Objetivos de aprendizaje
- Identificar y describir los distintos tipos de diseños cuasi-experimentales
- Distinguir diseños experimentales verdaderos de diseños cuasi-experimentales y preexperimentales
- Identificar y describir los distintos tipos de diseños cuasi-experimentales y preexperimentales
Como discutimos en la sección anterior, el tiempo, el financiamiento y la ética pueden limitar la capacidad de un investigador para realizar un verdadero experimento. Para los investigadores de ciencias médicas y trabajo social, realizar un verdadero experimento podría requerir negar el tratamiento necesario a los clientes, lo que es una clara violación ética. Incluso aquellos cuya investigación puede no implicar la administración de los medicamentos o tratamientos necesarios pueden estar limitados en su capacidad para realizar un experimento clásico. Cuando los verdaderos experimentos no son posibles, los investigadores suelen utilizar diseños cuasi-experimentales.
Los diseños cuasi-experimentales son similares a los experimentos verdaderos, pero carecen de asignación aleatoria a grupos experimentales y de control. El más básico de estos diseños cuasi-experimentales es el diseño de grupos de comparación no equivalentes (Rubin & Babbie, 2017). El diseño del grupo de comparación no equivalente se parece mucho al diseño experimental clásico, excepto que no utiliza asignación aleatoria. En muchos casos, estos grupos pueden existir ya. Por ejemplo, un investigador podría realizar investigaciones en dos sitios de agencia diferentes, uno de los cuales recibe la intervención y el otro no. No se asignó a nadie a grupos de tratamiento o comparación. Esas agrupaciones existían antes del estudio. Si bien este método es más conveniente para la investigación del mundo real, los investigadores no pueden estar seguros de que los grupos sean comparables. Quizás el grupo de tratamiento tenga una característica que es única —por ejemplo, mayores ingresos o diferentes diagnósticos— que hacen que el tratamiento sea más efectivo.
Los cuasi-experimentos son particularmente útiles en la investigación sobre políticas de bienestar social. Investigadores de políticas de bienestar social como yo a menudo buscan lo que se denominan experimentos naturales, o situaciones en las que grupos comparables son creados por diferencias que ya ocurren en el mundo real. Por ejemplo, Stratmann y Wille (2016) se interesaron por los efectos de una política estatal de salud llamada Certificado de Necesidad sobre la calidad de los hospitales. Claramente no pueden asignar estados para que adopten un conjunto de políticas u otro. En cambio, los investigadores utilizaron regiones de referencia hospitalaria, o las áreas de las que los hospitales extraen a sus pacientes, que abarcaban las líneas estatales. Debido a que los hospitales estaban en la misma región de referencia, los investigadores podrían estar bastante seguros de que las características del cliente eran bastante similares. De esta manera, podrían clasificar a los pacientes en grupos experimentales y comparativos sin afectar la política ni decirle a la gente dónde vivir.
Hay ejemplos importantes de experimentos de políticas que utilizan asignaciones aleatorias, incluido el experimento de Medicaid de Oregon. En el experimento de Oregon Medicaid, la lista de espera para Oregon era tan larga, funcionarios estatales realizaron una lotería para ver quién de la lista de espera recibiría Medicaid (Baicker et al., 2013). Los investigadores utilizaron la lotería como un experimento natural que incluyó asignaciones aleatorias. Las personas seleccionadas para formar parte de Medicaid fueron el grupo experimental y las de la lista de espera estaban en el grupo control. Hay algunas complicaciones prácticas con el uso de personas en una lista de espera como grupo de control; lo más obvio es que ¿qué sucede cuando las personas en la lista de espera son aceptadas en el programa mientras aún estás recopilando datos? Los experimentos naturales no son un tipo específico de experimento como diseños cuasi- o pre-experimentales. En cambio, son más como una característica del mundo social que permite a los investigadores utilizar la lógica del diseño experimental para investigar la conexión entre variables.
El emparejamiento es otro enfoque en el diseño cuasiexperimental para asignar grupos experimentales y de comparación. Los investigadores deben pensar qué variables son importantes en su estudio, particularmente las variables demográficas o los atributos que podrían impactar en su variable dependiente. El emparejamiento individual implica emparejar participantes con atributos similares. Cuando esto se hace al inicio de un experimento, el par emparejado se divide, con un participante yendo al grupo experimental y el otro al grupo control. Un grupo de control ex post facto, en contraste, es cuando un investigador empareja individuos después de que la intervención se administra a algunos participantes. Finalmente, los investigadores pueden participar en el emparejamiento agregado, en el que se determina que el grupo de comparación es similar en variables importantes.
Hay muchos diseños cuasi-experimentales diferentes además del diseño del grupo de comparación no equivalente descrito anteriormente. Describirlos todos está más allá del alcance de este libro de texto, pero vale la pena mencionar un diseño más. El diseño de series temporales utiliza múltiples observaciones antes y después de una intervención. En algunos casos, se utilizan grupos experimentales y de comparación. En otros casos en los que eso no es factible, se utiliza un solo grupo experimental. Mediante el uso de múltiples observaciones antes y después de la intervención, el investigador puede comprender mejor el verdadero valor de la variable dependiente en cada participante antes de que comience la intervención. Adicionalmente, múltiples observaciones posteriores permiten al investigador ver si la intervención tuvo efectos duraderos en los participantes. Los diseños de series temporales son similares a los diseños de sujetos individuales, los cuales discutiremos en el Capítulo 15.
