Sunteți pe pagina 1din 0

ANLISIS Y MODELIZACION CAUSAL

EN SOCIOLOGA
Manuel Garca Ferrando
I. Introduccin
En este trabajo pretendo adentrarme en, a la vez que clarificar parcial-
mente, una aparente paradoja. La que se manifiesta al considerar, de un lado,
el progresivo descrdito filosfico de la nocin de causa, acelerado a partir de
finales del siglo pasado y, de otro lado, no slo la persistencia de esa nocin
en las Ciencias Sociales, sino el creciente y considerable volumen de publica-
ciones profesionales dedicadas al anlisis causal y a su aplicacin en la inves-
tigacin sociolgica.
Esta paradjica situacin requiere una clarificacin centrada en la respues-
ta al interrogante siguiente: qu funcin o utilidad se encuentra en la nocin
de causa que justifique esa atencin creciente que recibe en la investigacin
sociolgica y que parece contra corriente?
A su vez y puesto que se manejan y definen diversas nociones de causali-
dad, que han sido diseadas con objetivos y en relacin a problemas distintos,
la profundizacin en esa respuesta exige acotar el terreno. Como se ver ms
adelante, la nocin de causa de Simn y su formalizacn del concepto de or-
den causal han sido las bases del actual desarrollo del anlisis causa y de la
modelizacin causal en el anlisis sociolgico. Por ello, centrar mi atencin
29/85 pp. 143-164
MANUEL GARCA FERRANDO
preferentemente en el estudio de la tcnica del anlisis causal, de la modeliza-
cin causal o del path analysis o anlisis de camino, que con todos estos nom-
bres se conoce a la tecnologa desarrollada a partir de la nocin de causa de
Simn. Pero antes de adentrarme en el estudio de la tcnica del anlisis causal,
analizar brevemente el papel que juega la nocin de causa en la filosofa
de la ciencia y las peculiaridades que presenta la causacin social en contra-
posicin a la causacin en el mundo natural.
I I . La nocin filosfica de causa
Desde que Aristteles acuara filosficamente el trmino de causa, el
anlisis filosfico de las causas ha conocido diversos avatares, interesando des-
tacar aqu la crtica epistemolgica que realiza David Hume en su conocido
Ensayo sobre el entendimiento humano. Hume neg que tuviramos ningn
fundamento vlido para la atribucin de causa y efecto, y nos desafi a en-
contrar algo ms en la naturaleza o en la experiencia que simples covariaciones
o a un objeto siguiendo a otro. Aunque Kant replicara convincentemente a
Hume en la Crtica de la razn pura, la polmica filosfica sobre la nocin de
causa tomar otros derroteros en tiempos recientes con el desarrollo de la
fsica terica y de la filosofa positivista
l
.
En efecto, el fsico Ernst Mach, junto con otros, propondr la sustitucin
de la nocin de causa por la nocin ms general de funcin
2
. Se trata de un
proceso que iniciado por fsicos y matemticos converge con el que protago-
niza la filosofa de la ciencia de la mano de Popper, quien en su Lgica de
la investigacin cientfica propone la reduccin de las explicaciones causales
a explicaciones por leyes
3
, y de Hanson que en Patterns of discovery sostiene
la relativizacin terica de las nociones causales
4
.
Sntesis de esta situacin de crisis filosfica de la nocin de causa podra
ser la conocida cita de Bertrand Russell, quien lleg a afirmar lo siguiente:
La palabra causa se encuentra tan inextricablemente enlazada con asociacio-
nes engaosas que resulta deseable eliminarla por entero del vocabulario filo-
sfico. Todos los filsofos, de todas las escuelas, imaginan que la causalidad
es uno de los axiomas o postulados fundamentales de la ciencia, aunque, cosa
singular, la palabra 'causa' nunca aparezca en las ciencias avanzadas. La razn
de que la fsica haya dejado de buscar las causas consiste, en realidad, en que
1
Para una discusin clara y bien documentada sobre la polmica filosfica
de la nocin de causa, se puede ver Marx W. WARTOFSKY, Introduccin a la Filo-
sofa de la Ciencia, 2, Madrid, Alianza Universidad, 1976, pgs. 379-408.
2 J. J. KOCKELMANS, Phosophy of Science, N ueva Y ork, F ree Press, 1968, re-
coge con precisin esta fase del desarrollo de la filosofa positivista.
3 Karl R. POPPER, La Lgica de la Investigacin Cientfica, Madrid, Tec-
nos, 1973.
4 N. R. HANSON, Patterns of Discovery, C ambridge, C ambridge University
Press, 1968.
144
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
no existen tales causas. Pienso que la ley de causalidad, como mucho de lo
que vale para los filsofos, es como una reliquia de edades caducas, que, al
igual que la monarqua, sobrevive porque errneamente se supone que no
perjudica.
No cabe duda de que la razn de que la vieja ley de causalidad haya se-
guido campeando tanto tiempo en los libros de filosofa, es simplemente que
los filsofos desconocen la idea de funcin, y en consecuencia buscan una
formulacin ilusoriamente simplificada
5
.
Pues bien, a pesar de las brillantes palabras de Bertrand Russell, en
Sociologa, y en las Ciencias Sociales en general, existe un hecho irrefutable:
el trmino causa ha estado presente siempre en el anlisis sociolgico. Y
del mismo modo que la institucin monrquica ha sabido en algunos pases,
como en Espaa, recrearse en formas nuevas excelentemente adaptadas a la
sociedad democrtica, as le ha ocurrido al anlisis causal en Sociologa, que
ha adoptado nuevos enfoques epistemolgicos y metodolgicos mejor adap-
tados a la lgica de la investigacin analtica, basada en buena medida en la in-
vestigacin por medio de encuestas. Lo que a su vez representa, como se ver
ms adelante, su flanco dbil, que amenaza en convertir al actual anlisis cau-
sal en Sociologa en una tecnologa desprovista de toda sustancia terica
explicativa. Y es que muchos de los numerosos artculos profesionales que se
publican bajo ttulos encabezados por las expresiones Un anlisis causal
de... o Un anlisis de camino de..., se encuentran tan desprovistos de
significado terico y conocimiento emprico relevante, y tan repletos de coefi-
cientes y frmulas estadsticas que uno no puede por menos preguntarse hasta
qu punto es posible reunir bajo la misma etiqueta de trabajo sociolgico a
tales trabajos, y a los que han seguido ms fielmente la tradicin cientfica
inaugurada por los padres fundadores de nuestra disciplina.
Pero retornando a la relevancia sociolgica de la nocin de causa, el hecho
evidente es que los seres humanos actan y piensan dando por supuesto la
relacin causa-efecto. Como ha mostrado Piaget, desde muy temprano los
nios utilizan el lenguaje causal: los primeros usos del por qu se dirigen a
inquirir por los motivos de las acciones y la justificacin de las reglas. Ms
tarde, cuando el egocentrismo infantil comienza a declinar, se producen las
demandas por explicaciones causales naturalistas. Dado que los seres humanos
se encuentran inmersos en el proceso universal e irremediable del cambio, el
primer problema de la mente que investiga es preguntarse por el por qu del
cambio
6
.
5 Bertrand RUSSELL, "Sobre la nocin de causa", en Misticismo y Lgica y
otros ensayos, Buenos Aires, Paids, 1951, pgs. 178-179.
6 Un buen resumen de las breves ideas de Piaget aqu expuetas, y que fueron
publicadas originalmente en Le langage et la pense chez l'enfant (1923) y La
causalit physique chez l'enfant (1927), se encuentra en A. M. BATTRO, El pensa-
miento de Jean Piaget, Buenos Aires, Emec, 1969.
145
MANUEL GARCA FERRANDO
Como sealara Maclver en su ya clsico trabajo sobre la causacin social
7
,
el mundo que experimentamos es un mundo de continuidad y de cambio.
Percibimos el cambio y, por consiguiente, la continuidad, y viceversa. Es un
mundo en el cual el concepto de causacin reina sobre nuestra experiencia.
Nuestra vida es un proceso sealado por sucesos. Nos pasan cosas y reaccio-
namos ante lo que nos pasa, y la totalidad de ello es nuestra experiencia. Nadie
puede hacer que no hayan sucedido las cosas que han sucedido. Por tanto,
nuestra experiencia debe asumir siempre el carcter de un nexo causal. No hay
escape de la red de causa y efecto.
Ahora bien, la causalidad del mundo social presenta una importante dife-
rencia en relacin a la causalidad en el mundo de la Naturaleza, porque el
nexo causal que se atribuye a los cambios en ste difiere en un aspecto im-
portante del nexo causal que se descubre cuando somos nosotros mismos los
autores o fuentes del cambio. En efecto, en la sociedad se pueden prever, en
alguna medida, los cambios que efectuamos; emprendemos la actividad para
llevar a cabo el cambio previsto. La actividad teleolgica introduce, pues, un
factor de causacin que el mundo fsico no revela. En el proceso teleolgico,
el efecto, no ya como realidad, sino como previsin y fin de una accin, opera
para efectuarse. Como seala de nuevo Maclver, el efecto, ms o menos claro,
existe como proyecto antes del proceso fsico del cual, como realidad, emerge.
Esta relacin constituye el factor esencial en el control que el ser vivo o el
grupo social ejercen dentro de su medio
8
.
Ahora bien, cuando se investiga el porqu del cambio, el socilogo est
particularmente interesado en el porqu de la unin o de la relacin social.
Esta, de manera contraria al nexo fsico, no existe aparte de los objetivos y
motivos de los seres sociales; y de forma diferente tambin al nexo teleolgico,
no constituye en s misma una relacin de medios a fines. As, por ejemplo,
cuando se pregunta por qu la tasa de divorcios en las diferentes sociedades
est relacionada con el grado de urbanizacin e industrializacin de las mismas,
o por qu las tasas de movilidad social en los pases industrializados varan de
la forma en que lo hacen, el socilogo responde no con una referencia a los
fines que los hombres buscan, sino en el marco de las interacciones y relaciones
sociales que se establecen.
Pero no siempre el socilogo estudia el cambio social de aspectos tan es-
pecficos de la estructura social como son las tasas de divorcio o de movilidad
social. Los fenmenos sociales ms interesantes, con frecuencia, se resisten a
ser aislados y definidos con sencillez y facilidad. Los fenmenos sociales sue-
len estar enredados en la maraa de toda su historia, que hace que dependan
de condiciones que nacen dentro de cada orden de la realidad fsica y socio-
histrica
9
. Por qu se desarrolla el capitalismo de la forma en lo que hace
7 Rober M. MAC IVER, Causacin Social, Mxico, Fondo de Cultura Econmi-
ca, 1949.
s MAC IVER, op. cit, pgs. 10-12.
9
MAC IVER, op. cit., pgs. 23-24.
146
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
y en unos pases concretos y no en otros, es una pregunta que se han hecho,
y continan hacindose, los socilogos y cuya respuesta en trminos causales
requiere una delimitacin previa del fenmeno, en el correspondiente marco
histrico, de extrema dificultad.
En su teora del tipo ideal Weber trat de lograr una formulacin terica
a los intentos de descripcin e interpretacin de una situacin histrica o de
un sistema social. Dado que la comprensin de un fenmeno sociohistrico
complejo es inevitablemente parcial y selectiva, un modo de comprensin
vlido puede basarse en los modos tpicos de la conducta, de las normas ge-
neralmente aceptadas de la accin, que, al mismo tiempo, son atribuibles a
los actos de los individuos y se reflejan en la estructura institucional del sis-
tema. Los individuos tienden a actuar de acuerdo con tales normas, y es esta
tendencia la que da al sistema su forma y cualidad tpicas. De esta tendencia
se derivan leyes de un orden o de una etapa histrica determinada. Como
afirma Weber, tales leyes son determinadas probabilidades tpicas, confirma-
das por la observacin de que, dadas determinadas situaciones de hecho, trans-
curran con la forma esperada ciertas acciones sociales que son comprensibles
por sus motivos tpicos y por el sentido tpico mentado por los sujetos de la
accin
10
.
Sin entrar en estos momentos en las complejidades y ambigedades de la
teora del tipo ideal de Weber
11
, lo que me interesa destacar aqu es que al
asignar un papel decisivo a uno o varios factores como determinantes del
cambio del fenmeno social que se pretende explicar, del conjunto de factores
que inciden en el mismo, Weber seala un camino enormemente fructfero
para el anlisis causal del cambio social, al concebirlo como un orden com-
prensible de las cosas.
De lo que se trata, segn Weber, es de captar la realidad social como algo
coherente, como una unidad de elementos, en toda poca histrica, aun admi-
tiendo qe se presentan numerosas contradicciones y excepciones. Se persigue
el tipo, la comprensin de muchas particularidades dentro de una unidad,
aunque cada tipo sea un caso nico.
Inspirndose en el mtodo interpretativo weberiano, Mac Iver formul ms
recientemente sus propuestas para un anlisis de la causacin social
12
. Segn
este autor, al concebir una situacin social social como un sistema de fuerzas
afines que la sostienen, surge la interrogacin de la causacin cuando una
situacin cesa de conformarse a nuestra expectativa, cuando no revela ms,
como antes, sus actividades y probabilidades tpicas. Entonces cabe presumir
10 Max WEBER, Ensayos sobre metodologa sociolgica, Buenos Aires, Amorror-
tu, 1973, pgs. 262 y ss.
11 Weber fue ambivalente, cuando no ambiguo, en muchos de sus estudios me-
todolgicos. Por eso son de mayor importancia sus estudios histrico-sociolgicos
concretos para evaluar la metodologa weberiana. De opinin parecida es Irving
ZEITLIN, Ideologa y Teora Sociolgica, Buenos Aires, Amorrortu, 1970, pg. 138.
12 MAC IVER, op. cit., pgs. 213 y ss.
147
MANUEL GARCA FERRANDO
que la estructura dominante de fuerzas que la sostena ha sufrido un serio
cambio. Y entonces se busca lo que Mac Iver denomina factor precipitante,
es decir, la fuerza que se haya introducido. As, para Weber, la tica pro-
testante fue el disolvente de las restricciones tradicionales a la empresa de
negocios y a la adqisicin monetaria, y por ello, una causa primordial en el
nacimiento del capitalismo.
Ahora bien, resulta ms difcil relacionar el precipitante con una actitud
que con un suceso, de ah que la teora weberiana sobre los orgenes del capi-
talismo ha sido cuestionada desde muchas perspectivas
13
. El propio Robert
Mac Iver sostiene que para poder admitir la explicacin de Weber es preciso
antes refutar la explicacin que sostiene que el nacimiento de la tica protes-
tante con su individualismo, su ascetismo mundano, y su nocin de la
gestin econmica fue la expresin, en la esfera religiosa, del correspon-
diente cambio total en las actitudes sociales, cambio que era interdependiente
de un orden socioeconmico cambiante
14
.
Pero en la contraargumentacin de Mac Iver a la tesis weberiana, subyace
la propia debilidad de la aproximacin interpretativa del anlisis de la cau-
sacin social, ya que difcilmente se puede demostrar con la suficiente con-
viccin que un determinado factor causal juega realmente un papel decisivo
como precipitante. Es decir, el problema consiste en cmo justificar en la ex-
plicacin del cambio social, la seleccin entre la compleja totalidad de la es-
tructura social de ciertos elementos como factores causales decisivos del cam-
bio. Segn Mac Iver, la tarea de la investigacin causal debe fundamentarse
en el mtodo comparativo inspirado en el diseo experimental, aun admitien-
do que prcticamente nunca podr el socilogo emprender autnticos experi-
mentos sociales como hace el cientfico natural cuando experimenta con la
materia fsica. Para ello, y despus de especificar y deslindar al mximo el
por qu social que se desea responder e interpretar, el socilogo debe identi-
ficar la situacin o tipo de situacin en la cual se produce el fenmeno, en
contraste con una situacin o tipo de situacin comparable pero en la que no
se produce el fenmeno. Si X es la diferencia especfica y se encuentra dentro
de la situacin o coyuntura C, se proceder a la consideracin de Ci, la situa-
cin o coyuntura comparable a la que falta X. Entonces se establecer un
marco de referencia que abarque tanto a C como a C\. La investigacin pre-
liminar sobre las causas se dirige al establecimiento de una diferencia espe-
cfica X y de aqu a la determinacin ms precisa de las situaciones, ms n-
timamente comparables, C y C\, que seamos capaces de descubrir.
Dado el carcter nico e irrepetible de los sucesos o hechos histricos, y
dada la imposibilidad de realizar experimentos sociales, el socilogo debe
utilizar, segn Mac Iver, el procedimiento universal de la causacin con sumo
13 Recordemos aqu por la contundencia de sus argumentos contra las tesis
weberianas la obra del sueco Kurt SAMUELSON, Religin and Economic Action,
Estocolmo, Scandinavian U niversity Books, 1957.
14 MAC IVER, ibidem.
148
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
cuidado ensayando siempre que sea posible la reconstruccin social de los
fenmenos sociales, de tal suerte que se puedan interpretar los aspectos te-
leolgicos de los mismos. Ahora bien, en ltimo trmino, las frmulas pro-
puestas por Weber, Mac Iver y aquellos otros socilogos que se apoyan en
una interpretacin de los fenmenos sociohistricos, conceden una decisiva
importancia a las propias capacidades personales de los cientficos sociales, a
su sagacidad, erudicin, formacin intelectual e intuicin, a la par que son
completamente ambiguas por lo que se refiere al establecimiento de criterios
especficos y contrastables que aseguren la necesaria fiabilidad al trabajo cien-
tfico realizado.
Tal imprecisin va a contracorriente del carcter analtico y cuantitativo
que ha ido adquiriendo la ciencia en general, y la sociologa en particular, en
el transcurso del siglo xx. De ah que las enseanzas de Max Weber, y ms
modestamente de Mac Iver, se utilicen por los actuales socilogos ms como
grandes marcos generales de inspiracin cientfica, que como modos de trabajo
cientfico concretos en los que basar la rutina del quehacer cotidiano. Es por
ello que el anlisis de la causacin social tal como se practica hoy en da,
descanse ms en las frmulas operativas de los Lazarsfeld, Simn, Blalock o
Duncan, basadas como estn en una concepcin correlacional y estadstica, y
por tanto cuantificable, de la causalidad. Veamos esto con ms detalle.
III. Correlacin y causacin: El modelo de Simn
Los trabajos de Paul Lazarsfeld sobre la lgica del anlisis de encuestas
y particularmente el anlisis de las relaciones estadsticas en la investigacin
emprica
15
, estimularon el inters de Herbert Simn por el estudio de la cau-
salidad y de las correlaciones espurias. A su vez, el seminal trabajo de Simn,
publicado en 1952 en la revista de la Asociacin Americana de Filosofa, titu-
lado On the Definition of the Causal Relation
16
, seguido del publicado dos
aos ms tarde en el Journal of the American Statistical Association, con el
ttulo de Spurious correlation: A causal interpretation
17
, estimularon el
trabajo, entre otros, de econmetras y socilogos, cristalizando todo ello en lo
que se ha convertido en una tecnologa ampliamente utilizada en la actualidad
en la investigacin social emprica bajo la etiqueta de anlisis causal.
Bien es cierto que este tipo de anlisis causal tiene unos origenes anteriores
a los aqu sealados, ya que Sewall Wright, padre del path analysis o anlisis
15 La obra lazarsflediana terica y metodolgica sobre estos temas es amplia
y diversa. Pero quiz sea la obra coeditada con ROSENBERG, The Language of So-
cial Research (Nueva York, Free Press, 1955) la que recoja ms sistemticamente
sus contribuciones fundamentales al anlisis sociolgico emprico.
16 Herbert A. SIMN, "On the Definition of the Causal Relation", The Journal
of Philosophy, 49, 1952, pgs. 517-528.
!7 Herbert A. SIMN, "Spurious Correlation: A Causal Interpretation", Journal
of the American Statistical Association, 49, 1954, pgs. 467-479.
149
MANUEL GARCA FERRANDO
de camino, investigando en el campo de la gentica public, en 1921, un ar-
tculo titulado Correlation and Causation, en el que estableci las bases con-
ceptuales y estadsticas del anlisis de ecuaciones estructurales utilizando coe-
ficientes de correlacin y regresin
18
. Pero slo ser con el trabajo de Lazar-
sfeld y Simn, y ms adelante con los modelos causales de Blalock, que el
anlisis correlacional de la causalidad se convierta en una de las metodologas
ms utilizadas en la investigacin social emprica.
El trabajo de Simn es particularmente interesante porque est ligado
directamente al anlisis causal en sociologa y a la modelizacin en econome-
tra, disciplina sta que se ha convertido en el paradigma a seguir por aquellos
socilogos interesados en la metodologa dura de la ordenacin causal ar-
ticulada con el anlisis de camino o path analysis.
Veamos ahora con cierto detalle los fundamentos de las aportaciones de
Simn y Blalock al anlisis causal. El concepto de ordenacin causal que sos-
tiene Simn
19
no pretende solucionar el problema de Hume ni mucho menos
contradecir la afirmacin humeana de que todo lo que se puede observar son
simples covariaciones. En lugar de enfrascarse en un planteamiento ontolgico
de la nocin de causa, esto es, en una nocin basada en la conexin necesaria
de los hechos, Simn se esfuerza por seguir un camino operativo que le per-
mita abordar el anlisis causal desde un concepto de fcil manejo por todos los
investigadores sociales, como es el de correlacin. Con ello, qu duda cabe,
no pretende demostrar, en el sentido absoluto del trmino, la existencia de la
causacin, pero en cambio ofrece al investigador emprico un instrumento
eficaz para enfrentarse desde una concepcin en buena medida intuitiva y de
sentido comn de la causacin, con el estudio relacional de las variables socio-
lgicas.
Simn sita el estudio de la nocin de causalidad en el contexto terico
de la explicacin cientfica. De este modo pretende delimitar claramente la no-
cin de causalidad por un lado y de correlacin por otro. La correlacin entre
dos variables viene establecida por los datos empricos, mientras que la relacin
causal es postulada por la teora, esto es, la correlacin sirve para predecir y
la causalidad, adems, para explicar, y lo que trata Simn es de establecer
las condiciones bajo las cuales una correlacin entre dos variables diferente
de cero, ofrezca la evidencia suficiente para inferir la existencia de una rela-
cin causal entre dichas variables. Para introducir su nocin de causalidad,
Simn estudia en primer lugar la situacin bivariable, afirmando que la corre-
lacin es una prueba de causacin en el caso de dos variables si podemos esta-
blecer los supuestos de precedencia en el tiempo y de la ausencia de correla-
cin entre los trminos residuales.
!8 Sewall WRIGHT, "Correlation and Causation", Journal of Agricultural Re-
sarch, 20, 1921, pgs. 557-585.
19 El argumento que a continuacin se desarrolla es un resumen de los con-
ceptos bsicos que presenta SIMN en sus dos artculos anteriores.
