paradigmas vol. 6, no. 1

ParadigmasVolumen 6, número 1, enero-junio de 2014

ParadigmasVolumen 6, número 1, enero-junio de 2014

Bogotá, D.C., Colombia ISSN: 1909-4302 (obra impresa)ISSN: 2322-8466 (obra en línea)

Objetivos y cobertura temática. Paradigmas es una publicación académica arbitrada, cuyo objetivo prin-cipal es contribuir a la divulgación, formación y actualización en materia de investigación. Paradigmas se ha enfocado en la investigación, no como un medio para la producción de nuevo conocimiento, sino como un área de estudio y reflexión. En consecuencia, está dirigida a investigadores, docentes, personal administra-tivo y a todos aquellos interesados en la investigación, más allá de sus disciplinas particulares. Paradigmas publica: reportes de investigaciones científicas, tecnológicas y artísticas inéditas que, además de presentar sus valiosos avances o resultados, se centren fundamentalmente en los procesos metodológicos, epistemológicos, éticos y/o administrativos del proyecto, de forma tal que permitan a otros investigadores obtener nuevas pers-pectivas frente a su quehacer. Además, publica artículos de reflexión, revisiones temáticas y reseñas relativas a cualquiera de los tópicos del ámbito investigativo que incluyen (pero no están limitados a):

• Nuevos métodos y técnicas cualitativas o cuantitativas desarrolladas dentro de proyecto de investigación.

• Metodología de la investigación. • Ética de la investigación.• Gestión y evaluación de proyectos de

investigación.• Filosofía de la ciencia.

• Epistemología de la ciencia y la investigación.

• Sociología de la ciencia.

Política editorial. Paradigmas es publicada en un volumen por año por el Centro de Publicaciones Académi-cas de la Corporación Universitaria Unitec. Su política editorial es planteada y revisada semestralmente por su Comité Editorial, de acuerdo con las políticas generales de la Corporación y del Sistema Institucional de In-vestigación de Unitec. Contribuciones son bienvenidas de dentro y fuera de la universidad, sobre cualquiera de los temas cubiertos. Las instrucciones para los autores se encuentran en la página anterior de la contrapor-tada. Espacios para publicidad en están disponibles, siempre y cuando estén de acuerdo a la naturaleza de la revista y a los intereses de los lectores.

Descargo de responsabilidad. Ni el Centro de Publicaciones Académicas ni los editores son responsables por errores o por ninguna consecuencia del uso de la información que puedan contener los artículos pu-blicados en Paradigmas. Las posturas y opiniones expresadas por los autores no reflejan necesariamen-te las de los editores o las de la Corporación Universitaria Unitec.

Propiedad intelectual. Volúmenes 1 y 2: copyright © 2006-2009 Corporación Universitaria Unitec. La reproducción total o parcial de este escrito en forma idéntica o modificada por cualquier medio mecá-nico, electrónico o informático, incluyendo fotocopia, grabación, digitalización o cualquier sistema de almacenamiento y recuperación de información no autorizada por la Corporación Universitaria Uni-tec viola los derechos reservados. Solicitudes de permisos de reproducción pueden ser dirigidas directa-mente al editor o al titular de los derechos; este aparece en la leyenda de copyright en la primera página de cada artículo. Volúmenes posteriores: copyright © solo como una obra colectiva; el o los autores deciden si mantienen un copyright de sus artículos o escogen para ellos licencias Creative Commons. Sin embargo, la revista propende por el acceso abierto.

Política de acceso abierto. Esta revista proporciona un acceso abierto a los artículos que posean licencias creative commons, basándose en el principio de que ofrecer al público un acceso libre a las investigacio-nes ayuda a un mayor intercambio global del conocimiento.

Canje. Lucía Benavides. Jefe Sección de Biblioteca. Corporación Universitaria Unitec. Cra. 15 No. 76-40. Bogo-tá, D. C., Colombia.

Correspondencia, copias números anteriores y publicidad. Revista Paradigmas. Centro de Publica-ciones Académicas. Corporación Universitaria Unitec. Calle 76 No. 12-61. Bogotá, D. C., Colombia. [email protected]

Indexada en los siguientes directorios:The Philosopher’s Index

http://philindex.org/Ulrich’s Periodicals Directory

http://www.ulrichsweb.com Dialnet

http://dialnet.unirioja.esInternational Directory of Philosophy

http://secure.pdcnet.org/idphil EBSCO

http://www.ebscohost.com

Acceso electrónico a la revista:

http://publicaciones.unitec.edu.co/ojs/

http://www.joomag.com

http://classtools.net/education-games-php/venn/

http://www.joomag.com/en/magInfo/0064824001371431667

ContenidoArtículos de reflexión y análisis

11-35 Investigar la migración en tanto factor que ejerce presión sobre los sistemas sociales: propuesta metodológica a partir de LuhmannGeorgina M. Arredondo Ayala y José Luis Arriaga Ornelas

37-73 Potenciar la utilidad de los métodos estadísticos: algunas sugerencias a partir de un estudio de casoMichael Wood

75 Colaboradores

ParadigmasVolumen 6, Número 1, enero-junio de 2014 • Bogotá, D.C., Colombia • ISSN: 1909-4302

ContentsAnalysis

11-35 Research on migration as a factor that exerts pressure on social systems: a methodological proposal based on LuhmannGeorgina M. Arredondo Ayala y José Luis Arriaga Ornelas

37-73 Making Statistical Methods More Useful: Some Suggestions From a Case StudyMichael Wood

ConteúdoAnálise

11-35 Investigar a migração enquanto fator que exerce pressão sobre os sistemas sociais: proposta metodológica a partir de LuhmannGeorgina M. Arredondo Ayala y José Luis Arriaga Ornelas

37-73 Potenciar a utilidade dos métodos estatísticos: algumas sugestões a partir de um estudo de casoMichael Wood

Artículos de reflexión y análisis

ParadigmasISSN: 1909-4302


Paradigmas, ene.-jun., 2014, Vol. 6, No. 1, 11-35 | 11

Investigar la migración en tanto factor que ejerce presión sobre los sistemas sociales: propuesta

metodológica a partir de LuhmannGeorgina M. Arredondo Ayala, Ph. D.

Universidad Autónoma del Estado de México, México

José Luis Arriaga Ornelas, Ph. D.Universidad Autónoma del Estado de México,

México

CORRESPONDENCIA A LOS [email protected]

INFORMACIÓN DEL ARTÍCULORecibido: 16.01.2014

Aceptado: 21.03.2014

• Para citar este artículo • To cite this article

• Para citar este artigo:Arredondo, G., & Arriaga, J. (2014). Investigar la

migración en tanto factor que ejerce presión sobre los sistemas sociales: propuesta metodológica

a partir de Luhmann, Paradigmas, 6, 11-35.

ResumenLa migración ha sido estudiada con fre-cuencia desde dos perspectivas: una ma-crosocial, que hace hincapié en las variables económicas en la expulsión o atracción, y otra microsocial, interesada por la cotidia-nidad de los protagonistas. En ambos ca-sos la migración es vista como un proceso, para el cual existen datos que permiten di-mensionarlo, establecer causas, flujos y ten-dencias. Sin embargo, metodológicamente es posible dejar de observarla de esa mane-ra para ponerla en calidad de factor, lo cual permite preguntar por el tipo de presión que ejerce sobre la sociedad de la que van y vienen los migrantes: ¿de qué dimensio-nes y en qué sentido es la presión?, ¿cómo establecerla? En este texto se desarrolla una propuesta metodológica a manera de ins-trumental heurístico para generar y pro-cesar la información sobre la posición que mantienen las sociedades con presencia permanente del factor migración.

Palabras clave: migración, sistema so-cial, complejidad, principio de diferencia-ción.

Este es un artículo de acceso abierto distribuidobajo los términos de la licencia de Creative

Commons 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/),

la cual permite su uso, distribucióny reproducción de forma libre siempre y cuando

el o los autores reciban el respectivo crédito.

Georgina M. Arredondo Ayala & José Luis Arriaga Ornelas

12 | Paradigmas, ene.-jun., 2014, Vol. 6, No. 1, 11-35

Research on migration as a factor that exerts pressure on social systems: a methodological proposal based on Luhmann

Summary Migration is usually studied from two perspectives: a macro-social perspective, which focuses on the economic variables of expulsion or attraction; and a micro-so-cial one, which is concerned about the dai-ly existence of its protagonists. In both cas-es, migration is viewed as a process and the existing data makes it possible to measure it and establish its causes, flows and trends. Methodologically speaking, however, it is also possible to view it in a different man-ner and understand it as a factor. In this way we can inquire about the type of pres-sure that it exerts on the societies that peo-ple migrate from and to: What is the mag-nitude and nature of the pressure? How can it be determined? In this paper we will de-velop a methodological proposal that will serve as a heuristic tool for generating and processing information about the position of societies that experience migration on a permanent basis.

Key Words: migration, social system, complexity, principle of differentiation.

Investigar a migração enquanto fator que exerce pressão sobre os sistemas sociais: proposta metodológica a partir de Luhmann

ResumoA migração tem sido estudada com fre-quência desde duas perspectivas: uma ma-crossocial, que faz ênfase nas variáveis econômicas na expulsão ou atração, e ou-tra microssocial, interessada pela cotidia-nidade dos protagonistas. Em ambos ca-sos a migração é vista como um processo, para o qual existem dados que permitem dimensioná-la, estabelecer causas, fluxos e tendências. Porém, metodologicamente é possível deixar de observá-la dessa manei-ra para pô-la em qualidade de fator, o qual permite perguntar pelo tipo de pressão que exerce sobre a sociedade da que vão e vem os migrantes: de que dimensões e em que sentido é a pressão?, como estabelecê-la? Neste texto, é desenvolvida uma propos-ta metodológica a maneira de instrumen-tal heurístico para gerar e processar a in-formação sobre a posição que mantem as sociedades com presença permanente do fator migração.

Palavras-chaves: migração, sistema social, complexidade, princípio de diferen-ciação.

Investigar la migración


Introducción

E n el caso del México contemporáneo, los flujos migratorios siem-pre han estado presentes y resulta difícil decir si el fenómeno de la migración trasnacional es más amplio que complejo o más com-

plejo que extendido. De acuerdo con los registros históricos disponibles, a partir de la segunda mitad del siglo XX el flujo de mexicanos hacia los Estados Unidos, principalmente con fines laborales, “estalló”: de mane-ra legal o ilegal, entre 1970 y el 2010 un total de 11,8 millones de perso-nas que nacieron en México migraron hacia los Estados Unidos (BBVA Research, 2011). De hecho, para toda la región latinoamericana se pue-de plantear que

desde la década de 1990 se ha dado un proceso de masifica-ción de la migración (…) Los procesos de reproducción y reunifi-cación familiar de carácter legal o irregular han hecho que la po-blación migrante de origen latinoamericano llegara en 2000 a 35 millones de personas y se convirtiera en la primera minoría en Es-tados Unidos. (Durand & Schiavon, 2010, p. 34)

Atendiendo a los números, se aprecia que la cantidad de migrantes en México representa casi el 11 % de la población total del país, lo cual permite calificarla como un fenómeno masivo ya que supera la décima parte de la población total del país, siendo los Estados Unidos el destino



principal. Aunque la cifra se ha mantenido estable durante el último trie-nio, registrándose un creciente número de migrantes de retorno, no hay indicios para sostener una versión contraria a que “dicho estancamiento será transitorio, tal como ha ocurrido en crisis económicas anteriores en los Estados Unidos”; más bien puede preverse que “el flujo continuará quizás a los niveles previos a la crisis una vez que la economía norteamericana retome sus ritmos de crecimiento” (BBVA Research, 2011, p. 2).

Este extendido y dinámico fenómeno migratorio ha sido estudiado desde al menos dos grandes perspectivas: una macrosocial, que hace hin-capié en las variables económicas en la expulsión o atracción, y otra micro-social, que estudia la cotidianidad de los protagonistas. En ambos casos la migración es puesta en calidad de proceso y, como dice Durand y Schia-von, pese a que la “heterogeneidad es lo que caracteriza a la emigración latinoamericana, se pueden también distinguir etapas, definir procesos y analizar patrones peculiares” (Durand & Schiavon, 2010, p. 26). Claramen-te es en esto último en lo que se ha centrado la atención: en definir tipolo-gías y caracterizar procesos; sin embargo, claramente hablar de migración implica también las dimensiones de lo social, lo temporal y lo espacial.

La migración es un proceso social porque se explica no solo a par-tir de factores económicos y políticos, sino que es el resultado de una compleja dinámica de cambios y múltiples interacciones que afectan al conjunto de la sociedad (Massey et al., 1987). Es tem-poral porque se desarrolla de manera procesal y supone fases: la partida, donde se enfatizan las causas; el arribo, donde se des-taca el proceso de adaptación o integración y, finalmente, el im-pacto de fenómeno migratorio en la sociedad de destino (Massey et al., 1987; Portes, 2007). También pueden considerarse como fases complementarias las consecuencias y relaciones con el lu-gar de origen, tema predilecto de los transnacionalistas (Levit & Glick Schiller, 2004; Guarnizo, 1994) y la migración de retorno (Durand, 2010; Egea et al., 2005). Finalmente, el proceso migra-torio tiene una dimensión espacial porque el cambio de residen-cia modifica el ámbito de las relaciones sociales de los migran-tes. (Durand & Schiavon, 2010, p. 35)



Derivadas de este empeño en explicar las causas y describir el pro-ceso, existen teorías sobre las razones de la migración (entre otras, la neoclásica, la del mercado del trabajo dual, la del sistema mundial, la de las redes sociales y la de los sistemas de migración)1 y en todas se trata de responder a las preguntas sobre por qué y cómo ocurre esta. Sin em-bargo, nuestra sugerencia es aceptar la presencia permanente de la mi-gración en numerosas comunidades y más bien tratar de abonar en un sentido distinto: observar la migración como un factor que ejerce pre-sión sobre un sistema. Así, nos parece meto-dológicamente posible preguntar e investigar sobre la presión del factor migración sobre el sistema sociocultural de las comunidades ex-pulsoras de migrantes.

Propuesta metodológica a partir de la teoría de sistemas de Luhmann

Uno de los datos más conocidos del fenómeno es que “el grueso de la migración mexicana se originó en unas cuantas comunidades rura-les expulsoras del centro de México y dirigió sus pasos principalmente a Texas, California o Chicago. Pero tanto los lugares de origen como los de destino se han diversificado en las últimas décadas” (Lowell, Perdezini, & Passel, 2008, p. 44). Se puede apreciar entonces un patrón de dispersión en lo que respecta a las ciudades norteamericanas en donde se asientan ahora los migrantes; pero, de manera paralela, ese mismo patrón disper-sivo se presenta en las entidades al interior de la República Mexicana de donde están saliendo.

A este último dato no se le ha prestado mucha atención, sin embargo,

1 Un excelente recuento y revi-sión de estas teorías puede en-contrarse en Massey, Arango, Hugo, Kouaouci, Pellegrino, & Taylor (1993).



numerosos observadores confirman que está surgiendo una nue-va tendencia: los mexicanos están migrando de nuevos lugares de origen, tanto en el sentido geográfico, pues vienen de estados sureños, como, en números crecientes, de zonas urbanas (…) Por supuesto, al parecer se trata de un cambio leve en el ámbito na-cional, aunque a escala local podría tener un impacto muy fuer-te. (Lowell, Perdezini, & Passel, 2008, p. 50)

Y precisamente el planteamiento que hacemos se enfoca en el ante-rior fenómeno: existen comunidades de diferentes dimensiones y en re-giones cada vez más extendidas y diversas del país en las que la migración está presente y no es un asunto menor. Dichas comunidades no se des-hacen cuando algunos de sus miembros migran, pero tampoco perma-necen inalteradas; más bien entran en operación algunos mecanismos que hacen probable la continuidad de la vida comunitaria y de las insti-tuciones organizativas (económicas, políticas y simbólicas). No obstante, ello necesita ser estudiado para saber bajo qué esquemas la migración se acepta y, sobre todo, cómo o en qué sentido siguen funcionando las co-munidades en tanto sistemas socioculturales.

Nuestra propuesta metodológica consiste básicamente en incorpo-rar algunas categorías no exploradas en investigaciones previas sobre procesos migratorios; sugerimos prestar atención a que la selección he-cha por quienes migran es contingente (lo que quiere decir que no nece-sariamente tenían que elegir lo que eligieron o que no era imposible una alternativa distinta a la que tomaron). Sugerimos esta manera de ver el fenómeno porque así es posible identificar que lo-no-seleccionado por quienes migran fue continuar, por ejemplo, con las actividades produc-tivas, los modelos familiares, los estilos de vida o las subjetividades que eran recurrentes en su comunidad; es decir, los migrantes se apartan del procedimiento que había tenido continuidad en la vida cotidiana de la localidad y que había conformado un sistema dada su recurrencia.



Hemos destacado los conceptos de sistema, contingente y selecciones porque sin ellos no se puede entender la propuesta; esta solo funciona si se entiende a las comunidades con presencia de migración como unida-des sistémicas, constituidas a partir de la recursividad de selecciones de sus habitantes. Resulta evidente la deuda que esta propuesta tiene con la teoría de sistemas de Niklas Luhmann, así que vamos entresacando los elementos de los que nos ocuparemos: Luhmann dice que la sociedad es un tipo particular de sistema; precisamente aquel que posee en su inte-rior todas las comunicaciones. De este principio se desprenden dos con-ceptos: sistema y comunicación. Entenderlos es básico para interpretar su propuesta teórica. Sistema debe pensarse como un todo que se cons-tituye al trazar, mediante sus operaciones, un límite que lo distingue de lo que no es, o sea, de su entorno: realiza una clausura operacional.

El principio básico en la teoría de Luhmann es que un sistema se cons-tituye a partir de establecer lo que está dentro de este y lo que pertenece al entorno. El sistema debe observar esos límites (darse cuenta de ellos), así que de inmediato surge la pregunta: ¿cómo se establece esa diferencia entre el sistema y su entorno? El autor responde que con base en “selec-ciones”. Puesto en términos prácticos, esto se refiere a que cada persona se enfrenta todos los días a alternativas como qué comer, de dónde obtener ese alimento, cómo prepararlo, con quién compartirlo, etc. Cada selec-ción que toma es contingente, así que tras cada elección de un individuo resulta posible identificar el ser de otras posibilidades que no seleccionó.

Esta última parte es clave para entender la propuesta: detrás de cada selección de una persona hay muchas otras opciones que no eligió, pero que existen en un nivel de latencia y su ser depende del no ser de la elec-ción. Dadas estas características es fácil notar lo complicado y poco fun-cional que resultaría estar tomando decisiones distintas cada día y cada momento entre un mar de posibilidades, por lo que —según Luhmann— un sistema se conforma de posibilidades que reduzcan las opciones a tra-vés de la conexión recursiva de las selecciones.



En pocas palabras, a partir de selecciones anteriores (propias o no), cualquier sujeto puede seguir realizando otras; y como unas dan conti-nuidad a las otras, ello va constituyendo un sistema que mediante sus pro-pias operaciones se autorreproduce (autopoiesis es el término que emplea Luhmann). De lo anterior se desprende la noción de cadena de seleccio-nes, esto es, la posibilidad de unión entre una selección y otra. Ello quiere decir que cada persona que hace una selección y la transmite a otra ne-cesita que esta última se dé cuenta de la selectividad; si quien recibe esa transmisión de selecciones comprende tal cosa, están dadas las condi-ciones para estabilizar un sistema. Luhmann lo explica con una fórmula sencilla: si ego hace una selección y la transmite a alter (emisión), nece-sita que este último le atribuya selectividad, esto es, que comprenda que ego, al seleccionar la opción que tomó, está dejando de lado otras (infor-mación); si tiene clara la diferencia entre información y emisión enton-ces hay comunicación y, en consecuencia, sistema social.

Con estos elementos proponemos un modelo: ver a las comunida-des con presencia de migración como un sistema al interior del cual al-gunos de sus integrantes rompen las cadenas de selección, dificultando con ello la reproducción de sus elementos y sus operaciones en los tér-minos en que se venía realizando; además, modifican su clausura opera-cional o, lo que es lo mismo, la continuidad del propio sistema a raíz de la recepción de un tipo de reducción de complejidad que se distancia de aquel otro que se había estabilizado autopoieticamente.

Ya ha sido estudiada (Aquino, 2012) la emergencia de nuevas aspira-ciones y necesidades subjetivas por las cuales algunos individuos ya no pueden sentirse satisfechos quedándose en sus comunidades y que, ade-más, desempeñan un papel fundamental en la presencia de migración.

Los procesos de globalización que atraviesan el planeta y que to-can hasta a las comunidades más alejadas han provocado entre los jóvenes un nuevo tipo de “necesidades” o “aspiraciones” que los empujan a migrar hacia los países del primer mundo y que



están siendo el motor de importantes transformaciones sociales, políticas, económicas y culturales, tanto en los lugares de origen como de destino. (Aquino, 2012, p. 47)

Lo anterior, puesto en los términos de nuestra argumentación, signi-fica que las selecciones adoptadas por quienes migran se apartan de las redes de recursividad que sostienen las instituciones, modelos y subjeti-vidades que se habían mantenido presentes en sus lugares de origen. Por tanto, la migración termina por ejercer una presión que altera el estado de la unidad sociocultural y que es preciso determinar a través de infor-mación relacionada con los agentes y las circunstancias que intervienen en los procesos de producción, demanda y consumo de las acciones sig-nificativas (objetos, conductas, ceremonias, etcétera).

Hemos decidido ofrecer este texto como una propuesta metodoló-gica pues tiene la intención de trazar una ruta a partir de la cual se pue-dan llegar a generar los datos necesarios para estimar en qué sentido y a qué velocidad se están modificando, por ejemplo, los modelos de fami-lia, los roles de género, el control de la sexualidad, las alternativas eco-nómicas, la vida comunitaria y los procesos organizativos locales en las comunidades de las que proceden los migrantes.

Recientes investigaciones ya han decidido poner la mirada, por ejem-plo, en los “impactos de la migración en el conjunto de las sociedades indígenas, en sus pautas de reproducción cultural e identitaria” (Merca-do-Mondragón, 2008, p. 20). Han llamado la atención sobre las nuevas subjetividades que se gestan en comunidades con presencia constante de migración, mostrando que esta “representa un doble desafío: pues no solo afecta la vida comunitaria, sino que constituye un reto importante a la comunalidad como proyecto político y de vida” (Aquino, 2012, p. 45).

¿Por qué se pone en riesgo la comunalidad?, ¿por qué decir que se trastocan las pautas de reproducción cultural e identitaria?, ¿cómo saber las modificaciones en los proyectos de vida y las subjetividades?



Las respuestas a interrogantes como estas es posible encontrarlas al re-gistrar las nuevas posibilidades del hacer que se están cristalizando con las nuevas selecciones recurrentes en las comunidades a raíz de la pre-sencia del factor migración. Desde luego que esto implica desplazarse del terreno de la causalidad para ir hacia el campo de las posibilidades; más que empeñarnos en la búsqueda de efectos atribuibles a determi-nadas causas, podemos aventurarnos en las diferentes posibilidades del hacer, identificando los puntos problemáticos que rigen las posibilida-des de variación del sistema.

Lo que se requiere saber es cómo se está re-produciendo la recursividad de selecciones y por qué estas se están aceptando. Si atendemos a los distintos aspectos que conforman el núcleo cultural de una comunidad (entre otras, actividades de subsistencia, organización social, política y religiosa) y se generan los datos acerca de las distintas selecciones que toma la gente para orientar sus comportamientos, se puede saber cómo están constituyéndose las redes de recursividad que mantienen funcio-nando al sistema.

Desde el momento en que se decide observar el fenómeno migrato-rio, quien lo hace necesita ubicar las selecciones que le dan vida, esto es, atribuir a los migrantes una selección. Con demasiada frecuencia se dice respecto a la migración (que en países como México estalló en el último tercio del siglo XX) que “los flujos migratorios (…) una vez echados a andar, se sostuvieron por razones económicas y redes migratorias” (Du-rand, 2010, p. 31). Del mismo modo también se afirma —en relación con los mexicanos que van hacia territorio estadounidense— que “la emi-gración tiene una raíz fundamentalmente económica, en el sentido de que se encuentra impulsada por la diferencia de oportunidades econó-micas entre los dos países” (Meza, 2008, p. 131). Si asumimos la premi-sa luhmaniana de que la “selección es actualización de algo a través de la negación de lo demás” (Corsi, Esposito, & Baraldi, 2006, p. 202), se pue-de decir que cuando una persona migra está dejando en potencia (no



anuladas) las otras alternativas que se le presentaban en su entorno para subsistir, convivir, agruparse, divertirse, etcétera. Esas otras alternativas, que habían sido muy probablemente actualizadas por ella con seleccio-nes recurrentes, ahora son negadas, rompiendo de este modo una cade-na de selección.

Ante selecciones distintas de los sujetos, tenemos indicios de que el sistema no se reproduce de la forma en que venía haciéndolo. Por ejem-plo: imaginemos una comunidad cuya actividad productiva recurren-te es la agricultura; entonces, cada vez que un sujeto que hace parte de ella actualiza esa opción productiva (que además está relacionada con un ciclo festivo, un tipo de unidad doméstica, un tipo de uso y manejo de los recursos naturales, etcétera) vemos al sistema autorreproducirse. Si de pronto ese mismo sujeto, para proveer el sustento de su casa, deci-de no sembrar más su tierra y más bien migrar, deja de actualizar la op-ción productiva agrícola en su comunidad, negándola. En el momento en que otros sujetos de esa misma comunidad actualicen la selección de nuestro sujeto se romperán las antiguas cadenas de selección, dificultan-do así la reproducción de los elementos y las operaciones del sistema en las condiciones en que las que lo hacía antes. Pero ello también genera nuevas operaciones que el sistema utiliza para su reproducción, con la consecuente modificación de las significaciones en la actividad empren-dida o negada.

Como sabemos, la actividad productiva no se lleva a cabo de ma-nera aislada en una sociedad; más bien se articula con el consumo, con la organización familiar, social y política, con el estilo de vida y con la subjetividad. Esto significa que la red de recursividad de selecciones que sostenía todas estas prácticas e instituciones ahora se teje con otras po-sibilidades de ser.

Como ya se dijo, no es que las comunidades desparezcan o se des-hagan, sino que otras posibilidades —equivalentes funcionalmente a las anteriores— se actualizan negando las previas: “en todos los casos, las



salidas de los jóvenes (…) no deben verse como un abandono de la co-munidad (…) es más bien un esfuerzo por reconstruirla y un intento por establecer otro tipo de relaciones con ella” (Aquino, 2012, p. 47).

Explorando derroteros para conocer las implicaciones del fenómeno migratorio

Se pueden contar por centenares los estudios relacionados con la de-mografía de la migración, con los factores económicos vinculados a ella, con las políticas públicas, con las agendas binacionales, con la discrimi-nación, la criminalización y los derechos humanos. No es en ese cam-po en el que se mueve esta propuesta metodológica; más bien lo hace en el ámbito de las subjetividades. Las investigaciones en este plano no son nuevas, es solo que se han centrado en las motivaciones subjetivas para migrar. Mezzadra (2005) sostiene incluso que fue Max Weber el primero en ponderar la importancia de las motivaciones subjetivas para el análi-sis de los procesos migratorios; y remite este antecedente al estudio que Weber llevó a cabo sobre las condiciones de los trabajadores agrícolas en las provincias orientales prusianas, llegando a la conclusión de que no eran solo motivaciones materiales las que animaban a dichos traba-jadores del Este de Europa, sino las ilusiones. Desde entonces y hasta la fecha siguen siendo pertinentes las preguntas sobre las motivaciones sub-jetivas que tienen las personas para migrar, lo que significa atender “los sentidos que ellos mismos le dan a su migración” (Aquino, 2012, p. 45).

Para la teoría de sistemas que propone Luhmann la actualización de una selección es la base para la apertura de posibilidades ulteriores de actualización, así que les da sentido. Nos parece pertinente avenirnos a la idea de que una acción tiene en el otro extremo de su forma la poten-cialidad y que juntas generan el sentido. Esto quiere decir que en el acto



de migrar no se puede agotar el campo de estudio, porque dicha acción necesariamente se proyecta sobre un horizonte de posibilidades que solo pueden actualizarse en relación con la precedente y así sucesivamente.

En este sentido, no son pocos los testimonios que pueden ponerse como ejemplo para referir que las motivaciones subjetivas que impulsan a un joven a migrar hacia los Estados Unidos —viviendo él, por ejem-plo, en una comunidad indígena de la sierra de Oaxaca—: “tienen que ver con: 1) la búsqueda de un nuevo estilo de vida que les permita movi-lidad física y social; y 2) la búsqueda de nuevos modelos de pareja y fa-milia” (Aquino, 2012, p. 47).

El problema a investigar, entonces, es la autorreproducción del sis-tema o, lo que es lo mismo, ¿cómo se relacionan de un modo continuo las selecciones de los miembros de esa comunidad instituyendo reduc-ciones de complejidad? Quien vive en una sociedad recibe de ella los lí-mites para las selecciones que puede actualizar en la comunicación, es decir, los límites de una sociedad no son geográficos (las figuras de fami-lias transnacionales, paternidad semipresencial, redes trasnacionales de apoyo, etcétera, confirman eso en el caso de la migración), sino comu-nicacionales: lo que quiere decir la aceptación de selecciones. ¿Bajo qué mecanismos se acepta una selección como la de irse a otro país y dejar a la familia?, ¿de qué manera se aceptan selecciones como la de formar un núcleo doméstico monoparental, la exogamia, la jefatura familiar feme-nina, la renuncia a cargos comunitarios?

De manera hipotética sugerimos que hay una variación en la dife-renciación primaria de estas sociedades expulsoras de migrantes, esto es, en la primera reducción de complejidad. Gracias a tal variación es que siguen funcionando la familia, la economía, los sistemas de cargos, las instituciones políticas, etcétera; pero será preciso dimensionar esta va-riación, porque implica mover los límites de la complejidad admitida y ensanchar los de la selectividad para la sociedad.



Como reto de investigación se nos presenta una interrogante con tres aristas: 1) ¿las comunidades siguen autorreproduciéndose aun con la presencia de migración?; 2) ¿las comunidades se autorreproducen a partir de la migración?, y 3) ¿las comunidades se autorreproducen gra-cias a quienes se quedan y no migran?

