Contrafactuales e inferencia causal: Métodos y principios para la investigación social

Opiniones de los lectores

El libro está bien considerado como un excelente texto introductorio a la inferencia causal, especialmente para investigadores en ciencias sociales. Combina la claridad con la accesibilidad a través de diversos niveles de formación, por lo que es adecuado tanto para los recién llegados como para los que tienen cierta familiaridad con el tema. Sin embargo, ha sido criticado por ser excesivamente prolijo y, en ocasiones, difícil de leer, sobre todo en cuanto al formato y la presentación de las ecuaciones.

⬤ Claro y bien escrito
⬤ accesible a diferentes niveles de formación
⬤ mínimas matemáticas
⬤ explicaciones y descripciones detalladas
⬤ contenido ampliado con respecto a la edición anterior
⬤ bueno para comprender la inferencia causal
⬤ debate esencial sobre las ciencias observacionales
⬤ muy útil para los científicos sociales.

⬤ Demasiado prolijo y a veces difícil de analizar
⬤ problemas con las imágenes borrosas de las ecuaciones
⬤ tamaño de letra pequeño
⬤ algunos lectores consideran que le falta profundidad en las aplicaciones prácticas
⬤ puede que no todos los lectores encuentren útiles los diagramas causales.

(basado en 17 opiniones de lectores)

Título original:

Counterfactuals and Causal Inference: Methods and Principles for Social Research

Contenido del libro:

En esta segunda edición de Counterfactuals and Causal Inference, completamente revisada y ampliada, se presentan las características esenciales del enfoque contrafactual del análisis de datos observacionales con ejemplos de las ciencias sociales, demográficas y de la salud.

Primero se introducen técnicas de estimación alternativas utilizando tanto el modelo de resultados potenciales como los gráficos causales; después se presentan técnicas de condicionamiento, como el emparejamiento y la regresión, desde la perspectiva de los resultados potenciales. Para los escenarios de investigación en los que no se observan determinantes importantes de la exposición causal, se presentan a continuación técnicas alternativas, como los estimadores de variables instrumentales, los métodos longitudinales y la estimación a través de mecanismos causales.

A lo largo del libro se subraya la importancia de la heterogeneidad del efecto causal y se discute la necesidad de una explicación causal profunda a través de mecanismos.