Falacia Ecológica

Una falacia es un error de razonamiento, generalmente basado en suposiciones erróneas. Los investigadores están muy familiarizados con todas las formas en que pueden equivocarse, con las falacias a las que son susceptibles.

La falacia ecológica es el error de atribuir las características de una población a un individuo. La inferencia estadística pretende generalizar desde una muestra de población a toda la población. El objetivo de la estadística es generalizar de lo particular al conjunto y no del conjunto a lo particular.

Como tal, la estadística no puede ofrecer una solución a la falacia ecológica. La mejor manera de obtener datos sobre individuos o sobre subpoblaciones dentro de una población mayor es asegurarse de que la unidad de análisis es el individuo o la subpoblación y no la población mayor. Como señalan Richards y sus colegas, este problema puede evitarse diseñando instrumentos de encuesta que elijan características y actitudes individuales. Sólo a partir de los datos individualistas el investigador puede rastrear las características individuales y de la subpoblación cuando sea necesario.

Falacia Ecológica y de Excepción

La falacia ecológica se produce cuando se sacan conclusiones sobre los individuos basándose únicamente en el análisis de los datos del grupo. Por ejemplo, supongamos que se miden las puntuaciones en matemáticas de una clase concreta y se descubre que tienen la puntuación media más alta del distrito.

Más tarde (probablemente en el centro comercial) te encuentras con uno de los niños de esa clase y piensas “debe ser un genio de las matemáticas”. ¡Ahá! ¡Falacia! El hecho de que venga de la clase con la media más alta no significa que sea automáticamente una persona con altas calificaciones en matemáticas. Podría ser la alumna con la puntuación más baja en matemáticas en una clase que, por lo demás, está formada por genios de las matemáticas.

La falacia de la excepción es algo así como el reverso de la falacia ecológica. Se produce cuando se llega a una conclusión grupal sobre la base de casos excepcionales. Es el tipo de razonamiento falaz que está en la base de mucho sexismo y racismo. El estereotipo es el del tipo que ve a una mujer cometer un error de conducción y concluye que “las mujeres son pésimas conductoras”. ¡Error! ¡Falacia! (Boyer, Francois, Doutre et al., 2006)

Importancia de ambas falacias

Ambas falacias señalan algunas de las trampas que existen tanto en la investigación como en el razonamiento cotidiano. También señalan lo importante que es que investiguemos. Tenemos que determinar empíricamente cómo actúan los individuos (y no sólo basarnos en las medias de los grupos). Del mismo modo, tenemos que analizar si existen correlaciones entre determinados comportamientos y ciertos grupos (se puede considerar toda la controversia en torno al libro La curva de la campana como un intento de examinar si la supuesta relación entre raza y coeficiente intelectual es real o una falacia.

Antecedentes del término Falacia Ecológica

En 1950, Robinson acuñó el término falacia ecológica para referirse al error de interpretar las variaciones del entorno como variaciones entre individuos. Una táctica para resolver la falacia ecológica de Robinson consiste en elaborar encuestas en las que las preguntas indiquen claramente si se trata de opiniones personales del sujeto o de evaluaciones generales de un entorno.

Un ejemplo comparable en el que el individuo es la unidad de análisis es pedir a los encuestados que estén de acuerdo o en desacuerdo con el comentario: “A veces no estoy preparado cuando vengo a clase.” La pregunta ecológica proporciona una evaluación generalizada del entorno sin dirigirse a la fuente de desorganización. En el ejemplo ecológico, no está claro a qué unidad de análisis responden los sujetos: el entorno, el profesor, los otros alumnos, ellos mismos o todos ellos.

Hallazgos de Richards y sus colegas

Richards y sus colegas compararon el uso de unidades individualistas y ecológicas para analizar el ambiente del aula. Utilizaron las Escalas de Ambiente del Aula desarrolladas por Moos y Trickett, que consisten en preguntas de verdadero-falso sobre el ambiente del aula. Richards et al. (1991) en Henderson, Caplan y Daniel (2004). señalaron que las preguntas fueron “modeladas y se asemejan al tipo de preguntas utilizadas en las pruebas objetivas de personalidad” (p. 425).