Para deshacer esta maraña es preciso ir por partes: al interior de las sociedades expulsoras de migrantes existen varios sistemas parciales: la familia, la economía, el sistema político, la Iglesia, etcétera. La forma en que se adoptan selecciones al interior de ellos está determinada por la es-tructura de esa sociedad, que no es otra cosa que las premisas para la ope-ración autorreproductiva o autopoietica de esos sistemas: si la estructura sufre alguna mutación, también la experimenta la sociedad.

De acuerdo con la teoría de sistemas de Luhmann, si se mira al in-terior de una sociedad se podrán identificar sistemas parciales, pero hay que establecer cómo están trazados los límites de esos sistemas y sus en-tornos. Así, por ejemplo, en una sociedad simple puede identificarse una diferenciación de tipo “segmentario”:

los sistemas parciales de la sociedad segmentaria son iguales res-pecto a su principio de formación (…) tal principio se da por la descendencia (los sistemas parciales son las tribus, el clan, las fa-milias) o por la residencia (los sistemas parciales son aldeas o ca-sas). La segmentación puede repetirse al interior de los sistemas parciales primariamente diferenciados (familias en las tribus, casas en las aldeas). (Corsi, Esposito, & Baraldi, 2006, p. 78)

En una sociedad con diferenciación basal de tipo segmentario, la complejidad admitida no es muy elevada pues cada sistema parcial (una familia, por ejemplo) solo observa en su entorno otros sistemas iguales a él; de tal modo, la selectividad es muy limitada y únicamente se puede elegir entre lo que es común o familiar y lo que no. Cuando por alguna razón la igualdad se imposibilita ante la ausencia de reciprocidad (a cau-sa, por ejemplo, de que algunas familias se vuelvan más ricas que otras),



otro principio de diferenciación puede regir: ya sea el que distingue en-tre centro y periferia o el que diferencia entre estratos jerárquicos. “Es-tas nuevas formas de la diferenciación tienen en común el hecho de que los sistemas parciales son desiguales con respecto al principio que les da forma” (Corsi, Esposito, & Baraldi, 2006, p. 79).

Entonces, cuando la complejidad alcanza niveles insostenibles para el principio de diferenciación vigente, se sobreviene una transforma-ción estructural y, conforme se modifica el principio de diferenciación, la complejidad admitida es mayor y se acumula la capacidad selectiva en esa sociedad. Nos parece que este es el caso de las comunidades en las que la migración se presenta, pues se desborda el nivel de complejidad admisible por el principio de diferenciación que primaba en la selectivi-dad de dichas sociedades; así, se sobreviene un cambio estructural, con lo que las operaciones de los sistemas parciales y de la propia sociedad se realizan a partir de una selectividad distinta. Ya está documentado que

a través de los medios masivos de comunicación en todos los rin-cones del planeta se han difundido los estilos de vida propios de las sociedades del primer mundo urbano, los cuales se caracteri-zan por un alto nivel de consumo y de movilidad espacial. Como gran parte de los jóvenes del planeta, muchos jóvenes serranos sueñan también con alcanzar estos estilos de vida, para lo cual es indispensable que sean capaces de adquirir ciertos bienes de consumo (…) En las actuales condiciones del campo mexicano, para muchos jóvenes la única forma de devenir consumidores ac-tivos es la migración. (Aquino, 2012, p. 47)

El reto para abordar esta realidad es registrar la diferenciación pri-maria de las comunidades expulsoras de migrantes, la misma que deter-mina las formas de diferenciación que trazan los límites de los sistemas parciales y sus entornos al interior de dichas comunidades; con ello se po-drá identificar el nivel de complejidad que se admite. Pero luego hay que considerar el factor migración, el cual ejerce una presión tal que puede



llevar a la complejidad a niveles insostenibles. Para dar salida a la capa-cidad selectiva de estos sistemas sociales viene una transformación es-tructural. Eso es lo que hay que registrar con precisión.

En suma, el impulso que representa un aumento de complejidad hace variar la forma de diferenciación primaria de la sociedad y estable-ce nuevos niveles de complejidad que reducir. Lo que hace un sistema es organizar la complejidad para lograr la relacionabilidad selectiva entre los elementos del sistema y, de este modo, garantizar la autorreproduc-ción o la autopoiesis del sistema.

¿Qué ocurre si aumentan el número de elementos en un sistema? Se incrementa exponencialmente el número de relaciones posibles entre ellos, así que aumenta la complejidad, entendida como el hecho de que no todos los elementos de una unidad sistémica pueden estar simultá-neamente en relación con ellos mismos. “Así, la complejidad significa que para actualizar las relaciones entre los elementos es necesaria una selec-ción” (Corsi, Esposito, & Baraldi, 2006, p. 55).

Cómo registrar las nuevas operaciones del sistema y la selectividad que las anima

Como se dijo páginas atrás, no estamos en la ruta de establecer rela-ciones causales entre la migración y algunos fenómenos socioculturales que están presentándose en las comunidades expulsoras de migrantes. En lugar de eso, estamos proponiendo recabar y sistematizar informa-ción relacionada con los procesos de producción, demanda y consumo de las acciones significativas que tienen lugar dentro de un sistema en el que el nivel de complejidad se incrementa, ampliando con ello la ca-pacidad selectiva en su interior, es decir, permitiendo que los procesos



comunicativos (selecciones emitidas y aceptadas) se lleven a cabo de for-mas distintas a como lo venían haciendo. Por eso, como lo dijimos desde el principio, se trata de explorar las distintas actualizaciones de las posi-bilidades de actuación.

¿Cómo se presenta morfológicamente esto en la realidad?, ¿cómo se puede observar la forma de diferenciación primaria, la complejidad ad-mitida, la selectividad limitada o el orden de relaciones entre los siste-mas parciales? Es preciso contar con algunos indicadores empíricos de estos conceptos, indicadores que los representen y nos ayuden a iden-tificar sus variaciones: cualquier cambio en los primeros, mostrará que algo está pasando en los segundos.

Lo primero que debe documentarse es qué tipo de sistemas parcia-les existen al interior de la comunidad expulsora de migrantes, para lue-go establecer el principio de formación de esos sistemas parciales. Ello nos conducirá a identificar cómo miran esos sistemas parciales su entor-no: ¿de qué están impregnadas las observaciones que esos sistemas par-ciales hacen unos de otros y de su entorno (porque ello nos habla de su diferenciación primaria, que es estructurante de la sociedad)? Teniendo presente esto podemos ver cómo se llevan a cabo las selecciones dentro de los sistemas parciales: las selecciones se producen según las distincio-nes que se hacen al observar a los otros sistemas parciales y al entorno, tolerando una cantidad específica de complejidad. Si hay nuevos requi-sitos para las selecciones, hay una complejidad más amplia para los sis-temas parciales (sociales y psíquicos), la cual también hay que procesar.

Si somos capaces de identificar con base en qué diferencia primaria procesan la complejidad las comunidades expulsoras de migrantes, ten-dremos elementos para comprender mejor los fenómenos sociocultura-les que ahí ocurren y que se derivan de nuevas posibilidades de selección y procesamiento de la complejidad.

Puesto en pasos a seguir, estos serían los siguientes:



1) Establecer la comunidad con presencia de migración que será objeto de estudio.

2) Dimensionar los flujos migratorios (cuánta gente migra, desde cuándo, hacia dónde y qué tipo de migración es).

3) Recabar de esa comunidad datos estadísticos básicos para un periodo de tiempo similar a aquel en que ha estado presente la migración (pue-den utilizarse los censos, o conteos de población, realizados por lustros o décadas): territorio, población, actividad económica, infraestructura, hogares, educación y salud.

4) Acudir a la comunidad y, mediante observación directa, identificar los sistemas sociales parciales existentes, es decir, aquellos que producen por sí mismos elementos y estructuras propias, operacionalmente ce-rrados, autopoiéticos, que tienen modos específicos de operación pro-pia. Pueden existir sistemas como: familia, organizaciones, sistemas de cargos y otros, dependiendo el caso de que se trate.

5) Mediante entrevistas a informantes clave, identificar sus premisas de sentido: conceptos e ideas que se utilizan comúnmente en las concep-ciones del mundo y las comunicaciones. Básicamente, hay que reco-ger autodescripciones de la sociedad, el repertorio de temas utilizados por sus miembros para la comunicación, lo que es usual en materia de sentido generalizado, así como lo que es nuevo o emergente y requiere ser gestionado de algún modo para incorporarse a la reserva de temas.

6) Mediante un instrumento elaborado ex profeso para ello, identificar aquellos criterios selectivos utilizados por la población ante temas es-pecíficos, como proyectos de vida, porvenir de la comunidad, as-piraciones, modelos de familia, roles de género, división del trabajo, organización social, religión, consumo, dinámica de la unidad domés-tica, diversión, ocio y salud.

7) A través de observación dirigida, corroborar la correspondencia entre los criterios selectivos como patrimonio conceptual de la comunidad y las conductas.



Siguiendo estos pasos contaremos con información cuantitativa y cualitativa de la comunidad a estudiar. El paso siguiente será procesar-la para que termine tomando cuerpo en indicadores sobre el estado que guarda el sistema ante la presión ejercida por el fenómeno migratorio. Los datos cuantitativos, que serán las estadísticas básicas, nos mostrarán lo que es, lo que hay, las dimensiones de la comunidad, su disposición es-pacial y su accionar en la satisfacción de necesidades básicas; también nos mostrarán variaciones en el tiempo al estar presente el factor migración.

La información cualitativa nos arrojará características de las opera-ciones que permiten la reproducción de la unidad sistémica, el sentido de estas, la selectividad y los niveles de contingencia en las relaciones en-tre los elementos del sistema. Como no es posible aprehender el sistema, es necesario recurrir a sus elementos. El elemento básico al que estare-mos acudiendo serán las comunicaciones, que entenderemos como ex-presión de las selecciones que hace la gente y como muestra de lo que esa misma gente acepta o identifica como aceptable. Dado que no hay selec-ciones posibles sin un abanico de opciones, y dado que cada selección se produce por una red recursiva de operaciones similares y anteriores, re-sulta imperativo darse a la tarea de identificar esas redes recursivas y la selección de los contenidos de sentido que están surgiendo en estas co-munidades hoy en día.

El uso de la noción sistema —y su operación básica, comunicación— posee fundamentalmente un sentido heurístico. Mirar de eso modo a las comunidades nos permite lanzar preguntas distintas a aquellas que acostumbran los estudios relacionados con la migración y “sus efectos”. Por ejemplo, el estudio de Mercado-Mondragón (2008) sobre “las conse-cuencias culturales de la migración” en Zinacantán, Chiapas, da cuenta de haber interrogado a habitantes de esa comunidad respecto a su opi-nión o “representación social” de la migración. Nos dice:



Con respecto a la identidad y la cultura planteamos una serie de interrogantes que tienen relación con estos conceptos y las conse-cuencias sobre ellos, con la presencia de los flujos migratorios. Al respecto, 67.9 % considera que los indígenas que se van al Norte no dejan de ser indígenas. Cuando se les formuló la pregunta de otra manera, es decir si ellos consideran que los migrantes de Zina-cantán siguen siendo indígenas el 85.7 % piensa que sí. Todos los entrevistados creen que si se nace indígena, esta condición nunca se pierde (…) Sin embargo, cuando formulamos las preguntas con respecto de ‘yo’ como miembro de la comunidad y del ‘otro’, y la pertenencia a un grupo social, las opiniones y respuestas cambia-ron drásticamente (…) al preguntarles a nuestros entrevistados quié-nes eran más indígenas, los de aquí o los que se van a EE. UU., 92 % contestó que son más indígenas los que viven en la comunidad que los que se migran. (Mercado-Mondragón, 2008, pp. 25-26)

Dicho investigador se preguntó sobre cuál es la opinión o cómo se representan socialmente algunos hechos vinculados a la migración las personas que viven en Zinacantán. Y llega, entre otras, a la conclusión de que “el sistema social penaliza la salida de los integrantes de la comu-nidad, otorgándoles una característica que devalúa la condición de ser indígena. Es en este hecho fundamental donde debemos enmarcar los efectos de la migración en la cultura y la identidad, dado que los indíge-nas que se quedan se sienten amenazados por los cambios”. Pero con el instrumental que estamos proponiendo para mirar la realidad es posi-ble lanzar preguntas distintas: ¿la diferenciación primaria de esa socie-dad ha cambiado?, ¿cuál es actualmente?, ¿qué papel desempeña en este momento la diferenciación basal desplazada?, ¿el principio de formación de los sistemas parciales que hay a su interior es otro?, ¿la complejidad que debe reducir esa sociedad puede ser procesada con la forma de dife-renciación que le ha caracterizado hasta ahora?, ¿qué distinciones están observando en el entorno las selecciones que se toman en esa sociedad?, ¿hay nuevos requisitos para las selecciones?, ¿hay nuevos medios que ha-gan posible la aceptación de selecciones y, con ello, vuelvan probable la comunicación que constituye ese sistema social?



Lanzar preguntas diferentes a partir de las nociones sugeridas muy probablemente nos conduzca a un conocimiento nuevo sobre la posi-ción que mantienen las cada vez más numerosas y diversas comunidades de las que emigra la gente. No olvidemos el dato que se reveló al inicio sobre ese efecto de dispersión que ya está registrado en los últimos años. Cada una de esas comunidades, vistas en tanto sistemas, requieren para autoreferirise y re-producirse tener clara la diferencia con su entorno y la diferencia interna que fija los límites del entorno para cada uno de los sistemas parciales que existen a su interior.

De acuerdo con la lógica que venimos planteando, lo que está pasan-do afuera del sistema —en su entorno— no depende de sí mismo, pero “afuera” adquiere formas particulares según las distinciones que orien-tan la observación del sistema. Lo importante es que ese tipo de mirada —que distingue cosas por ser un régimen de diferenciación— también es aplicable al interior del sistema. Esto puede entenderse mejor con un ejemplo: realizando una investigación sobre “subjetividades juveniles y migración internacional” en una comunidad de la sierra de Oaxaca lla-mada Yalalag, Aquino (2012) recaba el siguiente testimonio:

En Yalalag no hay futuro, digo yo, bueno para mí no hay; por eso mejor en la ciudad andaba yo buscando. Bueno, de que sí hay tra-bajo, hay trabajo, pero no ganas mucho que digamos. Siendo un trabajador, ahí nunca vas a superarte, tal vez vas a poder llegar a comprar una casita o vas a formar una familia, pero todo eso te va a costar mucho, porque ahí en el trabajo que hay no ganas nada. Yo hacía huaraches, antes de hacer huaraches iba al campo, tam-bién anduve un rato ayudando como panadero. Quería hacer algo, tener un oficio para vivir ahí, pero vi que no dio resultado, entonces me fui a la ciudad de Oaxaca, trabajé como plomero y tampoco funcionó. Luego pensé en ser soldado y mi mamá me dijo que no, que mejor me viniera a los Estados Unidos. Cuando vine para acá tenía 17 años, ahorita acabo de cumplir 20. (Aquino, 2012, p. 43)

En ese testimonio hay evidencia suficiente del tipo de diferenciación que se utiliza para mirar el mundo. Si se acepta como criterio a seguir que



la forma de la diferenciación primaria constituye la estructura de la socie-dad y también que la forma de la diferenciación primaria de la sociedad varía evolutivamente bajo el impulso del aumento de complejidad, entonces puede observarse que en el testimonio reproducido se nos muestra que

la diferenciación centro/periferia permite que la comunicación se difunda territorialmente en la sociedad organizándose a partir del centro, constituido por la ciudad. Se trata de una diferencia-ción jerárquica de tipo civilizado/no civilizado. Se observa una desigualdad con base en la residencia en ciudad o en el campo. (Corsi, Esposito, & Baraldi, 2006, pp. 77-79)

La característica de una diferenciación que ayuda a delimitar el siste-ma/entorno es que se aplica también al interior del propio sistema y eso debería de ser abordado analizando lo que observan los sistemas parcia-les que se ubican dentro del sistema global analizado. En la misma inves-tigación de Aquino se recogen este tipo testimonios:

La vida de las mujeres allá en el pueblo pues es nomás estar ba-rriendo y encerradas (…) además, en el pueblo no les gusta que tengas novio, ellos directo te quieren casar, pero yo nunca lo acep-taría, jamás; si me obligan, yo creo que me escaparía, yo me es-capo, yo no me iría con alguien que no conozco, no me importa-ría lo que piensen mis papás.

