La investigación causal se encuentra bajo la clase de investigación indiscutible, debido a su esfuerzo por descubrir circunstancias y la conexión de resultados lógicos entre dos factores. Al igual que la investigación aclaración, este tipo de investigación se esfuerza por demostrar un pensamiento establecido por un individuo o asociación. No obstante, esencialmente varía en las dos estrategias y su motivación.
Donde la investigación gráfica tiene un alcance de gran alcance, se esfuerza por más probable que caracterice cualquier sentimiento, disposición o conducta en poder de una reunión específica, la investigación causal tendrá solo dos destinos:
La investigación causal debe tenerse en cuenta como investigación exploratoria. Tenga en cuenta que el objetivo de esta exploración es demostrar las circunstancias y la relación de resultados lógicos. A la luz de esto, resulta ser imperativo tener parámetros y destinos cuidadosamente organizados. Sin una comprensión total de su plan de investigación y lo que está intentando demostrar, sus descubrimientos pueden obtener temperamental y tener altas medidas de predisposición a los analistas. Da un paso adelante para utilizar la investigación exploratoria o la investigación expresiva como un instrumento para armar tu plan de investigación sobre él.
- Cuando su plan de investigación y objetivos se desarrollan, es una gran oportunidad para establecer su prueba causal de manera adecuada.
- No hay factores externos que también puedan causar cambios en sus resultados. Sin representar todos los factores concebibles que pueden afectar los cambios en su variable confiable, no puede estar seguro de que es la variable que se está probando que es realmente responsable de causar los impactos que medimos.
- En el centro de investigación, los investigadores tienen la ventaja de tener la opción de hacer una condición no partidista.
- Trágicamente para todos nosotros, necesitamos manejar la tierra que nos dan. Por lo tanto, la actividad más significativa al hacer su plan de exploración es garantizar que su prueba ocurra en las condiciones potenciales más comparables, como cuando estimó sus resultados típicos.
Realmente no marca la diferencia qué tipo de asociación es o qué objetivos tiene, la investigación causal puede utilizarse para beneficiarlo. El objetivo de la investigación causal es dar verificación que existe una relación específica. Desde el punto de vista de una organización, sobre la posibilidad de que necesite verificar que un procedimiento funcione o estar seguro al distinguir las ballenas de un problema, la investigación causal es el mejor enfoque.
Deberíamos investigar un par de casos de cómo se podría ejecutar la investigación causal debido a varios objetivos:
La mayoría de las cadenas de establecimiento directa la investigación causal explora dentro de sus tiendas. En un caso, una gran tienda de mecánica automática en los últimos tiempos dirigió un análisis en el que las tiendas selectas autorizaban un acuerdo que un trabajador tendría una persona con el cliente mientras se evalúa su vehículo. Se les dijo que repasaran cualquier preocupación y hablaran en términos de laicos sobre cualquier cosa que sepa con el vehículo, concentrándose en que el cliente entienda los problemas.
¿Qué es la investigación causal?
La investigación causal también se conoce como investigación explicativa. Es un tipo de investigación que examina si hay una relación de causa y efecto entre dos eventos separados. Esto ocurriría cuando hay un cambio en una de las variables independientes, lo que está causando cambios en la variable dependiente.
Puede usar la investigación causal para evaluar los efectos de los cambios particulares en las normas, procedimientos existentes, etc. Este tipo de investigación examina una condición o un problema para explicar los patrones de interacciones entre variables.
Solo la información causal específica puede demostrar la existencia de enlaces de causa y efecto. Los tres componentes clave de la investigación causal son los siguientes:
Antes del efecto, la causa debe ocurrir. Si la causa ocurre antes de la aparición del efecto, la causa y el efecto solo pueden vincularse. Por ejemplo, si el aumento de ganancias ocurrió antes de que se emitiera el anuncio, no se puede vincular a un aumento en el gasto publicitario.
Las fluctuaciones vinculadas entre dos variables solo se permiten si no hay otra variable relacionada con la causa y el efecto. Por ejemplo, un fabricante de cuaderno ha descubierto una correlación entre los cuadernos y la temporada de otoño. Ven que durante esta temporada, más personas compran cuadernos porque los estudiantes los compran para el próximo semestre.
Durante el verano, la compañía lanzó una campaña publicitaria para cuadernos. Para probar su suposición, pueden buscar los datos de la campaña para ver si el aumento en las ventas de cuadernos se debió al ritmo natural del estudiante de comprar cuadernos o el anuncio.
¿Cómo aplicar la investigación causal?
