DEV URB LIT IND STB SURV
AU 1 0 1 1 0 0
BE 1 1 1 1 1 1
CZ 1 1 1 1 1 1
EE 0 0 1 0 1 0
FI 1 0 1 0 1 1
FR 1 0 1 1 1 1
DE 1 1 1 1 0 0
GR 0 0 0 0 0 0
HU 0 0 1 0 0 0
IE 1 0 1 0 1 1
IT 0 0 0 0 1 0
NL 1 1 1 1 1 1
PL 0 0 1 0 0 0
PT 0 0 0 0 0 0
RO 0 0 0 0 1 0
ES 0 0 0 0 0 0
SE 1 0 1 1 1 1
UK 1 1 1 1 1 1Explicaciones configurativas con QCA
Horizontes de las Ciencias Sociales en América Latina
Diego Solís Delgadillo
Estructura del capítulo
¿Qué es QCA?
¿Cuándo utilizar QCA?
QCA y Teoría de Conjuntos
Tipos de QCA
Protocolo de QCA
Retos y decisiones en QCA
¿Qué es QCA?
QCA
- Es un método que busca ofrecer explicaciones complejas a fenómenos sociales
- Presenta la relación entre factores explicativos y resultado en términos de condiciones necesarias o suficientes
¿Cuándo utilizar QCA?
Explicación compleja
Diferencias cualitativas
Equifinalidad
Advertencia
- No se justifica por el tamaño de la muestra
- No es apropiado cuando el interés identificar la magnitud del efecto
¿Dónde se ubica QCA?
Validez externa
- Punto intermedio entre los métodos cuantitativos y el estudio de caso
- Generalización a casos similares a los incluidos en el estudio
- Muestras de conveniencia
Validez interna
- Más cercanía con los casos que los métodos cuantitativos
- Observa los mecanismos causales
- El detalle es menor que el estudio de caso
Teoría de cojuntos y QCA
Condición necesaria
- Condición sin la cuál no se puede presentar un fenómeno
- En Teoría de Cojuntos \(Y\) es un subjconjunto de \(X\)
- \(X \Leftarrow Y\)
Condición suficiente
- Condición que cada vez que está presente produce el resultado
- En Teoría de Cojuntos: \(X\) es un subconjunto de \(Y\)
- \(X \Rightarrow Y\)
Teoría de cojuntos y QCA
Teoría de cojuntos y QCA
Cojunciones y disyunciones
:::
Tipos de QCA
- Cojuntos Nítidos (csQCA)
- Valores dicotómicos
- 0 o 1 (presencia/ausencia)
- Cojuntos difusos (fsQCA)
- Valores continuos
- 0 es total exclusión y 1 total inclusión
Protocolo de QCA
Tabla comparativa
Tabla de verdad
Minimización lógica
Evaluación del modelo
Tabla comparativa
Tabla de verdad
Minimización lógica
Configuraciones verdaderas
- DEV* ~URB* LIT ~IND* STB
- DEV* ~URB* LIT* IND* STB
- DEV* URB* LIT* IND* STB
Solución minimizada
- DEV* ~URB* LIT* STB
- DEV* LIT* IND* STB
Evaluación del modelo
M1: DEV*~URB*LIT*STB + DEV*LIT*IND*STB <-> SURV
inclS PRI covS covU cases
-------------------------------------------------------------------
1 DEV*~URB*LIT*STB 1.000 1.000 0.500 0.250 FI,IE; FR,SE
2 DEV*LIT*IND*STB 1.000 1.000 0.750 0.500 FR,SE; BE,CZ,NL,UK
-------------------------------------------------------------------
M1 1.000 1.000 1.000 Retos en QCA
- Casos seleccionados
- Factores explicativos
- Criterios de inclusión
Casos seleccionados
QCA orientado a los casos
- N-pequeña
- Selección de casos similares
- Regreso a los casos (mecanismo causal)
QCA orientado a las condiciones
- N-grande
- Muestras representativas
- No regresa a los casos
Factores explicativos
Tip
- Provienen de la teoría y los hallazgos previos
- Muchas condicones: muchas condiciones y pocos casos
- Se recomienda resumir condiciones correlacionadas
- Correr modelos con diferentes condiciones
Criterios de inclusión
- Requieren de conocimiento de la teoría y de los casos
- Claridad de los atributos del concepto
- La cercanía de los casos permite clasificar adecuamente a las observaciones
Criterios de inclusión
Problemas de medición
- Más observaciones= menor conocimiento de los casos
- Dificulta la capacidad de clasificar y establecer anclajes