Cuando los verdaderos experimentos y cuasi-experimentos no son posibles, los investigadores pueden recurrir a un diseño preexperimental (Campbell & Stanley, 1963). Los diseños preexperimentales se llaman así porque a menudo ocurren antes de que se lleve a cabo un verdadero experimento. Los investigadores quieren ver si sus intervenciones tendrán algún efecto en un pequeño grupo de personas antes de que busquen financiamiento y dediquen tiempo a realizar un verdadero experimento. Los diseños preexperimentales, por lo tanto, generalmente se realizan como un primer paso para establecer la evidencia a favor o en contra de una intervención. Sin embargo, este tipo de diseño viene con algunas desventajas únicas, que describiremos a medida que revisemos los diseños preexperimentales disponibles.
Si quisiéramos medir el impacto de un desastre natural, como el huracán Katrina por ejemplo, podríamos realizar un pre-experimento identificando un grupo experimental de una comunidad que experimentó el huracán y un grupo de control de una comunidad similar que no había sido golpeada por el huracán. Este diseño de estudio, denominado comparación de grupos estáticos, tiene la ventaja de incluir un grupo de comparación que no experimentó el estímulo (en este caso, el huracán). Desafortunadamente, es difícil saber que esos grupos son realmente comparables porque los grupos experimental y control fueron determinados por factores distintos a la asignación aleatoria. Adicionalmente, el diseño solo permitiría realizar pruebas posteriores, a menos que uno tuviera la suerte de estar recopilando los datos ya antes de Katrina. Como habrás adivinado a partir de nuestro ejemplo, las comparaciones de grupos estáticos son útiles en casos en los que un investigador no puede controlar o predecir si, cuándo, o cómo se administra el estímulo, como en el caso de los desastres naturales.
En los casos en que la administración del estímulo sea bastante costosa o de otra manera no sea posible, se podría utilizar un diseño de estudio de caso de un solo disparo. En esta instancia, no se administra ninguna prueba previa, ni está presente un grupo control. En nuestro ejemplo del estudio del impacto del huracán Katrina, un investigador que utilice este diseño probaría el impacto de Katrina solo entre una comunidad que fue golpeada por el huracán y no buscaría un grupo de comparación de una comunidad que no experimentó el huracán. Los investigadores que utilizan este diseño deben ser extremadamente cautelosos a la hora de hacer afirmaciones sobre el efecto del estímulo, aunque el diseño podría ser útil para estudios exploratorios dirigidos a probar las propias medidas o la viabilidad de un estudio posterior.
Finalmente, si es poco probable que un investigador pueda identificar una muestra lo suficientemente grande como para dividirla en grupos control y experimentales, o si simplemente no tiene acceso a un grupo de control, el investigador podría usar un diseño pre-/postprueba de un grupo. En esta instancia, se toman las pruebas pre y posteriores, pero no hay un grupo control con el que comparar al grupo experimental. Podríamos ser capaces de estudiar el impacto del huracán Katrina usando este diseño si hubiéramos estado recopilando datos sobre las comunidades afectadas antes del huracán. Luego podríamos recolectar datos similares después del huracán. Aplicar este diseño implica un poco de serendipia y casualidad. Sin haber recopilado datos de las comunidades afectadas antes del huracán, no podríamos emplear un diseño de pre-/post prueba de un grupo para estudiar el impacto del huracán Katrina.
Como lo implican los ejemplos anteriores donde consideramos estudiar el impacto del huracán Katrina, los experimentos no necesariamente tienen que realizarse en el entorno controlado de un laboratorio. De hecho, muchos investigadores aplicados se basan en experimentos para evaluar el impacto y la efectividad de diversos programas y políticas. Tal vez recuerde nuestra discusión sobre la detención de perpetradores de violencia doméstica en el Capítulo 6, que es un excelente ejemplo de un experimento aplicado. Los investigadores no sujetaron a los participantes a condiciones en un entorno de laboratorio; en cambio, aplicaron su estímulo (en este caso, detención) a algunos sujetos en el campo y también tenían un grupo control en el campo que no recibió el estímulo (y por lo tanto no fueron detenidos).
Claves para llevar
- Los diseños cuasi-experimentales no utilizan asignación aleatoria.
- Los grupos de comparación se utilizan a menudo en cuasi-experimentos.
- El emparejamiento es una forma de mejorar la comparabilidad de los grupos experimentales y de comparación.
- Los diseños cuasi-experimentales y los diseños preexperimentales se utilizan a menudo cuando los diseños experimentales no son prácticos.
- Los diseños cuasi-experimentales y preexperimentales pueden ser más fáciles de llevar a cabo, pero carecen del rigor de experimentos verdaderos.
Glosario
- Coincidencia agregada- cuando se determina que el grupo de comparación es similar al grupo experimental a lo largo de variables importantes
- Grupo de control ex post facto: un grupo de control creado cuando un investigador empareja individuos después de administrar la intervención
- Emparejamiento individual: emparejar participantes con atributos similares con el propósito de asignarlos a grupos
- Experimentos naturales- situaciones en las que grupos comparables son creados por diferencias que ya ocurren en el mundo real
- Diseño de grupo de comparación no equivalente: un diseño cuasiexperimental similar a un diseño experimental clásico pero sin asignación aleatoria
- Diseño pre-/posttest de un grupo- un diseño pre-experimental que aplica una intervención a un grupo pero también incluye una prueba previa
- Estudio de caso de una sola toma: un diseño preexperimental que aplica una intervención a un solo grupo sin una prueba previa
- Diseños pre-experimentales- una variación del diseño experimental que carece del rigor de los experimentos y que a menudo se usa antes de realizar un experimento verdadero
- Diseño cuasi-experimental: los diseños carecen de asignación aleatoria a grupos experimentales y de control
- Diseño de grupos estáticos: utiliza un grupo experimental y un grupo de comparación, sin asignación aleatoria y pruebas previas
- Diseño de series temporales: un diseño cuasiexperimental que utiliza múltiples observaciones antes y después de una intervención