En consecuencia, las medidas de dispersión (como la desviación estándar) eran mucho más altas entre los individuos de los entornos que entre los entornos y las medidas de fiabilidad (alfa) también eran más altas entre los entornos que dentro de ellos. Richards et al. también sugirieron que las evaluaciones de las medidas del entorno estaban mediadas por las diferencias de personalidad entre los individuos y que esto confundía los resultados dentro de cualquier entorno. Por lo tanto, las preguntas de la encuesta deberían estar diseñadas para distinguir y obtener evaluaciones del entorno en lugar de servir como “medidas encubiertas de las diferencias individuales”.

Uso de los términos Ecología y Entorno

Richards y sus colegas utilizan los términos ecología y entorno indistintamente. Sin embargo, hay que recordar que, en sentido estricto, el entorno no es la unidad de análisis, sino el grupo que lo habita. El aula real no rellena un cuestionario, lo hacen los alumnos. El estudio de Richards et al. es importante porque confirma de forma inequívoca que, por sí mismos y sin una justificación teórica, los individuos como unidad de análisis son unidades inválidas y poco fiables para medir las características del entorno.

Cabe señalar que, al hablar de “entorno”, Richards et al. se refieren a los grupos a pequeña escala que habitan el entorno y, por tanto, el entorno es una unidad a nivel de grupo. Si el objetivo del estudio es comprender las características y la dinámica de los entornos (en este caso, el aula). Entonces la muestra adecuada para el estudio son los entornos y no los individuos, y el objetivo del investigador es examinar la variación entre entornos y no entre individuos.

Hallazgos de Gary King

En 1997, Gary King propuso una solución estadística al problema de la inferencia ecológica. Leo Goodman había propuesto previamente un modelo de regresión ecológica para estimar las diferencias individuales a partir de los datos del censo. King añadió al modelo de Goodman el uso de coeficientes aleatorios para minimizar aún más el sesgo de agregación. Su solución ha tenido un éxito parcial a la hora de encontrar estimadores de subpoblaciones dentro de una población mayor. Sin embargo, aunque el muestreo estadístico es una herramienta poderosa, la estadística no es buena para hacer inferencias de bajo nivel, es decir, reducir el todo a sus componentes, una especie de estadística inversa (Williams, 1994).

Ejemplos de Falacia Ecológica

Estadísticamente, una correlación tiende a ser mayor cuando se evalúa una asociación a nivel de grupo que cuando se evalúa a nivel individual. No obstante, en los conjuntos de datos agregados pueden perderse detalles sobre los individuos. Hay varios ejemplos de falacia ecológica.

Ejemplo 1

En el primer ejemplo, los investigadores quieren estudiar las relaciones entre la natividad (representada por el porcentaje de la población que ha nacido en el extranjero) y la alfabetización (representada por el porcentaje de la población que sabe leer y escribir). Se aplican cálculos basados en las poblaciones de varios estados de Estados Unidos. En una investigación de este tipo, las correlaciones podrían carecer de sentido si los individuos nacidos en el extranjero tienden a vivir en estados en los que los nativos están más alfabetizados.

Ejemplo 2

En otro ejemplo, en un estudio diseñado para examinar las relaciones entre la dieta, el estilo de vida, las enfermedades cardíacas y los accidentes cerebrovasculares, los investigadores descubrieron que la media de las presiones sanguíneas de entrada y las tasas de mortalidad por accidentes cerebrovasculares estaban inversamente correlacionadas. Esto para determinadas cohortes (grupos de estudio) de hombres de 45 a 59 años con un seguimiento de 25 años.

El hallazgo fue contrario a lo esperado. Los análisis posteriores realizados a nivel individual mostraron que la asociación entre la presión arterial y la mortalidad por ictus era fuertemente positiva en la mayoría de los grupos de estudio. La explicación de esta paradoja es que, dentro de cada cohorte, los individuos que habían sufrido un ictus. Además habían fallecido a causa del mismo tendían a tener la presión arterial elevada. Sin embargo, cuando se promediaron los valores individuales de cada cohorte y se utilizaron para calcular la correlación, las cohortes con presiones sanguíneas medias más altas, pueden haber resultado tener tasas de mortalidad más pequeñas. Esto simplemente por la heterogeneidad de las correlaciones entre las cohortes.