150
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
De una forma esquemtica, la situacin que estudia Simn se puede re-
presentar en un diagrama de flechas y mediante ecuaciones estructurales del
sigiente modo:
R,,
P
- > X,
P21
R , 5: . ,
en donde X\ y X
2
son las variables medidas en el modelo, siendo Xi una va-
riable exgena, ya que no se encuentra influida por otras variables del modelo,
mientras que X
2
es una variable endgena, ya que se encuentra afectada por la
variable X\. Los Ri son trminos de error o residuales, y representan aquellos
factores no medidos que inciden sobre las variables endgenas. Los coeficien-
tes p representan el impacto de una variable sobre otra.
El diagrama de flechas as representado se puede convertir en un sistema
de ecuaciones que reflejen las uniones representadas en el diagrama. A cada
variable endgena le corresponde una ecuacin que incluye aquellas variables
que directamente inciden sobre ella. Pues bien, el diagrama anterior se puede
representar mediante el sencillo sistema de ecuaciones:
Xi = P\
u
R
u
X2 = P
2
iXi + Piv R\
Los supuestos avanzados por Simn en su nocin de causalidad demandan,
en primer lugar, que para que exista una relacin causal entre X\ y X
2
, sea
posible especificar a prior i la direccin de la relacin. En el diagrama se obser-
va que Xi influye sobre X2 y no al revs, y el coeficiente P21 representa el
impacto causal de Xi en X
2
. El segundo supuesto exige que los trminos re-
siduales asociados con Xi yX
2
, esto es, R
u
y Rv, no estn correlacionados entre
s, lo que equivale a decir que no existe ninguna variable que incida simult-
neamente sobre Xi y X
2
. Satisfechos estos supuestos o restricciones, Simn
demuestra que la estimacin de P21, esto es, del coeficiente que mide el im-
pacto causal de Xi sobre X
2
, es simplemente la correlacin r
2
entre Xi y X
2
.
Antes de seguir adelante con la discusin del modelo de Simn al intro-
ducir una tercera variable, conviene que nos detengamos unos momentos en
la consideracin de la propia nocin de causalidad en la que se basan Simn
y el gran nmero de autores que han continuado su lnea de trabajo. Pues
bien, para tales autores, es preciso especificar tres condiciones para poder infe-
rir la existencia de una relacin causal entre dos variables X e Y. La primera
151
MANUEL GARCA FERRANDO
condicin establece tal como se ha visto anteriormente, que debe existir una
variacin concomitante o covariacin entre X e Y, mientras que la segunda
condicin exige una asimetra temporal u ordenacin en el tiempo de ambas
variables. Estas dos condiciones no son excesivamente restrictivas, ya que con
frecuencia se puede medir la covariacin y observar o imponer una secuencia
temporal entre dos variables. Sin embargo, hay una tercera condicin que hace
ms problemtica la nocin de causalidad, ya que requiere la eliminacin
de otros posibles factores causales que puedan incidir en la relacin observada
entre X e Y. Dicho de otra forma, la tercera condicin establece que para que
exista una relacin causal entre X e Y, la covariacin entre ambas variables no
debe desaparecer cuando se controlan los efectos de otras variables que pu-
dieran ser causalmente previas a X e Y.
Ahora bien, si para cualquier tipo de fenmeno resulta difcil aislar otros
posibles factores causales de la relacin causal entre X e Y que se postula, el
problema se agrava para el caso de las ciencias sociales por las especiales difi-
cultades metodolgicas que presenta la delimitacin clara y precisa del cambio
social. Pues tal como han sealado tantos socilogos, desde Weber hasta Mac
Iver, cualquier cambio social que se trate de explicar se halla enredado en la
maraa de toda su historia. Depende de condiciones que nacen de los diversos
rdenes de la realidad y a menudo, los mismos fenmenos difcilmente se pue-
den delimitar de manera unvoca, ya que presentan un aspecto diferente a los
diversos observadores, de acuerdo con sus propios intereses y posicionamien-
tos sociales. Por todo ello, los fenmenos sociales con frecuencia no ofrecen
lmites claros que indiquen dnde termina uno y comienza el otro.
Pero todas estas limitaciones no impiden, aunque s dificultan, la seleccin
de variables a introducir en los modelos explica torios. Una prudente utiliza-
cin de los ya amplios conocimientos tericos y empricos acumulados sobre
gran parte de los fenmenos sociales, son la mejor garanta de que se inclui-
rn slo aquellas variables relevantes causalmente relacionadas, aunque el
investigador social ha de estar preparado para identificar aquellas variables
que puedan incidir en la relacin original, para incorporarlas (y medirlas) en
el modelo. Por eso resulta inevitable formular algunos supuestos restrictivos
a priori antes de proceder al contraste emprico de cualquier diseo de inves-
tigacin, siendo inevitable postular que los efectos de otras variables no in-
cluidas en el modelo son despreciables. Ms adelante se insistir en los supues-
tos a priori que acompaan a las propiedades de los trminos residuales o de
error en los modelos estructurales, pero ahora vamos a continuar con la ela-
boracin del modelo de Simn para el caso de tres variables.
Una vez calculado el coeficiente de correlacin entre dos variables, si se
sospecha que la correlacin observada tiene un origen espurio, se puede in-
troducir una tercera variable Z que conjeturamos pueda dar cuenta de la corre-
lacin observada. Si al calcular el coeficiente de correlacin parcial entre X e Y
manteniendo constante la tercera variable introducida, el resultado se aproxima
152
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
a cero, mientras que no lo era la correlacin original, caben dos tipos de inter-
pretacin: que la tercera variable sea interviniente, esto es, que el efecto
causal de X e Y opere a travs de Z o que la correlacin entre X e Y resulte
del efecto causal de Z en ambas variables, con lo que la relacin original es
espuria.
Algunas veces, el propio contexto de la investigacin permite seleccionar
una de las dos interpretaciones. As, Simn, utilizando dos ejemplos adaptados
del clsico trabajo de Zeisel Dgalo con nmeros
1Q
)
presenta su argumento del
siguiente modo. El consumo de dulces se encuentra negativa y altamente rela-
cionado con el status matrimonial. Pero tambin existe una correlacin nega-
tiva y alta entre el consumo de dulces y la edad, mientras que la relacin entre
la edad y el status matrimonial es tambin alta pero positiva. Al mantener la
edad constante, sin embargo, la correlacin entre status matrimonial y consumo
de dulces se hace prcticamente cero. Ahora caben hacer dos interpretaciones,
la edad es una variable interviniente entre el consumo de dulces y el status
matrimonial, o bien la correlacin entre estas dos variables es espuria, ya que
en realidad se trata de un efecto conjunto de la edad. Nuestro sentido comn
nos indica que la ltima interpretacin es la correcta, ya que el consumo de
dulces depende de la edad y no del status matrimonial.
Supongamos ahora que encontramos una correlacin alta y positiva entre
el porcentaje de mujeres que trabajan y que estn casadas y el ndice de ab-
sentismo laboral. Pero si introducimos en el anlisis correlacional el nmero
de horas dedicadas al trabajo domstico, la correlacin original desaparece. De
nuevo, nuestro sentido comn nos seala la direccin correcta de la causacin
al considerar las variables horas de trabajo domstico como una variable in-
terviniente entre la poblacin laboral femenina casada y absentismo; esto es,
que el matrimonio de las mujeres tiende a aumentar la cantidad de trabajo
domstico que realizan, lo que a su vez provoca un mayor absentismo laboral.
Pero no siempre se puede recurrir al sentido comn para dilucidar si una
correlacin es genuina, y por tanto implica causalidad, o por el contrario se
trata de una correlacin espuria que no implica relacin causal alguna. Aun-
que en ltimo trmino es siempre el marco terico el que nos permite elegir
entre las dos alternativas, el establecimiento de un diagrama causal y de un
sistema de ecuaciones estructurales, permite fortalecer nuestro razonamiento
lgico. El modelo de Simn nos ayuda a tomar correctamente tales decisiones.
Para el caso de tres variables se puede escribir el siguiente diagrama:
R
tl
> X
2
> X
3
-+ R
v
20 Hans ZEISEL, Dgalo con Nmeros, Mxico, Fondo de Cultura Econmi-
ca, 1974 (e.o. 1947).
153
MANUEL GARCA FERRANDO
Suponemos que la correlacin entre X
2
y X
3
es diferente de cero y quere-
mos saber si P32 es tambin diferente de cero, lo que significara que X
2
incide
causalmente sobre X
3
. As, pues, lo que analiza Simn son las condiciones bajo
las que desaparece P
32
.
A partir del anterior diagrama, se puede escribir el siguiente sistema de
ecuaciones estructurales:
3
= P
31
X
1
+ P
32
X
2
+ P
3l
, R
En su trabajo original, Simn emplea un procedimiento un tanto com-
plejo de multiplicacin de pares de ecuaciones para estimar P
32
y a continua-
cin examina las condiciones bajo los que P
32
vale cero.
Una forma ms rpida y sencilla de estimacin del coeficiente P
32
sugerida
por Stokes es la del procedimiento de la variable instrumental, que consiste,
en resumen, en operar en cada ecuacin estructural de forma que se obtenga
un sistema de m ecuaciones con n incgnitas los coeficientes P
i ;
, siendo
m^n
2X
. Ahora bien, tanto se siga un procedimiento u otro, es preciso satis-
facer los supuestos apriorsticos de que las variables residuales no estn corre-
lacionadas entre s, y tampoco lo estn con las variables explicatorias. Se trata
de restricciones que no son verificables estadsticamente y que hay que
aceptar como vlidas para poder operar con el modelo.
Se puede demostrar que la solucin para el coeficiente P
32
, siguiendo el
mtodo de Simn o el procedimiento de la variable instrumental de Stokes
es que
y-23 - m m
Pi2 = = = f t
2
: 1
1 - rn
El rasgo ms importante de esta solucin es que el valor del coeficiente
P
32
es equivalente al peso beta j8
32
.i, que es el coeficiente estandarizado (o
tipificado) de regresin. Tambin resulta de inters sealar que el numerador
de un coeficiente estandarizado de regresin es el mismo que el numerador del
correspondiente coeficiente de correlacin parcial, con lo que Simn observa
que el numerador delcoeficiente P
32
es igual al numerador del coeficiente de
correlacin parcial r
23
.i. Por tanto, si beta tiende a cero, lo mismo le ocurrir
al correspondiente coeficiente parcial r, con lo que la comprobacin del posible
carcter espurio de una correlacin se reduce a la prediccin de un valor cero
o aproximadamente cero de ciertos coeficientes de correlacin parcial. Simb-
licamente se tiene que para una secuencia lineal tal como Xi > X2 - X3,
21 D E. STOKES, "Compound paths: an expository note", American Journal of
Political Science, 18, 1974, pgs. 191-214.
154
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
la prediccin es que ro.2 = 0, mientras que para que se produzca una se-
cuencia espuria tal como Xi la prediccin ha de ser r23.i = O.
Posteriormente al trabajo original de Simn, Blalock ha sugerido que en
lugar de los coeficientes de correlacin, que ofrecen a veces predicciones im-
precisas, se utilicen coeficientes de regresin que son ms fiables
22
. Sin em-
bargo, en la prctica, las diferencias entre utilizar un tipo de coeficiente u
otro no son significativas.
Pero la aportacin ms interesante de Blalock ha consistido en apoyarse
en el modelo de Simn para desarrollar una tcnica que permite comprobar
la existencia o no de uniones entre variables en modelos recursivos de cual-
quier tamao. La secuencia que se sigue en la tcnica de Blalock comienza por
construir un modelo en forma de diagrama de flechas, para despus observar
dnde se han omitido las uniones entre pares de viciables y a continuacin
generar predicciones sobre ciertos coeficientes de correlacin parcial referentes
a dichos pares de variables, que debieran aproximarse al valor cero. Entonces
se calcula el valor real de la correlacin parcial, se compara con el valor pre-
dicho, y en base a la comparacin se decide si se debe o no omitir la unin
23
.
El procedimiento lgico ideado por Blalock quiz se pueda seguir mejor si
lo desarrollamos a travs de un ejemplo prctico de su uso. En un estudio ya
clsico con este tipo de tcnica sobre la conducta electoral del pblico norte-
americano, Golberg trat de encontrar un modelo terico que explicase dicho
comportamiento
24
. El primer modelo que someti Goldberg al contraste de
los datos empricos fue el siguiente, tras el examen previo de los conocimien-
tos tericos y empricos acumulados sobre el tema:
2 2 Hubert M. BLALOCK, "Correlated Independent variables: the problem of mul-
ticollinearity", American Journal of Sociology, 42 , 1963, pgs. 233-237.
2 3 BLALOCK es un autor prolfico y sus aportaciones al anlisis causal se en-
cuentran dispersas en no menos de diez publicaciones diferentes. Como ms ca-
ractersticas se pueden citar aqu su libro Causal Inferences in Nonexperimental
Research, Chapel Hill, University of North Carolina Press, 1964, y el artculo
"Theory Building and Causal Inference", pgs. 155-198, en H. M. BLALOCK y
A. B. BLALOCK (eds.), Methodology in Social Research, Nueva York, McGraw-
Hill, 1968.
2 4 A. GOLDBERGER, "Discerning a causal pattern among data on voting beha-
vior", pgs. 33-48, en H. M. BLALOCK, Jr. (ed.), Causal Models in the Social Scien-
ces, Chicago, Aldine-Atherton, 1966.
155
MANUEL GARCA FERRANDO
en donde la variable X\ representa las caractersticas sociolgicas del padre del
votante, X
2
es el partido al que est afiliado el padre del votante, X
3
son las
caractersticas sociolgicas del votante, X
4
es el partido al que est afiliado el
votante, X5 son las actitudes del votante frente a los partidos y Xt es el voto
del votante, o variable que se trata de explicar.
Las ecuaciones predictivas tericas que se deducen del modelo requieren que
sean cero los siguientes coeficientes de correlacin parcial: 7*41.23; 7*61.2345; 7*32.1;
/52.134; r62.B45; ^3.12; ^3.12; 7*63.1245, y r64.i235. Cal cul ados l os val ores real es, Gol dberg
encont r que l os coefi ci entes 7*32.1, 7*43.12 y 7*64.1235 eran mayores de 0 , 1 , l o que
condujo a revisar el modelo y a incluir las uniones entre X2-X3, X3-X4 y
X4-X6:
X
3
De este modo se obtiene el modelo que segn Goldberg minimiza las dis-
crepancias entre los valores predichos y los observados.
Vemos, pues, que la tcnica de Blalock lo nico que ofrece es informacin
acerca de si se debe incluir o no una unin entre dos variables, aunque poco
dice sobre la fuerza de la unin entre ambas. A cambio de este tipo de resul-
tado es preciso formular unos supuestos previos muy restrictivos que han de
satisfacer las variables introducidas en el modelo. En efecto, al basarse la
tcnica de Blalock en el modelo bsico de regresin, su utilizacin adecuada
requiere que se satisfagan los supuestos del anlisis de regresin, esto es, que
los datos se encuentren medidos a nivel de intervalo, que los trminos resi-
duales no se encuentren correlacionados con las variables independientes, que
el modelo sea lineal y que no se hayan producido errores aleatorios en la me-
dicin de las variables. Adems de estos supuestos correspondientes al anlisis
de regresin, la tcnica de Blalock exige que el sistema de ecuaciones lineales
sea recursivo, esto es, que no contenga relaciones de doble direccin. En suma,
se trata de satisfacer supuestos altamente restrictivos que raras veces se cum-
plen en puridad en la investigacin emprica en sociologa, a cambio de obte-
ner unos resultados en el mejor de los casos poco brillantes.