Los investigadores realizan experimentos para estudiar las relaciones de causa y efectuar y estimar el impacto del cuidado infantil y los programas de la primera infancia en los niños y sus familias. Hay dos tipos básicos de experimentos:
Un experimento es un estudio en el que el investigador manipula el tratamiento o la intervención, y luego mide el resultado. Aborda la pregunta «Si cambiamos x (el tratamiento o la intervención), ¿qué sucede con Y (el resultado)?» Realizados tanto en el laboratorio como en las situaciones de la vida real, los experimentos son técnicas poderosas para evaluar las relaciones de causa y efecto. El investigador puede manipular si los sujetos de investigación reciben un tratamiento (por ejemplo, asistencia en un programa de Head Start: sí o no) o el nivel de tratamiento (por ejemplo, horas por día en el programa).
Supongamos, por ejemplo, que un grupo de investigadores estaba interesado en el efecto de los subsidios de cuidado infantil financiado por el gobierno en el empleo materna. Podrían plantear la hipótesis de que la provisión de cuidado infantil subsidiado por el gobierno promovería dicho empleo. Luego podrían diseñar un experimento en el que algunas madres recibirían la opción de subsidios de cuidado infantil financiado por el gobierno y otras no lo harían. Los investigadores también podrían manipular el valor de los subsidios de cuidado infantil para determinar si los valores de subsidio más altos podrían dar lugar a diferentes niveles de empleo maternal.
El grupo de participantes que recibe la intervención o tratamiento se conoce como «grupo de tratamiento», y el grupo que no se conoce como «grupo de control» en experimentos aleatorios y «grupo de comparación» en cuasi-experimentos.
¿Cuáles son las condiciones para aplicar el análisis causal?
El modelo básico de ruidoso o puerta de la subsección precedente es demasiado restrictivo en algunas aplicaciones, y a veces se necesitan interacciones más elaboradas entre las condiciones causales. Por ejemplo, las condiciones podrían interactuar conjuntion en lugar de disyuntiva. Sin embargo, la estructura básica de tales modelos sigue siendo la misma: combinaciones booleanas de condiciones explicadas. Las condiciones inexplicadas se resumen probabilísticamente bajo el supuesto de independencia de la excepción.
La suposición de la independencia de la excepción puede relajarse fácilmente para representar condiciones de anormalidad global, es decir, condiciones que inhibirían el evento de respuesta X incluso cuando se activan varios factores causales. Por ejemplo, una falla de energía inhibiría que la alarma suene en condiciones simultáneas de robo y terremoto. Para incorporar la inhibición global en el modelo de la Figura 4.20, simplemente agregamos otra y puerta entre la puerta OR y la variable de respuesta x, como en la Figura 4.22a. Cuando el inhibidor global i0 esté activado, X estará apagado, independientemente de otros factores causales.
De esta manera, también podemos modelar varios mecanismos habilitadores, es decir, condiciones que no tienen influencia propia (en x), excepto para permitir que otras influencias surten efecto. Por ejemplo, si el sistema de alarma tiene un botón de reinicio que el Sr. Holmes ocasionalmente olvida presionar, configurar este botón es una condición habilitadora, como en la Figura 4.22B.
En un estudio correlacional, la causalidad puede inferirse a partir de un patrón de covariación. Si una variable pensada en representar una causa o ser un indicador de una condición causal clave está fuertemente correlacionada con la variable de resultado, entonces el investigador puede hacer una inferencia causal. Por lo general, el investigador evaluará la fuerza relativa de varias variables causales al mismo tiempo. El objetivo típico es descubrir cuál explica la mayor variación en la variable de resultado o simplemente evaluar la importancia relativa de las diferentes variables independientes. En efecto, las variables compiten entre sí para explicar la variación. En la mayoría de las investigaciones, cada variable causal se considera suficiente, por sí misma, para el resultado o un incremento en el resultado. Es decir, cada uno se considera una variable «independiente» capaz de afectar la variable de resultado, independientemente de los valores de otras variables causales.
En un estudio orientado al caso de los puntos en común, por el contrario, la causalidad se entiende generalmente en conjunturalmente. El objetivo de este tipo de análisis es identificar las principales condiciones causales compartidas por los casos relevantes. Las condiciones causales no compiten entre sí, como lo hacen en la investigación correlacional; se combinan. La forma en que se combinan o «encajan» es algo que los investigadores intentan discernir utilizando su conocimiento profundo de los casos. Debido a que todos los casos tienen más o menos el mismo resultado, el razonamiento habitual es que las condiciones causalmente relevantes compartidas por los casos proporcionan pistas importantes sobre qué factores deben estar presentes para producir el resultado en cuestión. Al construir este argumento, el investigador es especialmente sensible a la posibilidad de que un requisito causal dado (es decir, una condición necesaria) pueda cumplirse de varias maneras diferentes.
Artículos Relacionados:
