Módulo 3 Inferencia causal

Gran parte del estudio de las ciencias sociales gira en torno a la causalidad. Nos hacemos preguntas del tipo: ¿acaso la inscripción de los electores aumenta su participación política?, ¿pueden los sistemas de rendición de cuentas que parten desde las bases sociales mejorar indicadores de salud?, o ¿ayudan las narrativas personales de los inmigrantes a reducir las actitudes perjudiciales hacia ellos?.

A lo largo de la última década, el estudio de las ciencias sociales se ha vuelto mucho más riguroso al momento de hacer afirmaciones de tipo causal, basándose en una larga historia de trabajo sobre causalidad que se remonta a los escritos clásicos de Fisher y Rubin. El uso de experimentos se ha vuelto cada vez más común y la aleatorización se ha convertido en la herramienta ideal para abordar temas de causalidad.

En este módulo presentamos el enfoque contrafactual de la inferencia causal y cómo se pueden interpretar las afirmaciones de tipo causal. Presentamos el marco de resultados potenciales (potential outcomes) y cómo la asignación aleatoria nos ayuda a hacer afirmaciones sobre lo que habría sucedido en ausencia de alguna política, acción o programa que estudiamos. También discutimos los tres supuestos básicos necesarios para la inferencia causal: asignación aleatoria de sujetos a tratamientos, no interferencia y excluibilidad.

3.1 Contenido principal

  • ¿A qué nos referimos cuando decimos que algo es una causa de algo más? ¿Y por qué es importante ser claro acerca de lo que una afirmación de tipo causal quiere decir?

  • Una introducción al tema de resultados potenciales como forma para pensar en alternativas para posibles versiones del mundo.

  • La aleatorización nos ayuda a entender las afirmaciones contrafactuales de tipo causal.

  • Los tres supuestos básicos claves para la inferencia causal: asignación aleatoria de sujetos a los distintos grupos experimentales, no interferencia y posibilidad de exclusión.

  • Comparación de estudios aleatorizados con estudios observacionales.

  • La aleatorización contibruye significativamente a la validez interna, pero no necesariamente alcanza la validez externa.

  • Una pregunta causal está estrechamente relacionada con el diseño de la investigación.

3.3 Recursos

3.3.1 Guías de métodos de EGAP

3.3.2 Libros, capítulos y artículos

3.3.2.1 Clásicos

  • Ronald A. Fisher, The Design of Experiments (Edinburgh: Oliver; Boyd, 1935). Fisher presenta la idea de aleatorización y pruebas de hipótesis como forma de entender a la inferencia causal.

  • Donald B. Rubin, «Estimating the Causal Effects of Treatments in Randomized and Nonrandomized Studies», J. Educ. Psych. 66 (1974): 688-701. Rubin presenta el concepto de resultados potenciales y conecta el concepto de causalidad a la inferencia estadística.

3.3.2.2 Trabajos contemporáneos

  • Henry E Brady, «Causation and explanation in social science», en The Oxford Handbook of Political Science, 2008, https://www.oxfordhandbooks.com/view/10.1093/oxfordhb/9780199286546.001.0001/oxfordhb-9780199286546-e-10.

  • Gerber y Green, Field Experiments, Capítulo 1. Este libro es un gran recurso para muchos temas relacionados con el diseño experimental.

  • Stephen L. Morgan y Christopher Winship, Counterfactuals and Causal Inference: Methods and Principles for Social Research (Cambridge University Press, 2007), Capítulo 1. Este libro contiene ejemplos que ayudan a pensar cómo formular afirmaciones causales partiendo de datos obsevacionales.

  • Rachel Glennerster y Kudzai. Takavarasha, Running Randomized Evaluations: A Practical Guide (Princeton: Princeton University Press, 2013). Este libro es una gran introducción a cómo realizar experimentos de campo donde también se ofrecen muchos ejemplos prácticos.