156
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
Es por ello que a pesar de la popularidad de la tcnica de Blalock en la
modelizacin causal en sociologa, se haya impuesto, sin embargo, en los lti-
mos aos otra tcnica que aunque impone las mismas restricciones previas que
la tcnica de Simon-Blalock, ofrece a cambio una informacin resultante ms
rica para el investigador.
IV. El anlisis de camino
El anlisis de camino se ocupa bsicamente de estimar la magnitud de las
uniones entre variables, utilizando dichas estimaciones para suministrar infor-
macin acerca de los procesos causales subyacentes. La forma ms simple de
obtener los coeficientes de camino es mediante el empleo de tcnicas comunes
de regresin, siempre que se cumplan los supuestos que exigen tales tcnicas,
sobre todo la restriccin de que la variable residual en una ecuacin estructu-
ral no se encuentre correlacionada con las variables explicatorias de la ecua-
cin
25
.
A guisa de ejemplo y sin salimos de la sociologa poltica, tomemos el mo-
delo desarrollado por Miller y Stokes
26
para predecir la conducta de los re-
presentantes polticos elegidos en los correspondientes distritos electorales:
2 5 Son muy numerosos los trabajos aparecidos en la ltima dcada sobre el
anlisis de camino. Para una presentacin esquemtica de esta tcnica se puede
consultar M. GARCA FERRANDO, Socioestadstica, 2 .
a
edicin, Madrid, CIS, 1984, que
contiene adems en el captulo XIV una bibliografa ms ampliada.
Sobre el problema de los modelos estructurales con variables no observadas,
se puede consultar el trabajo de Francisco ALVIRA y Marina PEA, "Path Analy-
sis: Modelos de ecuaciones estructurales y variables no observadas", RES, 3,
1978, pgs. 187-2 08.
2 6 w. E. MILLER y D. E. STOKES, "Constituency influence in Congress", pgs.
35 1-372 , en A. CAMPBELL et al., Elections and the Political Order, Nueva York,
196 6 .
157
MANUEL GARCA FERRANDO
en donde X
4
es la conducta del representante elegido, Xi son las actitudes de
los electores, X
2
la percepcin que los representantes tienen de las actitudes
de los electores, y X3 son las actitudes de los representantes.
Sin entrar en los detalles tcnicos del anlisis del camino, digamos que
las ecuaciones estructurales que se deducen del modelo son las siguientes:
^2 = ^21 X1+P214 Ru
R
w
El procedimiento de estimacin de los principales coeficientes de camino
consiste sencillamente en regresar cada variable endgena en aquellas variables
que directamente inciden sobre ella, mientras que los coeficientes de camino
residuales, esto es, Pin, P
3v
y Pt
w
, tambin se extraen siguiendo tcnicas de
regresin mediante la frmula ^/l ~ R
2
en donde R
2
es el cuadrado del co-
rrespondiente coeficiente de correlacin mltiple.
La utilidad real del anlisis de camino radica en el uso que se puede
hacer de las estimaciones de los coeficientes de camino. De esta manera es
posible medir los efectos directos e indirectos que una variable tiene sobre
otra. As, en el ejemplo anterior, las actitudes de los electores tienen adems
del efecto directo, un efecto indirecto en la conducta de los representantes
va su impacto en las actitudes del representante y de su percepcin de las
actitudes de los electores. Entonces se puede comparar la magnitud de los
efectos directos e indirectos que permitirn identificar los mecanismos causa-
les operativos.
Adems, el anlisis de camino permite descomponer la correlacin entre
cualquier par de variables en una suma de coeficientes de camino simples y
compuestos, siendo algunos de estos coeficientes compuestos efectos indirectos
significativos y otros no La descomposicin de la correlacin se puede hacer
de diversas formas, aunque la ms operativa e intuitiva de todas, consiste en
seguir las reglas que Wright estableciera en un seminal artculo publicado en
1934
27
y que tuvo que esperar al desarrollo y difusin de los ordenadores de
alta velocidad, para que las ideas y conceptos vertidas en l pudieran ser utili-
zadas ms fcilmente por los actuales investigadores sociales y no sociales.
En el modelo de Miller y Stokes se puede descomponer, por ejemplo, la
correlacin entre Xi y X
3
, diferenciando entre el efecto directo entre ambas
variables, lo que vendra representado por el coeficiente P31. Como tambin se
puede ir de Xi a X
3
va X
2
, el correspondiente coeficiente de camino sera
27 Sewal WRIGT, "The Method o Path Coefficients", Annals of Mathematical
Statistics, 5, 1934, pgs. 161-215.
158
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
P21 P32. De este modo, la descomposicin de rn es igual a la suma de los
coeficientes de camino simple y compuesto, esto es
fi3 P31 -+ P21P32
efecto efecto
directo indirecto
La descomposicin del coeficiente de correlacin suministra adems una
forma de comprobacin de cuan adecuado es el modelo si algunas uniones se
han omitido en el modelo inicial, ya que en tal caso el coeficiente de camino
correspondiente valdr cero. De este modo, el test o contraste del modelo
consiste sencillamente en comprobar si el coeficiente omitido es en efecto cero,
determinando la magnitud de la unin emitida mediante la estimacin del mo-
delo que incluya dicha unin.
Vemos, pues, que el anlisis recursivo de camino ofrece idntica informa-
cin que la tcnica Simon-Blalock ms cierta informacin adicional, y todo
ello con las mismas restricciones o supuestos a priori. En resumen, el anlisis
de camino permite examinar los procesos causales que subyacen a las relacio-
nes observadas y tambin permite estimar la importancia relativa de caminos
alternativos de influencia. El tipo de contraste del modelo que se puede reali-
zar mediante el anlisis de camino estimula una mejor aproximacin causal
en la bsqueda de explicaciones de los fenmenos investigados.
Tales ventajas del anlisis de camino lo han convertido en una de las
tcnicas ms utilizadas en la investigacin social y emprica. Econmetras y
socimetras han empleado profusamente dicha tcnica, en sus intentos por
descubrir y contrastar pretendidas relaciones causales entre los fenmenos so-
ciales y econmicos
28
. Pero vistas las cosas con la perspectiva que ofrece el
paso del tiempo, el balance actual de la utilizacin del anlisis de camino en la
investigacin sociolgica no parece en mi opinin excesivamente brillante. Mil-
ler y Stokes se han preocupado recientemente de estudiar el uso que se ha
hecho del anlisis de camino en los trabajos de investigacin publicados en las
tres principales revistas profesionales de sociologa americanas
29
. Pues bien, en
el perodo estudiado, que va de 1965 a 1973, 48 artculos publicados en tales
revistas han utilizado el anlisis de camino en 174 modelos elaborados con un
nmero diverso de variables (slo dos en el modelo ms sencillo y 13 en el
modelo ms complejo).
Pues bien, con el fin de evaluar el uso realizado del modelo de camino en
los referidos artculos, Miller y Stokes calcularon el valor del trmino resi-
28 Para una detallada presentacin de la tcnica de Simon-Blalock y de sus
aplicaciones en las ciencias sociales, se puede ver Herbert B. ASHER, Causal Mo-
deling, Beverly Hill, Sage Publications, 1976.
29 M K. MILLER y C. S. STOKES, "Path analysis in sociological research", Rural
Sociology, 40, 1975, pgs. 390-394.