Ejemplo 3

En un tercer ejemplo, los investigadores descubrieron que las tasas de mortalidad por cáncer de mama aumentaban significativamente en los países donde el consumo de grasas era elevado. Esto en comparación con los países donde el consumo de grasas era bajo. Se trata de una asociación de datos agregados en la que la unidad de observación es el país. Por lo tanto, en los países con más grasa en la dieta y mayores tasas de cáncer de mama, las mujeres que consumen alimentos grasos no tienen necesariamente más probabilidades de padecer cáncer de mama. No se puede asegurar que los casos de cáncer de mama tuvieran un consumo elevado de grasas.

Para determinar si las hipótesis ecológicas generadas por los análisis a nivel de grupo son ciertas en el caso de los individuos, es necesario recopilar datos a nivel individual. Para la inferencia causal, los datos individuales son necesarios para tener en cuenta la heterogeneidad de la población y el sesgo de confusión.

Ejemplo 4

En un estudio en el que las tasas de hospitalización locales e individuales se derivaron de las estimaciones a nivel comunitario de varios indicadores de estatus socioeconómico (SES), Hofer señaló que los perfiles comunitarios de SES pueden no ser representativos de los individuos de la comunidad que realmente van al hospital. Por ejemplo, se sabe que la proporción de ancianos que tienen cobertura médica es mucho mayor que la de los adultos jóvenes, y que algunos de estos pacientes de edad avanzada utilizarán el hospital muchas veces.

Para obtener estimaciones precisas de las subpoblaciones que utilizan y no utilizan el hospital, es necesario obtener datos sobre muestras de individuos, no agregados sociales. El mejor estimador agregado de las diferencias entre subpoblaciones o individuos consiste en asegurarse de que las características individuales que se van a analizar son representativas del agregado o en utilizar modelos analíticos completos que se dirijan únicamente al conjunto de datos SES pertinentes para una población objetivo. En su estudio sobre las tasas de hospitalización, Billings et al. consideraron necesario incluir las interacciones entre la edad y los ingresos al evaluar las variables del SES en los estudios de áreas pequeñas.

Análisis del Estudio

Aunque las unidades ecológicas (grupos) comprenden individuos, sus características no son equivalentes a las de los individuos del grupo; por lo tanto, hay que aplicar una teoría diferente a los estudios que utilizan colectividades como unidades de análisis que a los estudios que utilizan al individuo como unidad de análisis.

Cuando las colectividades son las unidades de análisis, el objeto de investigación adecuado debe ser las características generales y las propiedades emergentes de las poblaciones. Las características a nivel de grupo pueden ser muy diferentes de las de los miembros individuales del grupo. Los estudios etnográficos y psicológicos suelen pecar de lo contrario a la falacia ecológica: la falacia de trasladar las características individuales a un grupo. Este problema fue denominado “falacia de las diferencias individuales” por Richards en 1990.

¿Soluciones al problema de la inferencia ecológica?

Aunque la crítica de Robinson provocó una gran conmoción en la comunidad de las ciencias sociales y sin duda influyó en algunos investigadores para que evitaran los datos agregados. También dio lugar a una literatura sobre “soluciones” al problema de la inferencia ecológica. Goodman abordó el problema en 1953 y 1959 en términos de variables dicotómicas. Señaló que la variable dependiente a nivel agregado es una proporción, que debe ser la suma ponderada de las proporciones no observadas de los dos grupos formados por la variable independiente. Esto no es más que una identidad contable. En el caso del voto, observamos la proporción global que vota a un determinado partido. Queremos hacer inferencias sobre los votos de individuos concretos en función de su grupo racial. La media ponderada de los votos de los dos grupos debe sumar la proporción total observada en cada barrio:

donde Ti es la proporción observada, Pi es el porcentaje de negros, y Wi y Bi son las tasas no observadas de las subpoblaciones de blancos y negros, respectivamente.

La manipulación algebraica da lugar a una ecuación que puede estimarse a partir de los datos agregados:

Análisis de la Ecuación

El término constante en la regresión es la proporción media de voto al partido en la población blanca, y β – α produce la estimación de la proporción negra. El término de perturbación se introduce porque α y β son fijos, mientras que en realidad Wi y Bi varían de un barrio a otro. La validez de este enfoque depende de la “suposición de constancia”. En otras palabras, tal y como se discutió por Goodman en 1953 y 1959 y por Freedman en 2001, las proporciones de voto no dependen de la composición étnica del barrio (Henderson, Caplan y Daniel, 2004).

