Métodos cualitativos
Maestría en Ciencia Política
Diego Solís Delgadillo
diego.solis@flacso.edu.mx
Objetivo de la sesión
Comprender la lógica de los métodos cualitativos en ciencia política, con énfasis en tres estrategias de análisis: método comparado, QCA y process tracing.
Pregunta inicial
¿Qué hacen los métodos cualitativos cuando buscan explicar fenómenos políticos?
Una idea equivocada
“Métodos cualitativos” no significa solamente describir o hacer entrevistas.
Las entrevistas, la observación participante o el análisis documental son formas de recolectar datos.
Pero no son, por sí solas, una estrategia completa de análisis causal.
Recolección de datos vs análisis de datos
| Recolección de datos | Análisis de datos |
|---|---|
| Entrevistas | Método comparado |
| Observación participante | QCA |
| Archivos históricos | Process tracing |
| Documentos oficiales | Análisis de contenido |
| Prensa | Análisis histórico |
| Discursos | Análisis interpretativo |
¿Por qué importa esta distinción?
Una investigación puede recolectar datos con entrevistas, documentos o archivos, pero analizarlos mediante comparación, QCA o process tracing.
Ejemplo: entrevistar actores políticos no define el método.
El método depende de cómo usamos esa evidencia para construir una explicación.
¿Qué son los métodos cualitativos?
Los métodos cualitativos son estrategias de investigación orientadas al análisis intensivo de casos, contextos, procesos y configuraciones causales.
Buscan explicar:
- por qué ocurrió un fenómeno
- cómo ocurrió
- bajo qué condiciones ocurrió
- por qué no ocurrió en otros casos
¿Qué distingue a los métodos cualitativos?
Los métodos cualitativos suelen privilegiar:
- conocimiento profundo de los casos
- atención al contexto
- menor error de medición
- análisis decondiciones necesarias y suficientes
- reconstrucción de mecanismos causales
Métodos cuantitativos y cualitativos
| Métodos cuantitativos | Métodos cualitativos |
|---|---|
| Muchos casos | Pocos o medianos casos |
| Estiman efectos promedio | Analizan configuraciones |
| Mayor generalización estadística | Mayor profundidad contextual |
| Énfasis en asociación y estimación | Énfasis en mecanismos y condiciones |
| Inferencia probabilística | Inferencia causal configuracional o procesual |
Dos preguntas distintas
Los métodos cuantitativos suelen preguntar:
¿Cuál es el efecto promedio de X sobre Y?
Los métodos cualitativos suelen preguntar:
¿Qué condiciones producen Y?
o
¿Cómo ocurrió causalmente Y?
Causalidad en métodos cualitativos
La causalidad cualitativa no siempre se piensa como:
\[X \rightarrow Y\]
Sino como:
\[X_1 * X_2 * X_3 \rightarrow Y\]
o como:
\[X \rightarrow M_1 \rightarrow M_2 \rightarrow Y\]
Tres enfoques de esta sesión
| Método | Pregunta principal |
|---|---|
| Método comparado | ¿Qué condiciones explican diferencias o similitudes entre casos? |
| QCA | ¿Qué configuraciones son necesarias o suficientes para un resultado? |
| Process tracing | ¿Cómo operó el mecanismo causal dentro de un caso? |
Método comparado
El método comparado busca identificar relaciones causales mediante la comparación sistemática de un número limitado de casos.
No compara “por comparar”.
Compara para identificar condiciones que podrían explicar un resultado.
¿Por qué comparar pocos casos?
La comparación cualitativa permite conocer mejor los casos y reducir errores de medición.
Ventajas:
- más atención al contexto
- mejor conocimiento histórico
- mejor validación de conceptos
- posibilidad de rastrear procesos
- identificación de condiciones causales
Comparar no es acumular ejemplos
Un estudio comparado no consiste en describir varios casos uno tras otro.
Debe existir una lógica explícita de comparación:
- ¿por qué esos casos?
- ¿en qué se parecen?
- ¿en qué se diferencian?
- ¿qué resultado queremos explicar?
- ¿qué condiciones podrían ser relevantes?