159
MANUEL GARCA FERRANDO
dual (1 - R
2
), que representa el porcentaje de varianza explicado por las varia-
bles que no intervienen en el modelo. Sus resultados fueron sorprendentes.
En los modelos que haban utilizado alrededor de seis variables, el valor
medio del trmino residual fue de 0.79. Un residuo de esta magnitud indica
que por trmino medio se ha explicado menos del 40 por 100 de la varianza.
Otros resultados del examen del empleo del anlisis de camino fueron que
mientras que el 20 por 100 de los modelos tenan trminos residuales meno-
res de 0.70, otro 25 por 100 tena residuos incluso superiores a 0.90. Dicho
de otra forma, un artculo de cada cuatro explica menos del 20 por 100 de
la varianza con una media de cinco variables. Adems, casi un 11 por 100 de
tales artculos no pudieron explicar ms del 10 por 100 de la varianza total, e
incluso otro 10 por 100 de los artculos no incluyeron el trmino residual ni
ningn otro coeficiente que hubiera permitido calcular la varianza no expli-
cada. Todos estos datos, como afirman Miller y Stokes, despiertan un fundado
escepticismo en los modelos cuantitativos basados en el anlisis de camino tal
como vienen siendo utilizados en la investigacin sociolgica.
Bien es cierto que el porcentaje de varianza explicada e inexplicada por las
variables introducidas en el modelo no debe utilizarse como la prueba defini-
tiva de la adecuacin del modelo al que se le ha aplicado la tcnica del an-
lisis de camino. Otis Dudley Ducan dej bien claro, en un trabajo publicado
hace ya casi diez aos
30
, que el objeto de la investigacin cientfica en general
y de la tcnica del anlisis de camino en particular, no puede consistir slo en
maximizar la varianza explicada. Ms bien considera Duncan que el logro de
un sistema slido de ecuaciones algebraicas es secundario en relacin a la
obtencin de una representacin (o modelo) apropiada de la estructura del
problema. Esto es, que lo importante no son las soluciones algebraicas, ni si-
quiera el preciso ajuste algebraico de los sistemas de ecuaciones, sino el logro
de una interpretacin racional y sustantiva de los datos.
V Las insuficiencias tericas de la modelizacin causal
Sin embargo, las cosas no parecen marchar tal como hubieran deseado los
fundadores de esta tcnica de anlisis. Porque desde Wright hasta Blalock,
pasando por Simn, siempre se ha destacado que la contribucin de la mode-
lizacin causal y de los sistemas de ecuaciones estructurales del anlisis de
camino, no consiste tanto en la racionalizacin de los clculos de la varianza
explicada o en la evaluacin de la relativa importancia de las variables,
como en lograr explicitar la formulacin de los supuestos que deben de prece-
der a tales clculos si se quiere que ofrezcan resultados inteligibles. Como ya
30 otis DUDLEY DUNCAN, Introduction to Structural Equation Models, Nueva
York, Academic Press, 1975. En el captulo 2 presenta Duncan una precisa dis-
cusin de las diferencias y analogas entre los conceptos de correlacin y cau-
sacin.
160
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
sealara Wright en un trabajo publicado en 1931, el poder real del anlisis de
camino no radica en el tipo de clculos de regresin que realiza, sino en su
utilizacin para estudiar las propiedades de sistemas ms complejos que los
que permite una simple regresin lineal. Como seala de nuevo Duncan, en
problemas en los que este tipo de sistemas es el modelo apropiado, el clcu-
lo de las varianzas explicadas o es irrelevante o es un objetivo secundario.
Pero la creciente aparicin en las revistas profesionales sociolgicas de
artculos abstractos que contienen el anlisis de camino como la tcnica bsica
para el anlisis de los datos, lo que por otro lado est haciendo que tales
revistas resulten cada vez ms aburridas y obtusas, parece indicar que muchos
socilogos han emprendido el estudio de los modelos de ecuaciones estructura-
les con la esperanza de adquirir una tcnica que se pueda aplicar mecnica-
mente a una serie de datos numricos, en la creencia de que el resultado
se convierte automticamente en una pieza de investigacin cientfica. Este
deseo de encontrar la clave de la sociologa instantnea, como seala agu-
damente Otis Dudley Duncan en su bsico libro anteriormente citado, y esa
absurda suposicin de que cualquier conjunto de datos, torturados segn el
ritual estadstico prescrito en los programas de clculo para ordenador, van a
producir descubrimientos cientficos interesantes, estn anclados en la falacia
de la induccin, es decir, en la suposicin de que el conocimiento cientfico
se basa en reglas de induccin. Pero, afortunadamente, en el campo de la filo-
sofa de la ciencia ya nadie, o casi nadie, defiende en la actualidad la postura
induccionistas, que se encuentra en total desprestigio
31
.
La historia reciente de las investigaciones sociolgicas que se publican en
libros y revistas, y que utilizan modelos de ecuaciones estructurales, suminis-
tra, pues, otro episodio de empleo de la ltima moda metodolgica en la
bsqueda de la sociologa instantnea. Pero la investigacin sociolgica,
cuando produce resultados sustantivos y relevantes sobre el funcionamiento
de los fenmenos sociales, est basada en modelos inspirados en teoras socio-
lgicas creativas, sustantivas y profundas.
Y si no se dispone de modelos tales, la ms abstracta y elegante de las
formalizaciones apenas servir para otra cosa que conseguir que sus autores
superen el listn de los estndares establecidos por los editores de las revistas
profesionales, y logren publicar trabajos que aportan bien poco al avance del
conocimiento cientfico y sociolgico.
Tal es la situacin que ha alcanzado el rea del anlisis causal en las
ciencias sociales, que el propio Herbert Simn ha hecho or recientemente su
autorizada voz para tratar de introducir algo de orden en el exuberante y
3i Como prueba de la escasa importancia del tema de la induccin, baste se-
alar que en las discusiones que se producen desde las dos grandes posturas que
dominan el actual panorama de la filosofa de la ciencia, esto es, la filosofa ana-
ltica y la teora crtica, apenas si se producen referencias sobre el problema de
la induccin.
161
MANUEL GARCA FERRANDO
tumultuoso crecimiento de la bibliografa dedicada al anlisis de camino y a la
identificacin y estimacin de ecuaciones estructurales
32
.
Enlazando con las ideas que en su da expusiera convincentemente Paul
Lazarsfeld acerca de la importancia del conocimiento previo para el estable-
cimiento de atribuciones causales, Simn realiza una aportacin al libro ho-
menaje al propio Lazarsfeld coeditado por sus amigos y colaboradores Merton,
Coleman y Rossi, tratando de clarificar el significado de la ordenacin cau-
sal. Frente a los autores que se muestran preocupados casi obsesivamente
por el ajuste algebraico del sistema de ecuaciones estructurales, Simn seala
que el problema de los coeficientes de las ecuaciones de regresin no es un
problema estadstico que desaparecera, aunque furamos capaces de medir con
total exactitud y de observar todas las variables implicadas en las relaciones
postuladas. Incluso en tales circunstancias, es preciso formular supuestos a
priori acerca de los mecanismos que subyacen en el comportamiento de las
variables, si deseamos estimar tales coeficientes.
Pero aqu surge aparentemente una contradiccin de apariencia circular.
Se afirma que hay que realizar restricciones a priori con el fin de construir
modelos identificados de los fenmenos que se trata de explicar. Ahora bien,
las caractersticas especiales de las teoras cientficas, y que las diferencia de
las teolgicas y de las metafsicas, es que deben basarse en hechos y poder ser
contrastadas por la evidencia emprica. En tal caso, pues, qu queda de los
fundamentos empricos de la ciencia si se exigen restricciones a priori en el
meollo de la construccin terica?
