El investigador inicia un estudio, comenzando con las causas y determinado a analizar los efectos de una condición dada. Esto no es tan común como la investigación de comparación causal retrospectiva.
Por lo general, es más fácil comparar una variable con lo conocido que lo desconocido.
Los investigadores utilizan una investigación causal comparativa para lograr objetivos de investigación al comparar dos variables que representan dos grupos. Estos datos pueden incluir diferencias en oportunidades, privilegios exclusivos de ciertos grupos o desarrollos con respecto al género, la raza, la nacionalidad o la capacidad.
Por ejemplo, para descubrir la diferencia en los salarios entre hombres y mujeres, los investigadores deben hacer un estudio comparativo de los salarios ganados por ambos sexos en varias profesiones, jerarquías y ubicaciones. Ninguna de las variables puede ser influenciada y la relación causa-efecto debe establecerse con un argumento lógico persuasivo. Algunas variables comunes investigadas en este tipo de investigación son:
- Logro y otras variables de habilidad
- Variables relacionadas con la familia
- Variables orgánicas como la edad, el sexo y el origen étnico
- Variables relacionadas con las escuelas
- Variables de personalidad
Si bien los puntajes de las pruebas sin procesar, las evaluaciones y otras medidas (como los promedios de calificaciones) se utilizan como datos en esta investigación, fuentes, pruebas estandarizadas, entrevistas estructuradas y encuestas son herramientas de investigación populares.
Sin embargo, también hay inconvenientes de la investigación comparativa causal, como su incapacidad para manipular o controlar una variable independiente y la falta de aleatorización. El sesgo de selección de sujetos siempre sigue siendo una posibilidad y representa una amenaza para la validez interna de un estudio. Los investigadores pueden controlarlo con la coincidencia estadística o creando subgrupos idénticos. Los ejecutivos tienen que buscar la pérdida de sujetos, las influencias de la ubicación, la actitud deficiente de los sujetos y las amenazas de prueba para producir un estudio de investigación válido.
¿Cuáles son las variables causales?
Echemos un vistazo a cómo se derivan las relaciones de causa y efecto en los campos de estudio como estadísticas y medicina:
- Datos experimentales: la forma más efectiva de derivar una relación de causa y efecto es mediante el uso de datos experimentales aleatorios. En este método, la asignación aleatoria se utiliza para separar a los sujetos en un grupo de control y un grupo de tratamiento para estudiar los efectos de la manipulación de la variable independiente (o el tratamiento) comparando ambos grupos.
- Datos de observación: en los casos en que los datos experimentales aleatorios no son éticos o imposibles de obtener, se utilizan datos de observación. Dicha DARA generalmente se extrae de las fuentes de datos existentes debido a las cuales hay una ausencia de asignación y control aleatorios. Es más difícil derivar de conclusión una relación causal entre las variables que usan datos de observación, ya que las variables no se pueden controlar o asignar en diferentes grupos a través de la aleatorización.
Los siguientes son algunos ejemplos de relaciones causales entre variables:
- Datos experimentales: la forma más efectiva de derivar una relación de causa y efecto es mediante el uso de datos experimentales aleatorios. En este método, la asignación aleatoria se utiliza para separar a los sujetos en un grupo de control y un grupo de tratamiento para estudiar los efectos de la manipulación de la variable independiente (o el tratamiento) comparando ambos grupos.
- Datos de observación: en los casos en que los datos experimentales aleatorios no son éticos o imposibles de obtener, se utilizan datos de observación. Dicha DARA generalmente se extrae de las fuentes de datos existentes debido a las cuales hay una ausencia de asignación y control aleatorios. Es más difícil derivar de conclusión una relación causal entre las variables que usan datos de observación, ya que las variables no se pueden controlar o asignar en diferentes grupos a través de la aleatorización.
La correlación es un término que simplemente implica la existencia de una relación o asociación estadística entre variables. Aunque la causalidad también implica una relación entre las variables, también va más lejos de definir el tipo de relación. Las relaciones causales existen solo cuando una variable «causa» un cambio en el otro.
¿Cómo se llaman las variables con relación causal?
Covariation → Cuando dos variables presentan variaciones concomitantes: AL
variar el uno varía también el otro
Por ejemplo, se ha observado que el número de incendios en un área está asociado con el número
de helado vendido en la temporada de verano;
Causa → Cuando una transformación en una variable produce una
transformación en otra variable. Cuando podemos asignar dos roles diferentes,
el del factor causal y el de los resultados variables.
Por ejemplo, el nivel de exposición al sol de una persona determina la intensidad
El bronceado de su piel.