Casos positivos y negativos
Un caso positivo es aquel donde ocurre el resultado que queremos explicar.
Un caso negativo es aquel donde no ocurre el resultado.
Si estudiamos colapsos democráticos:
- caso positivo: país donde la democracia colapsó
- caso negativo: país donde la democracia sobrevivió
Resultado
El resultado es el fenómeno que queremos explicar.
En QCA también se suele llamar outcome.
Ejemplos:
- democratización
- guerra civil
- éxito de una política pública
- caída presidencial
- aprobación de una reforma
- supervivencia democrática
Condición causal
Una condición causal es un factor que puede contribuir a producir un resultado.
Ejemplos:
- crisis económica
- polarización
- fragmentación partidista
- presión social
- capacidad estatal
- apoyo internacional
Condición necesaria
Una condición necesaria es aquella que debe estar presente para que ocurra el resultado.
Formalmente:
\[Y \rightarrow X\]
Es decir:
si ocurre \(Y\), entonces \(X\) está presente.
Intuición de necesidad
Si decimos que \(X\) es necesaria para \(Y\), entonces no deberíamos observar casos con \(Y\) sin \(X\).
Ejemplo hipotético:
¿Puede haber guerra civil sin algún nivel de organización rebelde?
Condición suficiente
Una condición suficiente es aquella que, cuando está presente, produce el resultado.
Formalmente:
\[X \rightarrow Y\]
Es decir:
si ocurre \(X\), entonces ocurre \(Y\).
Intuición de suficiencia
Si decimos que \(X\) es suficiente para \(Y\), entonces no deberíamos observar casos con \(X\) sin \(Y\).
Pero una condición suficiente no necesariamente es la única causa posible.
Necesidad y suficiencia
| Tipo de condición | Pregunta |
|---|---|
| Necesaria | ¿El resultado puede ocurrir sin esta condición? |
| Suficiente | ¿Esta condición produce el resultado cuando aparece? |
Método de la diferencia
El método de la diferencia compara casos similares que tienen resultados distintos.
Lógica:
si los casos son muy parecidos, la diferencia relevante podría explicar por qué un caso presenta el resultado y otro no.
Most Similar Systems Design
El diseño de sistemas más similares compara casos parecidos en muchas características, pero distintos en el resultado o en la condición clave.
Busca controlar por similitud contextual.
MSSD: intuición
| Característica | Caso A | Caso B |
|---|---|---|
| Historia institucional | Similar | Similar |
| Nivel de desarrollo | Similar | Similar |
| Sistema electoral | Similar | Similar |
| Polarización | Alta | Baja |
| Resultado | Crisis | No crisis |
Si los casos son similares en casi todo excepto en polarización, la polarización se vuelve una explicación plausible.
MSSD: fortalezas
- controla por contexto compartido
- permite comparación intensiva
- reduce heterogeneidad
- facilita observar diferencias causales
MSSD: límites
La inferencia depende de que realmente identifiquemos las diferencias relevantes.
Riesgos:
- variables omitidas
- casos que no son tan similares
- demasiadas diferencias no observadas
- generalización limitada
Método de la concordancia
El método de la concordancia compara casos diferentes que comparten el mismo resultado.
Lógica:
si casos muy distintos producen el mismo resultado, la condición común podría ser importante.
Most Different Systems Design
El diseño de sistemas más diferentes compara casos muy distintos entre sí, pero que comparten un resultado.
Busca identificar condiciones comunes que podrían explicar ese resultado.
MDSD: intuición
| Característica | Caso A | Caso B | Caso C |
|---|---|---|---|
| Régimen político | Democracia | Autoritarismo | Híbrido |
| Desarrollo económico | Alto | Bajo | Medio |
| Sistema de partidos | Fragmentado | Dominante | Bipartidista |
| Movilización social | Alta | Alta | Alta |
| Resultado | Reforma | Reforma | Reforma |
Si todos son distintos, pero todos tienen alta movilización social, esa condición podría ser relevante.
MDSD: fortalezas
- permite identificar condiciones comunes
- amplía variación contextual
- puede sugerir condiciones necesarias
MDSD: límites
- la selección tiene sesgo : todos son positivos
- la variable dependiente no varía
- no controla por facotores confusores
Comparado y generalización
Los métodos comparados no generalizan de la misma manera que los métodos estadísticos.