Un segundo enfoque básico, descrito en un estudio de 1953 por Duncan y Davis, se basa en el establecimiento de límites para el mínimo y el máximo posibles para cada celda de una tabulación cruzada en cada una de las unidades agregadas. Sumando estos extremos sobre el conjunto de datos, es posible determinar con un 100% de confianza los límites mínimo y máximo de la correlación que podría obtenerse en los datos a nivel individual.

Solución de King

En 1997, King propuso una “solución” al problema de la inferencia ecológica (EI), la técnica EI. También se desarrolló en el contexto de las variables dependientes dicotómicas. La técnica combina el método de límites con la técnica de regresión de Goodman. Además estima el sistema utilizando la máxima verosimilitud y la simulación numérica, asumiendo una distribución normal bivariada para los parámetros. Sin embargo, los críticos han señalado una serie de defectos en la técnica de King, cuya revisión está fuera del alcance de este ensayo. Anselin en 2000, Anselin y Cho en 2002, Freedman en 1998 y McCue en 2001 realizaron importantes hallazgos (Henderson, Caplan y Daniel, 2004).

King descarta el argumento de que la inferencia ecológica es principalmente una cuestión de especificación de modelos. Al hacerlo revela el problema más grave de su metodología propuesta. Sostiene que el concepto de una ecuación a nivel individual “correctamente especificada” no es útil en este contexto, ya que los datos individuales contienen la respuesta en los problemas de inferencia ecológica con certeza. Es decir, con datos individuales, no necesitaríamos especificar ninguna ecuación. Simplemente construiríamos la tabulación cruzada y leeríamos la respuesta. Disponer de las variables adicionales si los datos a nivel individual están disponibles no proporcionaría ninguna ayuda adicional (p. 49). (Henderson, Caplan y Daniel, 2004).

El enfoque de Estrecho de King

En otras palabras, el enfoque estrecho de la técnica de King es reconstruir una descripción de los datos individuales, no evaluar un modelo causal. Este es un objetivo adecuado en el ejemplo que motiva a King, la determinación de los patrones de votación por raza con el propósito de un litigio de redistribución de distritos.

Pero en prácticamente cualquier otra aplicación de las ciencias sociales, nuestro interés es un modelo causal que no puede reducirse a una tabla de contingencia. Incluso en el análisis de las votaciones, hay cuestiones sustanciales interesantes sobre si la identidad racial afecta al voto sin tener en cuenta otros factores, como los ingresos, la ocupación, etc. Además, King reconoce que su método será menos eficaz cuando la variable dependiente sea continua, porque no se obtiene información de los límites. Estas son limitaciones bastante importantes.

El Debate sobre los fundamentos estadísticos

El debate sobre los fundamentos estadísticos y el rendimiento empírico del método de la IE probablemente continuará durante algún tiempo. Incluso cuando la técnica está siendo ampliamente adoptada en el campo de la ciencia política. Sin embargo, la cuestión más importante en relación con el enfoque de King es que se desarrolla y se justifica para una gama muy estrecha de problemas. Los mismos no son plenamente representativos de la gama de cuestiones y tipos de datos históricamente asociados con la falacia ecológica y el problema de la inferencia ecológica.

Nuestros especialistas esperan por ti para que los contactes a través del formulario de cotización o del chat directo. También contamos con canales de comunicación confidenciales como WhatsApp y Messenger. Y si quieres estar al tanto de nuestros novedosos servicios y las diferentes ventajas de contratarnos, síguenos en Facebook, Instagram o Twitter.

Si este artículo fue de tu agrado, no olvides compartirlo por tus redes sociales.

Referencias Bibliográficas

Boyer L, Francois P, Doutre E, et al. Perception and use of the results of patient satisfaction surveys by care providers in a French teaching hospital. Int J Qual Health Care. 2006;18:359-64.

Williams B. Patient satisfaction: a valid concept. Soc Sci Med. 1994;38:509-16.

También te puede interesar: Fiabilidad y Validez

Falacia Ecológica