(…)

Aquí (en el pueblo de Yalalag) no se ocupa estar paseando en la calle, cada quien está encerrado en su casa, pocos son los que van a visitar en otras casas, aunque sea su familia, porque luego, luego te critican. (Aquino, 2012, pp. 50-51)

¿Qué nos dejan ver esos testimonios? Que las selecciones al interior de un sistema parcial, como es la familia, dentro del sistema llamado Ya-lalag, también observan una desigualdad con base en la residencia y esa diferenciación básica les permite hacer selecciones.



Conclusiones

Dadas las dimensiones que tiene ya el fenómeno migratorio en Mé-xico, se ha convertido no solo en una agenda abierta y urgente de la polí-tica exterior, sino que también es un asunto que apremia atención desde ámbitos económicos, sociales y culturales, pues no es un asunto menor que la gente salga del país, regrese a él eventualmente o se mantenga se-mipresencialmente en sus comunidades. Más bien es un asunto a aten-der, pero no solo procurando seguridad a quienes emprenden la travesía o cuantificando y encauzando los recursos que hacen llegar a sus familias, sino asumiendo plenamente que ese factor está ejerciendo una presión decisiva sobre la estructura de la sociedad a un nivel mucho más profun-do, nada menos que directo a la constitución de la sociedad. Atender y dar cauce a una complejidad creciente es un gran problema; las comuni-dades expulsoras de migrantes, en su carácter de sistemas reductores de complejidad, pueden continuar reproduciéndose únicamente si la for-ma de su diferenciación cambia.

La propuesta metodológica que se ofrece en este texto deberá ser so-metida a prueba en estudios prácticos en comunidades con población migrante. Son muchas las localidades donde la migración internacional ha venido presentándose desde hace décadas y hay otras que de mane-ra más reciente están incorporándose a esa dinámica. Siguiendo los pa-sos que se han referido, confiamos en poder obtener datos que arrojen luz sobre lo que está ocurriendo a partir de que la complejidad en ellas desafía a la forma de diferenciación que estructura esas sociedades (sea esta de segmentación, jerárquica de estratos, de diferenciación centro/periferia o de diferenciación funcional).

La ruta parece simple: seguir las pistas de la mutación semántica, las cuales dependen de las mutaciones de estructura y que, al mismo tiem-po, determinan el acontecer de nuevos temas de comunicación y nuevas



tipificaciones de sentido. Pero tras esa apariencia de sencillez puede en-contrarse un camino firme para responder a las preguntas que desde el principio planteamos: ¿qué es lo que hace que se acepte una selección como la de irse a otro país y dejar a la familia?, ¿qué es lo que hace que se acepten selecciones como la de formar un núcleo doméstico mono-parental, la exogamia, la jefatura familiar femenina, la renuncia a cargos comunitarios? En última instancia, ¿las comunidades siguen autorre-produciéndose aun con la presencia de migración (solo diferenciadas)?, ¿las comunidades se auto-reproducen a partir de la migración (son di-ferentes “para bien o para mal”)?, o ¿las comunidades se autorreprodu-cen gracias a quienes se quedan y no migran (sin alteración importante)?

Referencias

Aquino, A. (2012). Cultura, género y generaciones en las migraciones. En Y. Castro (Coord.), La migración y sus efectos en la cultura (pp. 43-60). México: Conaculta.

BBVA Research. (2011, junio). Situación migración México. Recupera-do de http://www.bbvaresearch.com/KETD/fbin/mult/1106_SitMi-gracionMexico_05_tcm346-260432.pdf?ts=582011

Corsi, G., Esposito, E., & Baraldi, C. (2006). Glosario sobre la teoría so-cial de Niklas Luhmann. México: Universidad Iberoamericana.

Durand, J., & Schiavon, J. A. (Eds.). (2010). Perspectivas migratorias: un análisis interdisciplinario de la migración internacional. Méxi-co: CIDE.

Lowell, L., Perdezini, C., & Passel, J. S. (2008). La demografía de la mi-gración de México a Estados Unidos. En A. Escobar & S. Martin, La gestión de la migración México-Estados Unidos: un enfoque bina-cional (pp. 21-62). México: SEGOB, INM, CIESAS.



Luhmann, N. (1984). Sistemas sociales. Barcelona: Anthropos, UIA, CEJA.Luhmann, N., & De Georgi, R. (1993). Teoría de la sociedad. México:

Universidad de Guadalajara, Universidad Iberoamericana, Insti-tuto Tecnológico y de Estudios Superiores de Occidente (México).

Massey, D., Arango, J. Hugo, G., Kouaouci, A., Pellegrino, A., & Tay-lor, J. (1993). Theories of International Migration: A review and ap-praisal. Population and Development Review, 19(3), 431-466. Recu-perado de http://cis.uchicago.edu/outreach/summerinstitute/2011/documents/sti2011-parks-theories_of_international_migration.pdf

Mercado-Mondragón, J. (2008, enero-junio). Las consecuencias cultu-rales de la migración y cambio identitario en una comunidad tzo-tzil, Zinacantán, Chiapas, México. Agricultura, Sociedad y Desarro-llo, 5(1), 19-38.

Meza, L. (2008). Elementos determinantes de la decisión de migrar. En A. Escobar & S. Martin, La gestión de la migración México-Esta-dos Unidos: un enfoque binacional (pp. 131-174). México: SEGOB, INM, CIESAS.

Mezzadra, S. (2005). Derecho de fuga: migraciones, ciudadanía y globa-lización. Madrid: Traficantes de sueños.

ParadigmasISSN: 1909-4302



Potenciar la utilidad de los métodos estadísticos: algunas sugerencias

a partir de un estudio de casoMichael Wood, D.Phil.

University of Portsmouth Business School, Portsmouth, Reino Unido.

CORRESPONDENCIA AL [email protected]

[email protected]

INFORMACIÓN DEL ARTÍCULOAutorización traducción: 01.04.2014

Aceptado: 04.04.2014

• Para citar este artículo• To cite this article

• Para citar este artigo:Wood, M. (2014). Potenciar la utilidad de los métodos estadísticos: algunas sugerencias a

partir de un estudio de caso, Paradigmas, 6, 37-73.

Originalmente publicado en SAGE Open (2013, enero-marzo), 1-11. doi:

10.1177/2158244013476873. Copyright 2013: Michael Wood.

Traducido al español conpermiso de los titulares de los derechos de autor.

Este es un artículo de acceso abierto distribuidobajo los términos de la licencia de Creative

Commons 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/),

la cual permite su uso, distribucióny reproducción de forma libre siempre y cuando

el o los autores reciban el respectivo crédito.

ResumenEn este texto se presenta una crítica a los métodos utilizados por los artículos cientí-ficos convencionales. Esto lleva a tres con-clusiones generales sobre el uso convencio-nal de los métodos estadísticos: en primer lugar, los resultados suelen presentarse de una manera innecesariamente confusa; en segundo lugar, el paradigma empleado para probar las hipótesis nulas tiene profundas fallas (por lo general, es preferible la esti-mación de la magnitud de los efectos y ci-tar los intervalos o los niveles de confian-za); y, en tercer lugar, hay varios problemas, independientemente de los conceptos esta-dísticos particulares empleados, los cuales limitan el valor de cualquier enfoque esta-dístico. Los dos primeros problemas se pue-den remediar fácilmente, mientras que el tercero significa que, en algunos contextos, emplear ciertos enfoques estadísticos pue-de que no valga la pena. El estudio de caso que se emplea es un artículo sobre adminis-tración, pero problemas similares también surgen en otras ciencias sociales.

Palabras clave: Confianza, prueba de hipótesis, prueba de significancia de hipó-tesis nula, filosofía de la estadística, méto-dos estadísticos.



Making Statistical Methods More Useful: Some Suggestions From a Case Study

AbstractI present a critique of the methods used in a typical article. This leads to three broad conclusions about the conventional use of statistical methods. First, results are of-ten reported in an unnecessarily obscure manner. Second, the null hypothesis test-ing paradigm is deeply flawed: Estimat-ing the size of effects and citing confidence intervals or levels is usually better. Third, there are several issues, independent of the particular statistical concepts employed, which limit the value of any statistical ap-proach—for example, difficulties of gener-alizing to different contexts and the weak-ness of some research in terms of the size of the effects found. The first two of these are easily remedied—I illustrate some of the possibilities by reanalyzing the data from the case study article—and the third means that in some contexts, a statistical approach may not be worthwhile. My case study is a management article, but similar problems arise in other social sciences.

Keywords: confidence, hypothesis test-ing, null hypothesis significance test, phi-losophy of statistics, statistical methods

Potenciar a utilidade dos métodos estatísticos: algumas sugestões a partir de um estudo de caso

ResumoNeste texto, é apresentada uma crítica aos métodos utilizados pelos artigos científi-cos convencionais. Isto leva a três conclu-sões gerais sobre o uso convencional dos métodos estatísticos: em primeiro lugar, os resultados costumam ser apresentados de uma maneira desnecessariamente con-fusa; em segundo lugar, o paradigma em-pregado para provar as hipótese nulas tem profundas falhas (geralmente, é preferível a estimação da magnitude dos efeitos e ci-tar os intervalos ou os níveis de confiança); e, em terceiro lugar, há vários problemas, independentemente dos conceitos estatís-ticos particulares empregados, os quais li-mitam o valor de qualquer enfoque estatís-tico. Os dois primeiros problemas podem ser remediados facilmente, enquanto que o terceiro significa que, em alguns contextos, empregar certos enfoques estatísticos pode que não valha a pena. O estudo de caso que se emprega é um artigo sobre administra-ção, mas problemas similares também sur-gem em outras ciências sociais.

Palavras-chave: confiança, prova de hi-pótese, prova de significância de hipótese nula, filosofia da estatística, métodos esta-tísticos.

Potenciar la utilidad de los métodos estadísticos


L os métodos estadísticos son ampliamente utilizados en investi-gación. Existe una inmensa cantidad de teorías, consejos prácti-cos, ejemplos de buenas prácticas, etcétera, que apoyan dichos

métodos. Sin embargo, algunos aspectos fundamentales de la manera en la que son usualmente utilizados parecen ser problemáticos en ciertas ocasiones, incluso en estudios publicados en respetadas revistas científi-cas cuyo proceso de revisión garantiza que se eviten errores obvios. Este artículo considera tres grandes áreas que a menudo generan inconve-nientes: la facilidad de compresión por parte del lector de los conceptos empleados, el uso de la prueba de hipótesis y las cuestiones acerca de la utilidad del enfoque estadístico general, las cuales aplican independien-temente de los métodos particulares que se empleen. Este artículo pro-pone algunas alternativas posibles para abordar varios de estos aspectos problemáticos; por tanto, será de interés para cualquiera que se preocu-pe por la utilidad de los resultados estadísticos, ya sea como producto-res o consumidores del análisis estadístico.

La manera en que abordaré este problema consistirá en emplear un único artículo típico de investigación que haya sido publicado previamen-te, para luego revisar en él algunos de los problemas con el análisis y la presentación de los resultados, examinando además algunos abordajes al-ternativos. Así las cosas, el artículo que se convertirá en el estudio de caso proviene de una revista de investigación en el área de la administración,

Introducción

Michael Wood


aunque es probable que los problemas planteados sean relevantes para muchos otros proyectos de investigación en las ciencias sociales. Es cla-ro que no es posible formular conclusiones que se puedan generalizar a partir de una muestra de un único artículo; sin embargo, en un enfoque de estudio de caso como este, mediante el análisis en profundidad de un ejemplo ilustrativo, se pueden sugerir posibilidades que pueden tener (y es muy probable que tengan) una aplicación mucho más amplia. En una situación ideal me hubiese gustado analizar una muestra representativa de estudios de investigación, pero el grado de detalle del que depende mi argumento hace que esta estrategia sea impracticable.

Elegí el texto de Glebbeek y Bax (2004) como mi artículo ilustrativo porque fue publicado en una revista respetada (Academy of Management Journal). Dicho artículo trata un tema que puede ser comprendido sin un conocimiento detallado de la literatura, está escrito con claridad y el enfoque estadístico utilizado es bastante típico, al involucrar regresión y prueba de hipótesis. El objetivo no es producir una crítica de este artícu-lo, sino explorar cuestiones de mayor cuidado en el empleo de la esta-dística en investigación. Estoy muy agradecido con el Dr. Arie Glebbeek por facilitarme los datos, lo cual me ha permitido formular algunas de las sugerencias discutidas en este artículo.

Glebbeek y Bax (2004) “probaron la hipótesis de que la rotación de los empleados y el rendimiento de la compañía tienen una relación en forma de U invertida: la rotación demasiado alta o baja es perjudicial” (p. 277), por lo que el nivel óptimo de rotación se sitúa en algún lugar en el medio. Para ello, analizaron los datos de “110 oficinas de una empre-sa de trabajo temporal” en los Países Bajos. Uno de sus análisis conduce a la figura 1 de este artículo, en la que cada uno de los puntos dispersos representa una única oficina, y el patrón general muestra cómo el rendi-miento (“resultado neto por oficina” en florines holandeses por tiempo completo de empleado por año, en valores de 1995) varía con la rotación de los empleados. La línea continua representa una mejor predicción



para una oficina con una media de nivel de absentismo del 3.9 % y una media de edad del personal de 28.4 años, en una de las tres regiones de estudio. El método utilizado para hacer esta predicción se discute a con-tinuación. Glebbeek y Bax mencionan esta gráfica, pero no la presentan, no obstante gráficas de modelos curvilíneos se presentan en dos artícu-los posteriores sobre el mismo tema en la misma revista (Shaw, Gupta & Delery, 2005; Siebert & Zubanov, 2009). Dichos autores realizaron al-gunas variaciones de este análisis; por ejemplo, intentaron relacionar el rendimiento a la rotación actual y a las rotaciones en los dos años ante-riores. Sin embargo, para mis propósitos actuales, me centraré solo en los datos que son la base de la figura 1.

Rotación de empleados (% por año)

Des

empeñ

o

Figura 1. Resultados y predicciones curvilíneas para la región 1 y la media de abstencionismo y edad

Esta gráfica, y las fórmulas matemáticas que la sustentan, sugieren que el nivel óptimo de la rotación de personal es de aproximadamente el 6 %, esto es, para obtener el mejor nivel posible de rendimiento, el 6 % del personal se retiraría cada año. Cualquier cantidad por encima o por

Michael Wood


debajo del 6 % probablemente conduciría a un rendimiento peor, y la fi-gura 1 da una idea de qué tanto caería el rendimiento. La predicción para el rendimiento es de aproximadamente 70 000 unidades si la rotación de personal está en el nivel óptimo, pero solo de alrededor de 3000 unidades si es del 34 %. Esta información tiene un evidente interés práctico para los directivos de los departamentos de recursos humanos.

Para su análisis Glebbeek y Bax (2004) emplearon técnicas de regre-sión estándares, las cuales se resumen brevemente a continuación. El primer problema que discutiré, por tanto, es que estos métodos son in-necesariamente obscuros y confusos; así, creería que a lectores poco fa-miliarizados con estadística matemática les van a parecer muy difíciles algunos de los aspectos que se analizan en el próximo párrafo (muchos artículos en la literatura del área de la administración utilizan métodos estadísticos mucho más complejos, así que la tarea de hacer que el análi-sis sea claro es más urgente pero, de igual manera, posiblemente más di-fícil. Mi objetivo es simplemente demostrar las posibilidades que puede ofrecer un ejemplo sencillo).

Los modelos de regresión utilizaron como variable dependiente al “resultado neto por oficina” (Glebbeck & Bax, 2004, p. 281), mientras que a la rotación de personal y al cuadrado de la rotación como variables in-dependientes, así como también tres variables de control (incluir expre-siones al cuadrado en la regresión es un método estándar para probar la hipótesis acerca de relaciones en forma de U). Los resultados son pre-sentados de manera convencional por medio de tablas de coeficientes de regresión estandarizadas para los diferentes modelos, complementadas por símbolos para denotar los diferentes rangos de los valores de p (ta-blas 2 y 3 en Glebbeek & Bax, 2004). En todos los casos, los coeficientes resultaron según lo predicho por la hipótesis de la forma de U inverti-da: los coeficientes de regresión para las expresiones (lineales) de rota-ción fueron positivos, mientras que para las expresiones de rotación al cuadrado fueron negativos. Sin embargo, ninguno de los coeficientes de



las expresiones de rotación fueron estadísticamente significativos, aun-que tres de los cuatro coeficientes para las expresiones al cuadrado fue-ron significativos (p < 5 % en dos casos y 10 % en el tercero). En la sección “Discusión” del artículo se argumenta que esto ofrece un sustento razo-nable a la forma de U invertida en el contexto de la agencia de empleo en cuestión, pero que “no se observó con certeza” (Glebbeek & Bax, 2004, p. 277). El modelo de la primera tabla de análisis (A en la tabla 2, que co-rresponde a la figura 1 de este artículo) proporciona los coeficientes de regresión estandarizados para las expresiones de rotación y del cuadra-do de la rotación del modelo con valores de 0.17 y -0.45 respectivamente, pero ninguno de ellos es significativo (p > 10 %). No hay nada en la ta-bla de resultados que le indique al lector el nivel óptimo de rotación del 6 % o sobre qué tanta diferencia hacen las desviaciones de esta figura (si bien se menciona información similar en la discusión).

Mi primera tarea es explicar cómo estos resultados pueden ser pre-sentados de una forma más comprensible para el lector y sin perder ri-gurosidad. La figura 1, que no se encuentra en Glebbeek y Bax (2004) es un comienzo; pero es posible ir más allá, por ejemplo, con la tabla 1.

Tabla 1. Parámetros de fácil comprensión para el modelo de la figura 1

Mejor estimación

Ubicación del nivel óptimo (la rotación de personal anual para un mejor rendimiento) 6.3 %

Curvaturaa en forma de U invertida 86.7

Impacto estimado del aumento del 1 % de en el ausentismo -3330 florines por ETCImpacto estimado del aumento de un año en la edad promedio -831 florines por ETCDiferencia estimada entre regiones vecinas (la región 1 con el rendimiento más bajo)

15 465 florines por ETC

Rendimiento máximo estimado para la región 1 y la media del ausentismo (3.8 %) y la edad promedio (28)

69 575 florines por ETC

Estimación global de la exactitud de la precisión (R2 ajustado) 13 %

Michael Wood


Mejor estimación

Nivel de confianza para la hipótesis de la forma de U invertida 65 %

Nota: ETC: equivalente a tiempo completo.a Mide qué tan curva es la línea, donde 0 representa una línea recta y números mayores representan una curva-tura en forma de U invertida más pronunciada.

Mi segundo objetivo es revisar el marco de referencia de las prue-bas de hipótesis. El artículo de Glebbeek y Bax (2004) prueba la hipóte-sis de que la relación tiene forma de U invertida. Hay varios problemas aquí: lo más evidente es la gráfica de la figura 1, que apenas si parece te-ner una forma de U invertida, porque la disminución en el lado izquier-do (rotación de personal baja) es muy leve. Podría de manera plausible interpretarse como un declive levemente curvo de la relación entre las dos variables. La hipótesis es un poco difusa, lo que dificulta una prue-ba clara.

Como es habitual en la investigación del área de la administración, Glebbeek y Bax (2004) ponen a prueba su hipótesis empleando la prue-ba de hipótesis nula y valores de p resultantes (ambos > 10 % para la fi-gura 1). Sin embargo, hay varios argumentos muy fuertes en contra de esta manera de proceder, los cuales discutiremos a continuación. Una de las alternativas que sugerimos es citar un nivel de confianza para la hi-pótesis; este equivale solo al 65 % (la fuente de esta cifra se explica más adelante). Esto significa que, basándonos en los datos, podemos tener un 65 % de confianza de que un patrón en forma de U invertida resulta-ría si analizáramos todos los datos de situaciones similares. Esto parece mucho más útil que citar los valores de p.

Los datos (y, por tanto, las conclusiones de cualquier análisis) se ba-san en una organización, en un país y en una época (finales de los no-venta) particulares: evidentemente no hay garantía de que se produciría un patrón similar en otros contextos. E incluso teniendo en cuenta esto, la aparente dispersión en la figura 1 sugiere que la rotación de personal



es solo uno de los muchos factores que afectan al rendimiento. Estos son algunos de los problemas más generales que son relevantes, independien-temente del enfoque estadístico que se utilice para el análisis de los da-tos; así que mi tercer objetivo es revisarlos.

La literatura de investigación en el área médica ofrece un contras-te instructivo al de la administración. Asegurar que los médicos sin for-mación estadística entiendan los resultados con precisión puede ser una cuestión de vida o muerte, a diferencia de la situación en el campo de la administración, donde la mayoría de los gerentes probablemente ig-noran la mayor parte de la investigación que se publica en su campo. La prueba de hipótesis nula se utiliza mucho menos en medicina, y las di-rectrices de las revistas (British Medical Journal [BMJ], 2011), así como las autoridades reguladoras (International Conference on Harmonisa-tion of Technical Requirements for Registration of Pharmaceuticals for Human Use [ICH], 1998), a menudo insisten en que se citen los inter-valos de confianza (los cuales se discutirán más adelante). Asimismo, el hecho de que el contexto de la administración sea mucho menos prede-cible que el cuerpo humano estudiado por la investigación médica tam-bién tiene implicaciones en la manera en la que se utiliza la estadística.

En este artículo se analiza solo una investigación y los detalles del análisis son claramente específicos para este estudio en particular. Sin embargo, en la sección “Conclusiones y recomendaciones” infiero algu-nas recomendaciones más generales derivadas de este ejemplo; dichas generalizaciones deben, por supuesto, ser tentativas.

Michael Wood


Críticas a los métodos estadísticos utilizados en la investigación sobre administración

El análisis estadístico es de utilidad para muchas tareas; por ejem-plo, al modelar los precios de viviendas, predice qué clientes potenciales son más propensos a comprar algo y permite, a su vez, el análisis de los resultados de los experimentos (Ayres, 2007). En ejemplos como estos la influencia de las variables de ruido puede ser considerable, pero los mé-todos estadísticos nos permiten ver con claridad y discernir una tenden-cia lo suficientemente confiable como para ser útil.

Existe una amplia literatura sobre los pros y los contras de las dife-rentes maneras de abordar la estadística (sobre todo el enfoque bayesiano y cómo se compara con las alternativas convencionales), así como tam-bién sobre la importancia de los métodos particulares y de los problemas con su uso (por ejemplo, Becker, 2005; Cashen & Geiger, 2004; Vanden-berg, 2002), sobre la importancia y la dificultad de educar a los usuarios de la estadística y a los lectores de sus conclusiones y, por supuesto, so-bre la derivación de nuevos métodos. Sin embargo, sorprendentemen-te existe muy poca literatura crítica de los métodos estadísticos y de su aplicación en general.

Un artículo que sí hace tal crítica al modelado estadístico —en las ciencias de la administración— es el de Mingers (2006). Él afirma que la estadística, en la práctica, adopta “un punto de vista empobrecido y empirista”, con lo que quiere decir que en general no logra ir “por deba-jo de la superficie para explicar los mecanismos que dan lugar a eventos empíricamente observables”. Sin lugar a dudas, esto es cierto en mu-chos contextos; por ejemplo, la figura 1 indica que la forma en U inver-tida de Glebbeek y Bax (2004) expresa una tendencia más bien débil que no logra incorporar los factores de ruido, cuya importancia es clara por



la dispersión de la figura 1 (y el valor de R2 ajustado, el cual es del 13 %). Los análisis estadísticos como este proporcionan una explicación parcial o probabilística; si está disponible una explicación determinista satisfac-toria, entonces no es necesario un modelo estadístico. En este sentido, la estadística es un método que se emplea como último recurso, pero es un enfoque potencialmente útil cuando no entendemos completamen-te lo que está sucediendo.

Un problema comúnmente reportado con la estadística es que mu-chas personas, entre ellas algunos investigadores y algunos de sus lec-tores, encuentran sus conceptos y técnicas difíciles de entender. Esto es particularmente cierto en relación con la prueba de hipótesis nula, la cual es un concepto complicado que implica tratar de demostrar la “signifi-cancia”, asumiendo la verdad de una hipótesis nula que es probablemen-te falsa. El abordaje evidente para tratar con problemas de comprensión es buscar más y mejor formación en estadística, para lo cual existe una amplia literatura y varias revistas sobre este tema.

Un acercamiento alternativo para el problema de la educación es re-conocer que el número de técnicas complicadas es demasiado alto como para que los investigadores y los lectores las aprendan todas (Simon, 1996, señala que a las personas generalmente les toma alrededor de diez años para llegar a ser especialistas, y esto impone un límite en la cantidad de experticia que se puede alcanzar), por lo cual se deben hacer esfuerzos para presentar los resultados de manera comprensible con el mínimo ni-vel de conocimiento técnico posible, sin sacrificar el rigor y la utilidad del análisis (Wood, 2002; Wood, Capon & Kaye, 1998). Esto podría dar-se a nivel de una redefinición de las medidas de los resultados para que sean más comprensibles o en el uso de métodos cuya base lógica esté más cerca del sentido común que la de los métodos convencionales basados en teoría de la probabilidad; esta es una de las ventajas de los métodos de remuestreo, como el bootstrapping (por ejemplo, Diaconis & Efron, 1983; Simon, 1992; Wood, 2005; Wood, Kaye & Capon, 1999). Sin embargo,

Michael Wood


en la práctica estas oportunidades rara vez se toman. Por tanto, uno de mis objetivos en este artículo es demostrar algunas de las posibilidades.

Tabla 2. Intervalos de confianza para los modelos lineales (3 en el panel A de la tabla 2 en Glebbeek & Bax, 2004)

Mejor estimación

Límite inferior de 95 % del

IC

Límite superior de 95 % del IC

Impacto estimado del 1 % de aumento en la rotación de personal −1778 −3060 −495

Impacto estimado del 1 % de aumento en el ausentismo −3389 −6767 −10

Impacto estimado del aumento de un año de la edad promedio −731 −3716 2254

Diferencia estimada entre regiones vecinas (región 1 con el rendimiento más bajo) 15 066 5607 24 525

Estimación global de la exactitud de la pre-cisión (R2 ajustado)

12 %

Nota: IC = intervalo de confianza.

El asunto de la facilidad de uso y comprensión por parte de los lec-tores es apenas un aspecto menor en el debate sobre los pros y los con-tras de los diferentes enfoques estadísticos. Otro asunto que merece ser mencionado aquí es el debate sobre el papel de las pruebas de significa-ción de las hipótesis nulas (y los valores de p). Este es el método estándar utilizado en el área de la administración y en la mayoría de las ciencias sociales para responder a cuestionamientos sobre la confiabilidad con la que podemos hacer generalizaciones a partir de una muestra limitada de datos. Sin embargo, hay argumentos muy fuertes —presentados en nu-merosos libros y artículos en los últimos años— en contra del uso de es-tas pruebas en bastantes contextos (por ejemplo, Cohen, 1994; Gardner & Altman, 1986; Kirk, 1996; Lindsay, 1995; Morrison & Henkel, 1970; Nicker-son, 2000), así como en favor de enfoques alternativos, tales como el uso de intervalos de confianza. Según Cohen (1994), “tras cuatro décadas de



duras críticas, el ritual de las pruebas de significancia de hipótesis nula (la mecánica decisión dicotómica en torno al criterio sagrado del 0.05) aún persiste” (p. 277). Este autor continua refiriéndose a la “mala inter-pretación casi universal” de los valores de p. Más recientemente, Coul-son, Healey, Fidler y Cumming (2010) llegaron a la conclusión, basándose en una encuesta a 330 autores de artículos publicados, que la interpre-tación de los valores de p era “generalmente pobre”, y no en referencia a los lectores, sino a dichos autores. Aquí no hay espacio para una revi-sión general de sus argumentos, pero discutiré los temas que se aplican a Glebbeek y Bax (2004) en la siguiente sección.

Por último, es importante tener en cuenta el hecho evidente de que hay alternativas a los métodos estadísticos. El más simple es utilizar estu-dios de caso para ilustrar y explorar lo que sea posible sin ningún inten-to de realizar estimaciones estadísticas de la población (Christy & Wood, 1999; Wood & Christy, 1999; Yin, 2003). Este es esencialmente el método que estoy adoptando en este artículo.

Pasemos ahora a la discusión de Glebbeek y Bax (2004), para lo cual voy a comenzar con los problemas de facilidad de uso; luego discutiré el abordaje de la prueba de hipótesis que se adoptó por dichos autores y, finalmente, consideraré las dificultades que enfrenta cualquier enfoque estadístico en este contexto.

Facilidad de uso por parte de los lectores de la estadística en Glebbeek y Bax (2004)

Esto cubre tanto a la claridad de la forma en la que se describen los conceptos estadísticos, como a la claridad de los conceptos mismos. Us-ted como lector de este artículo podría pensar que los lectores de una

Michael Wood


revista técnica de investigación deberían entender los tecnicismos sin ayuda. Sin embargo, dada la extensión de los conocimientos especializa-dos necesarios, se hace razonable presentar los resultados de la manera más clara posible, siempre que ello no dé lugar a un artículo sustancial-mente más largo o a sacrificar el rigor y el valor del análisis. Como se explicó en nuestra “Introducción”, Glebbeek y Bax (2004) proporcionan los coeficientes de regresión estándares para las expresiones de rotación y cuadrado de la rotación del modelo, siendo dichos valores 0.17 y -0.45, respectivamente, con p > 10 % en ambos casos, así como también los co-eficientes estandarizados y los valores de p para las tres variables de con-trol. La figura 1 es un paso en la búsqueda de que dicha información sea más comprensible para los lectores, mientras que la tabla 1 presenta un análisis más detallado.