Su generalización suele ser:
- hacia casos similares
- hacia poblaciones teóricamente delimitadas
Generalización en estudios comparados
Un estudio comparado permite generalizar principalmente a casos que comparten características relevantes con los casos incluidos en el análisis.
Si comparamos democracias presidenciales latinoamericanas, no necesariamente podemos generalizar a monarquías parlamentarias europeas.
Ventajas del método comparado
- permite análisis contextual profundo
- ayuda a reducir errores de medición
- permite identificar condiciones necesarias y suficientes
- es útil para construir teoría
- ayuda a refinar conceptos
Límites del método comparado
- pocos casos
- riesgo de selección sesgada
- dificultad para controlar muchas variables
- generalización restringida
- puede haber múltiples explicaciones plausibles
Puente hacia QCA
QCA puede entenderse como una formalización del método comparado.
Mientras el comparado clásico pregunta:
¿qué condiciones parecen explicar el resultado?
QCA pregunta:
¿qué configuraciones de condiciones son necesarias o suficientes para el resultado?
¿Qué es QCA?
QCA significa Qualitative Comparative Analysis.
Es un método comparativo basado en teoría de conjuntos que analiza cómo distintas combinaciones de condiciones producen un resultado.
¿Por qué QCA?
QCA es útil cuando creemos que:
- las causas operan en combinación
- puede haber varios caminos hacia el mismo resultado
- la ausencia del resultado puede tener causas distintas
- trabaja con N pequeña o mediana
- el conocimiento de los casos importa
QCA como lógica de conjuntos
QCA analiza relaciones entre conjuntos.
Ejemplo:
- conjunto de países democráticos
- conjunto de países con alta capacidad estatal
- conjunto de países con baja desigualdad
- conjunto de países con estabilidad política
Pertenencia a conjuntos
En QCA los casos tienen grados de pertenencia a conjuntos.
En csQCA:
- 1 = pertenece
- 0 = no pertenece
En fsQCA:
- 1 = completamente dentro
- 0.5 = punto de cruce
- 0 = completamente fuera
csQCA
csQCA significa crisp-set QCA.
Usa conjuntos dicotómicos:
- presencia de la condición = 1
- ausencia de la condición = 0
Democracia:
- 1 = democracia
- 0 = no democracia
fsQCA
fsQCA significa fuzzy-set QCA.
Permite grados de pertenencia entre 0 y 1.
Pertenencia al conjunto de democracias:
- 1.00 = democracia plena
- 0.67 = democracia parcial
- 0.33 = régimen poco democrático
- 0.00 = no democracia
Calibración
La calibración es el proceso mediante el cual asignamos a cada caso un grado de pertenencia a un conjunto.
No es solo recodificar variables.
Requiere teoría y conocimiento sustantivo.
Ejemplo de calibración
Concepto: alta desigualdad
Podríamos calibrar con base en el índice de Gini:
- 0.95 = muy alta desigualdad
- 0.50 = punto de cruce
- 0.05 = baja desigualdad
Causalidad conjuntural
La causalidad conjuntural significa que una condición puede producir un resultado solo cuando aparece combinada con otras condiciones.
Ejemplo:
\[A * B * C \rightarrow Y\]
La condición A no actúa sola.
Actúa en combinación.
Equifinalidad
La equifinalidad significa que puede haber distintos caminos causales hacia el mismo resultado.
Ejemplo:
\[A * B \rightarrow Y\]
\[C * D \rightarrow Y\]
Dos caminos distintos pueden producir el mismo resultado.
Asimetría causal
La asimetría causal significa que las causas de la presencia de un resultado no son necesariamente las causas de su ausencia.
Las condiciones que explican la democratización no son necesariamente las mismas que explican el autoritarismo.
Tabla de verdad
Una tabla de verdad muestra todas las combinaciones posibles de condiciones y si esas combinaciones están asociadas con el resultado.
