La investigación causal, también conocida como investigación explicativa, se lleva a cabo con el fin de identificar el alcance y la naturaleza de las relaciones de causa y efecto. Se puede llevar a cabo una investigación sobre las causas para evaluar los impactos de cambios específicos sobre las normas existentes, los diversos procesos, etc.
Los estudios de causalidad se centran en el análisis de una situación o de un problema específico para explicar los patrones de las relaciones entre las variables. Los experimentos son los métodos de recolección de datos primarios más populares en los estudios con diseño de investigación causal.
Contenido
Investigación causal, relaciones causa-efecto
La presencia de relaciones causa-efecto sólo puede confirmarse si existen pruebas causales específicas. La evidencia causal tiene tres componentes importantes:
1. Secuencia temporal
La causa debe ocurrir antes del efecto. Por ejemplo, no sería apropiado atribuir el aumento de las ventas a los esfuerzos de cambio de marca si el aumento hubiera comenzado antes del cambio de marca.
2. Variación concomitante
La variación debe ser sistemática entre las dos variables. Por ejemplo, si una empresa no cambia las prácticas de formación y desarrollo de sus empleados, entonces los cambios en la satisfacción del cliente no pueden ser causados por la formación y el desarrollo de los empleados.
3. Asociación no espuria
Cualquier covariación entre una causa y un efecto debe ser verdadera y no simplemente debida a otra variable. En otras palabras, no debería haber un «tercer» factor que se relacione tanto con la causa como con el efecto.
La siguiente tabla compara las principales características de la investigación causal con los diseños de investigación exploratoria y descriptiva:[1].
Principales características de los diseños de investigación
| Investigación causal | Investigación exploratoria | Investigación descriptiva | |
| Cantidad de incertidumbre que caracteriza la situación de la decisión. | Claramente definido | Altamente ambiguo | Parcialmente definido |
| Declaración de investigación clave | Hipótesis de investigación | Pregunta de investigación | Pregunta de investigación |
| Cuando se lleva a cabo? | Etapas posteriores de la toma de decisiones. | Etapa temprana de toma de decisiones | Etapas posteriores de la toma de decisiones. |
| Enfoque de investigación habitual | Altamente estructurado | Desestructurado | Estructurado |
| Ejemplos | ‘¿Los consumidores comprarán más productos en un paquete azul?»¿Cuál de las dos campañas publicitarias será más efectiva?’ | ‘Nuestras ventas están disminuyendo sin razón aparente»¿En qué tipo de nuevos productos están interesados los consumidores de comida rápida?’ | «¿Qué tipo de personas frecuentan nuestras tiendas en comparación con nuestro principal competidor?»
‘¿Qué características del producto son las más importantes para nuestros clientes?’ |
Ejemplos de investigación causal (investigación explicativa)
Los siguientes son ejemplos de objetivos de investigación para el diseño de investigación causal:
- Evaluar los impactos de la inversión extranjera directa en los niveles de crecimiento económico de Taiwán.
- Analizar los efectos de las iniciativas de cambio de marca en los niveles de fidelización de los clientes.
- Identificar la naturaleza del impacto de la reingeniería de los procesos de trabajo en los niveles de motivación de los empleados.
Ventajas de la investigación causal (investigación explicativa)
- Los estudios de causalidad pueden desempeñar un papel decisivo en la identificación de las razones que subyacen a una amplia gama de procesos, así como en la evaluación de los impactos de los cambios en las normas, procesos, etc. existentes.
- Los estudios causales suelen ofrecer las ventajas de la replicación si surge la necesidad.
- Este tipo de estudios se asocian con mayores niveles de validez interna debido a la selección sistemática de los sujetos.
Desventajas de la investigación causal (investigación explicativa)
- Las coincidencias en los eventos pueden ser percibidas como relaciones de causa y efecto. Por ejemplo, Punxatawney Phil fue capaz de predecir la duración del invierno durante cinco años consecutivos, sin embargo, es sólo un roedor sin intelecto y sin poderes de previsión, es decir, fue una coincidencia.
- Puede ser difícil llegar a conclusiones apropiadas sobre la base de los resultados de la investigación de las causas. Esto se debe al impacto de una amplia gama de factores y variables en el entorno social. En otras palabras, si bien se puede inferir una baja, no se puede probar con un alto nivel de certeza.
- En ciertos casos, mientras que la correlación entre dos variables puede ser establecida de manera efectiva, identificar qué variable es la causa y cuál es el impacto puede ser una tarea difícil de lograr.
[1] Fuente: Zikmund, W.G., Babin, J., Carr, J. & Griffin, M. (2012) «Business Research Methods: with Qualtrics Printed Access Card» Cengage Learning