Este tema ha provocado una amplia discusin en el campo de la metodo-
loga causal, discusin que ha sido zanjada convincentemente por Newell y
Simn
33
. Ambos autores argumentan que los supuestos apriorsticos de la mo-
delizacin causal utilizados en la identificacin de las ecuaciones lineales, no
son previos a toda experiencia: son tan slo previos a los datos particulares
que tratamos de analizar. Representan leyes de estructura cualitativa, derivadas
inductivamente de la experiencia cientfica acumulada.
Este punto conecta, una vez ms, con el argumento que sostiene la impo-
sibilidad de reducir el anlisis causal a una tecnologa de uso automtico. Por-
que aunque, en efecto, se trate de una tecnologa, como lo es el anlisis facto-
rial o las tcnicas de contraste de hiptesis, su correcta utilizacin no puede
reducirse a seguir ordenadamente los pasos que sealan los libros-recetarios
que desgraciadamente abundan dentro de la bibliografa metodolgica y esta-
dstica en sociologa. Una comprensin de sus bases conceptuales y un conoci-
miento exacto de los lmites de su validez y aplicabilidad, son las nicas ga-
rantas de que el anlisis causal pueda servir realmente para el avance del
3 2 Herbert A. SIMN, "The meaning of Causal Ordering", pgs. 65-81, en
R. K. MERTON, J. COLEMAN y P. H. Rossi, Qualitative and Quantittaive Social
Research, Nueva York, Free Press, 1979.
3 3 A. NEWELL y H. A. SIMN, "Computer S cience as Empirical Inquiry: S ym-
bols and Search", Communications of the ACM, 19, 1976, pgs. 113 -12 6.
162
ANLISIS Y MODELIZACION CAUSAL EN SOCIOLOGA
conocimiento sociolgico. Lo que slo se puede lograr situando los modelos
causales en el correspondiente marco terico, e interpretando los resultados
obtenidos a partir de las hiptesis y supuestos formulados previamente. La
obtencin de sistemas de ecuaciones estructurales bien ajustadas algebraica-
mente y la explicacin de unos porcentajes .ms o menos elevados de varianza,
son resultados completamente secundarios frente al diseo y ajuste de mode-
los, que permitan interpretar las relaciones entre variables en trminos de los
mecanismos causales subyacentes que producen tales relaciones. Sin un cono-
cimiento de tales mecanismos, no podemos predecir cmo van a covariar las
variables cuando el sistema estudiado experimenta algn tipo de cambio.
Como sealara el propio Simn, la determinacin de los mecanismos cau-
sales que controlan los fenmenos, es una tarea inductiva. Ningn conjunto
finito de datos puede determinar un modelo causal particular y excluir todos
los dems. Bien es cierto que esto no nos debe preocupar en demasa, pues ya
sabemos desde Popper que las teoras nunca se pueden establecer irrevocable-
mente, sino tan slo se pueden refutar por la evidencia.
Por eso, el anlisis causal en sociologa no debiera seguir, en mi opinin,
el sendero previamente trazado por la Econometra. El diseo de modelos
causales multivariables recursivos y recprocos, que dan lugar a no menos
complejos sistemas de ecuaciones estructurales, en cuya solucin algebraica
mediante programas estandarizados de ordenador parecen diluir lo mejor de
sus esfuerzos sus autores, no puede ser un fin en s mismo para una ciencia
social. Ms bien, la preocupacin del investigador social debe ser la de disear
modelos que puedan ser interpretados sustantivamente a la luz del conoci-
miento cientfico acumulado y de las hiptesis tericas conjeturadas a priori.
Como ya sealara Mac Iver en los aos cuarenta, el problema causal en las
ciencias sociales no es de encinto, sino de cmo. Y debemos tratar de responder
de acuerdo con este criterio. Yo dira que los esfuerzos que se dediquen a
conocer el cunto slo se justifican en tanto que contribuyan a una mejor
comprensin del cmo de la atribucin causal. Los resultados estadsticos no
ofrecen una prueba positiva en la verificacin de las hiptesis causales, pero
en cambio s proporcionan formulaciones exactas de las correlaciones y cova-
riaciones de las variables, lo que a su vez facilita saber dnde y cmo debe-
mos buscar las conexiones causales
34
.
En realidad, lo que est ocurriendo con la modelizacin causal en socio-
loga cabe entenderlo dentro del evidente y preocupante desfase que se ha
producido entre el desarrollo de la construccin de teoras, elaboracin y me-
dicin de indicadores y variables, y la consiguiente obtencin de datos por un
lado, y el desarrollo de las tcnicas de anlisis de datos por otro. Estas ltimas
han alcanzado niveles de sofisticacin muy elevados gracias al desarrollo de
34 Para una panormica general de la actual polmica metodolgica entre las
perspectivas cuantitativa y cualitativa en Sociologa, se puede ver el trabajo de
Francisco ALVIRA, "Perspectiva cualitativa-perspectiva cuantitativa en la metodo-
loga sociolgica", RES, 22, 1983, pgs. 53-76.
163
MANUEL GARCA FERRANDO
los programas estadsticos computarizados que permiten resolver fcilmente
los sistemas algebraicos ms complejos. Esto es lo que ha permitido que
econmetras, psicmetras y socimetras elaboren modelos en los que se intro-
duce un nmero considerable de variables, de los que obtienen resultados
muy significativos estadsticamente. Pero desgraciadamente, un resultado con
una significacin estadstica del 0.001 puede que no resulte en absoluto sig-
nificativo desde el punto de vista del sentido comn, y mucho menos desde
el punto de vista terico, que es lo que ocurre con frecuencia.
Porque el desarrollo terico y la construccin de indicadores vlidos y
fiables de los conceptos claves en la sociologa, se encuentran si no estancados
s al menos muy retrasados con respecto a las tcnicas analticas. As, por
ejemplo, todava no existe una teora suficientemente precisa que explique el
comportamiento poltico de los ciudadanos. Los modelos causales elaborados
hasta ahora por los politlogos que se han inspirado en Simn, no consiguen
explicar ms all del 30 40 por 100 de la variacin del comportamiento
poltico
35
. Ahora bien, para obtener resultados ms sustantivos, la solucin
no debe seguir el camino de resolver nuevos sistemas de ecuaciones estructu-
rales, sino el de desarrollar modelos tericos ms sustantivos y elaborar indi-
cadores fiables de nuevas variables sociolgicas y psicosociolgicas que ven-
gan a enriquecer la limitada provisin de variables explicativas que se vienen
utilizando, sobre todo en la investigacin basada en tcnicas de encuesta.
Por todo ello entiendo que paralelamente a los avances en la tecnologa
de la modelizacin causal, es preciso dedicar mayores esfuerzos tericos a la
elaboracin y medicin de conceptos que permitan una mayor y mejor inter-
pretacin sociocultural de los fenmenos sociales. Slo en este doble plano
estadstico y terico-interpretativo cabe esperar nuevas y significativas inter-
pretaciones causales en sociologa, evitndose as que la Sociologa caiga en
los mismos errores cometidos en la Econometra, en donde el formalismo
prevalece demasiado a menudo sobre la sustancia, y el logro de la significa-
cin estadstica oscurece la bsqueda de la significacin terica.
35 El referente obligado de la tendencia modelizadora en la sociologa y en la
ciencia poltica es la obra de Herbert A. SI MN, Models of Man, Social and Ra-
tional Human Behavior in a Social Setting, Nueva York, Wiley, 1957. Para una
panormica general de los problemas metodolgicos en el campo de la sociologa
poltica, se puede ver M. GARCA FERRANDO, "Problemas metodolgicos y Tcnicos
de I nvestigacin en la Sociologa Poltica", RES, 7, 1979, pgs. 35-61.
164

S-ar putea să vă placă și