Ejemplo de tabla de verdad
| Crisis económica | Polarización | Débil capacidad estatal | Colapso democrático |
|---|---|---|---|
| 1 | 1 | 1 | 1 |
| 1 | 1 | 0 | 0 |
| 1 | 0 | 1 | 0 |
| 0 | 1 | 1 | 1 |
| 0 | 0 | 1 | 0 |
Consistencia
La consistencia mide qué tan cercana es una relación de necesidad o suficiencia a una relación perfecta de conjuntos.
Si una configuración casi siempre produce el resultado, tiene alta consistencia.
Cobertura
La cobertura mide qué proporción del resultado es explicada por una condición o configuración.
Una configuración puede ser muy consistente, pero explicar pocos casos.
Necesidad en QCA
::: {.caja} Una condición necesaria debe estar presente en todos, o casi todos, los casos donde ocurre el resultado. ::`
Ejemplo:
Si todos los casos de democratización tienen movilización social, la movilización podría ser una condición necesaria.
Suficiencia en QCA
Una configuración suficiente es una combinación de condiciones que produce el resultado de manera consistente.
Ejemplo:
\[Crisis * Polarización * BajaCapacidad \rightarrow Colapso\]
¿Qué aporta QCA?
QCA permite:
- analizar causalidad compleja
- identificar configuraciones causales
- evaluar necesidad y suficiencia
- trabajar con pocos o medianos casos
- combinar teoría y conocimiento de casos
Límites de QCA
Demasiados factores explicativos generan explicaciones que aplican a un solo caso
Riesgos:
- mala calibración
- demasiadas condiciones
- pocos casos para muchas combinaciones
- soluciones difíciles de interpretar
- supuestos problemáticos sobre casos no observados
Puente hacia process tracing
El método comparado y QCA ayudan a identificar condiciones o configuraciones.
Pero no siempre muestran cómo opera el mecanismo causal.
Para abrir la caja negra usamos process tracing
Process tracing
Process tracing es una estrategia de análisis dentro de caso que reconstruye secuencias causales para evaluar mecanismos causales.
No solo pregunta:
¿X está asociado con Y?
Pregunta:
¿cómo produjo X a Y?
Mecanismo causal
Un mecanismo causal es la secuencia de procesos intermedios que conecta una causa con un resultado.
En lugar de:
\[X \rightarrow Y\]
buscamos:
\[X \rightarrow M_1 \rightarrow M_2 \rightarrow M_3 \rightarrow Y\]
Ejemplo de mecanismo
Pregunta:
¿Por qué una crisis económica provoca protesta social?
Mecanismo posible:
\[Crisis \rightarrow PérdidaDeIngresos \rightarrow Agravio \rightarrow Movilización \rightarrow Protesta\]
¿Qué busca process tracing?
Busca evidencia sobre:
- secuencia temporal
- decisiones de actores
- eventos intermedios
- documentos clave
- mecanismos causales
- explicaciones alternativas
La importancia de la temporalidad
Para sostener un mecanismo causal, la causa debe preceder al resultado y los pasos intermedios deben aparecer en una secuencia plausible.
Casos típicos
Un caso típico es aquel que representa bien la relación causal o configuración que la teoría espera.
En process tracing, los casos típicos sirven para observar si el mecanismo esperado realmente operó.
Process tracing en casos típicos
Si una teoría sostiene que la polarización produce crisis democrática mediante bloqueo institucional, un caso típico permite rastrear:
polarización → bloqueo legislativo → crisis de gobernabilidad → erosión democrática
Casos desviado
Un caso desviado es aquel que no se comporta como la teoría esperaba.
Ejemplos:
- caso con condiciones favorables pero sin resultado
- caso sin condiciones esperadas pero con resultado
¿Para qué sirven los casos desviados?
Sirven para:
- identificar condiciones omitidas
- explicar por qué un mecanismo no se activó
- encontrar condiciones bloqueadoras
- refinar la teoría
- evaluar explicaciones alternativas
Casos negativos
Un caso negativo es aquel donde el resultado no ocurre.
Puede servir para preguntar:
- ¿por qué no ocurrió Y?
- ¿faltó una condición necesaria?
- ¿se bloqueó el mecanismo causal?
- ¿había una explicación alternativa más fuerte?