Solo una de las cifras en la tabla 2 de Glebbeek y Bax (2004) apare-ce en la anterior tabla 1: el valor de R2 ajustado (0.13), el cual he reescrito como 13 % para enfatizar el hecho de que puede ser considerado como una proporción. Esta estadística es una estimación de “la reducción pro-porcional en el error del modelo nulo (sin variables explicativas) al mo-delo actual” (King, 1986, p. 676.), a la cual he resumido como “precisión de la estimación global predicha”: un 100 % de precisión implicaría que todas las predicciones son precisas en su totalidad, mientras que un 0 % se referiría a una predicción que no hace uso de las variables indepen-dientes. Alternativamente, se podría utilizar la expresión “proporción de la variación explicada”, pero esta parece menos directa, y la palabra “ex-plicada” puede ser engañosa. El punto general aquí es la conveniencia de utilizar etiquetas que sean lo más informativas posible; es probable que la etiqueta “R2 ajustada” no transmita nada a los inexpertos.

Las otras estadísticas de la tabla 1 son diferentes a las ofrecidas por Glebbeek y Bax (2004), quienes dan coeficientes de regresión estandari-zados, los cuales son difíciles de interpretar de manera útil (King, 1986); la tabla 1 proporciona los coeficientes equivalentes sin estandarizar para



las variables de control. Por ejemplo, el coeficiente de regresión estan-darizado para la primera variable de control —el absentismo— es de -0.19; en la tabla 1 se presenta el coeficiente equivalente no estandariza-do (-3330) y su significancia se describe en función del escenario que se está modelando.

En lugar de describir una curva en forma de U invertida, en términos de los coeficientes de regresión estandarizados para las expresiones lineales y al cuadrado (0.17 y -0.45), podríamos utilizar los coeficientes no estan-darizados (1097 y -86.7), pero estos aún son un poco difíciles de interpre-tar. De manera más útil, podríamos citar los coeficientes en la tabla 1: la ubicación del nivel óptimo (6.3 %) y la curvatura en forma de U invertida (86.7). Estas son matemáticamente equivalentes a los resultados de la re-gresión estándar presentadas por Glebbeek y Bax, en el sentido de que el primero puede calcularse a partir de este último por medio de fórmulas simples y viceversa (Wood, 2012a). No hay pérdida de información, pero están en un formato que facilita el relacionarlos con la realidad.

A modo de ejemplo, para el rendimiento de una oficina con una tasa de rotación de personal del 2 % por encima del nivel óptimo (8.3 %), en la región 1 con la media de absentismo y la media de edad, se haría la si-guiente predicción utilizando las ecuaciones en Wood (2012a):

69 575 - 86.7 (8.3 - 6.3)2 = 69 228

En esta ecuación la curvatura representa claramente el grado en que el rendimiento disminuye a medida que la tasa de rotación de los emplea-dos se aparta de su valor óptimo. El impacto de las variables de control se puede adicionar fácilmente: si, por ejemplo, el absentismo fuera del 5 % por encima de la media, entonces el rendimiento previsto se reduciría en 5 × 3330 a 52 578. Por último, no hay valores p en la tabla 1; en su lugar, se presenta un nivel de confianza para la hipótesis. La derivación de esto y la razón para no dar los valores de p se discuten en la siguiente sección.

Michael Wood


Problemas con la prueba de hipótesis y las alternativas sugeridas

Glebbeek y Bax “probaron la hipótesis de que la rotación de personal y el rendimiento de las empresas tienen una relación en forma de U in-vertida: una rotación excesivamente alta o baja son perjudiciales”. A pri-mera vista, el formular su objetivo de investigación en función de probar una hipótesis les proporciona un objetivo claro y un buen título para pu-blicar. También es convencional en investigaciones que buscan ser “cien-tíficas”; sin embargo, en este caso, que no es en absoluto único, hay tres dificultades evidentes con la idea de poner a prueba esta hipótesis:

1) La hipótesis es bastante difusa. La figura 1 apenas si tiene forma de U invertida porque el rendimiento solo decae levemente mientras la ro-tación cae por debajo del nivel óptimo (y la falta de datos para valo-res bajos de rotación significa que la evidencia de esta parte de la línea es débil). Los puntos dispersos en la figura 1 bien podrían ser modela-dos de manera plausible por una línea recta que muestra una tenden-cia a la baja: en la práctica, estas dos posibilidades se funden la una en la otra. La idea de poner a prueba hipótesis deriva su estatus probable-mente de famosas hipótesis como la de Einstein: E = mc2; sin embar-go, en este caso la hipótesis de forma de U invertida es mucho menos impresionante.

2) La hipótesis es bastante obvia. Si uno imagina una organización don-de la tasa de rotación de personal está por encima del 100 %, el senti-do común sugiere que probablemente el rendimiento sea relativamente pobre. Sin embargo, si la rotación fuese del 0 %, entonces esto sugeri-ría que es probable que se deba a una falta de nuevas ideas y energía, o a que la organización está en tan mal estado que nadie puede conseguir otro trabajo. Esto significa que debe haber un nivel óptimo de rotación



en algún lugar entre estos dos extremos, por lo que el patrón debe tener forma de U invertida.

3) Simplemente probar la hipótesis ignora mucha información útil. La in-formación numérica, como la ubicación del nivel óptimo (6 % para la figura 1) o qué tanta diferencia hacen las desviaciones del nivel óptimo son irrelevantes desde el punto de vista de la prueba de la hipótesis, lo cual es una lástima, porque estas tienden a ser la información más inte-resante en la práctica. Podría suceder, por ejemplo, que en otros secto-res el nivel óptimo de rotación de personal fuera mucho mayor. Este es el tipo de detalles que probablemente sea de interés tanto para los teó-ricos como para los profesionales.

Estos tres puntos sugieren que, en lugar de poner a prueba una hi-pótesis bastante difusa y obvia, un objetivo más útil para un proyecto de investigación de este tipo es medir, por ejemplo, el nivel óptimo de la ro-tación de personal, o evaluar la forma de la relación entre el rendimien-to y la rotación de los empleados como se ilustra en la figura 1.

Problemas con la prueba de la hipótesis nula

Los tres argumentos anteriores se refieren a la idea de la prueba de hipótesis en general. Como es convencional en la investigación en el área de la administración, el enfoque particular utilizado por Glebbeek y Bax (2004) para poner a prueba la hipótesis es el de crear una hipótesis nula y luego estimar la probabilidad de que los datos, o de manera simi-lar los datos extremos (en tanto que medidos por la prueba estadística), podrían haber resultado de dicha hipótesis nula. Si este valor p es bajo, concluimos entonces que los datos no son consistentes con la hipótesis nula, por lo que debe ser falsa, y una hipótesis alterna debe ser verdadera.

Michael Wood


Probar la hipótesis de la forma de U invertida de esta manera es par-ticularmente problemático y será discutido en la próxima sección. Por lo pronto vamos a considerar el valor de p para el impacto estimado de la rotación (es decir, el coeficiente de regresión) en el modelo lineal (lí-nea recta) para los datos de la figura 1, el cual es inferior a 0.01 (una cifra más exacta, usando la herramienta de regresión de Excel es 0.007). Esto se lleva a cabo utilizando la hipótesis nula de que la rotación de personal en realidad no tiene un impacto, sea positivo o negativo, sobre el rendi-miento. El valor p indica que las fluctuaciones al azar darían lugar a un valor de -1778 (el valor observado en realidad) o menos, o +1778 o más, con una probabilidad del 0.7 %. Esta baja probabilidad significa que es poco probable que los datos observados sean consecuencia de la hipó-tesis nula, por lo cual podemos afirmar, a partir de la evidencia, que hay un verdadero impacto negativo que probablemente se repita si tomamos más muestras. Este es un argumento bastante complicado que la gente a menudo no entiende correctamente. Hay por lo menos tres problemas desde la perspectiva de la facilidad de uso para el lector:

1) La clave para comprender los valores de p es la hipótesis nula, no la hi-pótesis de interés. Glebbeek y Bax ni siquiera mencionan la hipótesis nula, pero esta es la base para la definición de los valores de p.

2) Cuanto más fuerte es la evidencia de un impacto de la rotación sobre el rendimiento, menor es el valor de p: como una medida de la fuerza de la evidencia, la escala de valores p es inversa.

3) Lo que los lectores quieren intuitivamente es una medida de qué tan probable es una hipótesis, y alguna indicación de la naturaleza y la fuer-za de la relación entre las dos variables. Si bien los valores de p no res-ponden a ninguna de estas preguntas, es casi inevitable que algunos lectores asuman que sí lo hacen. Esto no es, por supuesto, solo un pro-blema desde la perspectiva de la facilidad de comprensión para el lector:



una medición que falla en decirle a las personas lo que estas desean sa-ber no es una buena medición, aunque se entienda correctamente.

Además de los problemas de facilidad de uso hay una serie de proble-mas con la prueba de hipótesis nula, de los cuales uno es relevante aquí:

4) Puede que existan problemas al elegir una hipótesis nula sensata. Para probar su hipótesis de la forma de U invertida, Glebbeek y Bax (2004) te-nían dos hipótesis nulas: que los valores de la población de los coeficien-tes de regresión de las expresiones lineal y al cuadrado eran ambos cero. Esto significa, en efecto, que no hay un patrón consistente, recto o cur-vo, entre las dos variables. Sin embargo, esto no es satisfactorio porque no hay manera obvia de combinar los dos valores de p y porque esta hi-pótesis nula es demasiado fuerte si se la toma literalmente. La figura 1 muestra una clara tendencia decreciente, de modo que la hipótesis nula es claramente falsa, pero esto no significa que la hipótesis curvilínea sea cierta. Las pruebas de hipótesis nulas pueden descartar efectivamente la hipótesis nula, pero no son útiles para proporcionar evidencia en favor de una hipótesis alternativa, si hay más de una de ellas. Como vimos an-teriormente, el valor de p para el modelo lineal (línea recta) fue del 0.7 %; esto se basa en la hipótesis nula de que el aumento de la rotación de per-sonal no tiene impacto en el rendimiento. Sin embargo, una vez más, esto es tan poco probable, que obtener evidencia de que es falsa no presenta realmente interés alguno. En ambos casos, la obvia hipótesis nula utiliza-da por Glebbeek y Bax no proporciona mucha información interesante.

La medición de la magnitud del impacto y el uso de intervalos de confianza

Una de las recomendaciones que potencialmente puede abordar todos estos problemas es estimar el tamaño y la naturaleza de los efectos de la

Michael Wood


rotación de personal en el rendimiento, y posteriormente expresar la in-certidumbre sobre esta estimación a través de los intervalos de confian-za. Empecemos discutiendo un modelo lineal (modelo 3 en Glebbeek y Bax, 2004), dado que es más sencillo. De acuerdo con el modelo lineal, la mejor estimación del impacto sobre el rendimiento de un 1 % adicional en la rotación del personal es -1778 (el coeficiente de regresión no estan-darizado). Esta es una estimación de una cantidad numérica, no impli-ca ninguna hipótesis y evita los problemas de centrarse en una hipótesis nula que sea difusa, obvia y distractora.

Sin embargo, no le hace frente al problema del error del muestreo: es probable que muestras diferentes produzcan resultados diferentes y, además, es poco probable que el resultado de la muestra sea exactamen-te correcto para toda la población. La prueba de hipótesis nula propor-ciona una forma poco satisfactoria de abordar este problema; así que los intervalos de confianza a menudo son recomendados como una alterna-tiva (por ejemplo, los escritos de Gardner & Altman, 1986, en la revista British Medical Journal; Cashen & Geiger, 2004; y Cortina & Folger, 1998).

En la tabla 2, la mejor estimación para el impacto de la rotación de personal es que cada un 1 % adicional reducirá el rendimiento en 1778. Sin embargo, la cantidad exacta es incierta: el intervalo de confianza su-giere que el impacto real está en algún lugar entre una reducción de 495 unidades y una de 3060 unidades, con una confianza del 95 %. Este in-tervalo excluye el cero, lo que quiere decir que el nivel de significación debe ser inferior a 5 % (100 % - 95 %); de hecho, p < 1 % significa que el intervalo de confianza del 99 % también incluiría solo los valores nega-tivos. Sin embargo, el intervalo de confianza del 95 % para el impacto de la edad incluye tanto valores positivos como negativos, es decir, que no es posible rechazar la hipótesis nula de que la edad no tiene algún im-pacto al nivel de significación del 5 %.

El presentar los impactos estimados y los intervalos de confianza como se hace en la tabla 2 evita cualquier mención de hipótesis nulas y



sus problemas asociados. Así, con ella nos centramos en la relación que realmente nos interesa y no en una hipótesis que casi con seguridad es falsa, y el intervalo de confianza expresa la incertidumbre de una mane-ra mucho más transparente que el valor p. Por tanto, como hemos visto, toda la información proporcionada por los valores de p se puede derivar de los intervalos de confianza, pero estos también ofrecen una gran can-tidad de información adicional.

A pesar de sus ventajas, los intervalos de confianza rara vez son ci-tados en investigaciones en el área de la administración, mientras que la situación es muy diferente en la medicina: los intervalos de confianza son presentados ampliamente y son recomendados por las revistas cien-tíficas (por ejemplo, BMJ, 2011) y por las autoridades reguladoras (por ejemplo, ICH, 1998).

Los niveles de confianza para las hipótesis

Infortunadamente, este abordaje no es tan fácil a la hora de evaluar la confianza de la conclusión de que la curva tiene forma de U inverti-da, porque esta se mide por dos parámetros, ubicación y curvatura, en la tabla 1 (la ubicación es relevante para la existencia de una forma de U invertida ya que si se produce el nivel óptimo para un valor negativo de la rotación de personal, entonces no habrá una U invertida en la par-te positiva y relevante de la gráfica). Podríamos producir intervalos de confianza para la curvatura y para la ubicación de la óptima rotación de personal en la tabla 1, pero el hecho de que aquí existan dos cantidades, haría que esto fuera difícil de manejar y de interpretar. Por tanto, exa-minemos a continuación cómo podríamos aplicar la idea de confianza a una hipótesis.

El método del bootstrapping ofrece una manera fácil de abordar este problema. La idea del bootstrapping implica el uso de la muestra de datos

Michael Wood


para generar las “remuestras” que imitan otras muestras de la misma fuente. Un grupo de tales remuestras se puede utilizar luego para ver qué tan variables es probable que sean las diferentes muestras y, por tanto, el grado de confianza que podemos tener acerca de la hipótesis. En el pre-sente caso, la figura 2 muestra las curvas de estimación generadas a par-tir de cuatro remuestras, así como también la estimación a partir de los datos originales (como en la figura 1).

Rotación de empleados (% por año)

Des

empeñ

o

Figura 2. Estimaciones de los datos (negrita) y cuatro remuestras para el modelo de la figura 1

La figura 2 proporciona una clara demostración del hecho de que la figura 1 puede ser engañosa, simplemente porque dos de las cinco líneas no tienen forma de U invertida. Con 10 000 remuestras, el 65 % de ellas produjo una forma de U invertida (con una curvatura negativa y un va-lor positivo para la ubicación del nivel óptimo). Esto sugiere un nivel de confianza para la hipótesis de la forma de U invertida de un 65 %.

En el apéndice presento una explicación un poco más detallada del procedimiento de bootstrapping. Además, es posible encontrar una exten-sa literatura sobre bootstrapping: hay explicaciones simples en Diaconis



y Efron (1983), Simon (1992) y Wood (2005), y una explicación más deta-llada del procedimiento utilizado aquí en Wood (2012a).

