Observación, causalidad y explicación causal - Núm. 52, Julio 2018 - Perfiles Latinoamericanos - Libros y Revistas - VLEX 736401773

Observación, causalidad y explicación causal

Este documento está disponible con registro gratuito

REGÍSTRATE GRATIS
Autor:Fernando Cortés
Cargo:Doctor en Ciencias Sociales, con especialidad en Antropología Social por el ciesas Occidente
Páginas:334-353
RESUMEN

En este ensayo se establece un diálogo entre las principales teorías epistemológicas sobre la causalidad que concluye con la diferenciación entre la causalidad y la explicación causal. Esta distinción es fundamental si se considera que la causalidad es un rasgo inaccesible de la naturaleza al que la ciencia se aproxima mediante explicaciones causales, es decir, basándose en modelos que organizan... (ver resumen completo)

 
EXTRACTO GRATUITO
[ 1 ]
Perfiles Latinoamericanos, 26(52) | 2018
: 10.18504/pl2652-001-2018
Recibido: 15 de agosto de 2017
Aceptado: 30 de enero de 2018
* Doctor en Ciencias Sociales, con especialidad en Antropología Social por el  Occidente. Profesor
Emérito, Flacso México/, | fcortes@colmex.mx
Observación, causalidad y explicación causal
Fernando Cortés*
Resumen
En este ensayo se establece un diálogo entre las principales teorías epistemológicas sobre la cau-
salidad que concluye con la diferenciación entre la causalidad y la explicación causal. Esta dis-
tinción es fundamental si se considera que la causalidad es un rasgo inaccesible de la naturaleza
al que la ciencia se aproxima mediante explicaciones causales, es decir, basándose en modelos
que organizan el material empírico y examinan el grado de correspondencia entre los resulta-
dos esperados, los proporcionados por el modelo y las observaciones. Los modelos correlacionales
como las regresiones y los análisis de senderos, los modelos multinivel, el análisis de paneles y,
en términos más generales, las ecuaciones lineales estructurales, entre otros, son concreciones del
pensamiento conceptual de quien los diseña (o escribe) y se someten al veredicto de la refutación.
En consecuencia, la conclusión es que la causalidad no emerge de los datos ni es un resultado que
surja de los modelos estadísticos.
Abstract
In this essay a dialogue is established between the main epistemological theories about causality
that concludes with the differentiation between causality and causal explanation. This distinc-
tion is of great importance if one considers that causality is an inaccessible feature of the nature
to which science approaches by means of causal explanations, that is, based on models that allow
the organization of empirical material and examine the degree of correspondence between the
expected results, provided by the model, and observations. As a particular case, correlation models
such as regressions, trail analysis, multilevel models, panel analysis and, more generally, structural
linear equations, among others, are concretions of the conceptual thinking of those who design
them (or write) and submit to falsification. Consequently, the conclusion is that causality does
not emerge from the data nor is it a result that emerges from the statistical models.
Palabras clave: causalidad, explicación causal, inferencia causal, modelos estadísticos, refutación,
observación (método científico).
Keywords: Causality, causal explanation, causal inference, statistical models, refutation, observa-
tion (scientific method).
F. Cortés | Observación, causalidad y explicación causal | Perfiles Latinoamericanos, 26(52) | F México
: 10.18504/pl2652-001-2018
2 •
Introducción: la causalidad en las ciencias sociales
Un mundo compuesto de objetos perma-
nentes constituye no solo un universo espa-
cial, sino también un mundo dependiente
de la causalidad, bajo la forma de relacio-
nes entre las cosas como tales, y ordenado
en el tiempo, sin continuas aniquilaciones
y resurrecciones. Es, pues, un universo al
mismo tiempo estable y exterior, relativa-
mente distinto del mundo interior, y en
el que el sujeto se sitúa como un término
particular en medio de los demás. (P,
1995: p. 11).
Este trabajo examina, desde el ámbito de las ciencias sociales, cuán válido
es inferir la causalidad a partir de datos observacionales. La preocupación surge
de que hoy se asiste a la segunda oleada de trabajos que han emprendido este
camino. Pareciera que la idea subyacente es buscar una vía alternativa para
emular la investigación experimental, es decir, aquella que logra identificar el
efecto de la variable experimental (C) controlando el papel de los factores que
inciden en la relación entre la causa C y el efecto E.
La primera oleada tuvo su origen en el trabajo de Lazarsfeld cuando este
desarrolló el denominado modelo de análisis de covarianzas,1 el cual fue ex-
puesto en 1946 en Cleveland, en un congreso de la Sociedad Americana de
Sociología. Otro impulso fue el artículo de Simon publicado en 1957. Ambas
contribuciones representan una clara continuidad de los aportes del genetista
poblacional Wright (1934), quien por primera vez planteó la posibilidad de
abordar el tema de la causalidad empleando técnicas estadísticas aplicadas a
datos generados por observación.
Fundamentado en esos avances, Blalock (1964) cristalizó y desarrolló las
ideas de los trabajos precedentes en un libro de título ilustrativo, Causal Infe-
rence in Nonexperimental Research. En este quedaron plasmados los esfuerzos de
las ciencias sociales por inferir la causalidad a partir de observaciones obtenidas
sobre todo, aunque no exclusivamente, por muestreo.
1 El análisis de covarianzas de Lazarsfeld fue la técnica más utilizada en América Latina en la década de
1960 para analizar la asociación entre tres variables dicotómicas; cuando el estudio involucraba a más
se examinaba el cambio en la asociación entre X y Y ante las diferentes variables de control (t) tomadas
de una a una, y solía concluirse, erróneamente, sobre dicha relación como si se hubiese controlado si-
multáneamente por el conjunto las mencionadas variables de control.

Para continuar leyendo

REGÍSTRATE GRATIS