Explicaciones alternativas
Una explicación alternativa es una hipótesis rival que también podría explicar el resultado.
Process tracing no solo busca evidencia a favor de nuestra hipótesis.
También busca evidencia que descarte explicaciones rivales.
Evidencia en process tracing
La evidencia puede provenir de:
- entrevistas
- archivos
- prensa
- discursos
- documentos oficiales
- memorias
- actas legislativas
- informes gubernamentales
Tipos de pruebas en process tracing
| Prueba | Qué hace |
|---|---|
| Straw-in-the-wind | Aporta evidencia débil |
| Hoop test | Descarta hipótesis si no se cumple |
| Smoking gun | Confirma fuertemente una hipótesis |
| Doubly decisive | Confirma una hipótesis y descarta rivales |
Straw-in-the-wind test
Una prueba de tipo straw-in-the-wind ofrece evidencia sugerente, pero no decisiva.
Un discurso menciona la crisis económica como motivo de protesta.
Ayuda, pero no basta.
Hoop test
Una prueba de tipo hoop test establece una condición que una hipótesis debe cumplir para seguir siendo plausible.
Si la teoría dice que una reforma fue negociada con sindicatos, debe existir evidencia mínima de reuniones o contactos.
Si no existe, la hipótesis se debilita mucho.
Smoking gun test
Una prueba de tipo smoking gun ofrece evidencia fuerte a favor de una hipótesis.
Un documento interno muestra explícitamente que una decisión se tomó para responder a presión empresarial.
Doubly decisive test
Una prueba doblemente decisiva confirma una explicación y al mismo tiempo descarta explicaciones rivales.
Es el estándar más fuerte, pero también el más difícil de encontrar.
Process tracing y mecanismos no activados
No todos los casos con condiciones favorables activan el mecanismo esperado.
Por eso algunos casos ayudan a explicar:
- interrupciones
- bloqueos
- fallas de coordinación
- cambios de estrategia
- ausencia de actores clave
Ejemplo: mecanismo no activado
Teoría:
movilización social → presión política → reforma
Caso desviante:
hubo movilización social, pero no hubo reforma.
Process tracing puede mostrar que:
- la oposición estaba fragmentada
- el gobierno reprimió eficazmente
- no hubo aliados institucionales
- el tema perdió visibilidad pública
Comparado, QCA y process tracing
| Método | Nivel de análisis | Principal aporte |
|---|---|---|
| Comparado | Entre casos | Identifica condiciones relevantes |
| QCA | Entre casos/configuraciones | Evalúa necesidad y suficiencia |
| Process tracing | Dentro del caso | Reconstruye mecanismos causales |
Cómo se complementan
Una estrategia cualitativa fuerte puede combinar métodos.
Ejemplo:
- Método comparado para seleccionar casos.
- QCA para identificar configuraciones.
- Process tracing para estudiar mecanismos dentro de casos clave.
Diseño integrado
Pregunta:
¿Por qué algunas reformas anticorrupción se aprueban y otras no?
Comparado:
comparar países con y sin reforma.
QCA:
identificar configuraciones suficientes.
Process tracing:
rastrear cómo se construyó la coalición reformista en un caso típico.
Tipos de inferencia
| Tipo de inferencia | Pregunta |
|---|---|
| Descriptiva | ¿Qué ocurrió? |
| Causal comparativa | ¿Qué condiciones explican el resultado? |
| Configuracional | ¿Qué combinación produce el resultado? |
| Mecanística | ¿Cómo ocurrió causalmente? |
Error común
No basta decir “hice entrevistas” para justificar un método cualitativo.
Hay que explicar:
- para qué se usaron
- cómo se analizaron
- qué evidencia aportan
- qué inferencia permiten sostener
Cierre
Los métodos cualitativos permiten explicar fenómenos políticos complejos mediante:
- comparación sistemática
- análisis de condiciones necesarias y suficientes
- configuraciones causales
- reconstrucción de mecanismos
- atención profunda a los casos
Cierre
El método no debe elegirse por preferencia personal.
Debe elegirse según la pregunta, el tipo de evidencia disponible y la inferencia que queremos sostener.