Sin embargo, al contrario del intervalo de confianza en la tabla 2, el indicar simplemente un nivel de confianza del 65 % para la hipótesis de forma de U invertida proporciona poca indicación de cuán aguda es la curva o cuál es el nivel óptimo de rotación de personal. La hipótesis no distingue entre las líneas curvadas ligera o fuertemente.

Podemos hacerle frente a este problema en cierta medida al evaluar un nivel de confianza para una hipótesis más fuerte. Por ejemplo, po-dríamos insistir en que para una forma de U invertida razonable, el grá-fico tendría que decrecer al menos 10 000 unidades del lado izquierdo (el nivel de confianza en este caso llega al 40 %). Sin embargo, el punto de corte elegido es arbitrario porque las hipótesis como esta son inevi-tablemente nebulosas.

También deberíamos señalar que, en sentido estricto, un nivel de con-fianza para un intervalo o para una hipótesis no es lo mismo que para la probabilidad de la verdad de la hipótesis o de que el verdadero valor del parámetro se encuentre en un intervalo (Nickerson, 2000, pp. 278-280). Al igual que con la prueba de hipótesis nula, los intervalos de confianza están basados en las probabilidades de que los datos de la muestra pro-porcionen la verdad acerca de un parámetro. Para revertir estas probabi-lidades y encontrar la probabilidad de una hipótesis, dados los datos de muestra, tenemos que utilizar el teorema de Bayes y tener en cuenta pro-babilidades anteriores. Sin embargo, para muchos parámetros, incluyen-do la pendiente de una línea de regresión y la diferencia de dos medias, el equivalente bayesiano de un intervalo de confianza —el intervalo de credibilidad— es idéntico al intervalo de confianza convencional (Baya-rri & Berger, 2004; Bolstad, 2004, pp. 214-215, 247), siempre que usemos distribuciones de probabilidad a priori “planas” (es decir, asumimos una distribución de probabilidad a priori uniforme) para el análisis bayesia-no. Esto significa que a menudo es razonable interpretar los intervalos y

Michael Wood


niveles de confianza en términos de probabilidades: la única pérdida (des-de la perspectiva bayesiana) es que no se incorpora ninguna información de la distribución de probabilidad a priori.

Problemas generales sobre la utilidad del abordaje estadístico

Supongamos ahora que las recomendaciones anteriores se han tenido en cuenta: los resultados se presentan de manera tan comprensible para los lectores como sea posible, se utilizan intervalos de confianza siem-pre que sea posible y, cuando no lo es, se utilizan los niveles de confian-za en vez de valores de p para cuantificar la incertidumbre. Los métodos estadísticos se han ajustado de acuerdo con la discusión anterior, pero aún quedan cuestiones importantes acerca de la utilidad de los métodos estadísticos en general (estas son relevantes, independientemente de los métodos y conceptos particulares utilizados).

Las conclusiones de la investigación estadística no son determinis-tas, pero son cualificadas por probabilidades, promedios o conceptos equivalentes. Es posible que la relación entre la rotación de personal y el rendimiento sea demasiado compleja para una explicación completa y determinista de todas las variables y sus efectos exactos; por tanto, el abordaje estadístico merece tenerse en cuenta a falta de una mejor alter-nativa. Las siguientes cuestiones son relevantes ante las preguntas sobre el beneficio de un abordaje estadístico.



Las fortalezas y debilidades de los resultados estadísticos

La figura 1 muestra una forma de U muy débil en el sentido de que el declive del lado izquierdo apenas es ligero. La precisión estimada de la predicción (R2 ajustado) es solo del 13 %, como es evidente a grandes ras-gos a partir de la dispersión de la figura 1. Además, el nivel de confianza de que esta forma sea una característica de las poblaciones subyacentes y de que se repetirá en otras muestras es bastante bajo: un 65 %. En con-secuencia, los resultados son débiles en todas estas tres dimensiones: la fuerza del efecto (qué tan definida es la forma de U invertida), la consis-tencia del efecto (es evidente que hay otros factores además de la rota-ción de personal que son responsables del buen o del mal rendimiento) y el nivel de confianza para la hipótesis. Por otra parte, como se discute en Glebbeek y Bax (2004), la idea predominante es que el rendimiento tiene la tendencia a caer a medida que aumenta la rotación de personal, si bien el sentido común —por las razones expuestas anteriormente— sugiere que de algún tipo de forma de U invertida es casi inevitable. Por todas estas razones la figura 1, y los datos y análisis detrás de esta, pare-ce que aportan poco valor a lo que ya se conoce.

La naturaleza y la generalidad del contexto objetivo

Si se tuviesen que utilizar la prueba de significancia la de hipótesis nula o los intervalos de confianza para analizar los datos de Glebbeek y Bax (2004), deberíamos asumir que la muestra utilizada es una muestra aleatoria de una población objetivo específica. En la práctica, la utiliza-da por Glebbeek y Bax fue muestra por conveniencia: los datos concer-nían a todas las sedes de la agencia de empleo en cuestión, la cual fue

Michael Wood


elegida simplemente porque estaba disponible. A primera vista, no hay ninguna población objetivo más allá de la muestra, la figura 1 es exacta en relación con esta muestra y no hay incertidumbre debido a un error de muestreo. Entonces, ¿qué sentido puede tener el nivel de confianza del 65 % o los valores de p?

Si tomásemos otra organización similar con las mismas fuerzas en juego, o la misma organización en un momento diferente, sería muy poco probable obtener exactamente la figura 1. Una multiplicidad de factores de ruido significaría que la siguiente muestra sería diferente, y quizás si-milar a una de las cuatro remuestras de la figura 2. Tenemos que saber qué tan variables pueden ser las muestras debido a estos factores aleato-rios, de manera que podamos evaluar los niveles de confianza para las conclusiones.

La terminología estándar de las poblaciones aquí es un poco incó-moda, así que voy a utilizar la expresión contexto de destino o contexto objetivo (target context) para referirme al contexto al que la investigación se dirige, del cual la muestra puede considerarse razonablemente una muestra aleatoria y al cual los resultados se pueden generalizar razona-blemente. En la ausencia de un proceso de muestreo formal, esta noción es inevitablemente vaga (la población de destino sería una población hi-potética de oficinas “similares” a las de la muestra, pero esto parece cla-ramente difícil de visualizar).

La naturaleza de este contexto de destino merece un examen cuida-doso. Los resultados de Glebbeek y Bax (2004) se basan en datos de una sola organización en un solo país (los Países Bajos), en un periodo de tiempo específico (1995-1998), por lo que tal vez cabría preguntar: ¿el con-texto de destino deberían ser organizaciones similares en el mismo país, en un momento similar en la historia? Obviamente, un contexto diferen-te podría dar lugar a un patrón diferente de relación entre la rotación de personal y el rendimiento, por lo que sus conclusiones son cualificadas por palabras tales como “puede”. La hipótesis de la forma de U invertida



en ningún sentido está demostrada en términos generales, como lo re-conocen Glebbeek y Bax, pero ellos han demostrado que es una posibi-lidad ya que se aplica a este contexto de destino.

El alcance del contexto de destino es una dificultad clave en esta y en la mayoría de las investigaciones empíricas en el campo de la administra-ción. El problema con hacer que el contexto de destino sea muy amplio es que no es fácil obtener muestras razonables, y los factores contextua-les específicos son susceptibles de sumarse a los factores de ruido, ha-ciendo difícil obtener resultados claros. Por otro lado, si el contexto es demasiado estrecho, esto puede llevar a muchos a concluir que la inves-tigación tiene poca relevancia.

La noción de un contexto de destino se vuelve más sutil aún al tener en cuenta la dimensión del tiempo o cuando extendemos dicha idea para incluir lo posible. La mayoría de investigaciones sobre administración —y la de Glebbeek y Bax (2004) no es la excepción— tiene como su propósi-to final el mejorar algún aspecto de la administración a futuro. La meta de la investigación empírica es probar y comprobar lo que funciona y lo que no funciona. Así las cosas, imaginemos, en aras de la discusión, que teníamos un conjunto de datos similares provenientes de una muestra representativa de un contexto de destino más amplio: todas las grandes organizaciones en Europa durante los últimos diez años. Esta sin duda sería más útil que la muestra que hemos venido manejando; sin embar-go, debemos recordar que el contexto podría cambiar en los próximos años, por lo que tendríamos que ser cautelosos al realizar una generali-zación hacia el futuro. La dificultad con casi cualquier contexto de desti-no para la investigación estadística en el área de la administración es que depende significativamente de factores contextuales que pueden cambiar en el futuro. Si bien quizás sea una meta loable el ampliar nuestras teo-rías para incorporar dichos factores contextuales, esto podría hacer que las teorías resultantes sean desordenadas y difíciles de manejar. ¿Será entonces que tal vez deberíamos tratar de centrarnos únicamente en las

Michael Wood


verdades centrales e inmutables? La dificultad con ello, por supuesto, es que quizás no haya otra verdad inmutable más allá del hecho de que las cosas varían de una situación a otra —y en este caso el análisis estadísti-co solo tendría un interés limitado—.

Hacer una comparación con la investigación médica es ilustrativo: allí el contexto de destino podría ser la gente, tal vez de una edad o sexo particulares. Por su parte, en una investigación en administración, el contexto de destino típicamente serían organizaciones o personas en un contexto de negocios en particular. Ahora, el problema que tiene el con-texto de negocios, pero no tiene el contexto médico, es que es un con-texto artificial que puede diferir radicalmente entre diferentes lugares o diferentes periodos de tiempo, lo que dificulta realizar extrapolaciones de un contexto a otro. Por ejemplo, luego de obtener unas conclusiones sobre cómo la rotación de personal afecta el rendimiento de una agencia de empleo durante un cierto momento de auge económico en los Países Bajos, ¿podríamos asumir que estas aplican a las universidades de Ingla-terra del próximo siglo o a los sitios web de redes sociales en California? Es casi seguro que no. En contraposición, en medicina incluso una in-vestigación que tenga una muestra local limitada puede tener un valor mucho más general, simplemente porque las personas son mucho me-nos variables desde un punto de vista médico, que los entornos empre-sariales desde un punto de vista administrativo.

La necesidad de utilizar variables fácilmente medibles

La investigación estadística tiene que centrarse en variables fácilmen-te medibles; de lo contrario, no es práctico obtener tamaños de mues-tras útiles. En el presente caso, la rotación de personal, el rendimiento y las variables de control (grado de ausentismo, edad y región) son todas



fáciles de medir y se encuentran disponibles. Evidentemente, es proba-ble que existan variables más “blandas”, las cuales podrían no ser tan fá-cilmente definidas o recolectadas y que, sin embargo, pudieron tener una influencia importante en el rendimiento.

Alternativas al abordaje estadístico

Por último, debemos recordar otros enfoques, ya sea como alterna-tiva o como adiciones al abordaje estadístico. Los más evidentes son los estudios de caso y la investigación cualitativa, los cuales “pueden propor-cionar descripciones robustas y detalladas en contextos de la vida real” (Gephart, 2004, p. 455), y podrían aclarar cómo la alta rotación de perso-nal influye en el rendimiento o dar información acerca de escenarios par-ticularmente interesantes (tal vez incluso de cisnes negros [Taleb, 2008]) que no salen a la luz a través de predicciones sobre lo que ocurre en pro-medio, como en la figura 1. Lo anterior de ninguna manera es un argu-mento contra el uso de un análisis estadístico, sino más bien podría ser uno en favor de complementar los análisis estadísticos con estudios cua-litativos más detallados, pero de muestras más pequeñas. Este principio de métodos mixtos parece ser ampliamente aceptado en teoría, aunque no siempre en la práctica.

Conclusión y recomendaciones

He revisado tres grupos de problemas relacionados con el análisis es-tadístico en mi estudio de caso. El primero tiene que ver con su facilidad de uso: esto se puede mejorar mediante el uso de nombres más apropia-dos para los conceptos (por ejemplo, precisión de la estimación global

Michael Wood


predicha en lugar de R2 ajustado) y cambiando los parámetros mismos citados (por ejemplo, la ubicación del nivel óptimo y el grado de curvatu-ra invertida en lugar de los coeficientes de regresión para las expresiones lineales y cuadrados). Algunas posibilidades más se ilustran en las tablas 1 y 2. Los autores incluyen generalmente (pero no siempre) este tipo de información en su discusión, pero mi sugerencia es que los datos recogi-dos en las tablas de resultados debería presentarse en una forma más fá-cil de usar para los lectores que la convencional (véanse las tablas 1 y 2).

No hay una pérdida de información o de rigor al hacer esto: no es una cuestión de “banalizar”, sino más bien mejorar la accesibilidad de la investigación y de aumentar la probabilidad de que los resultados sean interpretados correctamente por el mayor número de lectores que sea po-sible. He empleado el artículo en el que se basa mi estudio de caso como ejemplo: algunas de las sugerencias se podrían aplicar directamente a otras investigaciones, pero mi objetivo principal es establecer un prin-cipio, una tesis.

El segundo problema se refiere a la comprobación de hipótesis. Los artículos de investigación estadística no necesitan listas de hipótesis para probar, cuyas verdades o falsedades son a menudo del todo evidentes. Una meta más sensata es evaluar la relación entre variables, como esta-dísticas numéricas o en forma de gráficas. La investigación cuantitativa convencional basada en la prueba de hipótesis es a menudo —y extraña-mente— no cuantitativa, porque a los lectores se les dice muy poco so-bre la magnitud de los impactos, las diferencias o las relaciones. Por otra parte, para expresar las dudas que resultan de errores de muestreo, en lu-gar de utilizar los valores de p (los cuales son complejos, poco informa-tivos y ampliamente mal interpretados) a menudo podemos expresarlas como intervalos de confianza. En el ejemplo que revisamos esto resuel-ve todas las dificultades identificadas con la prueba de hipótesis nula.

A pesar de esto, a veces pueden existir razones para probar una hi-pótesis. La verdad o la falsedad de la hipótesis de la forma de U invertida



no es fácil de resumir mediante un solo número: no existe una medida obvia para la “forma de U invertida”, por lo que no hay más opción que formular los objetivos de investigación en función de una prueba de hi-pótesis. No obstante, mi sugerencia es que, en lugar de tratar de utilizar los valores de p para evaluar la fuerza de la evidencia para esta hipóte-sis, utilicemos un nivel de confianza, lo que para la figura 1 llega al 65 %. También podríamos hacer la hipótesis un poco más fuerte, como se ex-plicó anteriormente (el nivel de confianza para la hipótesis más fuerte es del 40 %). Estos niveles de confianza son mucho más sencillos y fáciles de usar que los valores de p convencionales.

En tercer lugar, debemos tener en cuenta el valor de los métodos es-tadísticos en general. Los aspectos a tener en cuenta son la “fuerza” de los resultados estadísticos, la naturaleza del contexto de destino al que los re-sultados se pueden generalizar y hasta qué punto la necesidad de utilizar con facilidad variables medibles puede llegar a distorsionar la investiga-ción. La ventaja de los métodos estadísticos es que nos permiten ver —a través de la “niebla” que generan las variables de ruido— patrones como la curva en la figura 1; sin embargo, la figura 1 también nos muestra la falta de claridad de muchas de las hipótesis estadísticas dado que apenas si tienen forma de U invertida. Además, el hecho de que los datos pro-vengan de un muestreo por conveniencia y limitado implica que es difícil generalizar las conclusiones a otras organizaciones, momentos y lugares.

Estas conclusiones y sugerencias se basan en una única investigación. Evidentemente no se pueden extraer conclusiones definitivas acerca de qué tan típicos son algunos de los problemas descritos, y las sugerencias detalladas pueden ser aplicables solo a Glebbeek y Bax (2004). El méto-do de bootstrap para evaluar el nivel de confianza en la hipótesis es útil en este caso pero, por ejemplo, para otras hipótesis relativas a la igual-dad o la diferencia de dos medias, puede que sean más factibles otros métodos más simples de evaluación de los niveles de confianza (Wood, 2012b). En el ejemplo anterior, he evaluado la precisión del modelo como

Michael Wood


un porcentaje de precisión (R2 ajustado), pero en otros estudios en los que haya un interés en hacer predicciones, puede ser más sensato dar una estimación del error típico en una predicción a partir del modelo (por ejemplo, el error estándar). Por tanto, la utilidad de cada método estadís-tico depende del contexto y de la finalidad de la investigación.

Sin embargo, me parece que no cabe duda de que muchos de los pro-blemas que hemos destacado son muy comunes, de manera que los co-mentarios y sugerencias probablemente sean aplicables a muchos otros artículos (por ejemplo, diez de los once artículos de investigación en la edición de septiembre de 2010 de la revista British Journal of Manage-ment presentaron valores de p, y ocho se organizaron en torno a hipóte-sis formales). Por lo general, se hace muy poco esfuerzo por presentar los resultados en un formato fácil de entender. Los resultados se citan a me-nudo como la confirmación o no de la hipótesis, las cuales suelen ser di-fusas o evidentes, y con poca o ninguna discusión sobre la magnitud de los impactos o de los efectos. Asimismo, los resultados estadísticos son a menudo bastante débiles (aunque esto puede ser disfrazado por el uso de valores de p y grandes muestras) y pueden estar basados en muestras que hacen que sea difícil extrapolar los resultados de manera creíble a los diferentes ambientes futuros probables. En consecuencia, es proba-ble que en algunos contextos valga la pena cuestionar la idea enraizada de la utilización de métodos estadísticos.



Apéndice

El método de bootstrap para derivar intervalos y niveles de confianza

Hay 110 registros en los datos sobre la rotación de personal. El mé-todo bootstrap utiliza remuestreo con reemplazo; esto significa que ele-gimos uno de estos registros al azar, luego lo reemplazamos, por lo que estamos empezando de nuevo con la muestra original, y luego elegimos otro al azar, y así sucesivamente hasta que tengamos un remuestreo de 110. Todos los registros en el remuestreo provienen de la muestra, pero algunos registros en la muestra pueden aparecer varias veces en el re-muestreo, y otros en ningún momento. Sucesivamente repetimos este procedimiento varias veces para generar múltiples remuestras.

Ahora, imaginemos que la población de la que se extrae la muestra real sigue el mismo patrón que la muestra. Esto significa que el 0.91 % (1/110) de la población será como el primer registro de la muestra, el 0.91 % igual que el segundo, y así sucesivamente. Esto a su vez significa que, para tomar una muestra aleatoria de la población, queremos elegir un registro como el primer miembro de la muestra con una probabili-dad del 0.91 %, y de manera similar para la segunda, tercera, y así sucesi-vamente. Pero esto es exactamente lo que el remuestreo con reemplazo logra, por lo que estas remuestras pueden considerarse muestras alea-torias de la población imaginaria. Esta no es la población real, pero pa-rece razonable suponer que es similar, por lo que la variación entre las remuestras da una buena idea del error de muestreo cuando se toma una población real. En la práctica, la experiencia indica que el bootstrapping generalmente ofrece resultados muy similares a los métodos convencio-nales. Más detalles y un vínculo al software utilizado para derivar los re-sultados anteriores se ofrecen en Wood (2012a).

Michael Wood


Agradecimientos

Estoy agradecido con el Dr. Arie Glebbeek por poner sus datos a mi disposición y con los dos árbitros anónimos por sus valiosas sugerencias.

Por su parte, el editor de la revista Paradigmas agradece a los Doc-tores Francia Restrepo y Johan Sebastian Hernández Botero por la revi-sión final de la traducción de este manuscrito.

Declaración de conflicto de interés

El autor declara no tener ningún conflicto de interés potencial con respecto a la investigación, la autoría o la publicación de este artículo.

Financiamiento

El autor no recibió apoyo financiero para la investigación o la auto-ría de este artículo.



Referencias

Ayres, I. (2007). Super crunchers: How anything can be predicted. Lon-dres: John Murray.

Bayarri, M. J., & Berger, J. O. (2004). The interplay of Bayesian and fre-quentist analysis. Statistical Science, 19, 58-80.

Becker, T. E. (2005). Potential problems in the statistical/control of vari-ables in organizational research: A qualitative analysis with recom-mendations. Organizational Research Methods, 8, 274-289.

British Medical Journal. (2011). Research. Recuperado de http://resourc-es.bmj.com/bmj/authors/types-of-article/research

Bolstad, W. M. (2004). Introduction to Bayesian statistics (2a ed.). Hobo-ken, NJ: Wiley.

Cashen, L. H., & Geiger, S. W. (2004). Statistical power and the testing of null hypotheses: A review of contemporary management research and recommendations for future studies. Organizational Research Methods, 7, 151-167.

Christy, R., & Wood, M. (1999). Researching possibilities in marketing. Qualitative Market Research, 2, 189-196.

Cohen, J. (1994). The earth is round (p < .05). American Psychologist, 49, 997-1003.

Cortina, J. M., & Folger, R. G. (1998). When is it acceptable to accept a null hypothesis: No way Jose? Organizational Research Methods, 1, 334-350.

Coulson, M., Healey, M., Fidler, F., & Cumming, G. (2010). Confidence intervals permit, but do not guarantee, better inference than statis-tical significance testing. Frontiers in Psychology, 1, 1-9.

Diaconis, P., & Efron, B. (1983, Mayo). Computer intensive methods in statistics. Scientific American, 248, 96-108.

Michael Wood


Gardner, M., & Altman, D. G. (1986). Confidence intervals rather than P values: Estimation rather than hypothesis testing. British Medi-cal Journal, 292, 746-750.

Gephart, R. P. J. (2004). Editor’s note: Qualitative research and the acad-emy of management journal. Academy of Management Journal, 47, 454-462.

Glebbeek, A. C., & Bax, E. H. (2004). Is high employee turnover real-ly harmful? An empirical test using company records. Academy of Management Journal, 47, 277-286.

International Conference on Harmonisation of Technical Requirements for Registration of Pharmaceuticals for Human Use. (1998). ICH harmonized tripartite guideline: Statistical principles for clinical trials (E9). Recuperado desde http://www.ich.org

King, G. (1986). How not to lie with statistics: Avoiding common mis-takes in quantitative political science. American Journal of Political Science, 30, 666-687.

Kirk, R. E. (1996). Practical significance: A concept whose time has come. Educational and Psychological Measurement, 56, 746-759.

Lindsay, R. M. (1995). Reconsidering the status of tests of significance: An alternative criterion of adequacy. Accounting, Organizations and Society, 20, 35-53.

Mingers, J. (2006). A critique of statistical modelling in management sci-ence from a critical realist perspective: Its role within multimethod-ology. Journal of the Operational Research Society, 57, 202-219.

Morrison, D. E., & Henkel, R. E. (1970). The significance test controver-sy. Londres: Butterworths.

Nickerson, R. S. (2000). Null hypothesis significance testing: A review of an old and continuing controversy. Psychological Methods, 5, 241-301.

Shaw, J. D., Gupta, N., & Delery, J. E. (2005). Alternative conceptualiza-tions of the relationship between voluntary turnover and organi-zational performance. Academy of Management Journal, 48, 50-68.



Siebert, W. S., & Zubanov, N. (2009). Searching for the optimal level of employee turnover: A study of a large UK retail organization. Aca-demy of Management Journal, 52, 294-313.

Simon, H. A. (1996). The sciences of the artificial. Cambridge, MA: MIT Press.

Simon, J. L. (1992). Resampling: The new statistics. Arlington, VA: Re-sampling Stats.

Taleb, N. N. (2008). The black swan: The impact of the highly improba-ble. Londres: Penguin.

Vandenberg, R. J. (2002). Toward a further understanding of and im-provement in measurement invariance methods and procedures. Organizational Research Methods, 5, 139-158.

Wood, M. (2002). Maths should not be hard: The case for making aca-demic knowledge more palatable. Higher Education Review, 34, 3-19.

Wood, M. (2005). Bootstrapped confidence intervals as an approach to statistical inference. Organizational Research Methods, 8, 454-470.

Wood, M. (2012a). Bootstrapping confidence levels for hypotheses about regression models. Recuperado de http://arxiv.org/abs/0912.3880v4

Wood, M. (2012b). P values, confidence intervals, or confidence levels for hypotheses? Recuperado de http://arxiv.org/abs/0912.3878v4

Wood, M., Capon, N., & Kaye, M. (1998). User-friendly statistical con-cepts for process monitoring. Journal of the Operational Research Society, 49, 976-985.

Wood, M., Kaye, M., & Capon, N. (1999). The use of resampling for es-timating control chart limits. Journal of the Operational Research Society, 50, 651-659.

Wood, M., & Christy, R. (1999). Sampling for possibilities. Quality & Quantity, 33, 185-202.

Yin, R. K. (2003). Case study research: Design and methods (3a ed.). Thou-sand Oaks, CA: SAGE.

Paradigmas, ene.-jun., 2014, Vol. 6, No. 1, 75 | 75

Colaboradores

Georgina M. Arredondo Ayala es Doctora en Filosofía con especialidad en Mesoamericanística por la Universidad de Hamburgo, Alemania y profeso-ra de tiempo completo en la Facultad de Antropología de la Universidad Au-tónoma del Estado de México. Integrante del Cuerpo Académico Patrones culturales de las relaciones sociales, donde desarrolla la línea de Ambiente, educación y cultura.

José Luis Arriaga Ornelas es Doctor en Ciencias Sociales y profesor de tiem-po completo en la Facultad de Antropología de la Universidad Autónoma del Estado de México. Líder del Cuerpo Académico Patrones culturales de las relaciones sociales, donde desarrolla la línea de Ambiente, educación y cultura.

Michael Wood es profesor visitante en la Escuela de Negocios de Portsmouth en el Reino Unido. Sus intereses abarcan la estadística, los métodos de investi-gación, el análisis de decisiones, así como la facilidad de uso y de compren-sión de los conocimientos académicos. Correspondencia al autor: Michael Wood, University of Portsmouth Business School, SBS Department, Rich-mond Building, Portland Street, Portsmouth, PO1 3DE, UK.

Paradigmas es una publicación académica arbitrada cuya área de estudio y reflexión es la investigación. Por lo tanto, publica especialmente reportes de investigaciones científicas, tecnológicas y artísticas que, además de presentar sus avances o resultados, se centren fundamentalmente en los procesos metodológicos, epistemológicos, éticos y/o administrativos del proyecto. Así mismo, publica artículos de reflexión sobre el campo de la investigación y la ciencia.Según lo anterior, los siguientes tipos de artículos son apropiados para la revista: a) Artículos de reportes de investigación científica, tecnológica y artística: documento que presenta, de

manera detallada, los resultados originales de proyectos terminados de investigación, pero enfocándose principalmente en los procesos metodológicos, epistemológicos, éticos y/o administrativos del proyecto. Su extensión será no menor a 10 páginas y no mayor a 25 (4000-10000 palabras).

b) Artículos de avances de investigación científica, tecnológica y artística: documento breve que presenta resultados originales preliminares o parciales de una investigación científica o tecnológica, que por lo general requieren de una pronta difusión. Su extensión será no menor a 4 páginas y no mayor a 15 (2000-6000 palabras).

c) Artículos de reflexión (derivados de investigación): documento que presenta resultados de investigación terminada desde una perspectiva analítica, interpretativa o crítica del autor, centrándose en los procesos metodológicos, epistemológicos, éticos y/o administrativos del proyecto y recurriendo a fuentes originales. Su extensión será no menor a 7 páginas y no mayor a 20 (3000-8000 palabras).

d) Artículos de reflexión y revisión temática (no derivados de investigación): documento resultado de la revisión crítica de la literatura sobre un tema en particular. Su extensión será no menor a 7 páginas y no mayor a 15 (3000-6000 palabras.

e) Artículo de revisión: documento resultado de una investigación terminada donde se analizan, sistematizan e integran los resultados de investigaciones publicadas o no publicadas, sobre la investigación como temática, con el fin de dar cuenta de los avances y las tendencias de desarrollo. Se caracteriza por presentar una cuidadosa revisión bibliográfica de por lo menos 50 referencias. Su extensión será no menor a 10 páginas y no mayor a 25 (4000-10000 palabras).

f) Reseñas de libros: Su extensión será no menor a 2 páginas y no mayor a 3 (1000-1500 palabras), presentando los datos bibliográficos completos del libro.

g) Cartas al editor: pueden ser comentarios a artículos, respuestas a tales comentarios y breves discusiones de temas de relevancia general para la comunidad investigativa. Su extensión será de 2 a 3 páginas (1000-1500 palabras).

Preparación del manuscritoLos manuscritos deben ser presentados a espacio y medio (incluso las notas a pie), con un tamaño de letra de 12 puntos y alineación justificada. Se presentarán en tamaño carta, con márgenes de 2 cm en cada lado, sin sangrías ni encabezados. Todas las hojas del documento deben estar numeradas. Asimismo, todos artículos (salvo las reseñas) deberán adjuntar un resumen (abstract) de no más de 150 palabras y tres a seis palabras clave. Dicho resumen debe presentar el propósito, métodos y conclusiones del escrito, siendo una unidad por sí mismo. Por otra parte, se deben explicitar: el tipo de artículo presentado, el nombre del proyecto de investigación del que se derivan y las fuentes de financiación o de apoyo de éste (dado el caso). Sólo se recibirán artículos inéditos, lo que también implica que no estén siendo sometidos para su publicación al mismo tiempo en otros medios de divulgación.

Manejo del lenguaje. Si bien la profundidad y los alcances del artículo dependen del autor, el lenguaje que se utilice debe ser comprensible para el lector no especializado, dado el carácter multidisciplinar de la audiencia de la revista. Por lo tanto, los términos técnicos o especializados deben ir seguidos de una definición sencilla en paréntesis o en una nota al pie. Ya que el texto es escrito en español, salvo casos excepcionales, toda la presentación, notación y empleo de signos debe apegarse a las normas de la Real Academia (2010) y no a las de otros idiomas.

En la medida de lo posible, se debe evitar utilizar siglas, incluso si son de uso común. Cuando el autor considere completamente necesario su empleo, la primera mención debe ser aclarada y, dado el caso, traducida.

Notas y referencias. Las notas de pié de página deben ser de carácter aclaratorio, indicándoselas con números arábigos y siempre deberán escribirse después del signo de puntuación, si lo hubiere. En el listado de referencias se debe incluir únicamente las fuentes que han sido previamente citadas en el cuerpo del texto, siguiendo para su presentación las normas APA (6ª edición, 2010). Se recomienda incluir en las referencias el Digital Object Identifier (doi) de las fuentes que lo posean. Para determinar lo anterior, se puede visitar el motor de búsqueda de Cross Ref en: http://www.crossref.org/guestquery/

Instrucciones para autores

paradigmas vol. 6, no. 1

Documents