unos casos con otros?  No observamos un mismo caso en el tiempo (no observamos el antes/despúes). Si la muestra no es aleatoria o representativa  Problema de sesgo muestral / selección muestral

8 Datos: Panel / Longitudinales Datos agrupados (pooled cross-section): acumular diferentes cortes de datos y tratarlos como una sola muestra, controlando por diferencias temporales, regionales, etc. Datos panel: permiten observar cierto individuo/región a lo largo del tiempo. T > N: Time series/cross-section explotan la dinámica de los grupos (time-series asymptotics) T < N: Datos panel o longitudinales explotan la heterogeneidad de los grupos (cross-section asymptotics)

9 Datos: Series de Tiempo Observaciones de una sola unidad a lo largo del tiempo: inflación, tasas de interés, abstencionismo, número de denuncias. Una serie de tiempo difícilmente será una muestra aleatoria (iid):  Inercia (path dependence)  Correlación temporal entre observaciones  Tendencias de largo plazo  Estacionalidad (seasonality)  Cambios de corto vs. largo plazo

10 El Problema de la Causalidad Afecta a estudios cuantitativos y cualitativos por igual. Hallar una correlación entre dos o más variables NO establece causalidad. De encontrar cierta correlación o efecto, ¿cómo podemos saber si en verdad X causó a Y? One can only hope: Estadísticamente, si controlamos por suficientes variables adicionales (covariates), es plausible que, ceteris paribus, el efecto hallado sea causal… Theory to the rescue! La teoría subyacente nos dice qué factores determinan qué variables. La evidencia empírica simplemente apoyará o rechazará las hipótesis derivadas de la teoría.

11 Ejemplo: Rendimiento de la educación Teoría: Un modelo de inversión en capital humano implica que a mayor educación, mayores ingresos. En el modelo más simple, esto implica una ecuación a estimar del tipo:

12. reg EARNINGS SCHOOL Source | SS df MS Number of obs = F( 1, 538) = Model | Prob > F = Residual | R-squared = Adj R-squared = Total | Root MSE = EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] SCHOOL | _cons |

13 7 ^

14 Ejemplo… El estimador de  1 es el rendimiento de la educación, ¿pero será este un efecto causal? El término de error o residual, u, incluye info sobre todos los demás factores que afectan las ganancias pero que no han sido incluidos en el modelo. Debemos controlar por tantos factores como nos sea posible (confounding factors, covariates, etc.) Ojo: al final siempre habrá factores no observables que afectan las ganancias: son parte del residual. Endogeneidad: a) quizá las ganancias cuando joven te ayudan a estudiar un posgrado (X determina a Y, y viceversa). b) quizá tanto educación como ganancias están determinadas “simultáneamente” por una variable omitida (IQ, por ejemplo).