La hipótesis genéricamente se puede expresar como una declaración que anticipa la naturaleza
de la relación entre dos variables, por ejemplo. Las hipótesis en lugar de cuestionar
Generalmente en las relaciones de covarianza se preguntan sobre las causas de la causa.
Hay dos elementos más en el concepto de causa en comparación con el de
Covarianza:
- La direccionalidad (o asimetría) de la acción: en la causa, la variedad de una
La variable precede a la variedad de la otra, en la covariación, solo está el
concomitancia de la variación; - El enlace directo (inmediatez del enlace): la variación de una variable se debe a
varía el otro.
Mientras que la covariación es empíricamente observable, la causa pertenece a
dominio de la teoría.
- La direccionalidad (o asimetría) de la acción: en la causa, la variedad de una
La variable precede a la variedad de la otra, en la covariación, solo está el
concomitancia de la variación; - El enlace directo (inmediatez del enlace): la variación de una variable se debe a
varía el otro.
¿La variable X predice o causa la variable Y?
Dos variables están vinculadas por una relación causal directa cuando una variable Mutamentonella «causa» produce un cambio en la variable «efecto».
Los elementos esenciales de este tipo de relación son:
➢ Asimetría → sin la cual tendríamos una relación mutua;
➢ La inmediatez del enlace → sin el cual tendríamos una relación indirecta;
➢ La inherencia al concepto de producción → sin el cual tendríamos solos
Covariation, es decir, una relación espuria.
¿Qué son las variables independientes dependientes y causales?
Si una experiencia compara un tratamiento experimental con un tratamiento de control, entonces la variable independiente (tipo de tratamiento) en dos niveles: experimental y testigo. Si la experiencia apareciera cinco tipos de dietas, la variable independiente (tipo de dieta) tendría 5 niveles.
Definición 1 Una función f de las dos variables x e y es una regla que afecta a un número F (x, y) en cada punto (x, y) de una parte o todo el plano XY. El gráfico de una función de dos variables es una superficie en un espacio de tres dimensiones.
La regresión lineal para dos variables se basa en una ecuación lineal con una variable independiente. La ecuación tiene la forma: y = a + b * x donde a y b son números constantes. La variable X es la variable independiente y es la variable dependiente.
¿Qué son las variables independientes y dependientes? Puede pensar en variables independientes y dependientes en términos de causa y efecto: una variable independiente es la variable que cree que es la causa, mientras que una variable dependiente es el efecto.
En la práctica, es raro que haya más de tres variables independientes en más de dos o tres niveles cada una. Esto es por al menos dos razones: por un lado, el número de condiciones puede volverse inmanejable rápidamente.
El tiempo es una variable común independiente, porque no se verá afectada por ninguna entrada ambiental dependiente. El tiempo puede tratarse como una constante controlable en comparación con la cual se pueden medir cambios en un sistema.
¿Qué es el objetivo causal?
- evaluar medidas preventivas y terapéuticas para una enfermedad o afección
- Desarrollar políticas de salud pública
Un objetivo de la epidemiología es identificar la causa de una enfermedad, con el deseo de prevenir o modificar la gravedad de la afección. Considere la Tabla 1. ¿Estaría de acuerdo en que esta tabla retrata con precisión las verdaderas causas de muerte en la población de los Estados Unidos? ¿Por qué o por qué no?
*Aproximación compuesta extraída de estudios que utilizan diferentes enfoques para obtener una estimación, desde recuentos reales (por ejemplo, armas de fuego) hasta cálculos de riesgo atribuibles de población (por ejemplo, tabaco). Números superiores a 100 000 redondeados a los 100 000 más cercanos; más de 50 000, redondeado a los 10 000 más cercanos; por debajo de 50 000, redondeado al 5000 más cercano.
Como habrá notado, las causas de la muerte en la Tabla 1 están relacionadas con factores modificables. Los porcentajes no totalizan 100, pero si estos resultados son precisos, se puede posponer un gran porcentaje de muertes. La oportunidad de prevenir o mejorar la enfermedad es un componente emocionante del estudio epidemiológico.
Los epidemiólogos siguen procedimientos predeterminados para decidir si atribuir un factor particular como causa de una enfermedad o afección. A fines del siglo XIX, un microbiólogo alemán, Robert Koch, ideó un esquema para decidir si un microbio particular causó o no una enfermedad.
- evaluar medidas preventivas y terapéuticas para una enfermedad o afección
- Desarrollar políticas de salud pública
Artículos Relacionados:
