Inferencia causal en investigación educativa: Análisis de la causalidad en estudios observacionales de carácter transversal

F. Martínez-Abad, Jaime León
{"title":"Inferencia causal en investigación educativa: Análisis de la causalidad en estudios observacionales de carácter transversal","authors":"F. Martínez-Abad, Jaime León","doi":"10.30827/relieve.v29i2.26843","DOIUrl":null,"url":null,"abstract":"La suposición de relaciones causa-efecto en la investigación ex post facto es un problema ampliamente conocido en el ámbito de la metodología de investigación en ciencias sociales. Para abordar esta importante limitación, en los últimos años se ha extendido el empleo de técnicas de inferencia causal, un conjunto de procedimientos estadísticos establecidos para poder extraer conclusiones causales en investigaciones no experimentales. A pesar de su amplia popularidad y difusión en el ámbito de las ciencias sociales y de la salud, su uso en investigación educativa es todavía marginal. Así, este trabajo introduce las principales técnicas de inferencia causal disponibles para el investigador educativo cuando dispone de datos observacionales de panel. Tras abordar las características clave y el potencial de las técnicas de emparejamiento por puntuación de propensión, variables instrumentales y diseño de regresión discontinua, se presenta un ejemplo de aplicación de cada una de ellas empleando las bases de datos obtenidas en la evaluación PISA 2018. Se incluye la competencia matemática como variable dependiente en todos los modelos propuestos. Dada las diferentes características de cada una de estas técnicas, la variable independiente empleada varía en los tres modelos aplicados: asistencia a educación infantil en el emparejamiento por puntuación de propensión, expectativas académicas del estudiante en variables instrumentales y tamaño del municipio en el que se encuentra la escuela en diseño de regresión discontinua. Se concluye el artículo discutiendo el potencial de este conjunto de técnicas, teniendo en cuenta las necesidades y procedimientos metodológicos más habitualmente aplicados en la investigación educativa.","PeriodicalId":506341,"journal":{"name":"RELIEVE - Revista Electrónica de Investigación y Evaluación Educativa","volume":"86 3","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"RELIEVE - Revista Electrónica de Investigación y Evaluación Educativa","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30827/relieve.v29i2.26843","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

La suposición de relaciones causa-efecto en la investigación ex post facto es un problema ampliamente conocido en el ámbito de la metodología de investigación en ciencias sociales. Para abordar esta importante limitación, en los últimos años se ha extendido el empleo de técnicas de inferencia causal, un conjunto de procedimientos estadísticos establecidos para poder extraer conclusiones causales en investigaciones no experimentales. A pesar de su amplia popularidad y difusión en el ámbito de las ciencias sociales y de la salud, su uso en investigación educativa es todavía marginal. Así, este trabajo introduce las principales técnicas de inferencia causal disponibles para el investigador educativo cuando dispone de datos observacionales de panel. Tras abordar las características clave y el potencial de las técnicas de emparejamiento por puntuación de propensión, variables instrumentales y diseño de regresión discontinua, se presenta un ejemplo de aplicación de cada una de ellas empleando las bases de datos obtenidas en la evaluación PISA 2018. Se incluye la competencia matemática como variable dependiente en todos los modelos propuestos. Dada las diferentes características de cada una de estas técnicas, la variable independiente empleada varía en los tres modelos aplicados: asistencia a educación infantil en el emparejamiento por puntuación de propensión, expectativas académicas del estudiante en variables instrumentales y tamaño del municipio en el que se encuentra la escuela en diseño de regresión discontinua. Se concluye el artículo discutiendo el potencial de este conjunto de técnicas, teniendo en cuenta las necesidades y procedimientos metodológicos más habitualmente aplicados en la investigación educativa.
教育研究中的因果推论:分析横断面观察研究中的因果关系
事后研究中的因果关系假设是社会科学研究方法领域广为人知的一个问题。为了解决这一重要的局限性,近年来,因果推断技术的使用变得越来越广泛,这是一套为在非实验研究中得出因果结论而建立的统计程序。尽管因果推断技术在社会科学和健康科学领域广受欢迎并得到推广,但其在教育研究中的应用仍很有限。因此,本文介绍了教育研究者在获得观察面板数据时可以使用的主要因果推断技术。在阐述了倾向得分匹配、工具变量和回归不连续设计技术的主要特点和潜力之后,本文将使用 PISA 2018 评估中获得的数据库,举例说明这些技术的应用。数学能力作为因变量被纳入所有提议的模型中。鉴于上述每种技术的不同特点,所应用的三个模型中使用的自变量也各不相同:倾向得分匹配中的幼儿教育出勤率、工具变量中的学生学业预期以及回归非连续设计中的学校所在城市规模。最后,本文结合教育研究中最常用的需求和方法程序,讨论了这套技术的潜力。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信