jump to navigation

“L’altra sociologia” (IV): L’impacte de la regressió estadística en les ciències socials 23 Agost 23UTC 2011

Posted by xarxes in ciència, estadística, lectures, sociologia.
trackback

SEGONA PART – El declivi d’una gran promesa: regressió estadística i sociologia analítica

IV. L’impacte de la regressió estadística en la ciència social empírica

A l’inici del s. XIX comencen a produir-se una gran quantitat de dades estadístiques agregades. A finals del s. XIX i XX s’estén la idea de poder utilitzar esta informació per a la descripció, predicció i explicació de la societat. S’interessen pels efectes nets de les variables, netejant les associacions múltiples i les interferències en els efectes entre variables. Però les associacions concorren en ambigüitats i posen de manifest les limitacions tècniques i l’escassa eficàcia en l’elaboració de conjectures informatives de causa. L’aparició de la regressió prometia acomplir eixe pas de l’associació a la causalitat. Però es va consolidant la idea que amb l’anàlisi d’associacions estadístiques entre variables, i l’efecte espuri de les variables de control, no es pot arribar a demostrar causalitat, almenys de manera estadística. Tampoc la reproducció dels efectes de laboratori van millorar la situació. Perquè la manipulació de les causes en realitat es tractava sobretot de la manipulació dels “efectes de causes”. En contextos no experimentals, la regressió es basa en tres variables: una de dependent i dos d’exògenes. Les variables de control son les que substitueixen la impossibilitat d’experimentació. L’anova (anàlisi de la variància) serveix per a ciència experimental i la regressió (anàlisi estructural de la covariància) per a ciència no experimental. Però les associacions entre covariacions han d’aportar supòsits intuïtius o teòrics per a fer  asimètrica la covariació, i per tant causal. I és aquest l’aspecte diferencial en la causalitat entre ciències experimentals i no–experimentals: l’experimental pot manipular la “causa” en dos poblacions aleatòries, però la no–experimental nomes pot “seleccionar” subpoblacions. Aquest fet fa que el model no–experimental hage de controlar totes les variables involucrades en un possible model causal. L’aleatorització d’eixes variables en els models experimentals salva d’este fet a les ciències que poden manipular el que analitzen. És en aquest punt que es demostra que el potencial de la regressió per sistematitzar l’anàlisi causal ha fracassat. S’explica la distància entre dues metodologies diferents que es va utilitzar per a l’anàlisi de l’origen de les epidèmies. En un cas es tractava de l’anàlisi estadística que mostrava que l’altura dels pisos covariava amb l’efecte de les epidèmies. L’altre feia una anàlisi pas a pas, més proper a la idea de causalitat, sobre potabilitat d’aigua. Encara avui es continuaria patint dels errors que va mostrar el model estadístic, perquè la regressió continuaria donant un model potent de covariació, però que no mostra causalitat si no és amb desenvolupament teòrics. Si no s’incorpora el marc teòric en l’anàlisi estadística, s’està abocat al fracàs. Es pot trobar una associació x -> y i una altra z -> y, però no hi ha operació estadística que mostre si hi ha dos variables externes que s’associen amb x, y i z, tals com u i v, de manera que u està associat a x i y, i v està associat a y i z. Tot seria diferent si els resultats pogueren ser analitzats amb intervencions experimentals, però això no és possible. I sense experimentació ni teoria, la regressió estadística no pot arribar a hipòtesis concloents sobre les causes.

Comentaris»

No comments yet — be the first.

Deixa un comentari

Fill in your details below or click an icon to log in:

WordPress.com Logo

Esteu comentant fent servir el compte WordPress.com. Log Out / Canvia )

Twitter picture

Esteu comentant fent servir el compte Twitter. Log Out / Canvia )

Facebook photo

Esteu comentant fent servir el compte Facebook. Log Out / Canvia )

Google+ photo

Esteu comentant fent servir el compte Google+. Log Out / Canvia )

Connecting to %s

%d bloggers like this: