El anlisis de la realidad social

Modelos estructurales de covarianzas

Antonio Alaminos
Observatorio Europeo de Tendencias Sociales - www.obets.ua.es
Obets






Universidad de Alicante
El anlisis de la Realidad Social
Modelos estructurales de covarianzas
Antonio Alaminos
El anlisis de la realidad social Modelos estructurales de covarianzas
Autor: Antonio Alaminos - ISBN: 84-609-4148-5 - Dep. Legal: A-92-2005
Licenciatura en Sociologa
OBETS - Observatorio Euroeo de Tendencias Sociales! "niversidad de Alicante
###!obets!ua!es
$ise%o de cubierta: Oscar A! Santacreu
Esta obra est bajo una licencia
Reconocimiento-NoComercial-SinObraDerivada de Creative
Commons. Para ver una copia de esta licencia, visite
http://creativecommons.org/licenses/by-nc-nd/2.1/es/
1
ndice de contenido
1. La con-ciencia del socilogo................................................................. 3
1.1. Principios, reglas y procedimientos.................................................3
1.1.1. Principios................................................................................ 4
1.1.2. Algunas reglas metodolgicas.............................................. 12
1.2. Elementos de la actividad cientfica.............................................. 18
1.3. La lgica como pensamiento........................................................ 37
1.4. Explicacin y causalidad............................................................... 40
1.5. La determinacin terica del orden explicativo..............................46
1.6. La argumentacin.........................................................................49
1.7. Los argumentos inductivos........................................................... 55
1.8. El testado de hiptesis..................................................................59
1.9. Lgica de contradecir o falsar hiptesis........................................ 62
1.10. Lgica de confirmar o verificar hiptesis..................................... 67
2. Unidades de anlisis, variables, medicin........................................... 69
2.1. Latente y manifiesto..................................................................... 71
2.2. Medicin....................................................................................... 78
2.3. Los niveles de medicin............................................................... 82
2.4. Error de medicin ........................................................................ 91
2.5. Cifrados y transformaciones......................................................... 96
3. Modelos estructurales de medicin .................................................... 99
3.1. Testado de bondad de ajuste .................................................... 115
3.2. La explicacin entre latentes...................................................... 124
3.3. Modelos estructurales con variables observadas........................ 127
3.4. La teora de grafos y modelos estructurales.............................. 134
3.5. Estrategias de construccin de modelos estructurales............... 148
3.6. Sistemas supresores o de refuerzo............................................ 151
3.7. Notacin de sistemas estructurales............................................ 155
3.8. Sistemas de ecuaciones............................................................. 157
3.9. Presunciones..............................................................................158
3.10. Transformaciones.....................................................................159
3.11. Parmetros tericos y estimados empricos..............................162
3.12. Primera regla de descomposicin.............................................163
3.13. Segunda regla de descomposicin........................................... 164
3.14. Los modelos recursivos y no recursivos....................................165
3.15. dentificacin en modelos recursivos y no recursivos................ 169
3.16. La determinacin del estado..................................................... 172
3.17. dentificacin del sistema.......................................................... 174
2
3.18. Condiciones de orden............................................................... 175
3.19. Condiciones de rango............................................................... 175
3.20. Los procedimientos de restriccin.............................................177
4. ANEXO............................................................................................. 183
5. Bibliografa General...........................................................................187
3
1. La con-ciencia del socilogo
"Los hombres aprenden de
otros hombres lo que saben de s
mismos, del mundo en el que deben
vivir y del mundo en el que
desearan vivir"
Harlan Ellison. Dangerous Visions
1.1. Principios, reglas y procedimientos
La metodologa y las tcnicas de investigacin implican,
simultneamente, diferentes objetos de reflexin. Podemos distinguir, a
grandes rasgos, tres referentes distintos que son objeto inters. En primer
lugar, encontramos la reflexin centrada sobre las caractersticas que
posee la realidad y que le hace cognoscible desde una determinada
perspectiva cultural. mplica, por lo tanto, que pueda ser la realidad y en
que medida es factible elaborar sobre ella un tipo concreto de
conocimiento. Estaremos hablando de los principios bsicos de la
actividad cientfica, en la que se postulan principios como los de
observacin (empirismo), racionalidad (lgica) o experimentacin (control).
En otra posicin encontramos aquellas reglas metodolgicas que se
afirman como axiomas y que proporcionan un referente de actuacin en la
actividad de investigacin. Estaremos hablando del conocimiento en si
mismo, y no de la relacin de este con la realidad. As, el principio de
parsimonia es una regla que no afirma nada de la realidad, pero si de la
actividad de conocer. Por ultimo, encontramos aquellos procedimientos
tecnolgicos que actan como aproximacin y traduccin de la realidad.
As, los procedimientos de escalamiento, diseo de cuestionario, o anlisis
implican herramientas y orientaciones que trazan unas formas concretas
de proceder con la investigacin.
4
!"orque los problemas aut#nticos no cambian. $ %in de
cuentas, &podemos escrutar el alma humana a trav#s de un
microscopio' (al ve), pero en todo caso ser ineludible emplear
uno de #sos que son muy caros y tienen dos oculares. *abemos
que la computadora ms avan)ada del mundo no tiene un cerebro
tan comple+o como el de una hormiga. ,ierto, lo mismo podramos
decir de la mayora de nuestros parientes, pero no hemos de
soportarles ms que en las bodas o las grandes ocasiones. En
todo momento dependemos de la ciencia. *i noto un dolor en el
pecho, he de hacerme una radiogra%a. "ero &y si la radiacin de
los rayos - me crea un problema mayor' *upongamos que me
tienen que operar. . supongamos que mientras me dan o/geno, a
un interno se le ocurre encender un cigarrillo. La pr/ima cosa que
ocurrira es que yo saldra proyectado en pi+ama sobre las torres
de la 0olsa. &"ara eso sirve la ciencia' ,ierto, la ciencia nos ha
ense1ado cmo pasteuri)ar el queso. Lo cual puede ser divertido
en compa1a %emenina, tambi#n es cierto. "ero &y qu# pasa con la
bomba H' &Hab#is visto alguna ve) lo que ocurre cuando una de
esas cosas se cae al suelo accidentalmente' &. dnde queda la
ciencia cuando uno se interroga sobre los enigmas eternos'
&,mo se origin el cosmos' &Lleva en dan)a mucho tiempo'
&*e %orm la materia con una e/plosin o por la palabra de Dios'
. de ser este 2ltimo el caso, &por qu# no puso 3l manos a la obra
un par de semanas antes, cuando el clima era ms templado'
&4u# queremos dar a entender e/actamente al decir "el hombre
es moral"' $ todas luces no se trata de un cumplido.5
6. $llen. 7i discurso a los graduados
1.1.1. Principios
El desarrollo de la actividad investigadora se desenvuelve dentro
del marco determinado por unas asunciones de carcter epistemolgico.
As, los cientficos solo pueden asumir que el mundo existe, que existe un
orden en l, que es percibible a travs de nuestros sentidos y que posible
el conocimiento empricamente verificable. En ese sentido, el
conocimiento cientfico es, por definicin, verificable o falsable. A
diferencia de las matemticas o la lgica, donde la verdad de las
afirmaciones se presumen o descansan sobre afirmaciones que se
asumen como verdades, la "verdad" que pueda existir en la actividad
cientfica descansa sobre evidencias observables. Estas evidencias, a su
vez, estn siempre abiertas a ser reinterpretadas o contradichas por
nuevas evidencias. La actividad cientfica es un proceso abierto, donde
nada se da por definitivo. Existen varios principios claves que subyacen en
5
todo el proceso, siguiendo la afirmacin que describe las presunciones del
saber cientfico: empirismo (observacin-sentidos), control
(experimentacin - verificacin) y racionalidad (orden del mundo).
"$hora comprender lo que digo cuando a%irmo que si la
carta robada hubiera estado oculta en cualquier lado dentro del
radio de la investigacin del pre%ecto 8en otras palabras, si el
principio bsico de su ocultamiento hubiera quedado limitado
dentro de los principios del pre%ecto8, sin duda se la hubiese
hallado".
E.$. "oe, La carta robada
Empirismo. Una de las caractersticas ms destacables de la
investigacin cientfica es el estar basada sobre el empirismo. Este es un
modo de conocer o comprender el mundo que descansa directa o
indirectamente en aquello que experimentamos a travs de nuestros
sentidos: vista, odo, sabor, olor y tacto. La informacin o los datos son
aceptados como tales en la investigacin cientfica en la medida en que
puedan ser observados o "sentidos" en algn modo, bajo condiciones
especficas por individuos que poseen un aparato sensorial, inteligencia y
habilidad normales. As, un neutrn no es visible directamente, pero puede
observarse indirectamente mediante las fotografas que muestran la
trayectoria dejada por los neutrones. Hay que notar que los conceptos
"observable" o "emprico" poseen un significado ms amplio en la actividad
cientfica que en la filosofa. Para los filsofos, lo observable se aplica a
propiedades que puedan ser percibidas directamente por los sentidos,
como el color, forma, etc. Para el cientfico, observable es cualquier cosa
que pueda ser asociada a los resultados de una medicin percibible.
ESCENA DECIMONOVENA
*E9:*7;<D=.
Es verdad, pues reprimamos
esta %iera condicin,
esta %uria, esta ambicin,
por si alguna ve) so1amos>
y s haremos, pues estamos
en mundo tan singular,
que el vivir slo es so1ar>
y la e/periencia me ense1a
que el hombre que vive sue1a
lo que es hasta despertar.
*ue1a el rey que es rey, y vive
con este enga1o mandando,
6
disponiendo y gobernando>
y este aplauso, que recibe
prestado, en el viento recibe>
y en ceni)as le convierte
la muerte ?@desdicha %uerteABC
&qu# hay quien intente reinar
viendo que ha de despertar
en el sue1o de la muerte'
*ue1a el rico en su rique)a,
que ms cuidados le o%rece>
sue1a el pobre que padece
su miseria y su pobre)a>
sue1a el que a medrar empie)a,
sue1a el que a%ana y pretende,
sue1a el que agravia y o%ende,
y en el mundo, en conclusin,
todos sue1an lo que son,
aunque ninguno lo entiende,
.o sue1o que estoy aqu
de estas prisiones cargado,
y so1# que en otro estado
ms lison+ero me vi.
&4u# es la vida' ;n %renes.
&4u# es la vida' ;na ilusin,
una sombra, una %iccin,
y el mayor bien es peque1o>
que toda la vida es sue1o,
y los sue1os, sue1os son.
,aldern de la 0arca. La vida es sue1o.
Por ejemplo, una temperatura de 40 grados es considerada
observable por los cientficos porque aparece asociada a la altura de una
columna de mercurio en el termmetro. Para un filsofo no seria un
observable porque no existe una percepcin sensorial directa de esa
magnitud de calor. Por ello, en la actividad cientfica el empirismo aparece
frecuentemente en la forma de observacin indirecta, donde los
instrumentos se emplean para ayudar y extender la habilidad que posean
los cientficos para observar. De algn modo, se trata de un empirismo
sofisticado, dado que extiende la habilidad humana de observacin
mediante una "ortopedia" instrumental.
Encontramos aqu una debilidad importante en la sociologa actual,
en la medida que las explicaciones sociolgicas se apoyan sobre variables
7
e indicadores visibles directamente a los sentidos. La existencia e
importancia de las variables latentes es indudable. No obstante, los
conceptos y explicaciones tienden a permanecer en el mbito de lo
sensible y directamente mensurable. La consecuencia ms evidente de
esta limitacin es una trivializacin excesiva de las explicaciones
sociolgicas de los fenmenos sociales.
""ero, &qu# sabra un pe) de las grandes pro%undidades si
una plancha de acero, desprendida de un pecio, le golpeara la
nari)' Estamos sumergidos en un oc#ano convencional de
densidad casi impenetrable. $ veces soy un salva+e descubriendo
un ob+eto en la orilla de su isla, a veces soy como un pe) de las
pro%undidades y me duele la nari)".
,harles Dort. El libro de los condenados.
Decir que la actividad cientfica se basa en el empirismo es afirmar
que la nica evidencia admisible a favor o en contra de una teora o
hiptesis debe de ser observable, ya sea directa o indirectamente,
mediante alguna manifestacin tangible. Las implicaciones de este
principio son muy amplias. Por ejemplo, que el criterio de autoridad,
tradicin, revelacin, intuicin o cualquier otra forma no emprica de
conocimiento no puede ser aceptada como evidencia cientfica. Tal como
afirman Katzer, Cook y Crouch (1978) "La evidencia es lo fundamental. Si
los resultados entre estudios bien efectuados estn en desacuerdo con la
autoridad, entonces la autoridad puede muy bien haberse equivocado. El
procedimiento correcto para que un experto pueda recurrir este veredicto
es efectuar otro estudio. O, si dos informes de investigacin estn en
desacuerdo, entonces deben de efectuarse ms estudios adicionales
hasta resolver la cuestin. La idea es que el conocimiento acerca del
mundo se obtiene mejor mediante una observacin cuidadosa del mundo,
no mediante la contemplacin de lo que uno piensa sobre el mundo." El
principio de empirismo en la ciencia tambin significa que la actividad
cientfica debe de limitarse a problemas o cuestiones que puedan ser
solventables mediante observacin. As, la determinacin de si un
problema es tratable cientficamente se decide por la pregunta Es un
tema que se pueda resolver mediante evidencias empricas?. De ser la
respuesta "no", su tratamiento esta ms all de la ciencia.
Esto que actualmente se considera un principio rector del
conocimiento cientfico actual, es enunciado como una regla por saac
Newton
1
, en sus reglas para la investigacin de la naturaleza. "Regla
cuarta. En la Fsica experimental, los teoremas derivados por induccin de
1
saac Newton, "Principios matemticos de la filosofa natural", 1687. Libro .
8
los fenmenos, si no se dan presuposiciones contrarias, deben ser tenidos
por precisamente o muy aproximadamente ciertos, hasta que aparecen
otros fenmenos gracias a los cuales aquellos teoremas alcanzan mayor
precisin o son sometidos a excepciones. As debe hacerse, para que el
argumento de la induccin no sea abolido a fuerza de hiptesis".
No obstante, tal y como destacara Adorno (1973), esto no siempre
es tan evidente. En gran medida, la imposicin de restricciones con
respecto a lo que es preguntable en funcin a la posibilidad o no de
responder de forma emprica supone una restriccin innecesaria.
Especialmente cuando la respuesta emprica pasa por la desagregacin
en partes del problema, lo que diluye las preguntas posibles "La Ciencia
ha de ocuparse exclusivamente de problema solubles. Rara vez, sin
embargo, los plantea el material de manera tan concluyente. En este
mismo espritu define Popper el mtodo de las ciencias sociales "como el
de las ciencias de la naturaleza". Consistira en "ensayar intentos de
solucin para sus problemas (los problemas de los que parte). Se
proponen y se crtican soluciones. Cuando el intento de solucin no resulta
asequible a la crtica objetiva, es descartado como algo no cientfico,
aunque quiz, slo provisionalmente". El concepto de problema que es
aqu utilizado no es menos atomstico que el criterio wittgensteiniano de
verdad; postula que cuanto caiga legtimamente en el mbito de la
sociologa puede ser descompuesto en problemas particulares. A pesar
del "sentido comn del que a simple vista parece estar impregnada, esta
tesis de Popper se convierte, rigurosamente interpretada, en una censura
inhibidora del pensamiento cientfico. Marx no propuso la "solucin de
ningn "problema ya en la idea misma de "proponer viene implcita la
ficcin de consensus como fiador de la verdad en s-; y, sin embargo,
deja de ser por ello "El Capital ciencia social? En el Contexto de la
sociedad, la llamada solucin de un problema presupone la existencia de
dicho contexto. La panacea del "prueba y error procede a costa de
momentos, de tal modo que una vez eliminados stos, los problemas son
arreglados "ad asum scientiae y convertidos posiblemente, en
pseudoproblemas. La teora tiene que operar mentalmente a travs de las
interrelaciones que la descomposicin cartesiana en problemas
particulares tiende a suprimir- mediando hacia los hechos. ncluso en
determinados casos en los que un intento de solucin no resulta sin ms
asequible a la "crtica objetiva, como Popper la califica, es decir, a su
refutacin, puede ocurrir que el problema tenga una importancia central
desde el punto de vista de la cosa. nterrogarse entorno a s por la fuerza
de su propia dinmica la sociedad capitalista camina, como Marx
enseaba, hace su desmoronamiento o no, es enunciar una pregunta que
nicamente tiene sentido en la medida en la que no se manipulan el propio
9
preguntar: es una de las ms importantes de entre todas las que podra
plantearse la ciencia social.
"El poeta, el pintor, el detective particular... todo aquel que
agudi)a nuestra percepcin, tiende a ser antisocialC rara ve) "bien
adaptado", no puede acompa1ar a corrientes y tendencias. $
menudo e/iste, entre los tipos antisociales, el e/tra1o vnculo de
su capacidad para ver los ambientes tales como son realmente.
Esta necesidad de delimitar, de en%rentar al ambiente con cierto
poder antisocial, resulta evidente en el %amoso relato sobre "la
vestidura nueva del rey". Los cortesanos "bien adaptados", con
sus intereses creados, vieron al emperador magn%icamente
engalanado. El negro caballeri)o "antisocial", ?en otras versiones
un ni1o, que es lo mismoB, no habituado al vie+o ambiente, vio con
claridad queel rey "iba desnudo". El nuevo ambiente era
claramente visible para #l."
7. 7cLuhan, 4. Diore. El medio es el masa+e.
En ese sentido, las preguntas que nos hacemos sobre la sociedad
pueden abrir "ventanas que muestran realidades nuevas. Una pregunta
acertada expondr a la luz una realidad que podra estar oculta hasta ese
momento. Por el contrario, una pregunta mal formulada puede ocultar la
realidad del campo de visin del investigador. Existe en esos trminos una
contradiccin evidente entre los planteamientos positivistas puros y la
reflexin crtica. En ese sentido, tal y como sealara Adorno, la actividad
investigadora no se rige exactamente por criterios "formalizadores y en la
prctica la flexibilidad es muy importante, en la medida que el investigador
"crea y define las condiciones que generan "datos.
Control. Se refiere, en los diseos experimentales, a la capacidad
de controlar el proceso, donde el fenmeno en estudio se controla con
otro no sujeto a una condicin experimental. Previamente a que se
publiquen los resultados de las investigaciones, se presume que han
empleado procedimientos orientados a disminuir al mximo posible
aquellos errores que pudieran sesgar la investigacin. Tal como hemos
afirmado, eliminar todos los sesgos es prcticamente imposible, dado que
el lenguaje mismo estructura nuestra percepcin del mundo. Los sesgos
alcanzan incluso a la seleccin de los problemas para investigar o las
mismas estrategias utilizadas. No obstante, existen diversos
procedimientos empleados en el transcurso de la investigacin destinados
a minimizar los sesgos. As, la asignacin aleatoria a grupos
experimentales. Por ejemplo, los problemas del anlisis de varianza con
dos factores o ms empleando datos de encuestas, y por eso mismo con
10
casos desiguales en cada celdilla. Este ideal de control del proceso de
investigacin es una referencia importante en la actividad denominada
ciencia. El empleo de los procedimientos de control elimina las
explicaciones confusas de los sucesos en estudio, y es uno de los rasgos
principales por el que se diferencia el conocimiento cientfico del casual.
Mientras que el investigador puede disear estudios para recoger
informacin y testar determinadas explicaciones o respuestas, los
hallazgos estn frecuentemente abiertos a diferentes interpretaciones. La
idea de control pretende emplear procedimientos que efectivamente
descarte aquellas explicaciones que realmente no son coherentes con la
informacin.
Racionalidad (orden del mundo). El mundo es racional, posee
orden y estructura: regularidad. Por lo tanto existen leyes que puedan ser
determinadas. Una cuestin importante viene dada por como se percibe y
se determina una regularidad que debe de ser el objeto de la investigacin
social (estructuras y procesos); determinada como consecuencia
deductiva desde la teora (condiciones de existencia de V. Pareto) o como
exigencia del contexto histrico (M. Weber).
Max Weber observaba que la ciencia natural selecciona en el
infinito de los datos sensibles los fenmenos susceptibles de repetirse y
construye el edificio de las leyes. La ciencia de la "cultura" selecciona en el
infinito de los fenmenos sociales lo que se refiere a los valores; valores
de los contemporneos o del historiador, y elabora (...) las diversas
ciencias sociales que consideran las consecuciones regulares o los
conjuntos relativamente estables. Y ello no solo en su manifestacin
epifenomnica, sino en sus dimensiones explicativas internas. As, la
necesidad de detectar uniformidades es una consecuencia de la
destrivializacin de la vida cotidiana, debido a la multidimensionalidad y
latencia de las estructuras y procesos.
Es importante distinguir analticamente entre el proceso de cambio
que subyace y la diversidad de manifestacin de los procesos sociales. Un
conjunto de fenmenos sociales pueden ser generados por un mismo
proceso social subyacente y que estos, no obstante, puedan covariar, no
covariar, cancelarse mutuamente, etc. En definitiva, la multivariabilidad es
la apariencia de un conjunto ms limitado de dimensiones (tanto de
estructuras como de procesos). A nivel conceptual esto toma contacto con
la nocin platnica donde la realidad es una pluralidad multiforme, en
cierta forma degradada (en tanto que mezclada y superpuesta) de un
referente o idea-forma que la simplifica y depura. Sobre esa lnea habra
mucho que argumentar desde la reflexin sociolgica. As, los tipos
ideales de M. Weber (idea metodolgica central de "Economa y
11
sociedad") son simplificaciones sociolgicamente depuradas de distintas
formas de manifestacin histrica; es decir modelos latentes.
No evita Max Weber ("El poltico y el cientfico"), el aludir
directamente a leyes. "Los americanos han acuado ya expresiones
sociolgicas tcnicas para designar a este "tipo de hombres y sera
sumamente interesante buscar, a partir de estos ejemplos, las "leyes de
una seleccin operada mediante una voluntad colectiva".
Este referirse a una realidad profunda o latente que explica la
diversidad aparente, se encuentra presente en toda la sociologa clsica,
alcanzando quizs su forma ms depurada en Wilfredo Pareto (1906):
!E. Hablando propiamente no puede haber e/cepciones a las leyes
econmicas y sociolgicas, en la misma %orma que las otras leyes
cient%icas. ;na uni%ormidad no uni%orme no tiene sentido. "ero las leyes
cient%icas no tienen una e/istencia ob+etiva. La imper%eccin de nuestro
espritu no nos permite considerar los %enmenos en su con+unto y
estamos obligados a estudiarlos separadamente. En consecuencia, en
lugar de uni%ormidades generales que estn y que quedarn siempre
ignoradas, estamos obligados a considerar un n2mero in%inito de
uni%ormidades parciales, que crecen, se superponen y se oponen de mil
maneras. ,uando consideramos una de esas uni%ormidades, y que sus
e%ectos son modi%icados u ocultos por los e%ectos de otras uni%ormidades,
que no tenemos la intencin de considerar, decimos de ordinario, pero la
e/presin es impropia, que la uni%ormidad o la ley considerada su%re de
e/cepciones. *i es admitida esta %orma de hablar, las leyes %sicas, y aun
las matemticas, comportan e/cepciones, lo mismo que las leyes
econmicas. ?...B
F. ;na ley o una uni%ormidad no es verdadera sino ba+o ciertas
condiciones, que nos sirven precisamente para indicar cules son los
%enmenos que queremos destacar del con+unto. "or e+emplo, las leyes
qumicas que dependen de la a%inidad son di%erentes, seg2n que la
temperatura se mantenga en ciertos lmites, o los sobrepase. Hasta una
cierta temperatura los cuerpos no se combinan> ms all de esa
temperatura se combinan, pero si aumenta todava ms all de cierto
lmite se disocian.
G. Esas condiciones son unas implcitas y otras e/plcitas. <o se
debe hacer entrar entre las primeras ms que las que son entendidas
%cilmente por todos y sin el menor equivoco> si no eso sera un +erogl%ico
y no un teorema cient%ico. <o hay proposicin que no se pueda certi%icar
como verdadera ba+o ciertas condiciones a determinar. Las condiciones
12
de un %enmeno son parte integrante de ese %enmeno, y no pueden ser
separadas.
HI. <o conocemos, ni podremos +ams conocer, un %enmeno
concreto en todos sus detalles> siempre hay un residuo. ?...B.
HH. "uesto que no conocemos enteramente ning2n %enmeno
concreto, nuestras teoras de esos %enmenos no son ms que
apro/imadas. ?...B".
Es posible ejemplificar esto afirmado por Pareto desde la conocida
falacia ecolgica de los agregados. El proceso de racionalizacin de
Weber, dara cuenta de diferentes fenmenos sociales, actitudes,
opiniones y estados de deseabilidad social (supersticin mal vista pero
practicada) como manifestaciones multivariantes, muchas de las cuales se
cancelan. La pregunta ltima es el porque de ese proceso. Weber en tanto
que economista ocupaba en su campo perceptual un rea de interaccin
social especialmente racional. No obstante la misma disciplina genera su
objeto: los economistas racionalizan las empresas, los mercados, los
socilogos la sociedad, etc
1.1.2. Algunas reglas metodolgicas
Las reglas metodolgicas se refieren a los criterios que rigen el
proceder de los cientficos en la tarea de articular los conocimientos que
dan lugar a la elaboracin de "teoras". En su mayor parte, estas reglas
son consecuentes lgicos de aquellos principios considerados en el
apartado anterior. Como suceda con el principio de "control estos
criterios generales encuentran limitaciones en su aplicabilidad o utilidad en
ciencias como la sociologa.
Parsimonia.
Abstraccin.
Generalidad.
Neutralismo tico.
Objetividad.
Triangulacin.
Reduccin de ruidos comunicacionales
Parsimonia. Para algunos filsofos principio, economa del
pensamiento, etc. Es un indicador muy claro del conocimiento tal y como
es entendido desde la cultura occidental, donde prima la nocin de
13
economa, la bsqueda de causas nicas, en definitiva la mxima utilidad
explicativa al mnimo coste explicativo.
"He aqu en qu# no estamos de acuerdo con los toscanos,
consumados int#rpretes del rayo. *eg2n nosotros, la colisin de
las nubes es la causa del estallido del trueno. *eg2n ellos, la
colisin de las nubes tiene por %inalidad esa e/plosin. ,omo lo
reducen todo a la divinidad, estn convencidos no ya de que el
rayo anuncia lo por venir por el hecho de haber sido producido,
sino que el rayo se produce para anunciar lo por venir".
*#neca. <aturales 4uaestiones ?::, JK, KB
Desde la tradicin cientfica, una exposicin bastante ejemplar
viene propuesta por saac Newton
2
en sus reglas para la investigacin de
la naturaleza. "Regla primera. Para explicar las cosas naturales, no admitir
ms causas que las que son verdaderas y bastan para la explicacin de
aquellos fenmenos". Esta regla ha sido aceptada por la generalidad de
los investigadores y tericos que actan dentro del marco de la ciencia
actual. Su justificacin por parte de . Newton es, no obstante, digna de
comentario: "Dicen los fsicos: la Naturaleza no hace nada en vano, y vano
es lo que ocurre por efecto de mucho, pudiendo realizarse con menos. La
Naturaleza es simple y no prodiga las causas de las cosas."
Las teoras, tal como se apuntaba, entran en conflicto entre s en
su intento de explicar y predecir los sucesos. Hoy por hoy, los criterios que
rigen para la aceptacin de una teora frente a otra son bastante precisos.
Una teora ser mejor en la medida que implique un nmero menor de
leyes y asunciones, para explicar el mayor rango de fenmenos,
efectuando predicciones ms precisas.
En el caso de la sociologa, la carencia y limitaciones de las teoras
explicativas aconsejan ampliar la presencia de variables intervinientes, en
la medida que an se precisa refinar y detallar las explicaciones de la
sociedad.
Abstraccin. Esto es consecuencia de que el progreso y
estructura de las teoras cientficas revelan la presencia de una jerarqua
de explicaciones, donde los hechos son explicados por leyes, que a su vez
son explicadas por teoras, estas teoras pueden ser tambin explicadas
por otras teoras con un grado mayor de abstraccin. Detrs de este
proceso de abstraccin late la idea de que una compresin ms profunda
2
saac Newton, "Principios matemticos de la filosofa natural", 1687. Libro .
14
produce simplificaciones en las estructuras que explican los fenmenos
sociales. Esta "comprensin" es, generalmente, el producto y
consecuencia de describir correctamente el proceso causal que conecta
los sucesos entre si y no resultado de una intuicin genial.
"Del rigor en la ciencia.
... En aquel :mperio, el $rte de la ,artogra%ia logro tal
"er%eccion que el mapa de una sola "rovincia ocupaba todauna
,iudad, y el mapa del imperio, toda una "rovincia. ,on el tiempo,
esos 7apas Desmesurados no satis%acieron y los ,olegios de
,artogra%os levantaron un 7apa del :mperio, que tenia el tama1o
del :mperio y coincidia puntualmente con #l. 7enos $dictas al
Estudio de la ,artogra%ia, las 9eneraciones *iguientes
entendieron que ese dilatado 7apa era :nutil y no sin :mpiedad lo
entregaron a las :nclemencias del *ol y de los inviernos. En los
desiertos del =este perduran despeda)adas Luinas del 7apa,
habitadas por $nimales y por 7endigos> en todo el pas no hay
otra reliquia de las Disciplinas 9eogra%icas."
M.L. 0orges. El hacedor
saac Newton
3,
en sus reglas para la investigacin de la naturaleza,
propone una regla tercera, bastante til en la investigacin sociolgica
comparada. "Regla tercera. Las propiedades de los cuerpos que no
pueden ser aumentadas o disminuidas y que se encuentran en todos los
cuerpos que es posible ensayar, deben de ser tenidas por propiedades de
todos los cuerpos".
Generalidad. En general, cuanto ms amplio sea el repertorio de
fenmenos que es capaz de explicar y predecir una teora, y ms precisas
y fiables sean sus predicciones, ms til ser una teora. Siempre dentro
de una simplificacin de causas. Continuando con saac Newton
4
en sus
reglas para la investigacin de la naturaleza una consecuencia de la
aceptacin de la primera regla es la aplicacin de una segunda: "Regla
segunda. Por consiguiente, en cuanto sea posible, hay que adscribir las
mismas causas a idnticos efectos". Por consiguiente debe aplicarse las
mismas causas a "la respiracin de los hombres y de los animales, a la
cada de las piedras en Europa y en Amrica, a la luz de la llama en el
hogar y el Sol, a la reflexin de la luz en la Tierra y en los planetas".
3
Isaac Newton, "Principios matemticos de la filosofa natural", 1687. Libro .
4
saac Newton, "Principios matemticos de la filosofa natural", 1687. Libro .
15
eutralismo !tico. Por ello no existen explicaciones ltimas en la
actividad cientfica, y por ello no existen teoras falsas o verdaderas, sino
solamente "tiles" para explicar una configuracin de hechos.
"b#eti$idad. Una caracterstica importante de las evidencias
empricas es la asuncin de que estas constituyen una realidad externa a
los cientficos. A partir de ello se plantea la discusin sobre el carcter
objetivo o no de la perspectiva que adoptan los cientficos al analizar la
realidad. Este es, sin embargo, un debate estril en la medida que
dificilmente puede postularse una objetividad total por parte el investigador
que le desvincule emotiva, personal o culturalmente del objeto de estudio.
Existe un acuerdo bastante general entre los cientficos en que la
objetividad, en el sentido de observacin libre de error, no existe. El
significado de objetividad es ms limitado y operativo en el contexto de la
investigacin cientfica.
"8Dios es mudo 8sola repetir con orgullo8 y si
consigui#ramos que el hombre se calle...
$l *er $ut#ntico, ra)onaba <eddleman, slo poda llegarse
los %ines de semana y no sin antes pedir prestado un coche. El
hombre, de acuerdo con <eedleman, no era una "cosa" separada
de la <aturale)a, sino envuelta "en la naturale)a", incapa) de ver
su propio e/istir sin %ingir primero indi%erencia y despu#s correr a
toda prisa hasta el e/tremo opuesto de la habitacin con la
esperan)a de vislumbrarse a s mismo."
6. $llen. Lecordando a <eedleman
Objetividad significa, en este contexto, que es posible para dos o
ms investigadores independientes, trabajando bajo las mismas
condiciones, acordar que estn observando la misma cosa o suceso. Es el
denominado "testado intersubjetivo". En palabras de Nagel (1967)
"Objetividad es el producto de una comunidad de pensadores, cada uno
de ellos ejerciendo la critica a las afirmaciones que hacen los dems.
Dado que ningn cientfico implicado en este proceso de critica es infalible,
y cada uno posee su propio sesgo emocional o intelectual". En virtud a
este criterio de objetividad intersubjetiva, deben describirse los detalles de
la investigacin de un modo preciso y exhaustivo, destacando la lgica y
las tcnicas de observacin de tal forma que el resto de los investigadores
puedan replicar y evaluar la investigacin. En general, el carcter publico y
abierto de los procedimientos de investigacin facilita la evaluacin del
criterio de objetividad.
16
%riangulacin. Las tcnicas de investigacin no son
automticamente aplicables en funcin al criterio de cual es el tema a
estudiar, como es frecuente encontrar en la mayora de los manuales de
tcnicas de investigacin. Las estrategias posibles deben, as mismo,
evaluar la sociedad o el segmento sobre el que se va a aplicar. En
determinadas circunstancias, las condiciones sociales no aconsejan la
realizacin de una encuesta social a pesar de lo conveniente que pudiera
ser el cuantificar un concepto o describir una poblacin. Si la sociedad no
es receptiva, o no posee las condiciones sociales mnimas para aceptar el
hecho mismo de la investigacin, se impone el emplear otras estrategias
de recoleccin de datos, ya sea de forma complementaria o
alternativamente. Debemos recordar que el objetivo final no es
exclusivamente la obtencin de informacin, sino que sta sea a su vez
vlida y fiable. Las decisiones que deben de tomarse para conseguir ese
fin, no tienen porque verse limitadas a una sola opcin, sino que puede
conjugar simultneamente diferentes aproximaciones tcnicas al
problema.
Este tipo de estrategia combinando diferentes mtodos se
denomina triangulacin. Un ejemplo accesible es el de una persona que
tiene una cita muy importante al da siguiente a primera hora. Al irse a
dormir intentara asegurarse de que por la maana se despertara a tiempo.
Muy posiblemente no se quede tranquilo solamente con poner el
despertador. Podra quedarse sin pilas. Lo ms seguro es que intente
varios procedimientos conjuntamente: con el despertador, programando la
radio, llamando al despertador telefnico, o pidiendo a algn amigo que le
llame por telfono. Esa combinacin de mtodos por si fallara alguno es
bastante semejante al concepto de "triangulacin".
Bsicamente, la triangulacin consiste en la construccin de
comprobaciones y equilibrios, dentro del diseo de la investigacin,
mediante diferentes estrategias de recoleccin de datos. Denzing explica
del siguiente modo la lgica de la triangulacin. "Cada mtodo revela
diferentes aspectos de la realidad emprica, por lo que deben de utilizarse
mltiples mtodos de observacin. Esto es denominado triangulacin.
Ofrezco ahora como regla metodolgica final el principio de que deben de
emplearse mltiples mtodos en cada investigacin". Partiendo de esa
idea originaria de triangulacin, como el estudio de un mismo objeto
mediante diferentes mtodos, extiende el concepto hacia los diferentes
aspectos de la investigacin. Esa multiplicidad de mtodos puede
efectuarse a varios niveles, ya sea triangulando los datos, los
investigadores, las teoras que los expliquen o los mtodos que se
empleen para recoger los datos.
17
Reduccin de ruido comunicacional. As, para que la
$eri&icacin'&alsacin de teoras sea practicable, no solo basta con la
presencia codificada de un referente objetivo, sino que la comunicacin de
las explicaciones o de los hallazgos debe de poder efectuarse de un modo
claro y directo. Es por ello que en la investigacin cientfica debe de
prestarse una atencin exquisita a la elaboracin de conceptos. Los
conceptos son abstracciones, comunicadas mediante palabras u otros
signos, que se refiere a propiedades comunes entre fenmenos. As, el
concepto "status" es una abstraccin que identifica una propiedad de las
estructuras sociales.
En esta tarea de conceptualizacin, la primera regla es intentar
incrementar el carcter denotativo a nivel de significacin, donde un
concepto acote en la medida de lo posible, un significado. La correccin
del carcter connotativo del lenguaje coloquial debe intentarse mediante
una tarea de definicin lo suficientemente estricta. Para ello,
frecuentemente, se inventan nuevos trminos (llamados constructos) que
intentan elaborar un vocabulario altamente tcnico.
Esta tarea de recreacin de un lenguaje ms tcnico posee la
ventaja de la precisin, al cortar la cadena de connotacin propia del
lenguaje cotidiano. Por otra parte, la creacin de conceptos es una
consecuencia de la deteccin de realidades sociales que necesitan ser
identificadas. Ciertamente, el desarrollo de conceptos especiales viene
motivado por su utilidad para comprender el mundo que nos rodea. Por
ejemplo, la existencia del termino "clase social" reflejan su utilidad para
estudiar el orden y el cambio social. Este carcter utilitario de los
conceptos, en la medida que destacan aspectos determinados de la
realidad, es muy importante en la elaboracin terica. De aqu se deduce
una segunda regla en lo que se refiere al lenguaje en la ciencia: los
conceptos son juzgados por su utilidad. En la actividad cientfica no
debera existir dogmatismo con respecto a la pervivencia o importancia de
los conceptos tericos. Estos son meros instrumentos de conocimiento
que no pueden sobrevivir a su potencialidad heurstica. Otra cuestin
diferente es la tendencia a la pervivencia de toda teora. Este deseo de
toda teora por mantener su posicin explicativa del mundo, recurre en la
prctica al atrincheramiento en aquellos conceptos que le relacionan con
la realidad, prescindiendo de si estos ya significan o explican algo. La
tercera regla concerniente a los conceptos es que tiene que existir un
"procedimiento" unvoco que los ligue a hechos observables o sucesos.
Realmente, esta regla simplemente extiende la primera en la medida que
afirma que los conceptos deben de ser definidos directa o indirectamente
en trminos de observaciones precisas y fiables. Como tendremos
ocasin de desarrollar, son los procedimientos de medicin los que ligan
18
los conceptos a la realidad. Relacionar los conceptos propios de la teora
con observaciones empricas es el modo de permitir la
verificacin/falsacin o de estas.
Por ltimo, los procedimientos vienen definidos por las diferentes
estrategias de aproximacin tcnica a la realidad. En nuestro caso, las
diferentes tcnicas de modelado.
1.2. (lementos de la acti$idad cient)&ica
Un modelo del mtodo cientfico: la percepcin del trabajo cientfico
como un continuo es uno de los principales aciertos de las
representaciones empleadas por Wallace en su modelo. Quizs una de
las representaciones ms acertadas del proceso lgico del trabajo
cientfico es la expuesta por Wallace (1971). La actividad cientfica es
descrita por Wallace como un proceso dinmico interactivo entre la
realidad y los modelos o teoras que la explican. Wallace describe este
proceso sobre la base de cinco componentes principales de informacin,
donde el paso de uno a otro esta regulado por un control de tipo
metodolgico, as como determinados procedimientos tcnicos. Se
contemplan seis controles de este tipo mediando en las actuaciones del
investigador sobre la informacin. Descriptivamente, desde una teora o
modelo se generan deductivamente unas preguntas o hiptesis sobre la
realidad social. Estas hiptesis, que plantean determinada informacin
referida a los fenmenos sociales, son transformadas de modo que
puedan ser cuantificadas o permitan la medicin (operativizacin). Es el
momento de recoger empricamente los datos sobre la informacin que
plantea la hiptesis. Esa informacin es tratada mediante anlisis,
produciendo generalizaciones empricas. Estas generalizaciones son la
base para testar estadsticamente las hiptesis de partida, de forma que
se tome una decisin sobre su veracidad sobre la base de los datos
recogidos en la realidad. Los resultados, ya sean rechazar o aceptar la
hiptesis, deben ser integrados en la teora. Un modelo que pretenda
explicar una parte de la realidad social no puede presentar contradicciones
patentes entre aquello que predice de la sociedad (mediante hiptesis) y lo
que sucede. Realmente, el esquema de Wallace es un modelo y como tal,
se refiere a la realidad observada desde un prisma terico. Un modelo
expresa las relaciones entre elementos que son percibidas por la teora,
siendo ms una reproduccin terica de la realidad que una reproduccin
de esta. En ese sentido el modelo de Wallace padece de los
inconvenientes que son propios de todo modelo, como es el grado
elevado de abstraccin en lo que se refiere a las contingencias de la
praxis cientfica. Wallace reconoce que el modelo es solo eso, e incorpora
19
varios comentarios accesorios a su representacin "Debo subrayar que el
proceso cient%ico ocurre ?HB a veces rpidamente y otras lentamente ?KB
con un alto grado de %ormali)acin y rigor o in%ormal e intuitivamente ?JB ya
sea mediante la interaccin de un equipo de investigadores o por uno solo
de ellos traba+ando en solitario ?NB a veces slo en su imaginacin y otras
reali)ndolo e/plcitamente". El grado de variacin en los procedimientos
es elevado, pero existe una estructura formal que integra todo el proceso
en un sentido ms amplio de la investigacin. Para Wallace, tanto el punto
de partida como el objetivo estn representados por la Teora. Cada parte
del proceso es objeto por s mismo de muchos trabajos e investigaciones,
pero todas las actividades tienen como finalidad el mejorar la
comprensin, explicacin o prediccin de la realidad social.
"*in embargo, tal ve) sea el momento de tratar ms
detalladamente las cuestiones polticas y prcticas. &,ul es la relacin
entre la radiotecnia y el sistema social' &Es #sta socialista o capitalista'
"lanteo esta cuestin porque, hace pocos das, el c#lebre italiano 7arconi
di+o en 0erln que la transmisin a distancia de imgenes por ondas
hert)ianas es un prodigioso regalo al paci%ismo, anunciando el rpido %in
de la era militarista. &"or qu# habr de ser as' Los %ines de #poca han
sido proclamados tantas veces que los paci%istas han acabado de me)clar
los comien)os con los %ines. @*e supone que el hecho de ver a gran
distancia pondr %in a las guerrasA Desde luego, la invencin de medios de
transmitir una imagen animada a gran distancia es una tarea muy
atractiva, pues era o%ensivo para el nervio ptico que el nervio auditivo
8gracias a la radio8 ocupara una posicin privilegiada a este respecto. "ero
suponer que de esto deba resultar el %in de las guerras, es simplemente
absurdo y muestra solamente que, en el caso de grandes hombres como
7arconi, al igual que en el de la mayora de las gentes especiali)adas 8y
hasta se puede decir que en la mayora de las personas en general8 el
modo de pensamiento cient%ico aporta una ayuda al espritu, para hablar
crudamente, no en todos los campos, sino slo en peque1os sectores. De
la misma manera que se disponen compartimentos estancos en el casco
de un navo, para evitar que se hunda de un solo golpe en caso de
accidente, e/isten incontables compartimentos estancos en el cerebro
humanoC en un campo o hasta en doce, pod#is encontrar el espritu
cient%ico ms revolucionario, pero tras un compartimento yace el espritu
ms estrecho de los %ilisteos. La gran %uer)a del mar/ismo, como
pensamiento generali)ador de la e/periencia humana, est es ayudar a
derribar esos compartimentos interiores del espritu gracias a la integridad
de su anlisis del mundo. "ara volver a nuestro tema, &por qu# el hecho
de ver el enemigo liquidar la guerra' En los tiempos antiguos, cuando
haba guerra, los adversarios a ale+arse, llevndolos a tirar sobre blancos
%uera del alcance de la vista. . si lo invisible se hace visible, esto signi%ica
20
solamente que, tambi#n en este campo, la triada hegeliana ha triun%ado,
despu#s de la tesis y la anttesis viene la "sntesis" de la e/terminacin
mutua.
Lecuerdo la #poca en que se escriba que el desarrollo de la
aviacin pondra %in a la guerra, porque el con+unto de la poblacin sera
precipitado en las operaciones militares, porque conducira a la ruina de la
economa y de la vida cultural de pases enteros, etc. De hecho, la
invencin de una mquina volante ms pesada que el aire abri un nuevo
y ms cruel captulo de la historia del militarismo. <o cabe duda alguna de
que actualmente tambi#n estamos abocados a comen)ar un captulo a2n
ms espantoso. La t#cnica y la ciencia tienen su propia lgica, la lgica
del conocimiento de la naturale)a y de su sometimiento a los intereses del
hombre. "ero la t#cnica y la ciencia no se desarrollan en el vaco, sino en
una sociedad humana dividida en clases. La clase dirigente, la clase
poseedora domina la t#cnica y, a trav#s de ella, domina la naturale)a. La
t#cnica en s no puede llamarse militarista o paci%ista. En una sociedad en
la que dirigente es militarista, la t#cnica est al servicio del militarismo.
Es indiscutible que la t#cnica y la ciencia minan poco a poco la
supersticin. *in embargo, tambi#n en esto el carcter de clase de la
sociedad impone reservas sustanciales. (omad por e+emplo Estados
;nidosC los sermones se retransmiten por radio, lo que signi%ica que la
radio sirve de medio de di%usin de los pre+uicios."
L. (rotsOi. Ladio. 7ilitarismo. *upersticiones
Un planteamiento interesante es aquel que presenta la teora como
un sistema basado en una seleccin de conceptos y relaciones. En esta
posicin se encuentra Hempel cuya definicin de teora ha sido
ampliamente aceptada "Una teora cientfica debe, por tanto, ser parecida
a una compleja red espacial: sus trminos son representados por los
nudos, mientras que los hilos que conectan estos ltimos corresponden,
en parte, a las definiciones y, en parte, a las hiptesis derivadas
fundamentales incluidas en la teora. La totalidad del sistema flota como si
estuviera por encima del plano de observacin y queda anclado por las
reglas de la interpretacin. Estas podran ser entendidas como cuerdas
que no son parte de la red, pero unen determinados puntos de sta en
lugares especficos en el plano de la observacin. En virtud de estas
conexiones interpretativas, la red puede funcionar como una teora
cientfica: a partir de estos datos de observacin, podemos ascender, a
travs de un hilo interpretativo, hasta algn punto de la red terica, y luego
proseguir, a travs de las definiciones e hiptesis, hasta otros puntos,
21
desde los cuales otro hilo interpretativo permite un descenso al plano de la
observacin (Hempel, 1952, 36). El entramado de proposiciones que
constituyen el lenguaje terico tienen como unidades esenciales los
denominados conceptos tericos, tales como "status, "alienacin, "clase
social, "accin social, "ideologa, etc. La relacin propuesta entre ellos
es lo que da pie a la generacin de hiptesis.
La definicin de Hempel, donde la teora se convierte en una malla
de conceptos y relaciones nos conduce directamente a la nocin de
modelo. Ciertamente no es una cuestin disputable la importancia de la
teora expresada bajo la forma de modelo. Como nos recuerda Forrester
(1971) "Cada uno de nosotros emplea modelos constantemente. Todo el
mundo, tanto en su vida privada como en los negocios, emplea
instintivamente modelos para tomar decisiones. La imagen mental del
mundo que le rodea y que lleva en la cabeza es un modelo. Nadie tiene
una ciudad o un pas o un gobierno dentro de su cabeza. Slo tenemos
una seleccin de conceptos y relaciones que empleamos para representar
el sistema real. Una imagen mental es un modelo. Todas nuestras
decisiones estn tomadas sobre la base de modelos. La cuestin no es si
emplear o ignorar los modelos. La cuestin es slo una eleccin entre
(modelos) alternativos."
Es decir, a partir de hiptesis deductivamente potentes se llega al
establecimiento de leyes que pueden considerarse, segn indica Mario
Bunge (1969), como una "hiptesis cientfica confirmada que afirma una
relacin constante entre dos o ms variables, cada una de las cuales
representa, al menos parcial e indirectamente, una propiedad de sistemas
concretos. Un sistema de leyes entrelazadas por relaciones ms o menos
directas de deductibilidad constituyen una teora. Y una ciencia no es sino
un conjunto de teoras recprocamente consistentes. Segn el propio
Bunge, las teoras se refieren a un sistema que tratan de explicar y
contienen modelos que son representaciones idealizadas de este mundo
real. Naturalmente, la diferencia entre modelo y teora es suficientemente
sutil como para que muchas veces se identifiquen ambos conceptos. Una
teora sobre el funcionamiento de un sistema, lleva estrechamente
conectados uno o varios modelos que intenten reflejar las principales
relaciones del sistema que se consideran relevantes en el contexto de esa
teora.
22
No obstante, hay que considerar que la medicin es en s misma
una elaboracin terica importante. En el "modelo de ajuste anterior
apreciamos como el testado emprico lo es de relaciones. En el se
comparan las relaciones observadas con las propuestas por el modelo,
concluyendo si la teora debe ser reconsiderada o simplificada en sus
propuestas. Es evidente que el modo en que afecte la contrastacin
emprica del modelo propuesto depender de muchos factores.
9=L=70P* D=<P(* =D 7$(HE7$(:,$L 7=DELL:<9C
H. DonPt believe the JJrd order consequences o% a Hst
orden model.
,$(,H "HL$*EC P,um grano salis.P
K. DonPt e/trapolate beyond the region o% %it.
Aplicacin
23
,$(,H "HL$*EC PDonPt go o%% the deep end.P
J. DonPt apply any model until you understand the
simpli%ying assumptions on Qhich it is based, and can test their
applicability.
,$(,H "HL$*EC P;se only as directedP.
N. DonPt believe that the model is the reality.
,$(,H "HL$*EC PDonPt eat the menu.P
R. DonPt distort reality to %it the model.
,$(,H "HL$*EC P(he ""rocrustes 7ethod".P
S. DonPt limit yoursel% to a single modelC 7ore than one may
be use%ul %or understanding di%%erent aspects o% the same
phenomenon.
,$(,H "HL$*EC PLegalise polygamy.P
E. DonPt retain a discredited model.
,$(,H "HL$*EC PDonPt beat a dead horse.P
F. DonPt %all in love Qith you model.
,$(,H "HL$*EC P"ygmalionP.
G. DonPt apply the terminology o% *ub+ect $ to the problems
o% *ub+ect 0 i% it is to the enrichment o% neitherC
,$(,H "HL$*EC P<eQ manes %or oldP
HI. DonPt e/pect that by having named a demon you have
destroyed him.
,$(,H "HL$*EC PLumpelstiltsOin.P
$rthur 0loch. 7urphyPs laQ complete.
La exposicin de modelos en lenguaje matemtico supone
limitaciones y potencialidades. Entre las potencialidades es evidente la
imposicin de rigor en las formulaciones y argumentaciones. En las
limitaciones, la imposicin de un conjunto limitado y restrictivo de
operaciones, adecuados a lo que la matemtica permite. No debe
olvidarse, no obstante que formular es proponer una forma acerca de la
realidad social y sus relaciones.
8 De hecho, a m tambi#n me gustara que lo e/plicase 8di+o
Hummin.
8 &*in matemticas'8 pregunt *eldon, curvando los labios en una
sonrisa casi imperceptible.
8 *e lo ruego 8di+o Hummin.
8 0ien... 8*eldon se concentr en s mismo para escoger un
m#todo de presentacin8. *i se desea comprender alg2n aspecto del
24
universo 8empe) diciendo pasados unos momentos8, ayuda bastante
simpli%icarlo todo lo posible e incluir 2nicamente aquellas propiedades y
caractersticas que resultan esenciales para la comprensin. *i se desea
determinar cmo cae un ob+eto, no hay que preocuparse de si es vie+o o
nuevo, ro+o o verde, o de si tiene un olor o carece de #l. Lo que se hace es
eliminar todas esas cosas para no tener que complicar innecesariamente
el asunto. La simpli%icacin puede llamarse modelo o simulacin, y puedes
presentarla ya sea como una representacin actual en una pantalla de
ordenador o como una relacin matemtica. *i se considera la teora
primitiva de la gravitacin no relativista...
8 "rometiste que no habra matemticas 8le interrumpi
inmediatamente Dors8. <o intentes colarlas disimuladamente ahora
cali%icando a una teora de "primitiva".
8 <o, no. ;tili)o la palabra "primitiva" en el 2nico sentido de que ha
sido conocida durante todo el perodo de tiempo que cubren nuestros
archivos y registros, y de que su descubrimiento se halla tan envuelto en
las neblinas de la antigTedad como el del %uego o el de la rueda. En
cualquier caso, las ecuaciones para dicha teora gravitacional contienen
en s mismas una descripcin de los movimientos de un sistema
planetario, de una estrella doble, de mareas y de muchas cosas ms.
Haciendo uso de esas ecuaciones, incluso podemos llegar a crear una
simulacin visual y conseguir que un planeta orbite a una estrella, o que
dos estrellas orbiten la una alrededor de la otra, o crear sistemas bastante
ms complicados en un holograma tridimensional. Este tipo de
simulaciones simpli%icadas hacen que la comprensin de un %enmeno
resulte considerablemente ms sencilla de lo que resultara si tuvi#ramos
que estudiar el %enmeno en s. De hecho, sin las ecuaciones
gravitacionales, nuestro conocimiento de los movimientos planetarios y de
la mecnica celestial en general seran notablemente reducidos.
"$ medida que se desea saber cada ve) ms cosas sobre
cualquier %enmeno o a medida que un %enmeno se va volviendo ms
comple+o, se necesitan ecuaciones cada ve) ms comple+as y elaboradas
y una programacin ms detallada, y lo que se acaba obteniendo es una
simulacin mediante ordenador que resulta cada ve) ms y ms di%cil de
comprender.
8 &. no es posible crear una simulacin de la simulacin'
8pregunt Hummin8. Entonces la comple+idad descendera otro grado.
8 En ese caso, se tendran que eliminar algunas caractersticas del
%enmeno que se desea incluir, y la simulacin se vuelve in2til. La *7",
25
es decir, la "simulacin mnima posible", va adquiriendo comple+idad ms
deprisa que el ob+eto que est siendo simulado, y llega un momento en el
que la simulacin alcan)a al %enmeno. Hace miles de a1os qued
%irmemente establecido que el universo como un todo no puede ser
representado en toda su comple+idad mediante ninguna simulacin ms
peque1a que el mismo universo.
:saac $simov. "reludio a la %undacin
La sociologa existe en la medida en que existe regularidad y
estructura. Esto no implica o excluye la existencia del cambio y
trasformacin. Toda sociedad es histrica, y en ese sentido, cambiante.
No obstante, la posibilidad de conocer y ms an, de explicar, exige de
una pauta o regularidad. As, el cambio podr ser objeto de estudio
siempre que no sea de tipo aleatorio. Es importante advertir, asimismo,
que esta regularidad no es de tipo "normativo, impuesta por unas "normas
sociales. Debe diferenciarse entre diferentes fuentes de regularidad
social, sealando los aquella que puede ser objeto de la investigacin
sociolgica. Como seala E. Lamo "Ahora bien, es sabido que sobre el
concepto cientfico-newtoniano de ley se superpuso otro ms antiguo: el
que establece una conexin de tipo normativo entre fenmeno
antecedente o fenmeno consecuente, especialmente en la obra de
Talcott Parsons, ha tratado de encontrar en dicha normatividad la causa
de las regularidades sociales. Ello supondra reducir el concepto de la ley
social al de norma. Creo, pues, conveniente, antes de nada, rechazar esta
posibilidad terica para devolverle al concepto de ley su autonoma
cientfica en sociologa
5
.
El problema radica en que el sistema normativo puede hacer
comprensibles las regularidades del comportamiento individual, pero no
e/plicar tales comportamientos ni tampoco las regularidades del agregado
y ambos fenmenos son sustancialmente diferentes. As, Von Hayek ha
propuesto distinguir tajantemente entre "el sistema de reglas de conducta
que gobierna el comportamiento de los miembros individuales del grupo
[.] por un lado, y por otro, el orden o pauta de acciones que resulta de
aquel para el grupo como totalidad
6.
De este modo, la norma interpretada
individualmente no responde de los comportamientos agregados. Es decir,
la regularidad normativa (o tica) permite comprender acontecimientos
singulares, i.e., acciones, pero no e/plicar regularidades tpicas del
agregado
7
, pues stas no dependen slo de las acciones. Del anlisis,
5
bd., p. 87.
6
Von Hayek, "Notes on the Evolution of the Systems of Rules of Conduct, Studies in
Philosophy, Politics and Economics, Citado en E. Lamo de Espinosa, op., cit., p. 8.
26
concluye E. Lamo
8
, se debe distinguir radicalmente el orden normativo del
social. No cabe en todo caso sealar una situacin determinstica, en la
medida que existen posibilidades de cambio en los dos niveles individual y
agregado. Es importante la distincin entre la accin normativa (basada en
el debe hacer/ debe ser) y la de tipo probabilstico que se postula para la
regularidad no normativa. Las regularidades sociales, en trminos
probabilsticos es lo que se denominara "ley sociolgica. As, "(la
sociologa) necesita que haya hechos sociales; pero si adems quiere ser
ciencia nomot#tica necesita que haya leyes sociales
9
. No debe en todo
caso, confundirse la nocin de ley con la de teora. El rasgo diferencial
entre leyes y teoras se encuentra en que las leyes hacen referencia a las
caractersticas "empricas de los fenmenos, o sea, a aspectos
observables y no a "conceptos tericos o abstractos.
Tal y como seala M. Navarro, la aproximacin desde el
contructivismo afirma la naturaleza no determinista en la constitucin de
cualquier regularidad social al mismo tiempo que destaca el papel
contingente e histrico de las construcciones sociales. "El
construccionismo social que inicia la sociologa weberiana parte, pues, de
acciones sociales individuales entrelazadas, ms o menos permanentes o
transitorias. Cualquier relacin social puede quebrarse en todo momento y
por ello, slo podemos afirmar la regularidad en trminos de probabilidad
de conducta y no de normas: "la relacin social consiste slo y
exclusivamente aunque se trate de formaciones sociales como "Estado,
"iglesia, "corporacin, "matrimonio, etc.- en la probabilidad de que una
forma determinada de conducta social, de carcter recproco por su
sentido, haya existido, existe o pueda existir'
10
.
Las regularidades que estamos considerando seran en todo caso,
agregadas y probabilsticas. Wilfredo Pareto, ilustre antecedente de la
sociologa matemtica, destacaba los problemas en la deteccin de
regularidades: Las distorsiones que se aprecian en las diferentes
regularidades son producto de los errores y limitaciones propias del ser
humano. Destaca en la nocin de Pareto que el fenmeno es indisociable
de sus condiciones de realizacin pero tambin que un mismo proceso
puede generar regularidades distintas, incluso contradictorias. En ese
7
K. Popper, Rationality and the Status of the Rationality Principle (1967), citado por J.C.
Zapatero en "K. Popper y la metodologa de las ciencias sociales, en Cuadernos
Econmicos de CE, 3-4 (1977), p. 103.
8
E. Lamo de Espinosa, La sociedad reflexiva, op. cit., pp. 88-91.
9
bd.,. p. 95.
10
Max Weber, Economa y sociedad Mxico, Fondo de Cultura Econmica, 1969, p.22,
citado por M. Navarro, "Apuntes para una teora de la cultura econmica", en VV. AA.
Escritos de Teora Sociolgica en homenaje a Luis Rodrguez Ziga, Madrid, CS,
1992, p.792
27
sentido, M. Navarro destaca como la progresin de los esquemas de
decisin instrumental adquieren una mayor complejidad conformen se
difunden como culturalmente adecuados para la toma de decisiones."El
hecho sociolgico bsico que hay que resaltar y que gua toda la
concatenacin de fenmenos que se han expuesto hasta este momento,
es la aparicin en nuestras sociedades de conductas econmicas
definidas, que han tenido, a su vez, influencia en la aparicin de un
complejo de conductas no econmicas, todas ellas con un carcter masivo
y que se hacen ms centrales, en la vida de los hombres, que tienen un
carcter abstracto y complejo, que requieren un mayor nmero de
conocimientos y que ofrecen una previsible perspectiva de aumentar el
nmero de complejidad y de generalizarse socialmente
11.

Para M. Navarro, la difusin de actuacin como es el desarrollado
dentro de la cultura econmica adquiere una generalizacin y complejidad
cada vez mayor, lo que puede conducir a fenmenos sociales
contradictorios. "La vida social es tan compleja que las mismas fuerzas
que llevan al mercado y a la democracia desarrollan otras, en alguna
medida contrarias, como la burocracia. El desarrollo del mercado y la
competencia, genera, monopolio y burocracia, regulaciones, controles y
salvaguardias. La aparicin y la evolucin del capitalismo han propiciado
estos fenmenos. Pueden no ser necesarios, pero se han manifestado de
ese modo
12
. Esta complejidad por la que una dinmica social puede
asociar y provocar de algn modo el desarrollo de otras contrarias es lo
que contribuye a hacer borrosas determinadas regularidades sociales.
La nocin misma de "regularidad puede aparecer denominada
como "ley social en un sentido "blando. Otros autores como J. Elster
prefieren matizar sustituyendo la palabra "ley por "mecanismo "(.)
debilidad de la teora ms famosa de la explicacin cientfica, la propuesta
por Carl Hempel. El sostiene que la explicacin equivale a la deduccin
lgica del acontecimiento a explicar, con leyes generales y declaraciones
de las condiciones iniciales como las premisas. Una objecin es que las
leyes generales pueden expresar correlacin pero no causa. Otra es que
las leyes, aunque sean genuinamente causales pueden ser anticipadas
por otros mecanismos. Es por eso que aqu he puesto el acento en los
mecanismos y no en las leyes. Esto no es un profundo desacuerdo
filosfico. Un mecanismo causal tiene un nmero finito de eslabones.
Cada eslabn se debe describir mediante una ley general y en ese sentido
por una 'caja negra' acerca de cuyos engranajes internos permanecemos
en la ignorancia. Pero para los fines prcticos(los fines del cientfico social
11
M. Navarro, "Apuntes para una teora de la cultura econmica", en VV. AA. Escritos de
Teora Sociolgica en homenaje a Luis Rodrguez Ziga, Madrid, CS, 1992, p. 786.
12
bd. p.793
28
en accin) es importante el lugar del acento dinmico de la explicacin
cientfica: el impulso a producir explicaciones cada vez ms finas
13
. Esta
matizacin se corresponde en un sentido global con los planteamientos de
Pareto y responde a la dinmica entre generalizacin y detalle en la
explicacin para alcanzar una mejor determinacin de las regularidades.
Otro aspecto interesante procede desde el mbito de la
generalizacin y lo local. En este contexto reaparece el debate sobre la
utilidad local de las generalizaciones. Nuevamente la dicotoma entre
sociologa como ciencia o tecnologa. P. von Morpurgo, reflexiona como
14
"El carcter de las ciencias sociales est ntimamente vinculado a su
reivindicacin de universalidad. Si se puede determinar la regularidad de
algunos fenmenos, y por consiguiente establecer leyes que tengan un
alcance casi universal, esa reivindicacin se puede aceptar. No obstante,
con una vasta aplicacin de este principio se corre el riesgo de ignorar la
diversidad local. En efecto, en estos ltimos cincuenta aos, las ciencias
sociales y sus repercusiones han cobrado mayor fuerza gracias a la
mejora de sus mtodos e instrumentos de investigacin aplicables a
escala reducida. Es evidente que, en materia de elaboracin de polticas,
los resultados y recomendaciones adecuadamente detallados y
relacionados con un entorno especfico son ms pertinentes que las
vastas generalizaciones. No parece, sin embargo, que ambas tareas
sean excluyentes, sino ms bien complementarias.
La caracterstica distintiva en la sociologa aplicada es el empleo
de mtodos formales para la construccin de modelos en el anlisis de los
fenmenos sociales. As, T. Fararo en la introduccin de su manual afirma
como
15
"este libro pretende ser una contribucin a acelerar la formalizacin
de las teoras as como a restituir la capacidad explicativa de la teora
mediante el empleo de modelos. Los dos conceptos clave son
formalizacin y representacin mediante modelos. La actividad de la
sociologa matemtica no se dirige a una labor de formalizacin per se de
la teora sociolgica, sino que contribuye a ello mediante el desarrollo de
modelos formalizados, generalmente de carcter matemtico. La
observacin es importante, dado que la funcin del anlisis lgico se
circunscribe a la elaboracin de los modelos. Es evidente que el empleo y
desarrollo de modelos dentro de una teora ayuda a su formalizacin y
potencia la consistencia interna. Esta tarea constituye una aproximacin
metodolgica bastante definida a la realidad social.
13
J. Elster, Tuercas y tornillos Barcelona, Gedisa. 1996 p. 16
14
P. von Morpurgo, op. cit.,
15
T. Fararo, Mathematical Sociology: an introduction to fundamentals. New York, Wiley,
1973. p.15
29
En ese sentido, cabe recordar como una de las caractersticas del
mtodo cientfico es, segn Hanson, la bsqueda de un modelo en el que
insertar los datos: "En una disciplina de bsqueda en crecimiento, la
investigacin se dirige, no a reordenar viejos hechos y explicaciones en
modelos formales ms elegantes, sino ms bien al descubrimiento de
nuevos esquemas de explicacin
16
. A este respecto, la misma opinin
sostiene Allais "Cuando se analizan los fenmenos sociales sobre todo los
econmicos, se revela la existencia de regularidades tan sorprendentes
como las que encontramos en las ciencias fsicas (.). Toda ciencia se
basa en modelos, ya sean descriptivos o explicativos o estn destinados a
hacer pronstico o a tomar decisiones
17
. En ese sentido, la nocin de
representacin es uno de los ncleos importantes en la actividad de la
sociologa aplicada.
El estudio de modelos estructurales lleva asociado habitualmente
el penetrar en el futuro, ya sea a efectos de control metodolgico (como
parte de un diagnstico del ajuste), o como finalidad del modelado. Por
ello, el modelar implica el descubrir pautas regulares y sistemticas en los
datos, de modo que nos permitan construir un modelo matemtico que
explique las relaciones conocidas entre los fenmenos sociales. A partir
de ello, se intentar predecir el comportamiento futuro ms probable en el
fenmeno social.
No obstante, en este escenario de modelado, para que el futuro
sea predecible debe de ser semejante al pasado en lo que se refiere a los
factores que generan el comportamiento de la serie. Es decir, las reglas
que rigen el cambio deben mantenerse estables en el futuro, dado que el
"mecanismo" modelado se pone a funcionar para generar los valores
futuros de la variable. Por lo tanto, cualquier cambio brusco en el medio
donde se desenvuelve el "mecanismo", o en los elementos que componen
el "mecanismo" podrn inducir a error. Podemos pensar que la eficacia del
modelo depender, por lo tanto, de la "profundidad" en que estn
operando sus reglas en el sistema social, por un lado, y del contexto
"evolucionario o "revolucionario en el que se desarrolla el fenmeno
social en estudio.
Un modelado elaborado sobre una realidad social epidrmica
(epifenomnica), determinara un "mecanismo" con predicciones
excesivamente contingentes. La eficacia del modelado de una estructura
de covarianzas depender ms de la reflexin sociolgica que le concede
16
Citado en T.A. Sebeok "One, Two, Three.Uberty en U. Eco y T.A. Sebeok (eds.) El
signo de los tres. Dupin, Holmes, Peirce. Barcelona, Lumen. 1989. p.74
17
M. Allais, "La pasin por la investigacin en M. Szenberg (ed) Grandes economistas de
Hoy, Madrid, Debate, 1994
30
un mbito de existencia, determinando los "mecanismos" a revelar, que de
las tcnicas instrumentadas para acceder a ellos. En otro sentido, el
proceso o fenmeno social en estudio puede desenvolverse en un entorno
social en equilibrio dinmico o en profunda y rpida trasformacin. La
posible existencia de discontinuidades (una guerra civil, una revolucin, un
golpe de estado, etc.) matiza las probabilidades futuras de realizacin del
fenmeno social modelado. De este modo, un conjunto relacionado de
variables o indicadores se modela segn sus propias caractersticas, pero
su futuro se evala por sus circunstancias o contexto.
La investigacin sociolgica recorri un camino importante desde
los diseos correlacionales, el anlisis de regresin y el "anlisis de
senderos. A principios de la dcada de los 70 quedaba claro que desde
diferentes disciplinas se estaba considerando un problema parecido. As,
el anlisis de senderos en sociologa, los modelos de ecuaciones
estructurales en econometra o los modelos de anlisis factorial en
psicologa respondan a un mismo intento de modelado. Esta
aproximacin se consolidara en una estrategia general de modelado
denominado modelos estructurales de covarianzas. Los modelos
estructurales se emplean tanto en la medicin como en la explicacin.
Ambas dimensiones pueden combinarse, de modo que simultneamente
a la realizacin de una medicin (por ejemplo, de variables latentes) se
puede estructurar un diseo explicativo. Los denominados modelos
causales son un rea de actividad dentro de este campo. Es importante
contextualizar el concepto de explicacin (o causalidad) a un doble nivel,
epistemolgico y operativo.
Esta dinmica se vera muy influenciada por el impacto "operativo
de los nuevos mtodos de computacin, que ayudaran a generar modelos
matemticos de elevada sofisticacin, como los desarrollados en la
Escuela de Wisconsin. El motor del proceso no fue un salto cualitativo en
los desarrollos de la sociologa que exigiese de expresin matemtica,
sino un impacto tecnolgico que operando sobre los procedimientos (que
no sobre la teora) intento arrastrar a sta tras s, enganchada en el
atractivo de los modelos matemticos.
Como podremos evaluar ms adelante, la investigacin primero
nombra y despus numera. Cuando existen nmeros sin nombre (como
en el anlisis factorial exploratorio o modelos estructurales de medicin) la
desorientacin est servida y el resultado queda disponible a las
veleidades argumentales del investigador. De este modo, los desarrollos
de la computacin (nmerologa) slo poda potenciar los procedimientos
e indirectamente, el mtodo "positivista que se articula sobre dichos
procedimientos. ndirectamente, en la medida que los nuevos
31
procedimientos no se vertebran claramente sobre l; de hecho, en
trminos funcionalistas, los procedimientos son denominados mtodos,
pero muy raramente se encontrar una articulacin explcita entre
investigacin y teora.
La tendencia iniciada en los aos 70 iniciaba una autonomizacin
del mtodo (en los trminos anteriores), que conducira no ya al contraste
de teoras (realmente difcil) sino de "resultados. Es el refugio en el
metodologismo que Coser (1975) denunciar y que Hope (1981),
recuperando a Lakatos, afirmara como proceso ritual "El gran error de la
construccin de modelos reside en concentrarse en cuestiones de ajuste y
el examen de las desviaciones del modelo, con la exclusin de la
investigacin del significado del modelo en s mismo, de manera que ste
no constituye ya un instrumento de progreso, sino ms bien el centro ritual
de un proceso degenerativo. No eran, en general, ideas sociolgicas
servidas con tcnicas estadsticas, sino desarrollos estadsticos ilustrados
con una sociologa simplificada. La sociologa matemtica entendida en
ese modo entr en crisis, evidentemente. Ya desde principios de los aos
70 (Golthorpe, Hope, Bertaux y Kreckel en el coloquio de Constanza) y
especialmente en su segunda mitad, surgen fuertes crticas que
cuestionan el ateoricismo en que se mueven estos metodlogos y la no
significatividad de los resultados obtenidos mediante modelos
matemticos muy elaborados sobre ideas sociolgicas rudimentarias.
Destaca especialmente el discurso de Coser (1975) como
presidente de la Asociacin Americana de Sociologa, donde crtica
duramente la sustitucin de ideas por nmeros. En esa lnea crtica
aparecen varias aportaciones, como son los artculos de Crowder (1974),
Bertaux (1967), Burawoy (1977) y Horan (1978). Como ya
comentbamos, la eclosin de modelos producidos por la primera
"sociologa matemtica era esencialmente una explosin inducida desde
el desarrollo de otros mbitos (estadstica, computacin, etc.) y que en
esas condiciones, tenda a carecer de intereses propios y contenido.
32
"*e trata, sencillamente, de una sana preocupacin ante el
trance por el que atraviesa el hombre moderno. ?4uede aqu
de%inido el hombre moderno como toda persona nacida despu#s
del edicto de <iet)sche "Dios ha muerto", y antes del #/ito pop ":
6anna Hold .our Hand".B (al "trance" puede enunciarse de una
manera o de otra, si bien ciertos %ilso%os del lengua+e pre%ieren
reducirlo a una ecuacin matemtica, %cil no ya de resolver sino
de llevar en la cartera.5
6. $llen. 7i discurso a los graduados
Previamente a desarrollar en profundidad el concepto operativo de
causalidad en el entorno del modelado estructural es importante destacar
la lgica subyacente a este tipo de modelos. La nocin de explicacin
causal se encuentra directamente articulada sobre la nocin de necesidad
o necesario en el contexto del discurso cientfico. La nocin de necesario
se interpreta no en el sentido de que algo debe necesariamente
acontecer, sino ms bien en la idea de que algo que acontece debe de
tener necesariamente una e/plicacin. El conocimiento cientfico slo
reconoce como campo de actuacin el de aquellos acontecimientos
susceptibles de una explicacin racional, es decir, que tienen una razn
para suceder. Las cosas suceden por algn motivo, son causadas por
algo. Esta idea que es central en el pensamiento de tipo cientfico, se
encuentra en la base de la argumentacin de los modelos de covarianzas.
En definitiva la pregunta es qu variables pueden dar cuenta de los
cambios que estamos apreciando en otras variables?. En ese sentido es
destacable como la idea de necesidad no esta referida a la obligatoriedad
de que algo suceda, sino a que exista una explicacin para ello. Los
modelos estructurales de covarianzas pretenden explicar y no slo
describir.
Durkheim (1858-1917) presenta, una estrecha relacin con la
sociologa matemtica, y en especial con los modelos estructurales, tanto
en el mtodo como en la identificacin del objeto. Un ejemplo notable de
ello es su anlisis del suicidio. Se han hecho crticas muy vlidas de los
errores concretos de interpretacin y las inferencias errneas (en
particular su recurso constante a la falacia ecolgica)
18.
Por otra parte, fue
uno de los primeros en usar el anlisis multivariable, al igual que las
correspondencias externas e internas, y muchos de sus resultados se han
visto ampliamente confirmados por la investigacin posterior. H.C. Selvin,
socilogo matemtico, afirma como, especialmente en el sistema de
18
H.C. Selvin, "Durkheim's Suicide and problems of empirical search. AJS, 62, 1958,
pp.607-19. En S. Lukes, mile Durkheim, su vida y su obra, CS, Madrid, 1984, pp. 204-
205.
33
argumentacin y empleo de una aproximacin multivariante anticipadora
del anlisis causal: "Son pocos, si los hay, los trabajos posteriores que
pueden igualar la claridad y potencia con que Durkheim orden sus datos
para comprobar y afinar su teora. La grandeza de su trabajo es an ms
impresionante si se tiene en cuenta que Durkheim careci incluso de un
instrumento tan rudimentario como el coeficiente de correlacin. Con todo,
la metodologa de El suicidio sigue siendo de gran importancia para todos
aquellos que actualmente se dedican a la investigacin emprica, y no slo
para los historiadores de la sociologa. Durkheim seal y resolvi muchos
de los problemas que se plantea la investigacin hoy en da
19
.
En ese sentido, se encuentran en Durkheim tres aspectos
centrales: la bsqueda de regularidades, el empleo de mtodos formales y
su aproximacin emprica. Tal y como afirmaba en su crtica a
Jankelevitch "He aqu otro libro ms de generalidades filosficas sobre la
naturaleza de la sociedad, y de generalidades a travs de las cuales
resulta difcil percibir un conocimiento prctico, ntimo y familiar de la
realidad social. En parte alguna da el autor impresin de haber entrado en
contacto directo con los hechos de que habla, ya que las ideas generales
que desarrolla no aparecen ilustradas por ningn ejemplo concreto, ni
aplicadas a ningn problema sociolgico concreto. Por grande que pueda
ser el talento dialctico y literario de los autores, nunca se protestar lo
bastante del escndalo de un mtodo que ofende tanto como lo hace ste
a nuestras prcticas cientficas, y que, no obstante, es todava empleado
con harta frecuencia. Hoy ya no est permitido especular sobre la
naturaleza de la vida, sin antes haberse familiarizado con las tcnicas de
la biologa. En virtud de qu privilegio se ha de permitir que el filsofo
especule acerca de la sociedad, sin entrar en contacto con los hechos
sociales concretos?
20
.
Por otra parte, Durkheim aplicaba en su trabajo como socilogo los
mtodos que predicaba. Como aprecia el testimonio de un asistente a sus
conferencias "El seor Durkheim habla un lenguaje claro, preciso y, dentro
de lo posible, tcnico. Usa smbolos concretos y especificaciones
numricas. Si por ejemplo est disertando sobre la familia, emplea un
diagrama que muestra las fases sucesivas por las que ha atravesado
dicho grupo social, indicndolas con el dedo; si lo que estudia es el
suicidio, escribe en la pizarra las cifras proporcionadas por las estadsticas
oficiales. En resumen, sea cual fuere su tema, salta a la vista su esfuerzo
por expresarse con claridad. Es intil esperar de sus discursos
exhibiciones literarias o parrafadas retricas, llamadas al sentimiento o
19
bd., pp. 204-205.
20
L'Anne Sociologique, vol. X. Reseas: Jankelevitch Nature et socit, pp. 171-174.
Citado por S. Lukes, op., cit., p. 401.
34
extrapolaciones metafsicas, actitudes a las que tan bien parecen
prestarse los temas sociolgicos. Es obvio que el seor Durkheim huye de
las "frases, de las generalidades y de las grandes sntesis; que no quiere
generar "problemas ni construir sistemas. Observa los hechos, los analiza
y los explica mediante leyes. En una palabra, lo que hace no es tanto
llegar a conclusiones como registrar resultados y expresarlos en
proposiciones que califica de "frmulas en virtud de su precisin y de su
rigor. Por supuesto que el seor Durkheim es siempre elocuente y con
frecuencia hasta extremos insospechados. Cualquiera que le haya odo no
olvidar fcilmente el irresistible entusiasmo que es capaz de levantar en
su auditoria cuando quiere. Pero incluso en esos momentos lo que mueve
a estos oyentes es el enorme inters de las ideas expresadas; lo que les
excita es la intensidad del anlisis, conciso, apremiante y tendente
siempre hacia la constatacin; lo que les vence y abruma es la velocidad
de la conferencia que, concentrada y concisa, aunque prolija, est como
impaciente por llegar a su fin [.] Escuchando al seor Durkheim se tiene
la clara sensacin de que no pretende persuadir sino convencer, de que
se dirige menos a los sentimientos que a la razn humana
21
.
Como destacar Lazarsfeld (1964) "Resulta curiosa la historia de
los mtodos empricos que acabo de mencionar. Todos ellos fueron
elaborados al principio en Europa Occidental, pero las universidades de
este continente nunca los reconocieron verdaderamente. A principios de
siglo llegaron a ser preponderantes en los Estados Unidos, y de aqu se
volvieron a importar a Europa, sobre todo despus de la Segunda Guerra
Mundial
.22
Adorno (1973) planteaba la necesidad, desde el punto de vista de
la investigacin de comprender. La explicacin solamente es til cuando
se orienta a la comprensin, no puede ser un fin en s misma. La
explicacin es una va para la comprensin. Explicar para comprender. En
definitiva, saber lo que los nmeros significan evitan la ceguera de la
explicacin "per se. Adorno (1973) planteaba "As es como deben ser
entendida las consideraciones de Habermas en torno a las leyes histricas
de la evolucin, es decir, en el contexto de la inminente determinacin
objetiva de lo particular mismo. La teora dialctica se niega a contrastar el
conocimiento histrico y social como conocimiento de lo individual, ajeno
al conocimiento de las leyes, dado que lo que se considera
exclusivamente individual (la individualizacin es una categora social)
21
Delprat, G. "L'enseignement sociologique a la L'Universit de Bordeaux, Revue
Philomatique de Bordeaux et du Sud-Ouest, 3.er ao, agosto de 1900, p. 357. Citado
por S. Lukes mile Durkheim. Su vida y su obra. Madrid:CS,1984, pp. 104-105.
22
P. F. Lazarsfeld, "La investigacin social emprica y las relaciones interdisciplinarias",
Revista nternacional de Ciencias Sociales, vol. XV, (1964), p. 620.
35
lleva cruzados dentro de s algo singular y universal; incluso la necesaria
distincin entre ambos tienen carcter de una falsa abstraccin. Las
tendencias evolutivas de la sociedad, como la tendencia a la
concentracin, a la superacumulacin y a la crisis, son modelos del
proceso de lo general y singular. Hace ya mucho tiempo que la sociologa
emprica se ha dado cuenta de lo que pierde en contenido especfico por
culpa de la generalizacin estadstica. A menudo viene contenido en un
detalle algo decisivo desde el punto de vista de lo general y se escapa a la
mera generalizacin. De ah la fundamental necesidad de completar los
sondeos estadsticos por medio de "estudios de casos. El objetivo de los
mtodos sociolgicos cuantitativos debera ser, asimismo, la comprensin
cualitativa; la cuantificacin no es un fin en s misma, sino un medio para
dicho fin. Los propios tcnicos estadsticos se inclinan de mejor grado a
reconocerlo que la lgica usual de las ciencias sociales.
En palabras de Coleman
23
"Con demasiada frecuencia se
considera la sociologa matemtica como un fin en s misma, en vez de
insertarse en el contexto de los problemas que tradicionalmente han
preocupado a la sociologa. Las matemticas son una herramienta, y si
quiere ser una herramienta til para la sociologa, debe ser usada
reconociendo el estado en que la sociologa se encuentra en la
actualidad. Las llamadas a la sensatez efectuadas por muchos de los
socilogos matemticos del momento no siempre se tenan en cuenta,
producindose algunos excesos evidentes. Estos excesos, encontraron
eco de forma totalmente explcita en Coser. Especialmente destacan los
comentarios del discurso presidencial efectuado por el Lewis Coser en la
Asociacin Americana de Sociologa en 1975
24
.
La sociologa no debera de avanzar exclusivamente en las reas
donde son factibles los datos y las mediciones precisas. De hecho
observaciones cualitativas pueden generar ideas que conduzcan a
desarrollos tericos que terminen en mediciones y tratamientos
estadsticos ms refinados.
Limitar las investigaciones a las que se apoyan sobre datos
descriptivos porque se expresaran simplemente mediante tabulaciones
restringe seramente la potencia terica de los socilogos. La amenaza es
el educar a los nuevos socilogos a no preocuparse de aquellos
problemas donde es difcil conseguir datos y concentrarse en aquellos
donde s lo es. La consecuencia para la sociologa sera producir una
especie de visin de tnel por el cual algunos problemas sociales seran
23
J. S. Coleman, ntroduction.op., cit., p. 4.
24
L. A. Coser, "Presidential Address: Two methods in search of a Substance American
Sociological Review. December, vol.40 n6, (1975), pp. 691-700.
36
estudiados exhaustivamente mientras que otros prcticamente no seran
percibidos. Por otro lado, Coser adverta como la fascinacin por las
nuevas herramientas de investigacin, como era el caso de los
ordenadores, as como los nuevos procedimientos y tcnicas que permiten
una mayor precisin podan conducir a olvidar que las mediciones son
simplemente un medio para alcanzar una mejor explicacin y anlisis de
los fenmenos sociales.
En resumen, si los conceptos y las nociones tericas son dbiles
ninguna medicin por precisa que sea incrementar la capacidad
explicativa de la ciencia. La falacia de la precisin, segn Coser, consiste
en creer que es factible compensar las debilidades tericas gracias a la
fortaleza metodolgica. As, preocuparse con la precisin de las
mediciones antes de clarificar tericamente lo qu vale la pena medir y lo
qu no, as como tener claro que se est midiendo, es un camino cerrado
en el progreso de cualquier anlisis sociolgico. En ese sentido Coser
indica estar de acuerdo con el empleo de las nuevas tecnologas en la
investigacin social, pero que su mayor preocupacin procede de los
abusos de sus instrumentos, especialmente cuando se aplican
indiscriminadamente y la eleccin de los problemas para investigar
dependen de las tcnicas y procedimientos disponibles. Siguiendo la ley
del instrumento formulada por Kaplan
25
cuando afirma "Dadle a un nio un
martillo y encontrar que todo lo que est a su alcance necesita ser
golpeado. El hecho que destaca Coser, es que si bien en principio los
nuevos mtodos y tecnologas pueden ayudar a alcanzar una mayor
sofisticacin terica, se les tiende a utilizar como "ayudantes mgicos, o
como "atajos para producir teora.
El planteamiento que mantendremos aqu es la subordinacin del
lenguaje matemtico a la investigacin sociolgica, empleando sus
potencialidades para arrojar luz sobre aquellos aspectos que la sociologa
desde dentro no acaba de definir. Al mismo tiempo, hay que considerar
que surgen nuevas matemticas que tienden a seducir a los socilogos,
siempre en busca de una solucin externa a sus propios problemas. No
parece un camino sensato, en la medida que toda matemtica y
estadstica contiene una definicin del mundo oculta en sus presupuestos.
Deber ser la sociologa la que invente sus propios bagajes matemticos.
Al igual que en las ciencias naturales los cambios de explicacin del
mundo generan nuevas matemticas para hablar sobre ellos, (as como se
entretienen inventando matemticas para especular mundos) la sociologa
debe definir sus mundos e imponer sus presunciones sobre el lenguaje
que se emplee para hablar de ellos.
25
A. Kaplan, The Conduct of nquiry San Francisco, Chandler 1964, p. 28.
37
"Discuto especialmente la ra)n que sale del estudio matemtico.
las matemticas son la ciencia de la %orma y la cantidad> la ra)n
matemtica es sencillamente lgica aplicada a la observacin de la %orma
y la cantidad. La gran %alta est en pensar que a2n las verdades de lo que
se llama lgebra pura son verdades abstractas o generales. . esta
equivocacin es tan grande que me admira que se la haya admitido
universalmente. Los a/iomas matemticos no son a/iomas de valor
general. Lo que es cierto para la relacin 8de %orma y cantidad8
%recuentemente resulta %also aplicado, por e+emplo, a la moral. En esta
2ltima ciencia suele ser %also que la suma de las partes sea igual al todo.
?...B 7uchas otras verdades matemticas slo son tales dentro de los
lmites de la relacin.
"ero el matemtico, por hbito, argumenta basado en sus
verdades %initas, como si %uesen de aplicacin general, lo que la gente
admite y cree."
E. $. "oe. La carta robada
1.*. La lgica como pensamiento
El planteamiento del problema a investigar debera sugerir qu
observaciones contribuiran a ofrecer soluciones. As, en primer lugar, el
problema de investigacin debera expresar o plantear una pregunta
acerca de la relacin entre dos o ms variables (Kerlinger, 1973).
Recordemos como el principio de empirismo exiga una posibilidad de
contrastacin emprica de las afirmaciones. Esto descarta en el
establecimiento de preguntas (hiptesis) asuntos religiosos, morales o
filosficos, as como preguntas generales del tipo qu causa A?
cuales son los efectos de B?. En segundo lugar, las variables deben de
ser observables o al menos potencialmente observables. Consideremos,
en ese sentido, las siguientes preguntas:
- Producen las noticias de suicidios de personajes famosos un
incremento en los suicidios nacionales?
- Se incrementa la represin poltica en un pas cuando se
incrementa la inversin extranjera?
Las respuestas a dichas preguntas son las denominadas hiptesis,
si bien las hiptesis pueden plantearse en trminos distintos a sistemas de
relaciones como es en el caso de distribuciones de variables. Una
hiptesis viene definida como una relacin esperada, pero sin confirmar,
38
entre dos o ms variables, o una distribucin esperada. Es factible generar
hiptesis desde diferentes fuentes, que iran desde la teora, la
observacin directa, intuiciones, etc. Algunas veces, la formulacin de
hiptesis es el resultado principal de una investigacin previa, donde se
determina y define el problema. En otros casos, una hiptesis o un
conjunto de ellas puede, de forma no explcita, conducir toda una actividad
investigadora. En principio, an cuando las hiptesis pueden plantearse de
modos diferentes, todas ellas especulan acerca de la naturaleza o la
forma de una relacin entre variables. As, una hiptesis planteada
adecuadamente indicara la naturaleza de la relacin, es decir que variable
predice a la otra, as como su forma, en que modo los cambios en una
variable estn relacionados con los cambios en la otra.
La nocin de relacin es central en la tarea inductiva (cuyo eje
central es la hiptesis). No obstante, la discusin sobre la idea de
causalidad ha sido crucial durante mucho tiempo. Tal y como destacara
Stuart Mill en su Sistemas de lgica, "Siendo la nocin de causa la raz de
toda la teora de la induccin, es indispensable que esta idea sea fijada y
determinada con la mayor precisin posible al principio de nuestra
investigacin. A la verdad, si la lgica inductiva exigiese para constituirse
que las disputas tan largas y encarnizadas de las diferentes escuelas
filosficas sobre el origen y el anlisis de la idea de causalidad fuesen
decididamente terminadas, la promulgacin o, por lo menos, la adopcin
de una buena teora de la induccin podra ser considerada por mucho
tiempo como desesperada. Pero, felizmente, la ciencia de la investigacin
de la verdad por la va de la prueba es independiente de las controversias
que perturban la ciencia del espritu humano, y no est necesariamente
obligada a proseguir el anlisis de fenmenos intelectuales hasta este
ltimo lmite, que slo podra contentar a un metafsico. En ese sentido,
las hiptesis que especifican la forma de una relacin se dicen que son
testables, por que permiten, suponiendo que las variables sean medidas
adecuadamente, determinar si la hiptesis es verdadera o falsa, o al
menos si es probablemente verdadera o probablemente falsa. En la
mayora de los casos, el optar por formular una hiptesis testable en un
tipo u otro no conduce a mundos incompatibles. Existen muchos modos
de plantear hiptesis testables, si bien las ms comunes en la actividad
cientfica son las siguientes.
1. Afirmaciones planteadas "si, entonces
2. Afirmaciones planteadas matemticamente
3. Afirmaciones planteadas sobre continuidad
4. Afirmaciones planteadas sobre diferencias
39
1. "Si, entonces. Este tipo de hiptesis plantea que si un
fenmeno o condicin sucede, entonces otro suceder a su vez. Por
ejemplo, "si una persona tiene un alto nivel de educacin formal, entonces
tendr pocos prejuicios raciales. Como veremos, en lgica este tipo de
argumentos se denominan implicaciones. En resumen, una implicacin
consiste en la conexin entre dos afirmaciones simples, cada una de ellas
indicando la presencia de una categora o valor en una variable. En
investigacin social este tipo de implicaciones es bastante escasa.
2. Formulaciones matemticas. En algunas ocasiones, la hiptesis
adopta una formulacin matemtica explcita, indicando algn tipo de
relacin funcional. Por ejemplo,
y = f(x)
En cierto modo, una afirmacin matemtica es equivalente a una
implicacin lgica.
As, y = f(x) afirma "si y slo si x adopta este valor, entonces y
adoptara este otro valor.
3. Hiptesis de continuidad. Adoptara la forma "cuanto ms grande
(o menor) es X, ms grande (o menor) es Y. En definitiva, afirma que los
incrementos o decrementos en una variable (X) estn asociados con
incrementos o decrementos en otra variable (Y). Por ejemplo, "cuando los
ingresos medios familiares crecen, el consumo familiar crece.
4. Hiptesis de diferencias. Las afirmaciones de este tipo dicen que
una variable difiere (adopta un valor diferente) segn las categoras de
otra variable. Eje. "Los hombres tienen ms prejuicios que las mujeres.
Las hiptesis planteadas en trminos de continuidad o de
diferencias dependen de la presencia de variables con niveles de medicin
discretos o continuos. As, variables continuas pueden ser agregadas para
crear categoras, (ingresos altos, medios y bajos) de tal forma que la
hiptesis podr ser de diferencias o de continuidad, segn decida el
investigador. Sin embargo, cuando alguna variable en la hiptesis es
discreta dar origen a una hiptesis basada en diferencias.
Tanto las hiptesis expresadas como contnuo o en base a
diferencias, especifican claramente la forma de la relacin. Sin embargo,
ambos tipos son ambiguos acerca de la naturaleza de la relacin. Es decir,
no explicitan la posible direccin en la relacin estructural postulada entre
40
las variables. Por ello, debe cuidarse el explicitar claramente que variable
se considera causa y cual es efecto, o si la relacin es recproca, etc.
En trminos de investigacin cientfica las relaciones entre
variables se plantean realmente en trminos probabilsticos. Esto se refleja
en el uso de las palabras "tiende o "en general. Parecera ms correcto
explicitar las hiptesis con estos correctores, en la medida que advierte
sobre el carcter probabilstico de la afirmacin. En esencia, las hiptesis
se refieren a conceptos tericos y sus relaciones, si bien su
operativizacin exige, en la mayora de los casos la sustitucin de
conceptos tericos por variables.
1.+. (,plicacin y causalidad
Existe una dificultad evidente en establecer la nocin de
causalidad. En general, se consideran necesarias tres condiciones, Selltiz
et al., (1959) para que se pueda plantear la relacin de causalidad entre
dos variables. La primera es la necesaria covariacin entre las variables
que se suponen ligadas estructuralmente. La segunda de las condiciones
impone una asimetra u orden estructural (temporal) entre la variable
causa y la variable efecto. La tercera de las condiciones es algo ms
problemtica, en la medida que exige que no existan otros factores o
variables comunes que puedan explicar la covariacin de las variables que
se suponen relacionadas estructuralmente. De suceder esto, la
desaparicin de esa causa comn supondra la desaparicin de la
supuesta relacin entre causa y efecto. Es evidente que la explicacin
estructural es fuertemente dependiente de la teora. Existe un nmero
potencialmente infinito de variables (reconocidas como tal o no) que
pueden estar influenciando sobre las dos simultneamente. No existe
ningn test estadstico que pueda revelar la existencia de estas variables.
En ese sentido, la construccin de un modelo estructural supone el cierre
formal (abierto en la realidad) de un sistema. Para ello se selecciona un
conjunto finito de variables y se proponen y evalan relaciones entre ellas.
Es muy importante tener presente la contingencia del modelo.
Es especialmente importante recordar esta provisionalidad porque,
en evitacin de la parlisis investigadora, la recomendacin tal y como
seala Asher (1983) consista en operar sobre la base de que todas las
variables estn consideradas. En palabras de Blalock (1964) "no importa
cuan elaborada sea una teora, siempre es necesario establecer algunas
presunciones. Particularmente, debemos asumir hasta cierto punto que los
factores externos que afectan al modelo son estadsticamente
despreciables. La aleatorizacin puede ayudar a resolver este problema,
41
pero la plausibilidad de este tipo de presuncin simplificadora es siempre
una cuestin de grado. Como tendremos ocasin de comprobar, las
presunciones a las que alude Blalock se refieren preferentemente al error.
En trminos generales, hablaremos de causalidad cuando los
cambios en una variable (llammosle X) producen (tarde o temprano)
cambios en otras variables (llammosle Y). No obstante, es preciso
establecer una serie de aclaraciones de las condiciones en que se plantea
ese "producir" cambios en otra variable.
Estamos hablando de cambios medios. Estos cambios, al estar
referidos a grupos de individuos (o diferentes unidades de anlisis, pero
siempre conjuntos de ellas) nos lleva a hablar bsicamente de promedios
o tendencias. Es decir, que la relacin observada lo es para segmentos
mayores o menores de poblacin; esto implica que al ser promedios
puede que dicho cambio detectado no exista realmente (es decir, ninguna
unidad de anlisis se ve afectada realmente de esa forma); debe
entenderse entonces que, no slo no es obligatorio o necesario el cambio
a todas las unidades de anlisis (es bastante probable que existan
excepciones individuales o de grupos especficos de individuos), sino que
adems podra suceder perfectamente que los coeficientes de cambio que
se determinan empricamente no existan realmente en la magnitud
estimada. Una relacin causal, en este sentido, es probabilstica y no
obliga a todos (a diferencia de las leyes en una democracia, que s obliga
a todos). Cuestin diferente es el tratamiento o etiqueta con que se
identifiquen las excepciones al promedio. Las excepciones en trminos de
distribucin pueden ser casos atpicos o casos extremos.
En el diagnstico previo a cualquier anlisis estructural es
imprescindible el estudiar estos casos que se encuentran fuera de la
norma de variacin o de covariacin. Es decir, que se comportan de modo
distinto al patrn detectado en el conjunto de la poblacin para la que
poseemos datos. Existen razones para ello. Primera, validar los datos
descartando errores de medicin o grabacin. Segundo, explicarnos
porque esos casos o unidades de anlisis son distintos. Podra suceder
que dichos casos con un comportamiento extrao sean simplemente un
caso de visibilidad. El riesgo evidente es que la produccin de los datos o
de las mediciones haya excluido (o se hayan excluido) segmentos de
sociedad con un comportamiento equivalente. En ese sentido, el patrn
detectado es simplemente consecuencia de la homogeneidad producida
por la tarea de recoger informacin, lo que ha hecho ms visible a una
parte de la sociedad e invisible a otras. Es urgente explicar los casos
atpicos y extremos respondiendo a la pregunta son unidades de anlisis
en condiciones individuales particulares o representan un caso de
42
visibilidad de los segmentos sociales invisibilizados en el proceso de
traduccin de la realidad social en datos e informacin?
En cualquiera de los tres casos, error de grabacin, casos
individuales o segmentos invisibles, debe de tomarse una decisin antes
de proceder al anlisis. El motivo es evidente; los casos extremos ejercen
una influencia notable sobre los ajustes. En el caso de errores de
grabacin la solucin es quizs ms evidente, bastando con corregirlos o
suprimirlos. En las otras situaciones, una vez explicados los casos atpicos
o extremos, retirarlos del anlisis slo parece legitimo si son casos
particulares y adems hemos aprendido lo que significan con relacin al
resto de los datos. La decisin en el caso que se determine mediante
anlisis que dichos casos representan situaciones de visibilidad
excepcional de segmentos sociales (y condiciones sociales) ocultos slo
podra ser redefinir de que se esta hablando y de que no se esta
hablando. Sera inaceptable la ocultacin de los casos atpicos o extremos
y mantener la ficcin de investigar la sociedad en conjunto.
No debe olvidarse que la transformacin de la sociedad en
informacin/datos implica una traduccin de esta que aporta, a su vez,
una fuente de variabilidad. En ese sentido, la variacin, la covariacin o
cambios medios determinados entre dos variables puede verse
condicionada por el proceso de obtencin de los datos. De este modo, la
traduccin de la realidad con unas escalas y no otras, con unas variables y
no otras, con un mtodo y no otro, puede producir variabilidad en los
coeficientes sintticos y por lo tanto en los mismos cambios medios.
En esta revisin del significado de los cambios medios y sus
condiciones de existencia e interpretacin (validacin,
visibilidad/invisibilidad, casos particulares, traduccin) nos falta considerar
aquellos que siendo reales y habiendo superado todas las
consideraciones anteriores dependen de condiciones tericas para ser
definidos como parte estructural en un proceso explicativo. La relacin
emprica debe ir acompaada de una relacin lgica que le haga
verosmil. Se trata de un caso especial de relaciones espurias, donde una
estrecha relacin estadstica no responde a ninguna explicacin lgica (no
existe contigidad en el espacio terico entre las variables o conceptos
relacionados). En ese sentido, la nocin de causalidad es evidentemente
terica, en la medida que la relacin no es por si sola suficiente para
definir causalidad.
La nocin de causa es una nocin asimtrica. mplica una
ordinalidad temporal, una secuencia ordenada de covariaciones. La
covariacin entre dos variables no prueba por s sola la presencia de
43
causacin. Como ya hemos advertido, un coeficiente de covariacin
expresa la fuerza con que est asociada la variacin de dos variables,
pero no afirma nada acerca de una hipottica direccin estructural entre
ambas. Un ejemplo de ello es cuando se presentan correlaciones
espurias, es decir, asociaciones entre variables que no estn relacionadas
tericamente. Cuando no existe una relacin terica, la asimetra tiende a
ser arbitraria. En ese sentido, las covariaciones espurias sin contigidad
explicativa acostumbran a estar, a su vez, desordenadas lgicamente. La
estructuralidad u orden de una asociacin es un constructo terico, que
primero considera la asociacin entre un conjunto de variables (no otras) y
segundo establece un orden entre ellas. En resumen, el concepto de
correlacin habla de coordinacin en la variabilidad de dos variables,
mientras que el de causa lo hace de subordinacin entre ellas (es decir,
varan conjuntamente, pero una de ellas dependiendo de la otra).
Esto es importante en la medida que la nocin de estructura
implica que el ajuste emprico (determinacin de una relacin mediante
estimacin) es condicin necesaria pero no suficiente para definir
causalidad. Por el contrario, la contigidad lgica en un contexto cultural
puede llegar, errneamente, ha aceptarse tericamente como condicin
suficiente de causalidad, incluso en ausencia de evidencia emprica.
Precisamente, esa es parte de la crtica de la sociologa matemtica con
respecto a la sociologa exclusivamente terica: su tendencia a
satisfacerse con la contigidad lgica como condicin suficiente para
explicar el mundo. Recordemos que el anlisis estructural intenta explicar
la sociedad, pero en todo momento tiene el freno de lo que puede saber y
en que condiciones. Este freno a reconstruir el mundo sobre condiciones
suficientes (propio de las ideologas) y atender a las urgencias de las
condiciones necesarias es uno de los elementos centrales de la
sociologa matemtica y, evidentemente, del anlisis estructural.
Cuando en un anlisis estructural se afirma que "X" es causa de
"Y" no se afirma que "X" sea nica causa de "Y". Existirn,
probablemente, fenmenos sociales que dependern de una sola y
exclusiva causa. Sin embargo, es difcil que en un sistema tan
interconectado como es el sistema social este caso sea el ms frecuente.
Ello es cierto incluso para coeficientes de correlacin iguales a 1, donde la
relacin sea perfecta, en la medida que pueden existir otras variables que
contribuyan en explicar la variabilidad de la dependiente, coordinada con la
otra variable explicativa.
!,uando ba+# hacia las naves, acompa1ado de mis padres, mi
orgullo de guerrero haba sido despla)ado en mi nimo por una intolerable
sensacin de hasto, de vaco interior, de descontento de m mismo. .
44
cuando los timoneles hubieron ale+ado las naves de la playa con sus
%uertes p#rtigas, y se endere)aron los mstiles entre las %ilas de remeros,
supe que haban terminado las horas de alardes, de e/cesos, de regalos,
que preceden las partidas de soldados hacia los campos de batalla. Haba
pasado el tiempo de las guirnaldas, las coronas de laurel, el vino en cada
casa, la envidia de los cani+os, y el %avor de las mu+eres. $hora, seran las
dianas, el lodo, el pan llovido, la arrogancia de los +e%es, la sangre
derramada por error, la cangrena que huele a almbares in%ectos. <o
estaba tan seguro ya de que mi valor acrecera la grande)a y la dicha de
los acaienos de largas cabelleras. ;n soldado vie+o que iba a la guerra por
o%icio, sin ms entusiasmo que el trasquilador de ove+as que camina hacia
el establo, andaba contando ya, a quien quisiera escucharlo, que Elena de
Esparta viva muy gustosa en (roya, y que cuando se re%ocilaba en el
lecho de "aris sus estertores de go)o encendan las me+illas de las
vrgenes que moraban en el palacio de "ramo. *e deca que toda la
historia del doloroso cautiverio de la hi+a de Leda, o%endida y humillada por
los troyanos, era mera propaganda de guerra, alentada por $gamemnn,
con el asentimiento de 7enelao. En realidad, detrs de la empresa que se
escudaba con tan elevados propsitos, haba muchos negocios que en
nada bene%iciaran a los combatientes de poco ms o menos. *e trataba
sobre todo 8a%irmaba el vie+o soldado8 de vender ms al%arera, ms telas,
ms vasos con escenas de carreras de carros, y de abrirse nuevos
caminos hacia las gentes asiticas, amantes de trueques, acabndose de
una ve) con la competencia troyana. La nave, demasiado cargada de
harina y de hombres, bogaba despacio. ,ontempl# largamente las casas
de mi pueblo, a las que el sol daba de %rente. (ena ganas de llorar. 7e
quit# el casco y ocult# mis o+os tras de las crines enhiestas de la cimera
que tanto traba+o me hubiera costado redondear 8a seme+an)a de las
cimeras magn%icas de quienes podan encargar sus equipos de guerra a
los artesanos de gran estilo, y que, por cierto, via+aban en la nave ms
velera y de mayor eslora."
$. ,arpentier. *eme+ante a la noche
Como casi siempre, ser desde la interpretacin que ofrezca la
teora como se resolvern las cuestiones de dependencia. Recordando
nuevamente el aspecto central, en un modelo estructural se presume
implcitamente que las causas no son nicas, y precisamente la
importancia del residual (perturbacin) en una relacin indicar la
importancia, en cantidad y calidad, de las variables que no estn
presentes en el modelo.
Los modelos sociolgicos son porosos a la realidad que los rodea.
Esto nos conduce al concepto de "Control. La nocin de control es
45
posiblemente la ms alejada de la prctica de la investigacin sociolgica.
La idea central es la necesidad de controlar el mximo de factores que
puedan estar influenciando el proceso o fenmeno en observacin. De
este modo, es factible atribuir de forma nica la explicacin de la
variabilidad observada. En ciencias naturales nos conduce directamente a
los diseos experimentales. En Ciencias Sociales la psicologa ha sido,
probablemente, la disciplina que ms se plantea el empleo de este tipo de
diseos. En sociologa, estos estn, evidentemente vedados. La
investigacin sociolgica se centra sobre todo en los diseos
correlacionales y en todo caso, en los diseos cuasi-experimentales. En
ese sentido, hablar de control es hablar de errores en la investigacin. No
obstante, eliminar todos los sesgos es prcticamente imposible, dado que
el lenguaje mismo estructura nuestra percepcin del mundo. Los sesgos
alcanzan incluso a la seleccin de los problemas para investigar o las
mismas estrategias utilizadas.
En el caso de la investigacin experimental, existen diversos
procedimientos empleados en el transcurso de la investigacin destinados
a minimizar los errores. As, la asignacin aleatoria a grupos
experimentales. Es importante recordar que el tipo de diseo de
investigacin empleado afecta a la aplicacin de tcnicas de anlisis. Por
ejemplo, los problemas del anlisis de varianza con dos factores o ms,
empleando datos de encuestas, y por ello con casos desiguales en cada
celdilla. Este ideal de control del proceso de investigacin es una
referencia importante en la actividad denominada ciencia. El empleo de los
procedimientos de control elimina las explicaciones confusas de los
sucesos en estudio, y es uno de los rasgos principales por el que difiere el
conocimiento cientfico del casual. Mientras que el investigador puede
disear estudios para recoger informacin y testar determinadas
explicaciones o respuestas, los hallazgos estn frecuentemente abiertos a
diferentes interpretaciones. La idea de control pretende emplear
procedimientos que efectivamente descarte aquellas explicaciones que
realmente no son coherentes con la informacin. En el caso de la
investigacin sociolgica, el control es muy limitado y se reduce, en el
caso de la investigacin cuantitativa, a control estadstico.
Los datos que provienen de diseos no experimentales aportan
evidencias menos concluyentes que aquellos otros que se obtienen de
diseos experimentales. Uno de los motivos por los que la evidencia es
ms slida en trminos experimentales que en no experimentales viene
dado por el hecho de que en diseos experimentales existe un control
sobre las fuentes de variabilidad. Es decir, al mutilar o aislar el sistema de
relaciones, la atribucin a las variables de control de la variabilidad
apreciada en las variables dependientes es neta, dado que se intenta que
46
no existan otras fuentes de variabilidad que influyan. Sin embargo, en
investigacin sociolgica, los sistemas estructurales se ajustan sobre
datos que provienen de contextos permeables a la realidad que le rodea
(variables no incluidas en el anlisis, variables desconocidas). Esto implica
que la permeabilidad de la informacin y su sensibilidad a factores no
controlados obliga a un escrutinio minucioso de la variacin no explicada.
Dentro del mtodo cientfico, el mtodo correlacional es una alternativa al
mtodo experimental siempre y cuando se acepten y reconozcan sus
limitaciones.
Como resumen, para que se pueda afirmar la nocin de
causalidad, es decir, que las variaciones en una variable (X) causan las
variaciones en otra (Y), deben de estar presentes tres condiciones:
(1) La variable que se considera causa (X) debe
preceder temporalmente/lgicamente a la variable efecto (Y).
(criterio de asimetra)
(2) Las variables que se consideran causa (X) y efecto
(Y) deben de covariar. (coordinacin estadstica)
(3) No deben existir explicaciones alternativas que, de
un modo satisfactorio, den cuenta terica de la covariacin
observada entre X e Y (criterio de control desde la perspectiva
correlacional).
1.-. La determinacin terica del orden e,plicati$o.
Como hemos mencionado anteriormente, consideradas dos
variables, stas pueden mostrar una coordinacin estadstica de tal forma
que covaran. Sobre dicha coordinacin observada puede articularse una
relacin terica de subordinacin entre ellas, donde una caracterstica
correspondiente a un caso (sea entrevistado, pas, en definitiva, unidad de
anlisis) cambia de valor en funcin a los valores que adopte otra
caracterstica diferente. Por ejemplo, horas de ver televisin en funcin de
ingresos. Probablemente, existe un umbral de ingresos donde otros ocios
reemplazan las horas de televisin. Por lo tanto, de existir correlacin
estadstica, las horas de televisin est subordinada a los ingresos o renta
disponible del entrevistado.
Parece evidente que el orden de subordinacin que se establezca
entre dos variables se "construye" sobre la existencia de covariacin entre
sus valores. De no existir covariacin estadstica, la subordinacin
47
(relacin estructural) entre variables pierde fundamento emprico.
Analticamente, podemos diferenciar cuatro posibilidades en ese orden
estructural para el caso de dos variables
26
:
(1) y
1
y
2
En este caso, "y
1
" puede influir en "y
2
" pero no lo contrario.
(2) y
1
y
2
En este segundo caso, "y
2
" es la que influye en la variabilidad de
"y
1
", siendo imposible, tericamente lo contrario.
(3) y
1
y
2
Aqu las variables "y1" e "y2" se influyen mutuamente, donde se
retroalimentan en su variacin. Por ejemplo, los presupuestos de defensa
de USA e URSS durante la guerra fra.
(4) y
1
y
2
"y
1
" e "y
2
" presentan una coordinacin estadstica, sobre la que no
presumimos ningn orden terico. Bsicamente, existe una covariacin no
explicada.
En el momento de construir la secuencia de relacin entre
variables sobre la base del criterio de subordinacin lgica pueden surgir
problemas importantes. Algunos de ellos slo se resolvern desde la
aceptacin de una teora previa, especialmente en el caso de variables
que acostumbran a ser de naturaleza exgena (como entre Religin e
deologa poltica). No obstante, es posible establecer unas orientaciones
metodolgicas para la determinacin terica del orden estructural.
La nocin de orden estructural se establece habitualmente sobre la
de "tiempo". Esencialmente, se resume en la afirmacin "lo que sucede
despus no puede causar lo que sucedi antes". Si algo cambia, lo hace
en funcin de un cambio previo en la variable de la que depende. Si
26
Hemos notado la relacin mediante una flecha, es decir, mediante un grafo orientado.
Cuando la relacin de subordinacin es unidireccional implicar un slo grafo orientado,
cuando es una relacin de interdependencia sern dos grafos, cada uno de ellos
indicando una direccin opuesta. En el caso de coordinacin estadstica, sin relacin de
dependencia, se expresa mediante un grafo con dos cabezas de flecha.
48
instrumentamos la determinacin del orden estructural en funcin a qu
variable cambia primero, debemos operativizar esta secuencia temporal.
Es til pensar que las variables tienen una fecha de "inicio" (o de
fabricacin) y otra de "trmino". As, la fecha de inicio de una variable es el
momento antes del cual no puede existir valor para esa variable. La fecha
de trmino de una variable es el momento tras el que no existen cambios
de valor posible. Por ejemplo, la variable "participar en la ltima Guerra
Civil espaola", tiene una fecha de inicio en 1936, y de terminacin en
1939. Antes de 1936 no exista valor ni variable, despus de 1939 el valor
que posea cada caso es fijo (s o no). Siguiendo este criterio de inicio y
trmino de una variable (cuando esto es posible) es factible el establecer
una serie de reglas para determinar el orden estructural entre variables
(all donde la teora no prescriban un orden de subordinacin en la
covariacin).
a. Consideremos que y
2
varia en funcin de y
1
cuando la variable
y
2
tiene una fecha de inicio posterior a la fecha de terminacin de y
1
. Por
ejemplo, la variable "actitud hacia la entrada de Espaa en la OTAN" y
"participacin en la ltima Guerra Civil espaola". La opinin de los
espaoles acerca de la entrada de Espaa en la OTAN, variar en funcin
a su participacin en la Guerra Civil, dado que la fecha de inicio (entrada
de Espaa en la OTAN) es posterior a la de terminacin de "participacin
en la ltima Guerra Civil espaola"
27
.
b. Podemos considerar que y
2
depende de y
1
cuando la variable y
1
se vincula a un paso, etapa o momento anterior de y
2
, dentro de una
secuencia temporal bien conocida. Un ejemplo de secuencia en sociologa
es el ciclo vital, donde se describe una trayectoria vital que es seguida por
la mayora de los que viven en una sociedad. As, la secuencia vendra a
ser, esquemticamente,
(1) caractersticas de la familia donde se crece
(2) educacin escolar
(3) primer trabajo a tiempo completo
(4) primer matrimonio
(5) nacimiento de hijos
(6) disolucin de matrimonio por divorcio o muerte.
27
La anticipacin de una variable (es decir, pensar sobre su comportamiento futuro,
puede hacer variar otra que le antecede temporalmente. Sin embargo, hay que
considerar que la variable "anticipacin de y
2
" es una variable distinta y anterior a la
variable "y
2
".
49
Y as continuadamente, concretndose tanto como el investigador
desee.
De hecho, el ciclo vital de un individuo se trenza, por as decirlo,
con el de sus padres y sus propios hijos o su entorno social. De este modo
prcticamente todo aquello que acontece en el ciclo vital de un individuo,
se podra hacer depender, tericamente, del entorno familiar en que este
desarrolla su personalidad y sus costumbres, as sucesivamente.
c. Otro criterio es cuando una de las variables posee valores o
atributos que se pueden considerar definitivos para cada individuo,
mientras que la otra registra la posibilidad de que un individuo cambie de
valor o atributo. Por ejemplo, una variable en la que difcilmente se cambia
de valor es la variable gnero, y de hecho esta variable se emplea
habitualmente para explicar la variacin de otras variables sociolgicas.
d. Otra regla, que ms bien es una orientacin, afirma que si los
valores o atributos que cada individuo o caso tiene registrado en una
variable y
1
son relativamente estables, lentos de cambiar, mientras que los
valores que registra otra variable y
2
son voltiles o poco estables, y
2
depender normalmente de y
1
. As por ejemplo, si las variables son
"preferencias religiosas" y "opinin sobre el gobierno", probablemente la
segunda depender de la primera.
Es difcil infravalorar la importancia que posee una correcta
especificacin del modelo, tanto por sus consecuencias tericas como por
la prima de ajuste que se obtendr al postular relaciones con probabilidad
de ocurrir. Estas orientaciones anteriores ayudan a establecer con mayor
consistencia el orden estructural, en el sentido de postular una direccin
estructural, bidireccionalidad o simple coordinacin estadstica sin
determinacin de orden.
1./. La argumentacin
El proceso de razonamiento en la ciencia consiste en intentar
obtener conclusiones acerca del orden que exista en el mundo emprico
en base a evidencias observacionales. Para ello, la herramienta es la
lgica. La lgica es un lenguaje formalizado con vida propia, tal y como
sucede con las matemticas. En ese sentido, contiene sus propios
demonios y limitaciones cuando se trata de "hablar sobre la sociedad. Tal
y como destaca Adorno "Sin proponrselo, niega precisamente la
complejidad de las situaciones sociales tal y como stas vienen indicadas
por trmino hoy tan excesivamente solicitados como los de alienacin,
50
cosificacin, funcionalidad y estructura. El mtodo lgico de reduccin a
elementos, a partir de los cuales se edifica lo social, elimina virtualmente
las contradicciones objetivas. En ese sentido, la lgica estudia la relacin
entre evidencias y conclusiones (Salmon, 1973), pero la forma de empleo
de las evidencias (trminos relacionados) es anterior a la evaluacin de la
argumentacin. Una vez efectuada una inferencia, la lgica puede
decirnos si sta es correcta o no. En otras palabras, si las evidencias
justifican las conclusiones. Es una operacin mecnica, que analiza la
estructura del argumento, no los genera.
Esta presentacin de la lgica es bastante selectiva y supone
bsicamente una introduccin de la cuestin. Siguiendo a Wheelwright
(1962) entendemos que los elementos fundamentales del anlisis lgico
consisten en trminos, proposiciones y argumentos.
(#rminos:- Los "trminos son los elementos ms simples del
anlisis lgico. Pueden venir dados por una palabra o una frase. Un
trmino no es por s mismo falso o verdadero. Podemos entender o
comprender un trmino pero no afirmarlo o negarlo. En ese sentido,
trmino es anlogo a concepto en investigacin y, al igual que estos, son
evaluados por su significado.
"roposicinC8 Es un juicio expresado acerca de un trmino o
trminos. Desde un punto de vista gramatical es un aserto. A diferencia de
los trminos, las proposiciones son por definicin verdaderas o falsas.
Existen diferentes tipos de proposiciones en anlisis lgico. La lgica
tradicional se ocupaba principalmente de las denominadas proposiciones
categricas. Un tipo de proposicin con un inters especial para la
investigacin social son las denominadas proposiciones hipotticas o
condicionales. Bsicamente, una proposicin condicional consiste en dos
afirmaciones unidas por las preposiciones "si y "entonces. Por ejemplo,
"Si estamos en 1995, entonces la bomba atmica existe. Ejemplos de
estos son "todos los hombres son mortales" o "ningn efecto existe sin
causa". Otros dos tipos de proposiciones bastante comunes son
"disyuntivas" o "conjuntivas". Tal y como destacaba Wittgenstein en el
Tratado lgico-filosfico, "Las proposiciones lgicas describen la armazn
del mundo, o, mejor, la presentan. No "tratan de nada, presuponen que
los nombres tienen significado, y las proposiciones elementales, sentido; y
sta es su conexin con el mundo. Es claro que debe manifestar algo
sobre el mundo el hecho de que resulten tautologas de uniones de
smbolos que tienen esencialmente un carcter determinado. Este es el
punto decisivo. Decimos que, en los smbolos que utilizamos, algunas
cosas son arbitrarias y otras no. La lgica expresa solamente esto ltimo;
pero esto significa que en lgica nosotros no expresamos por medio de
51
signos lo que queremos, sino que en lgica habla la naturaleza misma de
los signos esencialmente necesarios. Si nosotros conocemos la sintaxis
lgica de un lenguaje de signos cualquiera, entonces todas las
proposiciones de la lgica estn ya dadas.
En una proposicin condicional la parte introducida por el "si es
denominada antecedente y la expresin que sigue a "entonces es
llamada consecuente. As, en nuestro ejemplo, "Si estamos en 1995,
entonces la bomba atmica existe, "Si estamos en 1995 es el
antecedente y el consecuente ser "entonces la bomba atmica existe.
Una proposicin condicional afirma que el antecedente implica el
consecuente. Si el antecedente es verdadero, el consecuente tambin lo
es. No obstante, dentro de esta situacin pueden plantearse diferentes
tipos de relaciones entre antecedente y consecuente. Una relacin es, por
ejemplo, de tipo definicional, donde la verdad del consecuente se deriva
en tanto que es parte (es decir, est contenida) en la definicin del
antecedente. As, "Si esta sociedad est econmicamente desarrollada
entonces su producto interior bruto es muy alto. En este tipo de
proposicin condicional el consecuente es parte de la definicin operativa
del antecedente.
Otra interpretacin importante para la investigacin cientfica es la
lectura de la relacin "Si, entonces como una conexin causal. "Si se
rompen los vnculos emocionales de pertenencia al grupo, entonces se
incrementaran las tasas de suicidio. Este tipo de proposicin no valida el
consecuente desde un punto de vista conceptual. La verdad de esta
proposicin condicional debe ser establecida empricamente.
$rgumentosC8 Desde el punto de vista de la lgica, un argumento
es un conjunto de proposiciones, una de las cuales se presume que se
infiere necesariamente o probablemente de las dems. En principio, una
vez que se efecta un razonamiento, este puede ser explicitado en la
forma del argumento, donde una afirmacin sigue a otra hasta concluir en
una ltima afirmacin. La afirmacin ltima que concluimos se denomina
conclusin, mientras que las diferentes afirmaciones que se ofrecen para
aceptar la conclusin se denominan premisas.
El principal tipo de argumento estudiado por los lgicos es el
silogismo. Los silogismos son argumentos compuestos por tres
proposiciones: dos premisas y una conclusin, que se infiere lgicamente
desde las primeras. As,
52
Todos los hombres viven en una cultura,
los socilogos son hombres,
luego, los socilogos viven en una cultura.
Evidentemente, el argumento que subyace a un razonamiento
puede contener ms de tres proposiciones, pero argumentos ms largos
pueden ser descompuestos en series de silogismos, por lo que el
silogismo puede considerarse la unidad bsica del anlisis lgico. As,
para analizar la lgica de un razonamiento cientfico debemos identificar
en primer lugar la estructura silogstica del razonamiento y,
posteriormente, examinar los silogismos con respecto a su validez o
invalidez. La validez de un silogismo depende slo de la relacin entre
premisas y conclusin. En un silogismo valido se presenta la siguiente
relacin entre premisas y conclusiones. Si las premisas son verdaderas,
entonces la conclusin debe tambin ser verdad. No se plantea si las tres
afirmaciones son verdaderas o no realmente, sino que si las premisas lo
fuesen, la conclusin lo sera a su vez. Por ello, un silogismo valido en su
estructura puede contener proposiciones falsas en la realidad, e
inversamente, un silogismo invlido en su estructura puede estar
compuesto de afirmaciones ciertas.
Debe quedar claro que la validez de un silogismo no depende de la
verdad de sus premisas. En ese sentido, la lgica como disciplina posee
una aplicacin ms amplia que las definidas por la actividad cientfica, en
la medida que se puede analizar argumentos independientemente de si
dicen algo acerca de la realidad. En resumen, los argumentos,
proposiciones y trminos son considerados desde planteamientos
diferentes.
$rgumento: validez segn la estructura del razonamiento
"roposiciones: verdad, en base a evidencias empricas
(#rminos: evaluacin de su significado; operativizacin del concepto.
Es decir, los trminos son evaluados por su significado, las
proposiciones por su verdad y los argumentos (silogismos) lo son en su
validez (Wheelwright, 1962). La actividad cientfica, en todos sus campos,
intenta establecer un conocimiento acerca del mundo emprico. Ello
implica que para afirmar sus conclusiones acerca de la realidad debe
evaluarse la verdad que contienen sus afirmaciones (correspondencia
entre ellas y las evidencias empricas observadas) as como la validez de
sus argumentos (Salmon, 1973). Podramos afirmar que no slo debe
preocupar la validez del argumento, o la verdad de las proposiciones, sino
que la preocupacin de la actividad cientfica debe ampliarse hasta los
53
mismos trminos, en base a definiciones operativizables de los conceptos
utilizados.
Los argumentos, o en definitiva, los razonamientos se
acostumbran a clasificar en dos tipos principales: deduccin e induccin.
No obstante, con bastante frecuencia desde Pierce aparece un tercer tipo
denominado abduccin. Desde el punto de vista clasificatorio de la
codificacin o fortaleza del anlisis lgico, la mayor contundencia
corresponde al anlisis lgico deductivo, siendo ms dbil el inductivo y
especialmente dbil el abductivo, ms ligado a la teora del
descubrimiento. As, una de las diferencias esenciales viene dada por el
grado de certeza con que puede afirmarse la conclusin en base a las
premisas. En el caso del razonamiento deductivo, si el argumento es
lgicamente valido la conclusin ser necesariamente verdadera si las
premisas lo son. Cuando se razona desde una lgica inductiva, o ms an
desde una abductiva, podemos afirmar que la conclusin es
probablemente cierta (pero no necesariamente) en el caso que las
premisas sean ciertas a su vez.
En el caso deductivo sera inconsistente negar la conclusin si las
premisas son ciertas, dado que en sta no existe nada que no se afirmara
previamente. En el caso de la induccin, es factible que la conclusin sea
falsa an cuando las premisas sean ciertas, dado que la informacin
contenida en la conclusin va ms all de la afirmada en las premisas. As,
en trminos de argumentacin, una deduccin es valida o invalida, pero no
existe punto intermedio.
Comprobacin de validez en argumentos deductivos. Existen
mtodos ms sofisticados para testar la validez de una forma argumental,
como son diagramas de Venn, reglas silogsticas o tablas de verdad.
Podr profundizarse en el tema a travs de cualquier manual de lgica
formal o simblica.
Un argumento inductivo puede aceptarse o no como convincente
en funcin de la probabilidad que posea la conclusin de ser verdadera
dadas las evidencias que aportan las premisas. Nos encontramos ante
dos procedimientos argumentales que no son excluyentes, sino que son
aplicables dinmicamente en la actividad cientfica, generando inducciones
desde datos empricos y planteando desde ellas deducciones
confirmatorias que busquen ms evidencias empricas.
Como hemos advertido, la validez de un argumento deductivo
depende de la relacin entre premisas y conclusiones. Veamos
seguidamente algunas estructuras argumentales frecuentes en el
54
razonamiento cientfico. Una primera tarea es determinar un sistema de
notacin. Usualmente se substituyen las afirmaciones que constituyen el
argumento mediante letras. Siendo "p, "q y "r afirmaciones cualquiera,
las siguientes son tres formas argumentales validas referidas a
proposiciones condicionales (si, entonces).
1. Afirmacin de antecedente
Si p, entonces q.
p.
Luego q.
2. Negacin de consecuente
Si p, entonces q.
No q.
Luego no p.
3. Cadena argumental
Si p, entonces q.
Si q, entonces r.
Luego si p, entonces r.
Obsrvese de dnde procede el nombre de las formas
argumentales. En la forma "afirmar el antecedente, la primera premisa es
una proposicin condicional, la segunda premisa afirma el antecedente de
este condicional. La forma "negar el consecuente, siendo la primera
premisa una afirmacin condicional, la segunda premisa niega el
consecuente. En la forma cadena argumental, dos premisas se vinculan
(como en una cadena) mediante una afirmacin comn que es
consecuente de la primera y antecedente de la segunda. Es factible
generar cadenas argumentales tan largas como se quiera, siguiendo la
mecnica explicitada, dnde el consecuente de una premisa es a su vez el
antecedente de la siguiente, teniendo la conclusin el antecedente de la
primera premisa, y como consecuente el de la ultima premisa.
Las formas argumentales invlidas son denominadas falacias. las
siguientes falacias son bastantes frecuentes.
1. Falacia de afirmar el consecuente
Si p, entonces q.
q.
Luego p.
55
2. Falacia de negar el antecedente
Si p, entonces q.
No p.
Luego no q.
Ambos argumentos son invlidos porque es factible que las
premisas sean ciertas y la conclusin falsa. Generalmente las falacias
vienen dadas por combinaciones peculiares de falsedad y verdad en las
premisas y las conclusiones. Manheim (1977) ofrece un resumen de varias
combinaciones de premisas falsas y verdaderas, argumentos validos e
invlidos, as como de conclusiones falsas y verdaderas.
1. Si todas las premisas son verdaderas y el argumento es valido,
la conclusin debe ser verdad.
2. Si todas las premisas son verdad y la conclusin falsa, el
argumento debe ser invlido.
3. Si el argumento es valido y la conclusin es falsa, al menos una
premisa debe ser falsa.
En todo caso, el mejor mtodo para evitar posibles confusiones es
determinar la validez de un argumento deductivo evaluando su forma. La
utilidad del anlisis lgico se revela en la evaluacin de teoras. Para ello,
es necesario descomponerlas en series de proposiciones y,
posteriormente organizar las proposiciones en argumentos, determinando
posteriormente su validez. Este procedimiento facilita no slo su
validacin lgica, sino tambin la operativizacin de forma explcita de
aquello que se propone (aquello que es comprobable y aquello que no lo
es); asimismo, ayuda a detectar posibles contradicciones o presunciones
implcitas.
1.0. Los argumentos inducti$os
Como afirmamos anteriormente, mediante la induccin
pretendemos llegar a conclusiones que exceden la informacin contenida
en las premisas. Dado que un presupuesto de la ciencia es su intencin
abstraer y generalizar, es decir determinar patrones regulares que
subsumen la variabilidad de las observaciones particulares, la induccin es
una herramienta necesaria. En la induccin nos interesamos, como
hiciramos con la deduccin, por la relacin existente entre las premisas y
las conclusiones. Sin embargo, analizar un razonamiento inductivo es
mucho ms complicado dado que debe evaluarse el grado en que las
56
premisas soportan las conclusiones; an cuando las premisas de un
argumento inductivo correcto sean verdaderas, la conclusin solamente
puede ser probablemente verdadera.
Vamos a aproximarnos al problema de la lgica inductiva en dos
enfoques complementarios. En primer lugar, el razonamiento inductivo en
tanto que parte del proceso de generalizacin inductiva que forma parte
de la propuesta de explicaciones cientficas, es decir desde la ptica
exploratoria, y en segundo lugar el papel de la induccin en el testado de
hiptesis ya preexistentes, de acuerdo al mtodo hipottico deductivo.
1) La generalizacin inductiva afirma algo acerca de una clase
entera de objetos o sucesos, en base a informacin sobre una parte de la
clase. Por ejemplo, sobre la base de diez observaciones, por ejemplo diez
sindicalistas afiliados a un partido poltico, podemos inducir que todos los
sindicalistas estn afiliados a ese partido poltico. Expresado ms
formalmente:
Todos los miembros observados de p son q
luego, todos los p son q.
Esta parece ser una conclusin aceptable cuando todos los casos
observados presentan las mismas caractersticas. Ello recordando que no
afirmamos algo acerca de lo que conocemos, de los casos observados,
sino tambin de los casos que desconocemos. No obstante, un caso ms
complicado se presenta cuando afirmamos que un porcentaje de los
casos observados presentan una caracterstica, e inferimos que un
porcentaje semejante de la clase total poseer dicha caracterstica. Por
ejemplo, si el 80% de los sindicalistas observados estn afiliados a un
partido poltico, inferimos que un porcentaje equivalente (el 80%) de todos
los sindicalistas (incluidos lo no observados, evidentemente) estn
afiliados a ese partido poltico; la diferencia con el primer argumento es
que en l un 100% de los casos observados posean una determinada
caracterstica y por lo tanto ese 100% se trasformaba en "todos para el
resto de la clase. En este segundo caso contamos con una fraccin de
ese todo, con lo que se abre la puerta a una incertidumbre. Por ello, la
induccin nos permite afirmar:
El 80% de los miembros observados de p son q
luego, el 80% de p son q.
Como en todas las inferencias inductivas, las generalizaciones
inductivas van ms all de los hechos observados, considerando que no
se observa toda la poblacin. Por ello, lo mejor que se puede decir de
57
ellos es que son probablemente ciertos. En cierto modo, nos estamos
refiriendo, si bien desde el mbito de la induccin lgica, a los mismos
problemas que se consideran en el mbito de la teora del muestreo,
donde desde un subconjunto de casos particulares establecemos un
marco de probabilidades a partir del cual se les confieren las atribuciones
del conjunto ms amplio y desconocido de casos al que pertenece.
Precisamente esta proximidad a la teora del muestreo hace que
algunos argumentos inductivos sean ms slidos que otros. En principio,
la solidez de un argumento inductivo depende de lo razonable que sea
suponer que los elementos observados (pertenecientes a una
determinada clase) sean representativos de la clase completa. Toda
aquella estrategia que garantice la similitud entre clase total y
observaciones tendera a apoyar la solidez de un argumento inductivo.
Barker (1974), sugiere las siguientes reflexiones.
En general, cuanto ms parecidas sean las observaciones, en
caractersticas diferentes a las evaluadas, ms dbil ser la inferencia. Es
decir, si los casos son homogneos en muchas caractersticas, tendern a
parecer casos particulares dentro de una clase total ms diversa. De ello
se puede afirmar lo contrario, cuanto ms diversos son los casos, es decir,
heterogneos en caractersticas diferentes a la considerada, ms slido
ser el argumento inductivo.
Asimismo, en principio, cuanto mayor sea el nmero de
observaciones que apoyan la influencia, ms slido es el argumento,
siempre que se suponga una asociacin entre el incremento del nmero
de casos y el incremento de la heterogeneidad.
Otro criterio importante es que cuanto ms vinculada este la
hiptesis con otras de importancia para el rea de conocimiento, ms
slido ser el argumento. As, si postulamos una hiptesis entre
sindicalismo y partidos polticos, podra estar relacionada con otras sobre
ideologa poltica y posicionamiento social. En todo caso, cuanto ms
amplia o extensa es la generalizacin menor ser la probabilidad de ser
aceptada, y su argumentacin ser ms dbil. As, para el caso de "todos
los sindicalistas son .... su probabilidad de ser aceptada es baja. Si se
restringe la generalizacin a slo un segmento, por ejemplo, "todos los
sindicalistas del metal en la ciudad de ... el argumento tendr ms
probabilidades de ser aceptado. En relacin a ello, lo habitual es que
cuanta ms precisin se invoque en el argumento, este se entender
como ms improbable; as en "el 80,5% de los sindicalistas estn
afiliados... en tanto que afirmacin basada sobre una muestra es mucho
ms dbil que "la mayora de los sindicalistas.....
58
En definitiva, para evaluar la fuerza de un argumento inductivo,
deben de considerarse los cinco factores mencionados de modo conjunto.
As, hay que apreciar el nmero de observaciones que da pie a la
induccin, en conjuncin con el grado de igualdad o desigualdad de dichos
casos, el alcance y la precisin de la generalizacin inductiva, y todo ello
en relacin al conocimiento establecido con anterioridad.
La actividad cientfica se apoya en gran medida en la produccin
de generalizaciones empricas en base a este tipo de induccin.
Constituye la zona abierta del conocimiento basado en la observacin de
la realidad. Hume en su "Tratado de la naturaleza humana planteaba la
relacin entre hiptesis y probabilidad en los siguientes trminos; "la
probabilidad, como no descubre las relaciones de las ideas consideradas
como tales, sino nicamente las de los objetos, tiene, en algunos
aspectos, que fundarse en las impresiones de la memoria y de los
sentidos, y en otros, en nuestras ideas. Si no hubiese mezcla de impresin
alguna en nuestros razonamientos probables, la conclusin sera
completamente quimrica; y si no hubiese mezcla de ideas, la accin de la
mente, al observar la relacin, sera, propiamente hablando, sensacin, no
razonamiento. Es, por lo tanto, necesario que en todo razonamiento
probable haya algo presente a la mente, o visto o recordado; y que de eso
nosotros infiramos algo que est en conexin con ello, que no ha sido
visto ni recordado.
La nica conexin o relacin de objetos que puede conducirnos
ms all de las impresiones de la memoria y de los sentidos es la de
causa y efecto, y ello porque sa es la nica en la cual podemos fundar
una inferencia cierta de un objeto a otro. Las ideas de causa y efecto se
derivan de la experiencia, la cual nos informa que tales objetos
particulares han estado unidos, en todos los casos pasados, el uno al otro;
y como se supone que un objeto semejante a uno de ellos est
inmediatamente presente en su impresin, de ah nosotros presumimos la
existencia de uno semejante a su acompaante habitual. Segn esta
explicacin, que es, creo, incuestionable en cada uno de sus puntos, la
probabilidad se funda en la presuncin de una semejanza entre aquellos
objetos de los cuales hemos tenido experiencia y aquellos de los que no
hemos tenido ninguna, y, por lo tanto, es imposible que tal presuncin se
origine de la probabilidad. El mismo principio no puede ser a la vez causa
y efecto de otra cosa, y sta es, tal vez, la nica proposicin sobre esta
relacin que es cierta o intuitivamente o por demostracin. No debemos
olvidar que las hiptesis constituyen, en definitiva, intentos de
explicaciones de fenmenos sociales.
59
1.1. (l testado de 2iptesis
El mtodo hipottico-deductivo es la clave principal del testado de
hiptesis dentro del marco de una teora cientfica. Su nombre podra
provocar desconcierto, en la medida que se est considerando el mtodo
inductivo.
Hipottico implica que las explicaciones cientficas testadas son
"hiptesis en el sentido que se postula su verdad, si bien no existe certeza
de ello. Una vez que una explicacin es entendida como una hiptesis, se
deduce sus posibles consecuencias en trminos observables, a efectos de
testado. De ese modo, formar hiptesis y deducir las consecuencias que
se derivan de dichas hiptesis, constituyen los dos primeros pasos de los
cuatro que constituyen el ncleo del mtodo hipottico-deductivo. El tercer
paso consiste en comprobar las observaciones para ver si las
consecuencias deducidas se cumplen, siendo el cuarto y ltimo en
efectuar inferencias acerca de las hiptesis en base a las observaciones.
Estas inferencias tendrn un tratamiento lgico diferente segn verifiquen
o falseen, como tendremos ocasin de comprobar. Desde el punto de
vista del anlisis lgico, nos interesan especialmente los pasos uno
(formulacin de hiptesis), dos (deduccin lgica de consecuencias) y
cuatro (inferencias desde los datos), si bien en el mbito inductivo
importan el uno y dos.
El primer paso consiste en generar explicaciones (hiptesis), que
puedan explicar un conjunto de fenmenos sociales. Si seguimos a E.
Durkheim, podemos considerar una serie de asociaciones:
Los viudos y divorciados cometen ms suicidios que los casados
Las parejas sin hijos producen ms suicidios que las parejas con
hijos
Los habitantes de las ciudades cometen ms suicidios que los que
viven en el campo.
De las asociaciones anteriores es factible generar una explicacin
que de cuenta de todas esas variaciones, y por lo tanto, postular una
hiptesis, segn la cual la solidaridad social que exista en una sociedad
explica las tasas de suicidio. Es evidente que esta generalizacin, que
esta explicacin va ms all de los datos o evidencias que le respaldan. El
proceso siguiente consiste en postular la explicacin como premisa dentro
60
de un argumento deductivo y deducir desde ella los hechos que
actualmente le avalan en tanto que evidencias empricas.
Si la solidaridad social de un grupo es ms elevada que la de otro
grupo distinto, entonces su tasa de suicidio ser menor.
La solidaridad social es ms elevada entre los individuos casados
que entre los viudos o divorciados.
Luego la tasa de suicidios es menor entre los casados que entre los
viudos y divorciados.
De un modo equivalente actuaramos para el resto de las
evidencias, de tal modo que se establezca la probabilidad de que la
premisa (hiptesis) sea acertada en su intento de explicar la realidad. No
obstante, explicar los hechos conocidos de este modo implica que
disponemos de una hiptesis operativa para interpretar un conjunto de
fenmenos sociales, pero no que dicha hiptesis sea cierta para explicar
la realidad social ms all de las evidencias que le han dado forma. Es
evidente la dependencia que posee la hiptesis o explicacin, en esta
primera etapa, de las evidencias locales y parciales que, en definitiva, han
substanciado la formulacin que adopt. Esta situacin es propia de la
actividad inductiva tal y como sealara J. Stuart Mill en "Sistemas de
lgica. "La induccin propiamente dicha, en cuanto distinta de las
operaciones mentales, impropiamente designadas algunas veces con este
nombre, que hemos tratado de caracterizar en el captulo anterior, puede
ser brevemente definida como una generalizacin de la experiencia.
Consiste en inferir de algunos casos particulares en que un fenmeno es
observado, que se encontrar en todos los casos de una determinada
clase, es decir, en todos los casos que se parezcan a los primeros en lo
que ofrecen de esencial. Por qu medio las circunstancias esenciales
pueden ser distinguidas de las que no lo son y por qu algunas
circunstancias son esenciales y otras no, todava no estamos en
disposicin de explicarlo. Es preciso ante todo observar que hay un
principio implicado en el enunciado mismo de lo que es la induccin, un
postulado relativo al curso de la naturaleza y al orden del universo, a
saber: que hay en la naturaleza casos paralelos; que lo que sucede una
vez suceder siempre que dichas circunstancias se presenten. Esto es, un
postulado implicado en cada induccin. Y si consultamos el curso actual
de la naturaleza, encontraremos en l la garanta. El universo, en cuanto lo
conocemos, est constituido de modo que lo que es verdad en un caso
cualquiera, es verdad tambin en todos los casos de una cierta naturaleza.
La nica dificultad consiste en saber cul es esta naturaleza.
Adems de la posible "localidad de la hiptesis, explicando hechos
especficos, tambin es cierto que pueden existir otras explicaciones
61
alternativas que expliquen esos mismos hechos. As, en el caso de la
hiptesis de Durkheim sobre el suicidio, podran existir caractersticas
comunes que explicasen ese comportamiento diferenciado entre grupos.
Por ejemplo, que la enfermedad mental sea ms frecuente entre aquellos
que viven en las ciudades, viudos y divorciados o familias sin hijos, siendo
sta responsable de las tasas diferenciadas de suicidio que se encuentran
en este grupo.
En definitiva, la hiptesis de E. Durkheim podr ser pensada como
ms o menos probable en funcin a los hechos que explica (diversidad y
abundancia) y en relacin a la importancia de las explicaciones
alternativas a ese mismo fenmeno, con las que compite. Una vez
definida la situacin, donde una hiptesis se apoya sobre unas evidencias
empricas determinadas y adems compite con otras hiptesis o
explicaciones alternativas, la consolidacin de una hiptesis se
desarrollara en funcin a su capacidad para explicar hechos observables
adicionales. Estos hechos observables adicionales deben de ser
deducidos desde la propia hiptesis, que es la que tiene que definir su
existencia. Este proceso de redescubrimiento de la realidad observable,
deductivamente, desde una premisa/hiptesis preestablecida
empricamente, constituye la clave central del conocimiento cientfico
occidental. Este proceso no implica exclusivamente la comprobacin o
establecimiento de que una determinada realidad (asociacin o
distribucin) existe, sino que tambin la interpreta y por lo tanto
"comprende desde una lectura determinada porque ocurre un
determinado fenmeno social.
As, las hiptesis se generan desde un conjunto conocido y
limitado de observaciones, y se comprueba su posible veracidad en
funcin a su capacidad para predecir el futuro. Este futuro debe
entenderse en la cronologa del sujeto de conocimiento y no en el del
suceso a comprobar. Para el que investiga intentando establecer una
hiptesis, la comprobacin de aquello que deduce se encuentra en su
futuro particular, pero la observacin correspondiente puede haber
sucedido en el pasado, ocurrir en el presente o, tambin, a su vez, en el
futuro.
El segundo paso, en el proceso hipottico-deductivo, implica como
hemos sealado, deducir consecuencias desde la explicacin que hemos
propuesto. Continuando con el ejemplo de Durkheim, podramos afirmar
que
Si la solidaridad social de un grupo es ms elevada que la de otro
grupo distinto, entonces su tasa de suicidio ser menor.
62
Los que profesan la religin catlica poseen una mayor solidaridad
social que los protestantes
Luego la tasa de suicidios ser menor entre los que profesan la
religin catlica que entre los protestantes
En esta tarea deductiva, es fundamental controlar la pertinencia de
la consecuencia que se ofrece. Por ejemplo, que la solidaridad social est
asociada a las creencias religiosas y adems de una forma no espuria.
El tercer paso en la tarea hipottica-deductiva viene definido por la
necesidad de recoger observaciones que confirmen o nieguen la
presencia de esa asociacin entre solidaridad y religin, as como entre
religin y tasa de suicidios. Esta etapa presenta todas las complejidades
de la operativizacin de los conceptos, determinando las variables o
factores, as como la medicin y recoleccin de datos. Esta fase introduce
un margen de incertidumbre en el establecimiento de las evidencias que
avalen o nieguen la existencia de la relacin que se postula, en la medida
que debe evaluarse en detalle toda la construccin de variables y
recoleccin de datos. La validez y fiabilidad de toda esta etapa afecta a las
conclusiones que se puedan establecer desde el punto de vista de la
lgica tras la investigacin emprica.
En la cuarta y ltima fase en el mtodo hipottico-deductivo
encontramos que, desde la informacin que aporta la investigacin
emprica de las relaciones y distribuciones, la hiptesis (explicacin) puede
verse confirmada desde los hechos que predeca o por el contrario puede
verse contradicha por la realidad. En ambos casos, en el caso de
verificacin o de falsacin de la hiptesis, nos encontramos con dos
lgicas diferentes: lgica de confirmar o verificar hiptesis y la lgica de
contradecir o falsar hiptesis.
1.3. Lgica de contradecir o &alsar 2iptesis
A efectos de concluir algo acerca de una hiptesis en base a su
contrastacin emprica, la lgica de falsar es diferente en sus resultados a
la lgica de verificar. Esto viene dado porque el razonamiento que se
argumenta, desde una evidencia emprica contradictoria que rechaza la
hiptesis, es deductivamente valido, adoptando la forma siguiente.
Si la hiptesis es verdadera, entonces los hechos predecidos son
verdaderos.
los hechos predecidos no son verdaderos
luego la hiptesis no es verdadera (es falsa)
63
Que argumentada en notacin adopta la siguiente forma silogstica
Si p, entonces q.
No q.
Luego no p.
Denominada negacin de consecuente y que es deductivamente
valida. Por ello, existe una corriente que mantiene que las hiptesis no
pueden ser verificadas (probadas), pero si pueden ser falsadas (negadas).
No obstante, como ya sabemos, el criterio lgico analiza exclusivamente el
argumento, pero no examina en detalle la validez de la inferencia, es decir,
que la prediccin est claramente implicada en la hiptesis, o que las
mediciones efectuadas poseen una correlacin epistmica importante o no
(en definitiva que la prediccin sea verdaderamente falsa o no). Dado que
los testados de hiptesis emplean implcitamente dichas presunciones,
dndolas por correctas, falsar una hiptesis no constituye una base
determinante para rechazar categricamente una hiptesis, es decir
descartarla, suprimirla definitivamente del repertorio explicativo.
Consideramos que en principio, si el confirmar una hiptesis incrementa
su probabilidad de ser cierta, el ser falsada debe hacer decrecer esa
probabilidad. Sin embargo, verificar o falsar no tienen el mismo peso en la
prctica de la actividad cientfica. El falsar una hiptesis tiene mucho ms
peso para rechazar una hiptesis, que el correspondiente a verificar para
aceptarla, en gran parte debido a la propia estructura del argumento
desde un punto de vista deductivo.
En general existen dos estrategias para aportar evidencias
empricas a favor de una hiptesis y con ello consolidarla como una
explicacin valida de una realidad social. Una de ellas consiste en ofrecer
mltiples confirmaciones de la hiptesis en base a predicciones. La otra
consiste en eliminar hiptesis alternativas mediante falsaciones.
En la estrategia confirmatoria es aceptado que cuanto mayor es el
nmero de test predictivos que respaldan una hiptesis, y as como
diversos los mbitos en que se prueba, mayor es la probabilidad de que
sea cierta. En el mismo sentido, cuanto mayor nmero de hiptesis
alternativas son falsadas con relacin a los datos empricos as como la
acumulacin de falsaciones sobre una misma hiptesis, mayor
probabilidad de ser cierta posee la hiptesis no falsada. En ese sentido,
donde la prediccin funciona como testado, una parte importante de la
actividad cientfica est orientada a buscar explicaciones alternativas a
hechos explicados o por explicar, siendo en definitiva el mejor test aquel
que confirma una hiptesis y falsa, simultneamente, las alternativas. As,
en el caso del estudio de Durkheim sobre el suicidio, una hiptesis
alternativa importante venia planteada por las enfermedades mentales.
64
Durkheim falsa dicha hiptesis y valida la suya efectuando un test de
asociacin entre enfermedades mentales y cifras de suicidio.
Falsacin de hiptesis causales. Como hemos podido apreciar, un
aspecto esencial de la nocin "causalidad es que su naturaleza no es
exclusivamente emprica. En ese sentido, su falsacin no puede apoyarse
exclusivamente en un test estadstico que compruebe su validez emprica.
La cuestin con las hiptesis estructurales es que el concepto "fuerza
causal" no es directamente observable, dado que es una nocin terica.
Desde los datos slo es factible determinar el grado de covariacin. En
ese sentido, la falsacin se planteara en trminos distintos a la existencia
o no de covariacin. "Una hiptesis estructural es falsada si la fuerza de la
asociacin espuria entre las variables de inters es igual a la covariacin
observada entre esas variables". Bsicamente, porque se ofrece una
explicacin alternativa a esa relacin que se apreciaba. Es decir, la
falsacin de una hiptesis de causalidad se apoya en el modo en que la
covariacin entre dos variables pueda ser explicada terica y
estadsticamente por otra tercera variable. En todo caso, si la covariacin y
la relacin espuria no son iguales, no significa que la hiptesis estructural
se haya validado. En la medida que los datos proceden de diseos no
experimentales an cabrn dos explicaciones posibles:
a) Existe un efecto estructural entre las variables
b) Una causa comn importante ha sido omitida
Una nocin importante es la de variable comn. Esta variable
comn (A) puede explicar dos variables relacionadas entre s (BC) sin
disminuir su relacin. En este caso la variable comn valida indirectamente
la relacin entre B y C. Pero tambin una variable comn a otras puede
explicarlas simultneamente. Consideremos un ejemplo intuitivo: dos
personas que se conocen y se relacionan (B y C), pero que ambas son
inicialmente amigas de otra tercera persona (A) que los presento y que
casi siempre esta cuando los otros dos se encuentran. Puede plantearse
una relacin de orden entre los dos primeros pero lo evidente es que el
conocido comn explica porque se renen. El nmero de reuniones entre
ambos puede ser elevada (B,C), pero cuando se tiene en cuenta cuantas
reuniones se realizan sin presencia del amigo comn (A), este nmero
deviene insignificante. Es decir, la reunin (covariacin) entre B y C es
dependiente de A, y si se controla por ella, la relacin entre B y C puede
devenir "espuria. Una relacin espuria se revela cuando la asociacin
entre dos variables viene explicada por otra comn a las dos. As, la
nocin de causa comn es aquella variable explicativa que siendo previa a
otras dos que covaran, explica o no la covariacin entre estas. Como
65
veremos, la nocin de causa comn es muy importante para falsar las
hiptesis estructurales.
En resumen, introduciendo el mximo de causas comunes (sean
exgenas o endgenas) incrementamos la capacidad explicativa del
modelo y su robustez a la falsacin, mientras que la introduccin de
variables endgenas intervinientes no comunes refinan el anlisis,
hacindolo ms descriptivo.
En ese sentido, una de las caractersticas del anlisis estructural,
como parte del mtodo correlacional, es que siempre esta abierto a la
posibilidad de variables comunes no presentes (explicaciones alternativas)
y que puedan falsar relaciones causales aceptadas anteriormente. Desde
esta perspectiva, el anlisis estructural posee un gran potencial de
autocrtica en la medida que su eficacia depende de la capacidad de los
investigadores para pensar variables importantes que puedan haber sido
omitidas de la explicacin. As, la covariacin es importante, pero
subordinada a la reflexin sobre la sociedad y sus componentes. Al mismo
tiempo, la reflexin es importante para reconocer variables o dimensiones
potencialmente tiles para explicar, pero siempre es una reflexin
coordinada con las variables que ya se emplean en la actualidad.
Una conclusin importante a destacar es que las explicaciones, por
mejor ajuste a los datos que puedan demostrar, estarn en un riesgo
importante de falsacin siempre que empleen una visin parcial en la
seleccin de variables (es decir, de la sociedad que se hace visible). No es
nada bueno disear un modelo estructural sin pensar muy a fondo que
podemos estar excluyendo u olvidando, dado que la completitud en el
diagnstico es una pieza central en la existencia del modelo. No ser
excesivo el espacio que dediquemos a recordar la necesidad de
diagnosticar variables comunes. La calidad y potencia explicativa del
modelo depender de ello en gran medida.
No debemos olvidar el significado real de la incorporacin de
causas comunes: la extensin de las teoras (explicaciones). Es
fundamental introducir las causas comunes a las variables para tener una
teora estructural lo ms completa posible. Los problemas principales que
plantea la introduccin de causas comunes son de dos tipos: matemticos
al incrementar la posibilidad de generar problemas de identificacin del
sistema y tericos, dado que la introduccin de una causa comn a dos
variables implica la introduccin de dos nuevas hiptesis en la teora. Con
ello, las causas comunes actan en el mbito terico simultneamente al
incrementar la potencia explicativa del modelo y hacerlo ms descriptivo y
refinado (completo).
66
Recordando nuevamente el aspecto central, en un modelo
estructural se presume implcitamente que las causas no son nicas, y
precisamente la importancia del residual (perturbacin) en una relacin
indicar la importancia, en cantidad y calidad, de las variables que no
estn presentes en el modelo.
En ese sentido, las ecuaciones mediante las que se representan
los modelos intentan expresar matemticamente la definicin que el
investigador hace de la realidad. Esto implica una simplificacin importante
que mostrara un margen de error mayor o menor en funcin tanto de la
definicin de la realidad, lo que existe y lo que no existe, como de la forma
operativa que se le ha dado finalmente.
De este modo, el error en los modelos procede de dos fuentes de
variabilidad diferentes: el error de las variables y el error de las
ecuaciones. El error de las variables se deriva fundamentalmente de los
defectos en las medidas de las variables y otras causas aleatorias. Este
error se da en toda clase de datos manejados en los modelos, ya tengan
stos carcter observacional o experimental. Se les conoce, como errores
de medicin y son bsicamente atribuibles a la forma operativa que se les
ha dado o al procedimiento mismo de obtencin de datos.
Otro tipo de error es el que aparece asociado a las ecuaciones. En
ese sentido el error asociado a una ecuacin es un dato importante a
considerar en la medida que indica la "parte no explicada de la
argumentacin. Expresado de otro modo, un error elevado, indicara una
explicacin incorrecta (no estn todas las variables importantes) o una
argumentacin incorrecta (especificacin incorrecta). Este error esta
compuesto, por lo tanto, de las variables no introducidas en el modelo as
como de errores en la determinacin de la frmula matemtica exacta que
une las variables entre s (esencialmente aditiva o interaccin). La primera
variabilidad del error procede del carcter no experimental de los datos, lo
que supone el riesgo de explicaciones incompletas. Este error puede
reducirse mediante una evaluacin ms detallada de la realidad
(pensando ms y mejor). El segundo es un error de anlisis que puede ser
reducido mediante una mejor especificacin del modelo, es decir,
realizando una tarea previa de anlisis exploratorio ms detallada.
67
1.14. Lgica de con&irmar o $eri&icar 2iptesis
Supongamos que los datos confirman la prediccin que afirmaba el
que la tasa de suicidio era menor entre los catlicos que entre los
protestantes. Entonces podemos considerar que la hiptesis que explica la
relacin entre solidaridad social y suicidio se "confirma. No obstante, no
podemos decir que la veracidad de la hiptesis este probada, slo que la
probabilidad de que sea cierta se incrementa.
Concluir desde la confirmacin de las observaciones que la
hiptesis est probada implicara efectuar el siguiente argumento:
Si la hiptesis es verdadera, entonces los hechos predecidos son
verdaderos.
los hechos predecidos son verdaderos
luego la hiptesis es verdadera
Es decir, notado mediante los ya conocidos "p y "q
Si p, entonces q.
q.
Luego p.
Lo que constituye en lgica deductiva la falacia de afirmar el
consecuente; por lo tanto desde el punto de vista deductivo define un
argumento no valido que no prueba la conclusin. En definitiva, los hechos
que se confirman (relacin o distribucin) son el consecuente de la
hiptesis (q). Al igual que anteriormente afirmbamos con respecto a los
hechos explicados por la hiptesis (solidaridad social, por ejemplo) que
estos tambin podran ser explicados por hiptesis alternativas (las
demencias), de la misma forma una prediccin derivada de una hiptesis
podra tener origen en otras hiptesis diferentes. As, deductivamente no
podemos afirmar que se pruebe la verdad de la hiptesis por el hecho de
que la realidad confirme sus predicciones.
Desde una lgica inductiva si podemos, sin embargo, afirmar que
si una hiptesis predice un hecho observable y esto se ve corroborado por
las evidencias, su probabilidad de ser cierta se incrementa, (an cuando
no este probada definitivamente). Siguiendo el esquema que se describa
en el primer paso, durante la generacin contempornea de la hiptesis
68
en relacin a los hechos, cada prediccin que se confirma supone una
evidencia ms en apoyo de la hiptesis. As, podemos afirmar que, tras
corroborar la relacin existente entre religin y suicidio, entenderamos
que son cuatro las columnas empricas que sustentan la hiptesis.
Los viudos y divorciados cometen ms suicidios que los casados
Las parejas sin hijos producen ms suicidios que las parejas con
hijos
Los habitantes de las ciudades cometen ms suicidios que los que
viven en el campo.
La tasa de suicidios es menor entre los que profesan la religin
catlica que entre los protestantes
De este modo, en lgica confirmatoria, cada prediccin viene a
convertirse en una premisa adicional del argumento inductivo sobre el que
se apoya la hiptesis o explicacin.
69
2. 5nidades de an6lisis, $ariables, medicin
El tipo de informacin considerada como datos en sociologa
puede recogerse en diferentes niveles de anlisis, dependiendo de cul
sea la unidad sobre la que se centre el estudio. As pueden recogerse
datos referentes a individuos, naciones, instituciones, etc. Cada uno de
ellos implica un conocimiento diferente sobre los aspectos de la realidad
social. La capacidad de emplearse conjuntamente en una misma
investigacin aporta la posibilidad de una mejora de la informacin o las
mediciones que se efecten. Ciertamente, existe una gran variedad de
posibles niveles de actuacin, si bien podemos (siguiendo a Smith)
considerar como bien diferenciados los siete siguientes.
1. Agregacional
2. nteractivo
3. Organizacional
4. Ecolgico
5. nstitucional
6. Cultural
7. Societal
Resulta especialmente importante el no confundir la posibilidad de
triangular sobre los diferentes niveles de anlisis, con lo que Galtung
(1967) denomina la falacia del nivel errneo de anlisis. Dicho error se
produce cuando el investigador efecta inferencias, no justificados
empricamente, desde las unidades observadas hacia otras unidades
diferentes, en un nivel superior o inferior. La triangulacin sobre los datos
no consiste pues en desplazarse entre los diferentes niveles de anlisis
desde un plano terico, sino desde una perspectiva emprica, donde la
contrastacin entre niveles se efecta a partir de los datos o mediciones
realizadas en cada uno de ellos. En definitiva, cada nivel aporta unas
potencialidades al mismo tiempo que presenta unas determinadas
limitaciones. El anlisis agregativo, basado sobre los individuos (como es
el caso de la encuesta) es utilizado poco habitualmente para captar la
trama de interacciones que se producen entre los individuos. En general,
las variables agregacionales se derivan de la acumulacin de
caractersticas individuales. El nivel de anlisis interactivo toma como
70
unidad el grupo o la relacin. Su inters principal estara centrado con las
redes de interacciones que se establezcan entre individuos o grupos. La
atencin se fija en el grupo o sus interacciones (internas/externas) sin que
el anlisis descienda hasta las caractersticas de los componentes.
"*iempre he encontrado interesante recorrer una calle,
mirar lo que me rodea y preguntarme a qu# se pareceran todas
estas cosas si no se me hubiera ense1ado a ver caballos, rboles
y casa all donde hay caballos, rboles y casas. Estoy persuadido
de que, para una visin superior, los ob+etos no son ms que
constre1imientos locales %undi#ndose instintivamente los unos con
los otros en un gran todo global".
,harles Dort. El libro de los condenados.
Otro de los niveles de anlisis es el que toma como unidad la
organizacin. Si bien las organizaciones estn compuestas por individuos,
es evidente que stas por s mismas poseen caractersticas que no son
atribuibles a los sujetos y que tampoco son el resultado de una agregacin
de caractersticas individuales. Tendra este nivel el estudio de la
burocracia, la rigidez de las reglas, los tipos de control social, etc.
El nivel de anlisis ecolgico se relaciona con el empleo de reas
espaciales en el estudio de determinados fenmenos sociales. La
distribucin del voto en unas elecciones entre los diferentes distritos puede
dar paso a un anlisis de participacin poltica y desorganizacin social. El
anlisis institucional se concentra en el estudio de las instituciones
sociales (familiares, econmicas, polticas, etc.), as como de la relacin
entre ellas. Tal como destac Rosenberg (1968), gran parte de la teora
sociolgica clsica se desarrolla sobre la base del anlisis institucional. El
anlisis cultural se refiere al estudio de normas, valores, tradiciones y otras
creencias culturales. El nivel societal se concentra en el estudio de
sociedades, habitualmente mediante el uso de indicadores tales como
ndices de urbanizacin, de desarrollo, de educacin, polticos, etc.
Como puede apreciarse, el individuo no se presenta como un nivel
de anlisis, en la medida que su inters corresponde a la psicologa. De
hecho, la entrevista sociolgica raramente se analiza en si misma, sino en
conjunto con otras, donde se diluye como tal unidad, dado que el discurso
del individuo es simplemente una parte de otro ms global que le contiene
y genera;
71
2.1. Latente y mani&iesto
La sociedad no viene definida exclusivamente por aquello que es
visible culturalmente. Existen conceptos que son no percibibles
directamente por el investigador social. As, por ejemplo, la nocin
Weberiana de proceso de racionalizacin. Dicho proceso entendido como
una secuencia histrica se aprecia indirectamente en multitud de
indicadores, pero sin embargo rehuye a una observacin directa.
Conceptos como ideologa poltica, religiosidad, racismo, o los referidos a
valores, actitudes, etc. expresan realidades no directamente mensurables.
En ese sentido, la realidad que investiga el socilogo presenta diferentes
niveles de profundidad, desde una opinin epidrmica a una actitud racista
o xenfoba.
"E/isten tambi#n numerosos cuerpos arti%iciales cuyas
estructuras no son perceptibles> tal es el vino> es un cuerpo
producido por el $rte, y, sin embargo, la %uer)a que lo hace
%ermentar no es perceptible> su e/istencia se conoce slo por su
accin, y esta %uer)a ?quQQaB es la %orma ?suraB y la estructura
?sighaB del vino> desempe1a, respecto al vino, el mismo papel que
el %ilo respecto a la espada, puesto que el vino e+erce su accin
gracias a esa %uer)a. ?...B $s tambi#n los medicamentos, como la
teraca y otros, que son compuestos ?muraOOabaB por el arte de la
7edicina, obran en el cuerpo merced a %uer)as que implica su
composicin> esas %uer)as no son perceptibles> los sentidos
perciben slo las acciones que resultan de ellas. "or tanto, un
medicamento no llega a ser tal sino por dos cosasC las me)clas
comple+as ?a+latB de que se compone y la %uer)a por la cual e+erce
su accin. Las me)clas constituyen su materia, y la %uer)a por la
cual obra, constituye su %orma."
$l8Darabi. :hsaP al8U;lum
Un anlisis de la sociedad debe considerar la existencia de
procesos, estructuras y dimensionalidades latentes, con capacidad
explicativa y que en algunos casos puede carecer de nombre. Este es un
caso muy frecuente con el anlisis dimensional, donde la estructura de los
datos revela variables latentes que poseen un contenido claro y carece de
un nombre preciso.
Cada vez es ms evidente para el investigador social que
disfrutamos de un catalogo incompleto y culturalmente sesgado de las
variables que puedan definir la realidad social. El descubrimiento de
variables latentes ayuda a simplificar, integrar y destrivializar la sociedad.
72
Las variables son elementos que describen la realidad sustituyndola, y
tambin afirman como se construye explicndola.
Una de las primeras cuestiones que deben plantearse cuando nos
referimos al concepto variable es precisamente el de su existencia. Al
emplear una variable estamos reemplazando la realidad por algo que la
sustituye. En principio, en los manuales de tcnicas de investigacin, el
problema principal es la dificultad para traducir de un modo vlido y fiable
dicha realidad en variables e indicadores. No obstante, previamente a ese
esfuerzo tcnico para efectuar una medicin correcta ha existido la
decisin de que esa variable es importante.
Quizs uno de los temas ms interesantes al tratar con variables
es precisamente la doble seleccin que efecta todo investigador: primero
con respecto a que realidad le interesa y segundo que variables la van a
reemplazar en el anlisis. Pensemos un investigador que para analizar un
fenmeno decida un conjunto de indicadores absolutamente anmalo.
Diramos que su anlisis esta mal especificado. Y esa puede considerarse
la clave del desarrollo de la investigacin social. La especificacin correcta
de la realidad. No solamente que realidad es importante, dado que eso lo
decidir la financiacin o los intereses personales del cientfico, sino que
variables van a traducirla, a sustituirla para que la describamos. A
reemplazarla para que la expliquemos.
Un investigador decide que variables o conjuntos de variables son
relevantes para definir y explicar el fenmeno social que es objeto de su
atencin. Hablar de variables es, en definitiva, decidir que partes de la
realidad social existe y que otras no.
En la mayor parte de los casos, las variables que un investigador
considera sociolgicamente relevantes han sido heredadas de la tradicin
en la investigacin de ese tema o propuestos por la teora sociolgica. En
ese sentido, es necesario explicitar que existe una decisin previa tomada
consciente o inconscientemente por el investigador con respecto a que
partes de la realidad social va a conceder existencia.
Precisamente la existencia de variables latentes, no percibibles
directamente por el investigador, as como la dificultad para etiquetarlas
conceptualmente, es un indicador de que gran parte de la realidad social
escapa a las definiciones que previamente han sido definidas.
Est seleccin de aquello que va a describir la realidad social es
especialmente importante cuando se trata de variables explicativas. Si las
73
variables en general desagregan parcialmente el mundo, la atribucin a
una variable de propiedades explicativas implica decisiones sobre la
reconstruccin misma de la realidad social. Esta percepcin de la potencia
de reconstruccin del mundo social es prioritaria en el desarrollo de un
anlisis de la realidad. Si consideramos que una variable explica, es
basndonos en la percepcin de que discrimina la realidad. Si la variable
genero explica una diferencia de opinin, afirmamos que hombres y
mujeres muestran una actitud diferente ante la realidad social. Toda
capacidad explicativa o descriptiva es esencialmente la afirmacin de una
diferencia, de que algo es distinto. O no. As, una variable de control que
no explica un fenmeno social pierde su naturaleza de control, ya no
explica el mundo, existe algo que debera diferenciar y no diferencia.
Precisamente, una cuestin fundamental es reconocer la dependencia de
la naturaleza de control atribuible a una variable de las realidades que se
le asocian.
La capacidad de definicin del mundo no es el nico atributo de
una variable. Su capacidad ms argumentada es su potencia operativa de
medicin. Como ya sabemos, la va para cuantificar un concepto terico
es identificar su definicin terica con una definicin que le haga operativo,
medible. Para aproximarse a la realidad social un concepto terico se
apoya sobre variables. Qu es una variable? Una variable es un sistema
de categora o factor que representa estados o valores que puede adoptar
una caracterstica sociolgicamente relevante (como la edad, los ingresos,
el sexo, etc.), y que son mutuamente exclusivas y totalmente inclusivas.
El primer elemento en la definicin de variable, nos dice que sta es un
conjunto de categoras. La variable sexo es un conjunto de categoras
cuyos elementos son hombres y mujeres. La segunda parte de la
definicin dice que para que un conjunto de categoras sea una variable,
estas deben de ser mutuamente excluyentes y totalmente inclusivas. Esto
quiere decir que cada caso solo podr ser asignado a una sola categora y
deber haber alguna categora donde asignar cada caso.
Por lo tanto, a cada caso le corresponde una y slo una categora
de la variable "edad", segn los aos que posea. Es decir, las categoras
entre si son excluyentes. Tambin podemos apreciar que todos los casos
encuentran una categora que cuadre con sus caractersticas, o lo que es
lo mismo, que el conjunto de categoras incluye a todos los casos. Las
variables son una de las claves del conocimiento cientfico de la realidad,
ya sea social o fsica. Lo esencial es seleccionar aquellas variables que
representen lo ms ajustadamente posible conceptos tericos.
Frecuentemente se emplea indistintamente la denominacin de concepto
terico y variable para nombrar lo que hemos definido como variable. Esto
74
no es correcto, dado que ambos conceptos implican grados diferentes de
abstraccin.
"<eedleman no era un hombre %cil de comprender. *u
reticencia era tenida por %rialdad, pero posea una gran capacidad
de compasinC testigo casual de una horrible catstro%e minera, no
pudo concluir una segunda racin de tarta de man)ana. *u
silencio, por otra parte, enervaba a la gente, pero es que
<eedleman consideraba el lengua+e oral como un medio de
comunicacin de%ectuoso y pre%era sostener sus conversaciones,
hasta las ms ntimas, mediante banderas de se1ales. ?...B
,omo siempre, cuando muri, <eedleman tena entre
manos varias cosas a la ve). Desarrollaba una #tica, basada en su
teora de que "el comportamiento bueno y +usto no slo es ms
moral, sino que puede hacerse por tel#%ono". $ndaba igualmente
por la mitad de un nuevo ensayo sobre semntica, donde
demostraba ?seg2n insista con particular vehemenciaB que la
estructura de la %rase es innata pero el relincho es adquirido. . en
%in, otro libro ms sobre el Holocausto. 3ste con %iguras
recortables. $ <eedleman le obsesionaba el problema del mal y
argTa con singular elocuencia que el aut#ntico mal es slo posible
cuando quien lo perpetra se llama 0lacOie o "ete"
6. $llen. Lecordando a <eedleman
Los conceptos tericos rara vez representan un fenmeno social
unidimensional. La dimensionalidad se refiere al nmero de cualidades
distintas que son inherentes a un concepto terico. Por ejemplo, "status
social, "alienacin, o "prejuicio son conceptos tericos que engloban
aspectos bastantes diferentes. As, en el concepto "prejuicio se
incorporan aspectos tales como "tendencia a discriminar, "presencia de
sentimientos negativos, o "el contenido de estereotipo que pueda existir
en el prejuicio. En general, la caracterizacin multidimensional de los
conceptos tericos contribuyen al desarrollo de la ciencia. Esto, porque al
presentar diferentes lecturas de un concepto terico se favorece la
formulacin de hiptesis a la vez que se indican posibles vas de acceso a
su medicin. En el caso de los prejuicios contra los gitanos, se podra
medir este mediante las creencias despectivas que pudiesen existir, o por
el rehuir a relacionarse con personas de esta raza, lo que ofrece un mayor
repertorio de estrategias de medicin.
Un aspecto reconocido por la mayora de los cientficos sociales es
el hecho de que es necesaria una formulacin ms estricta de los
75
conceptos tericos. En palabras de Blalock: "la cuidadosa reelaboracin
de las teoras verbales constituye una de las tareas ms desafiantes con
que nos enfrentamos. La principal tarea de esta empresa consistir en
clasificar conceptos, eliminar o consolidar variables, traducir las teoras
verbales existentes a un lenguaje comn, investigar la bibliografa a la
bsqueda de proposiciones, y detectar las presunciones que conectan las
principales proposiciones con el trabajo terico serio. Se precisa, pues, de
una tarea previa de formalizacin que permita a la encuesta muestral el
tener una mayor eficacia terica de la que posee actualmente. Este
esfuerzo desborda, con mucho, las tareas estrictamente metodolgicas.
Tal y como lo expresa Lazarsfeld (1951) "Cmo nos ponemos a formar
tales categoras, en primer lugar? Por qu escoger ciertos elementos de
la situacin, y no otros? Por qu combinarlos precisamente en estas
categoras? Se puede argir acertadamente que no podemos redactar un
conjunto de instrucciones manuales para categorizar los fenmenos
sociales: tales instrucciones no seran ms que un programa general para
desarrollar la teora social. No podemos escribir un manual sobre cmo
formar fecundos conceptos tericos de la misma manera que escribimos
manuales sobre cmo seleccionar muestras o redactar cuestionarios.
Este es un reconocimiento a la evidencia de que el desarrollo de la
investigacin social slo puede ser una consecuencia de un desarrollo
previo de la teora sociolgica.
La investigacin social es siempre investigacin de algo, y ese algo
debe de estar definido, como ya hemos indicado, desde una matriz terica
previa que identifique los lmites lgicos y consecuencias tericas de
aquello que se evidencie empricamente. Sin embargo, existe un
desarrollo tcnico de la investigacin social que no se relaciona
directamente con una eficacia terica, dado que la teora sociolgica ha
padecido siempre de una escasa formalizacin de conceptos, planteando
ms imgenes globales que detalles particulares, lo que constituye un
obstculo a su cuantificacin. La investigacin social es posible
actualmente porque el investigador participa de la sociedad que estudia,
de modo que posee un conocimiento, en gran parte intuitivo, de las
caractersticas que son relevantes. Cicourel (1982) lo expresa claramente:
"la falta de una teora social desarrollada obliga a todos los investigadores
en sociologa a emplear conceptos vulgares que reflejan los conocimientos
comunes a los socilogos y a los miembros "medios de la comunidad o
sociedad. Suponiendo desde el principio que el socilogo y sus sujetos
constituyen una cultura comn que cada uno entiende ms o menos de la
misma manera, los sentidos "obvios de las preguntas operativizadas del
cuestionario en que se basan los indicadores incorporarn propiedades
slo vagamente definidas en la teora social, pero cuya importancia para el
proyecto de investigacin se da por supuesta. Hay que aceptar, en parte,
76
la crtica de Cicourel en el sentido de que se debe de mejorar la definicin
terica de los conceptos sociolgicos, mostrando aquellos aspectos que
puedan orientar una cuantificacin ms precisa. No obstante, el compartir
una cultura comn es una ventaja indudable y un punto de partida obvio
para la cuantificacin de conceptos tericos.
Es decir, est claro que se debe desarrollar la medicin de los
conceptos tericos desde la teora que los genera, pero tambin es cierto
que no nos encontramos en un camino equivocado, sino slo al comienzo
de la va correcta. Utilizar como punto de partida un conocimiento vulgar,
en tanto que socialmente compartido, es lo que permite que la
investigacin social recoja actualmente una parte, mayor o menor, de la
realidad de los fenmenos sociales. Ciertamente este conocimiento no
est poseyendo una gran trascendencia terica, pero s la est teniendo
prctica, tal y como demuestran los gastos cada vez ms crecientes en
investigacin de mercados. Recordemos que el origen de la encuesta no
se di en el mbito universitario, ni en el de las instituciones cientficas,
sino en la vida pblica moderna, en la necesidad urgente de
conocimientos prcticos, demandados por un sistema econmico
competitivo y un rgimen poltico democrtico.
Se hace necesario un nuevo estilo de teora sociolgica capaz de
crear nuevas estrategias de medicin. Para que esto sea posible hay que
hacer operativos los conceptos; es decir expresarlos de modo que sean
mensurables.
Una definicin operativa consiste en la descripcin detallada de los
procedimientos utilizados en la investigacin para asignar las unidades de
anlisis a las diferentes categoras de una variable. Esto incluye, en una
encuesta, las preguntas efectuadas, que categoras se ofrecen como
respuestas (o en todo caso las reglas empleadas para codificar si la
pregunta es abierta), las instrucciones completas para recoger los datos,
etc. Formalmente debe de recurrirse a definiciones preexistentes del
mismo concepto generadas por otros cientficos, de modo que las
conclusiones sean equiparables. No obstante, est abierta la va a generar
nuevas definiciones operativas siempre y cuando tengan en consideracin
las ya existentes.
En ese sentido, la interpretacin de un concepto terico debe
considerar como una de las caractersticas ms destacables de la
investigacin cientfica es el estar basada sobre el empirismo.
Los conceptos tericos, con los que pensamos el mundo, se
plasman desde la perspectiva emprica en un conjunto de variables o
77
indicadores, no necesariamente percibibles directamente. Un modelo de
covarianzas plantea, esencialmente, que existe un sistema de relaciones
de interdependencia entre un conjunto de variables. En ese sentido los
conceptos importantes para el anlisis estructural estn articulados entre
s. La nocin de explicacin conlleva la distincin de tipos de variables, as
como de las relaciones entre ellas. La complejidad que adopten las
relaciones nos lleva a la idea de sistemas y tipos de sistemas. Los modos
que empleemos para hablar de dichos sistemas de relaciones nos
conduce a las notaciones alternativas para poder expresarlos.
Una de las primeras consecuencias del anlisis estructural es el
refinamiento conceptual de las variables. Estas poseern una cualidad
explicativa especial dependiendo de su posicin estructural. El anlisis no
se limita a las variables manifiestas sino que incluye las variables latentes.
De este modo, un modelo puede combinar simultneamente variables
manifiestas y variables latentes, que vendrn definidas por un conjunto de
variables identificadoras de la variable latente. Por una parte, en funcin a
su visibilidad encontramos las variables manifiestas, las variables latentes
y las variables indicadoras que actan de forma instrumental para
determinar los efectos de las variables latentes. Si atendemos al criterio
e/plicativo, la principal distincin atae a las variables que se intenta
explicar y aquellas otras que no. Tendremos por lo tanto variables que
explican y variables que son explicadas. Estos dos conjuntos de variables
no son disjuntos. Esto implica que tendremos variables que explican y a su
vez son explicadas.
Las variables exgenas son variables que slo aportan explicacin,
pero que ellas mismas no son explicadas dentro del modelo que se
propone. En el orden estructural implican factores de explicacin no
explicada. Las variables endgenas intervinientes son aquellas que
explican y son explicadas dentro del modelo explicativo que estamos
desarrollando. Por ltimo, las variables endgenas no intervinientes son
aquellas que vienen explicadas dentro del modelo pero no contribuyen a
explicar ninguna otra. Realmente, un modelo estructural consiste en
narrar una historia donde se explica algo. Nuestro repertorio de personajes
est limitado a los que consideramos dentro del modelo, sus acciones se
explicarn entre s. Habr personajes (variables) que actan dentro la
trama, pero no sabemos que les dirige o explica. Habr personajes cuyos
actos estn explicados por las acciones de otros y que a su vez influyen
en unos terceros. Por ltimo, estarn aquellos que, dentro del mbito de
la historia que intentamos contar, son explicados al mximo en sus
actuaciones pero cuyo impacto en los dems no es tenido en cuenta, por
esta vez, en la historia que se est contando.
78
En ese sentido, un modelo estructural no deja de ser una narracin
donde se intenta explicar el por qu de algo, con un nmero limitado de
personajes (variables exgenas, endgenas intervinientes o endgenas).
La explicacin nunca es completa, ni del conjunto ni de cada personaje
endgeno, por lo que restan residuales entre la explicacin y los
comportamientos que se detectan (varianza de las variables). La lgica
explicativa indica que cuanto ms residuales peor explicacin, cuanto
menos residuales, es decir, cuanto mejor se puedan predecir los cambios
en el comportamiento de los actores-variables mejor modelo. Podemos
pues diferenciar entre descripcin, desarrollada mediante la introduccin
de variables intervinientes, que refinan el modelo y lo hace ms detallado,
y explicacin, que depender del grado de ajuste con la realidad de las
relaciones que encontramos.
Una vez que poseemos un lenguaje para expresar ideas y
explicaciones, el siguiente paso es contar una historia e intentar
compararla con los datos que aportan la realidad (tal y como ha sido
seleccionada y definida). Esta fase se denomina de especificacin (contar
una historia) y ajuste (comparar lo que decimos con los datos de que
disponemos). Evidentemente, ninguna explicacin es completa ni
definitiva. No obstante, la existencia de una realidad (un proceso, una
historia, acontecimientos) a explicar se impone inexcusable. En ese
sentido, la tarea del modelado, que pudiera parecer absurda, adquiere su
verdadero sentido, deviene reveladora en la medida que exige una
explicacin al mundo, tanto de lo que creemos saber como de lo que no
sabemos.
Pasemos pues a introducirnos en el vocabulario y notaciones que
nos forzar a reconstruir lo que incluso damos por evidente.
2.2. 7edicin
El proceso de medicin ha sido definido de modos muy diversos.
Una aproximacin interesante es la propuesta por S. Stevens (1951)
segn la cual "Medicin es la asignacin de nmeros a los objetos de
acuerdo a unas reglas determinadas". En el nivel ms simple de medicin,
la regla consiste en adjudicar cifras
28
que sirven como etiquetas de
categoras mutuamente exclusivas. En un mbito ms complejo, la regla
genera cifras que pueden ser tratadas como nmeros autnticos, en un
sentido matemtico, y sobre los que es posible efectuar todas las
28
Una cifra puede entenderse como guarismo, y por lo tanto notacin simple, o como
nmero con sus propiedades cuantificadoras y relacionales correspondientes. As, la
atribucin de cifras a las diferentes categoras de una variable puede poseer o no
propiedades numricas.
79
operaciones propias de los nmeros reales (R). Es un error el pensar que
una vez reconocida la necesidad de medir puede generarse una
asignacin numrica como si todos los procedimientos fuesen aceptables.
Es necesario mantener una correspondencia entre las propiedades del
sistema de cifrado y el de los fenmenos sociales que se va a representar.
Tal y como lo expresara Ackoff, la medicin es "una forma de obtener
smbolos para representar las propiedades de los objetos, sucesos o
estados; smbolos que tienen entre s la misma importante relacin que las
cosas que representan". As pues, en la medicin lo que nos interesa es la
correspondencia entre ciertas entidades empricas y un modelo formal
(generalmente un sistema numrico, aun cuando no necesariamente) en
trminos de las relaciones que, presuntamente, existen entre los
elementos de cada sistema.
Torgerson desarrolla acertadamente un ltimo aspecto importante:
"La medicin atae a las propiedades de los objetos, no a los mismos
objetos. As, en nuestro uso del termino, no es mensurable un palo,
aunque s podran serlo su longitud, peso, dimetro y dureza... Medir una
propiedad implica, pues, atribuir nmeros a sistemas para representarla.
Y, para ello, ha de prevalecer un isomorfismo, es decir una relacin o
correspondencia exacta, entre ciertas caractersticas del sistema numrico
implicado y las relaciones entre diversas cantidades de la propiedad por
medir. La esencia de este procedimiento es la atribucin de nmeros de
tal manera que se refleje esta correspondencia precisa entre dichas
caractersticas de los nmeros y las correspondientes relaciones entre las
cantidades". Aqu encontramos varias ideas clave. En primer lugar, no se
miden los individuos sino determinadas caractersticas que se consideran
relevantes (actitudes, comportamientos, opiniones, etc.). Es decir, la
unidad de anlisis es el individuo, pero no es considerado en su integridad;
se cuantificarn aquellas caractersticas del individuo que son terica y
sociolgicamente relevantes. Las que se han definido como variables.
Segundo, debe de existir, como ya sabemos, una relacin "exacta" entre
las propiedades relacionales del sistema de cifrado que se utilice y las
caractersticas relacionales de las cantidades del concepto que se
pretende medir. Aceptar y desarrollar esa evidencia es esencial a las
posibilidades de medicin que puedan tener los conceptos tericos y, por
lo tanto, al proceder cientfico de la sociologa. Por ejemplo, la
caracterstica sexo no admite ser sumada, ni restada, ni dividida, ni
multiplicada; esta evidencia implica que el sistema de cifrado que se
emplee para medir dicha caracterstica no puede admitir dichas
operaciones. La razn es simple, las operaciones que efectuemos sobre
los "cifras" que representan las caractersticas del concepto que se
pretende medir no pueden violentar la realidad. Si a la categora "Hombre"
le asignamos un 1 y a la categora "Mujer" un 2, el tratamiento o
80
tratamientos posibles para ese 1 o 2 no pueden ignorar aquello que
representan, un sistema de clasificacin. Podemos dividir 1 entre 2 y nos
resultar un valor, 0,5, pero, qu significado posible tiene esa cantidad
en trminos de aquello que pretendemos medir? 0,5 en el concepto
terico sexo no significa nada. Del mismo modo, la asignacin de
representaciones numricas incorrectas a un concepto terico implica que
los hallazgos o conclusiones a que se llegue mediante el anlisis son
incorrectos y carentes de significado.
"7e hallaba yo acostado en mi casa de la playa, pero no
poda dormir pensando en que se me anto+aba una pechuga de
pollo que haba en la nevera. Esper# a que mi mu+er se quedase
transpuesta, y %ui de puntillas a la cocina. Eran las cuatro y cuarto
en punto. Estoy completamente seguro, porque el relo+ de la
cocina no %unciona desde hace veinti2n a1os y marca siempre esa
hora."
6. $llen. La amena)a =.V.<.:.
El problema de la medicin supone una dificultad diferente segn
las caractersticas del fenmeno social que se desea cuantificar. Para la
encuesta, Sudman y Bradburn (1974) distinguen a grandes rasgos entre
dos tipos de respuestas: de comportamiento y sicolgicas. Las primeras
son, o pueden ser, verificables (ingreso, edad, voto, etc.) mientras que las
segundas solo pueden ser inferidas indirectamente. La actitud de un
individuo hacia un partido poltico es una referencia mucho ms vaga que
el voto en las ltimas elecciones. Son ms fciles de cuantificar las
variables de comportamiento, dado que los individuos mantienen una
relacin objetiva con ellas, que aquellas otras referidas a estados
emocionales o subjetivos. Cicourel (1982) nos recuerda claramente el
problema "Al suponer que las variables estructurales o de actitud son
cuantificables automticamente, obligamos a los conceptos a tomar la
apariencia de precisin, de manera que puedan dividirse en dicotomas,
tricotomas, series ordinales, intervalos y distancias mtricas. Pero el
concepto no es per se cuantitativo; slo llega a serlo cuando le situamos
dentro de cierta textura terica que origine explcitamente dicotomas
significativas, tricotomas, relaciones ordinales e intervalos que se
suponen iguales y distancias con rasgos mtricos. La nocin de "variable"
puede significar una coleccin no aditiva de elementos que caracterizan
cierto rasgo del mundo del actor, definido culturalmente. La "variable" no
constituira un continuo unitario, diferenciable, ni aun una dicotoma,
forzosamente, a menos que la teora lo exija y lo justifique
especficamente. Toda compresin de las operaciones de cifrado, en
cuando relacionadas con la estructuracin de los cuestionarios y de los
81
programas de entrevista, debe tener en cuenta lo que ofrece el
conocimiento vulgar del mundo que compartimos con el entrevistado,
nuestra teora sociolgica y lo impuesto por los recursos de medida". Las
operaciones que puedan efectuarse sobre los resultados de una medicin
deben de mantener una relacin estricta con la realidad del fenmeno
social que se pretende medir. Por ello, Torgeson habla de una relacin de
isomorfismo
29
entre el sistema numrico y el sistema emprico que es
objeto de medicin. Asimismo, tambin isonmia en lo que se refiere a las
leyes combinatorias, combinaciones y relaciones que son compatibles en
ambos conjuntos.
"8El mundo material 8sigui Dupin8 es abundante en
analogas e/actas con el inmaterial, y eso da un tinte de verdad a
ese dogma retrico de que la met%ora o el smil pueden servir
para %ortalecer un argumento o para embellecer una descripcin".
E.$. "oe. La carta robada
En ese sentido, medir supone la concurrencia de tres elementos:
un dominio terico a modo de cdigo, un sistema relacional emprico y un
sistema relacional numrico que le es particular. Una regla que ordene y
exprese los datos en nmeros en funcin del sistema emprico y del
sistema terico. As, actuaremos sobre el sistema numrico y
observaremos los resultados, intentando comprender mejor el sistema
emprico. Esto implica que si el sistema numrico refleja correctamente al
sistema emprico (isomorfismo) podremos tener oportunidad de
profundizar en el conocimiento de los fenmenos sociales. Si la medicin
es mala y no existe una correspondencia correcta entre sistemas,
habremos perdido la referencia emprica de la investigacin y los
resultados carecern de sentido. No obstante, este isomorfismo entre el
sistema numrico y el emprico requiere un control terico. Como ya se ha
indicado, no hay medicin sin teora previa. De hecho, cada medicin
constituye por s misma una teora en pequea escala. Como afirma
Coombs "Nuestras conclusiones, incluso en el nivel de medicin, son ya
una consecuencia de la teora. Un modelo de medicin es realmente una
teora sobre el comportamiento, ciertamente en un nivel de miniatura, pero
no obstante teora". Ms formalmente, Blalock denomina a las teoras que
arropan la operativizacin de los conceptos tericos "teoras auxiliares". En
general, la operativizacin y medicin precisan un respaldo terico que de
cuenta de aquellos procedimientos que se efectan en el proceso de
medicin.
29
Para que exista isomorfismo entre los dos sistemas debe existir una aplicacin biyectiva
entre ambos sistema (conjuntos). Esto implica que las relaciones deben ser
aplicaciones inyectivas y sobreyectivas (exhaustivas).
82
"Dantasma. "ersona que se ha desvanecido hasta hacerse
impalpable por muerte, ausencia o cambio de costumbres".
Mames Moyce. ;lyses
2.*. Los ni$eles de medicin
Existen muchos niveles de medicin, en la medida que cada uno
de ellos refleja un conjunto de propiedades en el sistema de cifrado
adoptado. As, los economistas acostumbran a utilizar con frecuencia un
nivel denominado cardinal. Para la sociologa, en general, se admite que la
medicin de los fenmenos sociales puede efectuarse en cuatro formas
sin perder informacin sustancial con respecto a las propiedades
relacionales del sistema emprico.
a) nominal
b) ordinal
c) intervalos
d) ratios o proporciones
Cada uno de estos grados de medicin se corresponde con
diferentes fenmenos sociales, debindose elegir aqul que sea ms
adecuado.
La medicin nominal. Un nivel de medicin nominal implica
bsicamente determinar la ausencia o presencia de una caracterstica,
tambin denominada cualidad. En otras palabras, se trata de clasificar a
los individuos en virtud de una determinada caracterstica. El nivel de
medicin nominal ofrece apenas la informacin ms indispensable, ya que
los "nmeros" sirven slo como "nombres" para identificar las propiedades
que se estudian. A todos los miembros de una clase se les asigna el
mismo nmero o nombre, pero jams se da el mismo a dos clases
distintas. Para utilizar un nivel de medicin nominal basta que seamos
capaces de distinguir si dos elementos son "iguales" o si son "distintos"
con respecto a determinadas propiedades. Carece de sentido aadir
nmeros e incluso ordenarlos. As los valores de "varn" y "hembra",
constituyen un tipo de medicin nominal, segn el cual se clasifican los
individuos por su gnero.
En qu grado la medicin nominal puede discriminar entre los
individuos depende de la intencin del investigador. Por ejemplo, el
nmero del documento nacional de identidad no posee capacidad
numrica ni refleja ningn orden. Es una medicin nominal que identifica a
83
cada ciudadano, es decir, posee capacidad de discriminar hasta un nivel
individual. El grado de clasificacin que puede desarrollar una medicin
nominal depende del investigador, que decide el tipo de agregacin que
necesita.
Estadsticamente, la medida de tendencia central que corresponde
con un nivel de medicin nominal es la moda. Existe una predisposicin a
considerar la medicin nominal como inferior a los otros tipos de medicin.
Es este un error importante, pues las limitaciones que pueda encontrar
una medicin nominal en el tratamiento estadstico es una cuestin
secundaria ante la evidencia de que muchos fenmenos sociales son
eminentemente nominales, y como tales hay que tratarlos.
La medicin ordinal. Un nivel de medicin que adems de clasificar
ordena, es el denominado ordinal. La medicin ordinal requiere que los
objetos se puedan ordenar por categoras, de acuerdo a algn atributo;
seala, pues, a una jerarqua pero sin postular una unidad fija de medida
por lo que carece de sentido aadir grados o hablar, por ejemplo, que uno
posee el doble que otro de una determinada caracterstica. Esta medicin
implica determinar un orden de intensidad para una cualidad, es decir, que
el fenmeno en estudio est ordenado, por ejemplo, "mucho",
"bastante","poco", "nada". Este gradiente slo indica la relacin de una
respuesta con otra; "mucho" es ms que "bastante", o "poco" ms que
"nada", pero no expresa que distancia puede existir entre las diferentes
respuestas. No tiene sentido preguntarse cuntas veces "mucho" es ms
que "nada". La medida de tendencia central que es factible utilizar con el
nivel de medicin ordinal es la mediana, adems de la moda. Conforme la
medicin es ms refinada incorpora las caractersticas de las anteriores,
por ello al existir un orden existe, a su vez, clasificacin.
La medicin por intervalos. El nivel de medicin por intervalos
implica un continuo compuesto por intervalos igualmente espaciados; es
decir, que las distancias numricamente iguales en el instrumento de
medicin representan distancias iguales en la propiedad que se mide.
Aqu se introduce una unidad constante de medida. Tiene pues sentido el
uso de la adicin o substraccin entre los valores, pero sin poder afirmar
aun que un objeto posea una cierta caracterstica en una cuanta doble a
otro, dado que no se postula la existencia de un cero natural. En este
continuo no existe un valor que refleje ausencia de la cualidad, es decir, un
0 absoluto. Por ello, podemos apreciar las diferencias entre dos
mediciones, pero no saber cuanta cualidad implica esa diferencia. Un
coeficiente de inteligencia de 110 es 10 puntos mayor que uno de 100, y
esa distancia de 10 es igual a la existente entre una diferencia entre 115 y
105, dado que los intervalos son equivalentes entre si. Al ser los intervalos
84
iguales, son adecuados para poner en relacin una medicin respecto de
otra. La medida estadstica de tendencia central para un nivel de medicin
por intervalos es la media (conjuntamente con la moda y la mediana).
El grado de refinamiento que alcance el nivel de medicin por
intervalos debe de estar ajustado con la realidad social del fenmeno que
se est considerando. Por ejemplo, no por plantear que el 1 es extrema
izquierda y 10.000 extrema derecha, vamos a conseguir una cuantificacin
ms exacta del fenmeno. Mucho ms prudente sera entre 1 y 7 1 a 10.
Como ya indicamos, la formulacin de una medicin debe de ajustarse
sobre las caractersticas de aquello que se desea cuantificar.
La medicin de razn o proporciones. El nivel de medicin que
permite un mayor grado de operaciones estadsticas es el de razn o
proporciones, consistente en un continuo compuesto por intervalos
igualmente espaciados donde existe el valor 0, que representa la ausencia
de cualidad. Quiere esto decir que el 0 posee un significado. Cero grados
centgrados no representan ausencia de temperatura. ndica a lo sumo, el
punto trmico de transicin entre el estado liquido y el slido en el agua,
pero no ausencia absoluta de "calor". La escala Kelvin s posee un nivel de
medicin de razn o proporcin. Cero grados Kelvin (k) indica ausencia de
calor, no hay movimiento molecular. Al existir un cero absoluto, puede
decirse en propiedad que 5000 K es el doble de temperatura que 2500 k.
Evidentemente en la escala Kelvin no existen signos positivos o negativos
al no caber la posibilidad de estar bajo cero Kelvin. Este nivel de medicin
permite realizar todas las operaciones aritmticas con los valores
obtenidos al incorporar las caractersticas de los niveles anteriores,
aadiendo a su vez la existencia de un cero como origen natural. Al existir
una referencia absoluta, es posible evaluar los incrementos que supone
cada unidad sobre la anterior. Aquellos fenmenos sociales cuyo nivel
natural de medicin es el de proporciones son factibles de ser tratados con
el mayor nmero de procedimientos estadsticos. Esto anterior ha sido
especialmente cierto durante bastante tiempo, si bien en la actualidad se
van desarrollando nuevos procedimientos que potenciaran el anlisis de
los otros niveles de medicin considerados. Es una cuestin de tiempo el
que los socilogos (gracias al trabajo de los profesionales de la
matemtica y la estadstica) pierdan su complejo por los niveles de
medicin que su objeto de estudio les permite emplear ms
frecuentemente: nominal u ordinal.
Como ya sabemos, no debe de primar la consideracin estadstica
sobre la lgica de la realidad social. El nivel de medicin que se adopte
debe de ser el ms adecuado al concepto terico que se pretende
cuantificar, aun cuando quepa la opcin de emplear otro con mayores
85
posibilidades estadsticas. As, los ingresos familiares pueden
considerarse como una variable de razn. Sin embargo, si el concepto
terico que deseamos medir es el de "status social" resulta evidente que
unos ingresos mensuales de 0 no reflejan un estatus social de 0, por lo
que fijarle el nivel de medicin en "razn" no es lo ms apropiado.
Tampoco sera correcto el nivel de medicin interval, dado que no existe
igualdad de intervalos. Un incremento de 0 a 1.000.000 supone un
incremento de estatus mucho ms sustancial que el pasar de 100.000.000
a 101.000.000. Por todo esto, si los ingresos se van a emplear para medir
"estatus social" deberan de hacerlo en un nivel ordinal, que es el que
refleja mejor la naturaleza social del estatus. Esto no obsta para que los
ingresos, cuando miden otro concepto terico diferente al de estatus
social, pueda adoptar un nivel de medicin interval o de razn.
Este ejemplo anterior recoge la evidencia de que la realidad social
requiere el nivel de medicin que le corresponda adecuadamente; ello
implica que, an cuando exista la posibilidad de un mayor tratamiento
estadstico, el nivel de medicin debe de ajustarse a la naturaleza del
fenmeno que representa. La clave de una buena cuantificacin no
consiste en emplear aquel nivel de medicin que permite ms operaciones
matemticas, sino el que es ms apropiado a las caractersticas de
aquello que se desea medir.
",himista, que era autodidacto y que saba de todo, le e/plic
algunas cosas que el muchacho no entenda bien. Luego, para
embromarle, le haca preguntas capciosas de pronto.
8$ ver, :turri)a, &cuntos Oilogramos de distancia hay desde 7anila
a Hong8Vong' 8le preguntaba.
8<o s#... &Habr quinientos' &Habr ochocientos'
8<o seas tonto... Vilogramos es una medida de peso.
8(iene usted ra)n. $ ver, preg2nteme usted otra cosa.
8*i un chino come con los palillos cuatro granos de arro) por
segundo y cada cubo tiene una cabida de cinco libras, &cunto tardar en
comerse el cubo'
8 "ues tardar... a ver... a ver...> dice usted que...
8<o, no hay manera de averiguarlo. Es un problema mal
planteado, porque no se dice lo que pesa cada grano de arro).
86
8(iene usted ra)n. Es verdad.
8Es lo primero que hay que ver en todo problema. *i est bien
planteado, porque si no lo est, todo es%uer)o es cosa perdida.
8Ha)le caso a #ste 8le deca yo a :turri)a8, que sabe lo que dice.
8.a lo veo 8contestaba #l.
"o 0aro+a. La estrella del capitn ,himista
Esencialmente, las relaciones que se han considerado hasta el
momento estaban desarrolladas en el espacio, referidas a distribuciones
de caractersticas y su correspondencia entre diferentes grupos. Si
consideramos el cambio en el tiempo de dichas relaciones espaciales
necesitamos incorporar en nuestro anlisis una variable especial: el
tiempo.
8ariable tiempo
Todas las sociedades poseen mltiples tiempos; tanto en
diacronas como en sincronas. Considerada la sociedad como un todo,
los ritmos de cambio diacrnicos dependen metodolgicamente del
fragmento o la secuencia elegida; sin ninguna duda, 10 aos, 100 aos,
1000 aos, ofrecen variabilidades y pautas de regularidad muy diferentes,
tal y como destacara F. Braudel. Considerada la sociedad como una
integracin de partes, la pluralidad de ritmos sincrnicos puede
entenderse, en una espiral ascendente, como un proceso de coordinacin
y subordinacin de elementos, donde el tiempo social se simplifica y
unifica, alcanzando un numero mayor de segmentos y fragmentos
sociales.
Prcticamente todos los tiempos sociales estn en el objetivo del
socilogo. As, desde la variabilidad de los ritmos de vida individuales,
(cada da dentro de cada semana, para cada mes) sincronizados con la
vida domstica, la actividad laboral, el ocio, los horarios comerciales; ese
largo etctera constituido por los relojes que definen y marcan los ritmos
de la vida cotidiana. Relojes latentes y relojes manifiestos, en la medida
que la incorporacin plena a la vida social, la integracin autnoma sin
roces requiere, as mismo, de un instrumental horario de referencia. Un
buen ejemplo de ello se encuentra en los nios, que no acostumbran a
"poseer" un reloj mientras dictan su ritmo cotidiano desde una compulsin
social-familiar (la comida, el descanso escolar, el dormir, etc.), es decir, en
tanto que aun son "posedos". Cuando ms libertad puedan empezar a
disfrutar, se les facilita (habitualmente se les regala asociado a un rito de
87
trnsito social) el eslabn (de pulsera o bolsillo) que le indicara en que
estado se encuentra, o es probable que se encuentre, el mundo social. En
una posicin de sincrona que afecta a un numero mayor de individuos se
encuentran los ritmos festivos, efemrides, o puntos de referencia del
estado de la tierra respecto al sol.
30
En este entorno, es donde podremos ubicar aquello que en las
sociedades con tiempos macrosociales simplificados (al ordenar un
conjunto menor y menos diverso de actividades) se denominan "ritos de
paso"; en las sociedades complejas estos subsisten, con su aparato ritual,
especialmente de modo localizado en grupos sociales especficos.
La variable tiempo puede medirse en los cuatro niveles de
medicin que son usuales en sociologa: nominal, ordinal, interval y de
razn.
%iempo nominal. Es un tipo de nivel de medicin poco usual en la
sociologa actual. En l, el tiempo se considera como una mera
catalogacin de un estado, donde no existe orden, ni distancia. Se le
denomina "ciclo" o "tiempo cclico", y en el se pierde la nocin de futuro o
pasado, en la medida que todo ha sido y todo ser, es decir, todo se repite
y solo cabe unos estados posibles (catalogacin de la realidad) donde
habitar. La secuencia siguiente expresa una temporalidad cclica en tres
estados A, B, C.
A, B, C, A, B, C, A....
No obstante, la secuencia en trminos analticos es susceptible de
diferentes ordenaciones, as un conjunto de ciclos puede ser A, B, C o
tambin B, C, A o tambin C, A, B, viniendo el sentido expresado en
trminos internos al ciclo, especialmente por aquellos que lo viven; en
trminos externos el conjunto de ciclos carece de orden global, y el
momento en que se encuentre cada ciclo solo expresa el estado de un
proceso recurrente.
31
En general, el anlisis de los ciclos o subrutinas microsociolgicas
no ha constituido un elemento central en sociologa. No obstante, las
subrutinas temporales suponen un elemento de integracin social muy
importante, encontrando un limite casi patolgico en la "estereotipia
30
Los ritmos temporales, desde un punto de vista social, se superponen a los
determinados por la naturaleza. Ciclos circadianos, bioritmos, estaciones: todos los
relojes se colapsan sobre la vida social.
31
Sociologos con temporalidad ciclica: Pareto (elites), Mitchel (oligarquias), Montesquieu,
etc.
88
conductual". La eficacia de la subrutina diaria como elemento de
integracin social y psicolgica del individuo puede apreciarse en las
consecuencias de la disminucin de subrutinas, ya sea en colectivos de
desempleados, jubilados, etc. O, en trminos ms atenuados, las
consecuencias psicolgicas que experimentan los individuos durante sus
vacaciones laborales, cuando se encuentran con todo su tiempo
disponible y tienden a establecer un mnimo de subrutinas que restablezca
una cierta tranquilidad psicolgica
32
. As, levantarse cuando se desea,
comer cuando apetece, etc., termina desincronizando al individuo; un
fenmeno semejante sucede cuando se visita una sociedad/cultura
diferente regida por otros ritmos: desconoces cuando es adecuado llamar
por telfono y cuando no, los horarios de comidas, de las oficinas y un
largo etctera que se tarda en aprender mientras estas desengranado en
los ritmos cronolgicos de dicha sociedad. El efecto en las poblaciones
anteriores es bastante equivalente, si bien con acentuaciones diferentes y
caractersticas. El debilitamiento de subrutinas implica problemas
psicolgicos, estrs, y de integracin, al tender determinados grupos
(jvenes por ejemplo) a crear y establecer sus propias subrutinas, que le
integran al grupo y le pueden alejar del engranaje temporal de la sociedad
y por lo tanto perdiendo contacto con la realidad social tal y como esta
definida por esta.
En ese sentido, un colectivo muy sensible a las subrutinas es la
poblacin juvenil. Cuando estos se convierten en parados de larga
duracin y no se les ofrecen rutinas socialmente aceptables (tal y como
tuvieron en los centros educativos), tendern a generar sus propias rutinas
(pandillas, sectas, alcohol, suicidio, etc.). Tambin, tal y como sealara en
parte E. Durkheim, un exceso de rutina e integracin puede conducir al
suicidio o al asesinato.
Socialmente, una subrutina ser ms eficaz a efectos de
integracin si traspasa un mayor nmero de niveles de anlisis, as, en la
cultura judeocristiana, el 25 de diciembre afecta a toda una cultura,
sociedades, afijaciones ecolgicas, organizacionales, institucionales,
interaccionales o agregacionales.
%iempo ordinal. En el tiempo medido en nivel ordinal existe un
antes y un despus, si bien sin equidistancia entre fenmenos o con un
cero absoluto. Bsicamente puede identificarse con un tiempo episdico
33
,
32
Una reflexin muy interesante la efecta J. baez en su articulo "El tiempo de verano
en el tiempo y el tiempo en el tiempo de verano", Revista de Occidente.
33
Un nivel temporal episodico lo podemos encontrar en los analisis macrosociologicos de
Comte, Durkheim, Spencer o el mismo K. Marx donde los estados sociales se ordenan
en una secuencia de complejidad o positividad.
89
como el que aparece en las historias de vida donde los hechos se ordenan
en el tiempo si bien sin mantener un esquema de distancia entre ellos, tal
y como sucede en un Diario personal. Un diario personal estara medido
en un nivel temporal interval, con datos que suceden equidistantes (un
da) mientras que la narracin de una vida sufre las contracciones y
expansiones que la importancia concedida a lo sucedido impone sobre la
memoria. El modelo siguiente es un ejemplo de ello (Alaminos, 2003)
90
%iempo inter$al. En el tiempo interval, los sucesos ocurren
ordenados en el tiempo, pero con una equidistancia entre ellos. Tambin
puede ser considerado como algo que sucede peridicamente. Esta
equidistancia puede venir dada por la misma naturaleza del fenmeno o
por el proceso de medicin. As, en un Diario personal el fenmeno puede
ser "todo lo que sucede durante el da", con lo cual la naturaleza del
fenmeno es interval o, por el contrario, el sujeto puede entender que su
vida es un todo segmentado por el calendario y el sueo, con lo que la
subdivisin en das equidistantes es un artefacto de la medicin misma.
En cualquier caso, ya sea como naturaleza misma o como artefacto de la
medicin, el nivel de medicin de tiempo interval es una medicin
considerada como continua, a diferencia de las anteriores que poseen un
tratamiento metodolgico de discretas.
%iempo ra9n. En el tiempo medido con nivel de razn, este no
solo esta ordenado y con una equidistancia sino que adems posee un
cero absoluto, con significado. Es normalmente identificado con el tiempo
cronolgico, fijado tericamente para un fenmeno social. Si bien puede
parecer el ms apropiado para el estudio de los fenmenos empricos,
supone un alejamiento importante de ellos, dado que la medicin de estos
se efecta en intervalos temporales (estadsticas, encuestas,
observaciones con muestreo, etc.). La concepcin del fenmeno social
como continuo en el que existe un cero absoluto con significado permite
efectuar interpolaciones acerca del estado en que se encuentre el proceso
o, lo que es lo mismo, efectuar derivaciones sobre la funcin de modo que
nos permita estimar el valor de "y" en un punto. Como tuvimos ocasin de
comprobar al referirnos a la induccin, la precisin es enemiga de la
realidad, sobre todo cuando es muy difcil, por no decir poco habitual, la
comprobacin de dicho valor interpolado o extrapolado.
Como es conocido, cada nivel de medicin contiene las
caractersticas del anterior, de tal modo que el de razn es susceptible de
realizar catalogaciones, ordenar sucesos o establecer equidistancias entre
ellos. Sin embargo, si la naturaleza temporal del fenmeno medido exige
un nivel de medicin, o el proceso operativo que permite su cuantificacin
as lo pide, debera ajustarse a l independientemente de sus
potencialidades. En trminos de modelado de fenmenos sociales, el
tiempo nominal aparece sobre todo en tipologas o modelos cualitativos, el
ordinal en tipologas o trayectorias vitales basadas sobre datos
provenientes, por ejemplo, de historias de vida. Un tratamiento estadstico
y matemtico es ms frecuente en los niveles de medicin considerados
continuos, como son interval y de razn. El interval es muy empleado en
91
modelado de serie temporal tipo ARMA, o basados en regresin.
Tambin, por ejemplo en cadenas de Markov, donde el concepto paso
corresponde con un orden equidistante, pero sin cero absoluto. El tiempo
de razn se emplea sobre todo en modelos de difusin o en procesos de
Markov, as como en modelos de regresin.
En trminos tcnicos, el nivel interval emplea diferencias (relacin
de un valor en la serie con el anterior o anteriores en trminos de
diferencias de valor, ej. ARMA), mientras que el tiempo de razn emplea
diferenciar (calculo diferencial). La pertinencia de ambos procedimientos
tcnicos esta en funcin de la naturaleza que se postule para el
fenmeno. En el modelado de fenmenos sociales el realismo (aun
cuando provenga por limitaciones de los operativos de medicin) decanta
el uso en direccin de las diferencias (impacto, etapa, lag, etc.),
tendindose a abandonar una sofisticacin (calculo) que importada
directamente de las ciencias fsicas era muy adecuada para los modelos y
la imagen cientfica de los modeladores, pero poco para la realidad de los
datos. No debe olvidarse que la traduccin en modelo de una realidad
social siempre implica un error. La medicin o sustitucin del fenmeno
por un sistema de cifrado es en definitiva proponer un modelo de
representacin. As, podemos decir que "fenmeno social = medida
ajustada + error". Este error proveniente de la medicin es un elemento
ms que se incorpora al modelo.
2.+. (rror de medicin
Un proceso de medicin difcilmente puede obtener la
cuantificacin precisa de un fenmeno social de modo que no incorpore
algn grado de error. En una encuesta, como ya sabemos, se recogen las
respuestas a diferentes preguntas, por ejemplo, la edad del entrevistado.
Lo que obtenemos son, no obstante, respuestas, es decir, valores
observados de la variable. La cuestin es qu relacin existe entre lo que
se recoge y los valores reales de la variable que han constituido la base de
referencia para la respuesta. En el caso de la edad, lo habitual es
redondear en el ltimo cumpleaos despreciando los meses. Tendremos
pues, un valor observado (en aos) y un valor real de la variable (aos y
meses). La diferencia entre el valor real de la variable y el valor observado
se define como un error de medicin. En el caso de la variable "edad" la
situacin es bastante simple, donde la respuesta (R) del entrevistado, o
valor observado (x
R
) es una funcin lineal del valor real de la variable (
R
)
y el error de medicin (
R
). Esta combinacin lineal se expresara para un
individuo como
92
x
R
=
R
+
R
de donde el error de medicin es definido como

R
= x
R
-
R

En el caso general, considerando la respuesta de todos los
entrevistados en esa medicin (es decir, preguntas) la funcin lineal sera
x = + (2.1)
Esto anterior implica que en un proceso de medicin podemos
considerar dos factores que explican la variacin que se recoge al aplicar
una definicin operativa.
(1) La primera fuente de variacin corresponde con las
diferencias reales que se pretenden medir (
R
). Si se obtiene la
autodefinicin ideolgica de los individuos se apreciarn diferencias entre
ellos, donde unos son ms de izquierdas y otros ms de derechas. Esta
variacin da cuenta de aquello que queremos medir, y constituye lo que es
la medicin en si.
(2) Sin embargo, parte de la variacin que se detecta en las
respuestas que se obtienen es inherente al hecho de emplear una
determinada definicin operativa o un instrumento de medicin y no otro
(
R
). Por ejemplo, la eleccin de aplicar una escala de autoubicacin
ideolgica que recorra de 1 a 7 posiciones o de 1 a 10 puede afectar a las
respuestas. En esta variacin interviene as mismo, la introduccin de
errores de tipo aleatorio o fortuito, que cabe esperar tiendan a
compensarse unos con otros.
Como podemos apreciar, lo que se denomina error de medicin
est constituido por dos fuentes de variacin diferentes. Estos errores
adquieren dos formas: sistemticos y aleatorios.
Un error sistemtico es aquel que introduce un sesgo que se
produce en un mismo sentido. En el caso ya citado de la edad, donde se
menciona siempre el ltimo cumpleaos, aun cuando ste sucediese hace
once meses. Se produce, pues, un error sistemtico que reduce en meses
todas las edades; el sesgo est orientado en la misma direccin. Con
carcter ms general, puede aparecer un aspecto reactivo del instrumento
de medicin. Por ejemplo, en el caso de las entrevistas "cara a cara", se
93
produce un sesgo efecto de la interaccin; pueden aparecer otros, tales
como una pregunta cuya redaccin est sesgada, o que se responda de
acuerdo a lo que es deseable socialmente. Este tipo de error es
sistemtico, dado que los sesgos estn orientados en un mismo sentido.
El error aleatorio es un tipo de error que no est ligado al concepto
que se quiere medir, y que aparece puntualmente sesgando en cualquier
direccin. Por ejemplo, un entrevistado que no presta atencin, o que est
cansado. La redaccin de una pregunta puede generar errores aleatorios
en la medida que sea ambigua y genere diferentes interpretaciones,
especialmente en las preguntas abiertas. Estos tipos de error mantienen
una relacin estrecha con los dos conceptos clave para evaluar un
instrumento de medicin: la fiabilidad y la validez.
Fiabilidad. El concepto de fiabilidad expresa la estabilidad o
consistencia de una definicin operativa, es decir, muestra la consistencia
y reproductibilidad de una medicin. La reproductibilidad viene dado
cuando una misma pregunta repetida en diferentes aplicaciones produce
mediciones semejantes. Consistencia en tanto una pregunta, planteada en
otros trminos dentro de un mismo cuestionario, debe de ofrecer la misma
medicin. La fiabilidad examina, en definitiva, en qu grado la variacin
observada en una medicin se debe a posibles errores. Por ello, la
fiabilidad
34
de X, notaremos como Px, es simplemente la razn entre la
variacin real de la variable (
2

) y la variacin observada
Px =
2

/
2
x
(2.2)
Lgicamente, la fiabilidad de una medicin, expresada en estos
trminos, es un coeficiente que oscila entre 0 y 1, donde 1 es muy fiable
(
2

=
2
x
) y 0 nada fiable. Despejando en (2.2)

2

=
2
x
P
x
(2.3)
es decir, la variacin real de la variable x es igual a la variacin
observada multiplicada por el coeficiente de fiabilidad.
En lo que se refiere a los errores, el error sistemtico es
transparente a los tests de fiabilidad, dado que este error se reproduce en
trminos semejantes en todas las mediciones. Generalmente, la medicin
34
Se puede demostrar, y constituye una formulacin alternativa de la fiablidad, que esta
es as mismo
Px=1-(
2

/
2
x)
94
de la fiabilidad se plantea en dos estrategias principales, mediciones de
estabilidad y mediciones de equivalencia. Las mediciones de fiabilidad
mediante la evaluacin de estabilidad se basan en correlacionar las
mediciones a lo largo del tiempo. El procedimiento ms conocido es el
denominado "test-retest" que traduciremos por "doble test". Se asume que
la medicin que produzca un tem o escala (X) estar correlacionado
consigo mismo en las mediciones que ofrezca en diferentes tiempos (t
1
,t
2
),
debido a que recoge la variacin real de la variable
X
t1
= +
t1
; X
t2
= +
t2
si consideramos que
2

t1
=
2

t2
y que los errores no estn
asociados C(
t1
,
t2
) = 0, entonces
Px
t1
x
t2
= Px
Validez. La validez, considera la congruencia o bondad del ajuste
entre una definicin operativa y el concepto que pretende medir. Se trata,
pues, de analizar si el instrumento de medicin mide realmente lo que
quiere medir. Podemos pensar los procedimientos para comprobar la
validez desde dos perspectivas diferentes: la validez terica y la validez
emprica. La correlacin entre y x, Px, es denominada validez terica y
mide como correlaciona la variacin en las respuestas observadas (x) con
el valor real de la variable (). Si la correlacin es entre (x) y otro tem
observado del mismo concepto (y), Pxy se denomina validez emprica.
Evidentemente la comprobacin de la validez emprica requiere ms de
una variable observada. Lord (1968) relaciona los conceptos de validez y
fiabilidad demostrando que
Pxy Px = Px
es decir, la validez emprica (Pxy) de una medida (x), con relacin
a otra segunda medida (y), no puede exceder la validez terica (Px) o la
raz cuadrada de su fiabilidad ( Px). De ello se deduce que ninguna
medida puede ser vlida sin ser tambin, a la vez, fiable. Sin embargo,
una medida puede ser fiable sin ser vlida. Supongamos un termmetro
de los utilizados para medir la temperatura corporal, que se encuentra
obturado a 37

. Si un individuo que cree sentirse enfermo lo emplea,

marcar 37
o
. Si lo empleara repetidas veces, marcara siempre 37o por
ms fiebre que tuviese. El termmetro es fiable, pues ofrece siempre una
medida consistente, pero no es vlido para medir la fiebre. De ser vlido,
es para indicar a que altura se ha obturado el termmetro. Este
instrumento de medicin no mide lo que debe medir (la temperatura
95
corporal), sino que mide otro concepto diferente (donde se obtur el
instrumento). Como conclusin, un instrumento de medicin puede ser
fiable y no tener validez. Optimamente, deber de poseer las dos
cualidades de fiabilidad y validez.
En general, la validez protege contra los posibles errores
sistemticos dado que evala la relacin entre lo que se quiere medir y lo
que se mide realmente. Sin embargo, los errores que pudieran suceder de
forma aleatoria no son detectables mediante las pruebas de validez, dado
que estos errores no se repiten regularmente. El error aleatorio es, no
obstante, detectable en las pruebas de fiabilidad. Tanto la fiabilidad con la
validez son dos aspectos esenciales en la investigacin que deben de
considerarse especialmente cada vez que se genera un nuevo
instrumento de medicin.
Correlacin epist!mica
La relacin entre un concepto terico y la medicin que se obtiene
es denominada "correlacin epistmica". La correlacin epistmica indica
la relacin terica entre el componente correcto de una medicin y el
concepto que desea representar.
";n hombre del Leino de ,hu cru)aba un ro cuando se le
cay la espada al agua. $l momento hi)o una marca en el costado
de la barquilla.
8 $qu %ue donde cay mi espada 8di+o.
,uando la barca atraco se sumergi en el agua para
buscar su espada, ba+o el punto que haba marcado, pero como la
barca se haba movido y la espada no, el m#todo para locali)ar la
espada resulto ine%ica)."
Llui Bu-wei. Discursos
35
La correlacin epistmica no es cuantificable, sino que se
determina lgicamente, y expresa el contenido de validez de una
medicin. As, los ingresos mensuales poseen una correlacin epistmica
alta con el concepto terico "status social", mientras que el nmero de
esposas, en occidente, mantienen una correlacin epistmica baja con
ese mismo concepto terico. Tal y como pone de relieve el ejemplo, la
correlacin epistmica, as como la validez de un instrumento de medicin,
35
Obra atribuida a Llui Bu-wei (?-235 antes de Nuestra Era), una parte de la cual fue
escrita por sus protegidos.
96
no es universalizable. No se pueden generar operativizaciones cross-
culturales estndar, dado que no seran correctas para alguna realidad
social que se pretenda medir. Esto ltimo es algo a tener muy en
consideracin al replicar investigaciones en los estudios cross-culturales.
Lo fundamental, en cada caso, es que los fenmenos sociales que se
pretenden medir se correspondan del modo ms preciso con el nivel de
medicin adoptado y se consiga, as mismo, una correlacin epistmica
alta entre el concepto terico y la realidad social que representa.
2.-. Ci&rados y trans&ormaciones
Como sabemos un sistema de cifrado con propiedades numricas
intenta mantener una relacin de isomorfismo con el sistema emprico, as
como ser isonmico en las operaciones que son permitidas en el sistema
de cifrado con las operaciones que son factibles en el sistema emprico.
La idea que existe detrs de estas restricciones es que al simular un
comportamiento del sistema emprico lo hacemos operando sobre el
sistema de cifrado, y este no debe de ir ms all en sus desarrollos y
combinaciones de lo que lo puede hacer el sistema emprico. As,
operando en el sistema de cifrado "operamos" sobre el sistema emprico.
En ese sentido, respetados los criterios de isomorfismo y de
isonoma entre ambos sistemas, puede adoptarse cualquier sistema de
cifrado. Es decir, no existe ninguna naturalidad en la relacin entre
sistemas de cifrado determinados y sistemas empricos.
Una cuestin diferente proviene de lo que se denominan
trasformaciones. Estas no suponen sustituir un sistema de cifrado por otro
que posee las mismas propiedades, sino que trasforma el sistema de
cifrado de tal modo que permita un anlisis ms fcil de la estructura
presente en los datos (en definitiva, esa estructura existe y se revelara a
la luz de un sistema de cifrado y no a otro, permaneciendo
independientemente de como se reexprese el sistema de cifrado). Es
Medicin
Concepto
97
decir, se puede considerar las trasformaciones en el sistema de cifrado
como aceptables, en tanto que la operacin matemtica ayude al sistema
de cifrado a revelar estructuras que estn distorsionadas por la rigidez de
la representacin numrica. As, trasformar un sistema de cifrado tomando
logaritmos ofrece un sistema nuevo de cifrado logartmico donde el cero
no existe y lo que antes era multiplicacin "a*b" deviene en adiccin log
(a*b) = log (a) + log (b); es decir un proceso multiplicativo se convierte en
aditivo. Puede, en algunas circunstancias, resultar ms operativo
matemticamente ajustar un modelo aditivo a uno multiplicativo. Es la
realidad aditiva o multiplicativa? Depender del sistema de cifrado, pues
una misma relacin alcanzara valores equivalentes expresadas en un
sistema u otro.
La utilidad de trasformar no es esttica, sino hacer el anlisis ms
fcil, permitir ajustar modelos ms simples y con ello mejorar nuestra
capacidad para entender los datos. No obstante, en esa operacin pueden
perderse aspectos importantes y siempre debe mantenerse la posibilidad
de restituir los datos a su sistema de cifrado original de modo que los
datos tengan una interpretacin inmediata en trminos accesibles y facilite
discernir los posibles absurdos a que conduzcan las operaciones
efectuadas mediante trasformaciones inapropiadas.
Porque no solo interesa los beneficios matemticos; algunas veces
puede interesar ms los beneficios tericos. As, no es lo mismo
trasformar los ingresos expresadas en nmero de pesetas, que en log de
pesetas o en pesetas al cuadrado. Cual expresara mejor la realidad
asimtrica del fenmeno?. Simetrizar una distribucin puede contribuir a
ocultar una realidad aunque facilite el ajuste matemtico de un modelo;
quizs la mejor trasformacin sea tomar potencias elevando al cuadrado
acentuando el efecto no lineal de ganar ms dinero. As pues, no solo
deben interesarnos las trasformaciones que simplifican el anlisis sino
tambin aquellas que lo expresan ms adecuadamente.
En el sentido de alejarse de la realidad, las trasformaciones
afectan a diferentes propiedades (magnitud, distancia y orden). En ese
sentido, el sacrificio de la realidad al grado en que el cifrado nuevo afecte
a la realidad. Es evidente que solo modificar la cantidad del valor (lineales)
y no a la distancia o al orden es menos grave que aquellas
trasformaciones que afectan al orden de los casos.
98
99
*. 7odelos estructurales de medicin
Las variables latentes son aquellas que representan conceptos
tericos, que no pueden ser observados directamente. Estas variables no
observables directamente daran cuenta de la variabilidad apreciada. Son
tambin conocidas como factores, y han sido tradicionalmente de gran
inters para los investigadores en las ciencias sociales y del
comportamiento. Como hemos visto en captulos anteriores, ejemplos de
variables latentes en sociologa son la anomia, la clase social, el
conservadurismo, la ideologa poltica, etc. Dado que las variables latentes
no son observables, su medicin debe efectuarse indirectamente. Para
ello el investigador intenta vincular la variable no observada con alguna
que si lo es. As, una variable latente es definida operacionalmente en
funcin a los comportamientos u opiniones que muestran aquellas que se
supone la representan. En ese sentido la medicin de un comportamiento
u opinin constituye, desde esta estrategia, tanto la medicin directa de
una variable observada como la medicin indirecta de una variable que no
lo es. Debemos aclarar que el concepto "comportamiento viene empleado
aqu incluyendo toda aquella respuesta dada por un individuo a un
instrumento de medicin. Por ello puede incluir opiniones, afirmaciones
sobre comportamientos (presentes, pasados o futuros) o puntuacin
resultantes de la administracin de un Test.
El contexto de la metodologa SEM (Structural Equation Models o
Modelos de Ecuaciones Estructurales) las variables observadas actan
como indicadores del constructo terico subyacente. En ese sentido se
hace obvia la importancia de seleccionar las variables indicadoras
adecuadas. El procedimiento estadstico mejor conocido y ms antiguo
para investigar la relacin entre un conjunto de variables observadas y
otras latentes es el anlisis factorial. Mediante esta tcnica, el investigador
examina la covariacin entre un conjunto de variables observadas para
obtener informacin sobre la variable latente. Existen dos tipos bsicos de
anlisis factorial: el anlisis factorial exploratorio y el anlisis factorial
confirmatorio. El anlisis factorial exploratorio se aplica cuando la relacin
entre las variables observadas y la latente es incierta o desconocida. El
anlisis procede de una forma exploratoria para determinar cmo las
variables observadas puedan relacionarse con el factor latente.
100
Habitualmente, el investigador intenta localizar un nmero mnimo de
factores que expliquen la correlacin entre el conjunto de variables
observadas. En el anlisis factorial la relacin entre las variables
observadas y la variable latente se denomina carga factorial. De este
modo, se espera que una variable observada presente una carga factorial
importante en la variable latente que representa y mnimas en aquellas
variables latentes con las que no tiene relacin terica. Esta aproximacin
analtica se denomina exploratoria dado que el investigador no posee un
conocimiento previo de aquellos indicadores que verdaderamente son
tiles para medir la variable latente. En relacin a la utilidad del anlisis
factorial exploratorio puede consultarse a Comrey, 1992; Gorsuch, 1983;
Mulaik, 1972.
A diferencia del anlisis factorial exploratorio, el anlisis factorial
confirmatorio responde a la situacin en la que el investigador desea testar
hiptesis sobre la relacin entre las variables observadas y las variables
latentes. En ese sentido, basndose en el conocimiento terico o en la
investigacin emprica previa, se propone a priori una relacin estadstica
entre las variables observadas y la variable latente. Posteriormente, el
modelo puede evaluarse mediante procedimientos estadsticos para
determinar la bondad del ajuste sobre los datos. Para ampliar el
conocimiento sobre el anlisis factorial confirmatorio puede consultarse a
Bollen, 1989; Hayduk, 1987; Long, 1983a. En definitiva, el modelo factorial
se limita a considerar como se vinculan las variables observadas con la
variable latente o factor. Es decir, su preocupacin principal es determinar
en que modo y grado las variables observadas han sido generadas desde
las variables latentes subyacentes. En ese sentido, los coeficientes de
regresin de los factores sobre las variables observadas son
fundamentales. Por ello an cuando se considere la estructura de
correlaciones entre los factores, habitualmente no se considera la relacin
estructural entre ellos. Debido a este inters primario en la medicin, los
modelos factoriales confirmatorios son considerados en el modelado
estructural como modelos de medicin.
101
102
Consideremos el ejemplo siguiente donde varios estudiantes
estiman la altura de sus compaeros. Es evidente que dicha estimacin
experimentar la variabilidad de las diferentes alturas de los individuos
medidos. Pero tambin una variabilidad en las estimaciones de los
diferentes individuos que miden. As, en la tabla siguiente podemos
apreciar como a un individuo con una altura de 1,67 cm, le atribuye
estudiante el Y1 una altura estimada de 1,68 cm, el estudiante Y2 1,65
cm, el estudiante Y3 1,66 cm, el estudiante Y4, 1,64 cm y por ltimo el
estudiante Y5 que le estima una altura de 1,65 cm.
Resulta evidente que en este caso no conocemos la altura real del
individuo. En primer lugar porque es una informacin sobre la altura que
tenia la ultima vez que se midi. No obstante, las circunstancias de la
medicin influyen notablemente en la altura medida. Es un caso
equivalente, pero menos extremo que cuando se considera el peso de un
individuo. La variabilidad del peso es elevada, no solo a largo plazo,
incluso en el transcurso del da. En ese sentido, la informacin que pueda
dar un individuo sobre su peso es una estimacin "basada en hechos
reales, pero posiblemente aproximada y no real. La estimacin que
efecten sus compaeros ser asimismo, aproximada y subjetiva, segn
su percepcin de la relacin tamao y peso.
Altura estimada
Altura real :1 :2 :* :+ :-
1,67 1,68 1,65 1,66 1,64 1,65
1,63 1,63 1,63 1,68 1,63 1,66
1,70 1,76 1,75 1,77 1,72 1,79
1,81 1,81 1,79 1,82 1,79 1,82
1,68 1,66 1,65 1,71 1,68 1,69
1,74 1,74 1,75 1,76 1,72 1,76
1,87 1,83 1,79 1,86 1,85 1,82
1,60 1,62 1,60 1,64 1,65 1,65
1,59 1,59 1,60 1,57 1,61 1,58
1,90 1,88 1,85 1,90 1,88 1,85
1,62 1,63 1,63 1,65 1,64 1,60
1,78 1,77 1,80 1,79 1,78 1,79
1,70 1,69 1,68 1,73 1,67 1,72
1,70 1,70 1,70 1,67 1,71 1,70
1,72 1,74 1,70 1,70 1,72 1,72
1,66 1,69 1,68 1,70 1,68 1,68
La estimacin y la altura que informa el individuo estn
relacionadas de forma clara, tal y como muestran los grficos de
dispersin siguientes.
103
Altura y estimacin 1
Altura
1,55 1,60 1,65 1,70 1,75 1,80 1,85 1,90 1,95
E
s
t
i
m
a
c
i

n

1
1,55
1,60
1,65
1,70
1,75
1,80
1,85
1,90
Altura vs Estimacin1
104
Altura y estimaciones
Altura
1,55 1,60 1,65 1,70 1,75 1,80 1,85 1,90 1,95
E
s
t
i
m
a
c
i
o
n
e
s
1,5
1,6
1,7
1,8
1,9
2,0
Estimacin 1
Estimacin 2
Estimacin 3
Estimacin 4
Estimacin 5
Estimacin 6
Estimacin 7
Estimacin 8
Estimacin 9
Estimacin 10
105
Recta de regresin de Altura vs Estimacion1
Altura
1,55 1,60 1,65 1,70 1,75 1,80 1,85 1,90 1,95
E
s
t
i
m
a
c
i

n

1
1,55
1,60
1,65
1,70
1,75
1,80
1,85
1,90
Altura vs Estimacin 1
Recta de regresin
106
Recta regresin Altura vs Estimaciones
Altura
1,55 1,60 1,65 1,70 1,75 1,80 1,85 1,90 1,95
E
s
t
i
m
a
c
i
o
n
e
s
1,5
1,6
1,7
1,8
1,9
2,0
Estimacin 1
Estimacin 2
Estimacin 3
Estimacin 4
Estimacin 5
Estimacin 6
Estimacin 7
Estimacin 8
Estimacin 9
Estimacin 10
Rectas regresin
107
Tenemos, en principio dos mediciones interesantes que efectuar.
En primer lugar, como vara las diferentes mediciones que efecta un
individuo. Sern refinadas, buscando aproximarse o a "grosso modo y
redondeando las mediciones? En ese sentido, podemos apreciar los
esfuerzos por realizar una buena medicin. Es decir, quien, en expresin
popular "tiene ojo de buen cubero. Una segunda informacin que nos
interesa es como se relaciona las mediciones que efectan los diferentes
estudiantes con las alturas reales que indican los sujetos que son
medidos. Para poder responder a estas preguntas necesitamos calcular la
varianza (dispersin interna en las mediciones efectuadas por cada
individuo) y la covarianza (medida de relacin entre las dos mediciones,
estimacin y altura que indica el individuo).
El clculo de la varianza es bastante simple. En primer lugar,
debemos establecer una referencia comn sobre la que establecer la
dispersin. Un "kilometro cero de la distribucin. El valor adoptado para
cada variable es en este caso la media aritmtica. Es conocida la aficin
en la estadstica descriptiva por la media como coeficiente sinttico de
valor central. Tomamos pues, la media como valor de referencia para
determinar la dispersin. Para ello, calculamos la media de la variable.
Despus, determinamos la distancia de los valores a la media. Tomamos
esas diferencias y la elevamos al cuadrado (es decir, las multiplicamos por
si mismas, de modo que eliminamos los signos negativos). Es decir, aqu
todas las diferencias a la media estarn ordenadas en una sola direccin,
partiendo desde cero (cero es el caso en que el valor del caso en la
variable coincida con la media). Despus las sumamos y el sumatorio lo
dividimos, usualmente por el numero de casos menos uno (N-1).
108
Altura Altura - Media (Altura Media)
2
A B C
1,67 (1,67 1,7106) = -0,040625(-0,040625)
2
= 0,00165039
1,63 -0,080625 0,00650039
1,7 -0,010625 0,00011289
1,81 0,099375 0,00987539
1,68 -0,030625 0,00093789
1,74 0,029375 0,00086289
1,87 0,159375 0,02540039
1,6 -0,110625 0,01223789
1,59 -0,120625 0,01455039
1,9 0,189375 0,03586289
1,62 -0,090625 0,00821289
1,78 0,069375 0,00481289
1,7 -0,010625 0,00011289
1,7 -0,010625 0,00011289
1,72 0,009375 8,7891E-05
1,66 -0,050625 0,00256289
M. aritmtica
de $ltura(A) 1,710625
Sumatorio de la columna (C) dividido por N-1 o
Varianza de $ltura 0,00825958
Las varianzas de las diferentes mediciones son las siguientes
Varianza
Altura ,008
Y1 ,007
Y2 ,006
Y3 ,008
Y4 ,006
Y5 ,001
Es importante recordar que segn el procedimiento de clculo de
la varianza (elevando al cuadrado las diferencias) no es esperable obtener
una varianza con valor negativo. La varianza viene expresada en el nivel
de medicin de la variable original. Esto implica que variables con
unidades de medicin de mayor magnitud (kilmetros por ejemplo), tendr
un coeficiente de varianza que numricamente ser posiblemente superior
al coeficiente de la varianza de la edad de un individuo en aos. Por ello,
no cabe comparar directamente las varianzas que proceden de
mediciones de diferente escala. En este caso, todas las mediciones se
109
referan a la altura de los individuos y se expresan en centmetros, lo que
permite comparar las magnitudes de la varianza de las mediciones de
"buen cubero efectuadas por los individuos.
El calculo de la covarianza, es decir, la coordinacin en la variacin
entre dos variables, es simplemente una extensin de la situacin anterior.
Ahora se calcularan las diferencias de cada medicin a su media y el
resultado para cada variable se multiplicara por el de la otra. La lgica es
la misma. No obstante, mientras que la varianza era imposible que
adquiriese valores negativos (al multiplicar cada valor por si mismo), la
covarianza si puede en la medida que los valores de una variable se
multiplica por los de la otra. Si la covarianza tiene valor negativo implica
que cuando las diferencias a su media en una variable son positivas, las
diferencias a su media en la otra son negativas. Es decir, crecen en
direcciones opuestas. Cuando el signo es positivo implica que en la media
de los productos (de las diferencias a la media) predominan los valores
positivos. Es decir, que cuando la diferencia a la media en una variable es
positiva, las diferencias a la media en la otra tambin lo es. Es decir, que
cuando los valores crecen en una de las variables los valores tambin
tienden a crecer en la otra.
Tambin la situacin opuesta dado que signo negativo miltiplicado
por signo negativo da como resultado signo positivo. Es decir, decrecen en
el mismo sentido
Altura Y1 (Altura media) (Y1 media)
A B C D (C*D)
1,67 1,68 -0,040625 -0,03375 0,00137109
1,63 1,63 -0,080625 -0,08375 0,00675234
1,7 1,76 -0,010625 0,04625 -0,00049141
1,81 1,81 0,099375 0,09625 0,00956484
1,68 1,66 -0,030625 -0,05375 0,00164609
1,74 1,74 0,029375 0,02625 0,00077109
1,87 1,83 0,159375 0,11625 0,01852734
1,6 1,62 -0,110625 -0,09375 0,01037109
1,59 1,59 -0,120625 -0,12375 0,01492734
1,9 1,88 0,189375 0,16625 0,03148359
1,62 1,63 -0,090625 -0,08375 0,00758984
1,78 1,77 0,069375 0,05625 0,00390234
1,7 1,69 -0,010625 -0,02375 0,00025234
1,7 1,7 -0,010625 -0,01375 0,00014609
1,72 1,74 0,009375 0,02625 0,00024609
1,66 1,69 -0,050625 -0,02375 0,00120234
Medias 1,710625 1,71375
Media de (C*D) o covarianza (sumatorio del producto de las
diferencias a su media dividido por N-1) 0,0072175
110
La media del producto en la columna final viene dividida por el
tamao muestral menos uno (N-1)
36
, mientras que las medias aritmticas
de las mediciones lo son por N. Hasta el momento hemos considerado
como varan las variables (varianza) y como covaran entre ellas. Pero no
debemos confundir covarianza con explicacin. El coeficiente de
covarianza expresa la coordinacin estadstica entre dos variables, pero
no indica nada sobre que variable explica y en que modo. Explicar una
variable significa introducir el concepto de error.
El diagrama anterior nos muestra el conocido modelo de regresin
simple. En el postulamos que el valor real (es decir aquella que cada
individuo exhibe ante el sujeto que mide la altura subjetivamente) influye
en la estimacin que se efecta (Y
1
). Esta estimacin aparece influida por
un error, que suponemos aleatorio.
Y
1
= a + b Altura +e
1
36
La razn para dividir por N-1 en lugar de por N es de carcter tcnico. Puede
demostrarse que el dividir por N resulta en un coeficiente estadstico que, considerado
como estimacin del correspondiente parmetro poblacional, esta ligeramente sesgado.
La divisin por N-1 rectifica este sesgo en la estimacin.
Altura
Y
1
b
e
1
111
En este modelo explicativo de la estimacin subjetiva efectuada
por el individuo Y
1
, a y b son coeficientes constantes (parmetros).
Corresponden con la interseccin y la pendiente y miden el error
sistemtico que contiene la estimacin de Y
1
. Si la estimacin de altura no
contuviese sesgos, a sera cero y b tomara el valor de uno. e
1
es una
nueva variable aleatoria que representa el error no sistemtico en la
prediccin. En este modelo Y se denomina la variable dependiente y
Altura (X) la variable independiente e implica ciertas previsiones acerca de
la varianza de Y as como de la covarianza entre X e Y. El objetivo del
anlisis es comparar esta expectativa con los valores observados para
poder estimar los valores de a y b. La varianza del error, Var(e), es
tambin un parmetro interesante para estimar. La varianza de e
1
refleja
la precisin de la estimacin (menor varianza corresponde a una mayor
precisin). En este modelo se asume que el valor real (Altura) y el error (e)
no estn correlacionados y que la media de e es cero y varianza
homognea, Var(e).
En este modelo de medicin tenemos una informacin que puede
estar anclada en la realidad o muy prxima a ella, como es la altura que
indica el individuo. No obstante, cabe pensar en la situacin donde solo
podemos apoyarnos en estimaciones subjetivas sobre la que pueda ser el
valor real. Esta es una situacin frecuente en algunas disciplinas como la
psicologa o la sociologa. Continuando con el ejemplo de las estimaciones
de la altura de los compaeros de clase, supongamos que conocemos las
estimaciones que efectan dos alumnos pero no la altura real. El modelo
en este caso, sustituye la variable altura por una variable a estimar, latente
y que dara cuenta de la covariacin entre las mediciones efectuadas por
los estudiantes. Consideramos, asimismo que ambas estimaciones de
altura efectuadas por los dos estudiantes contienen error.
Y
1
= a + b F + e
1
Y
2
= c + d F + e
2
En este modelo postulamos la existencia de una variable latente
que denominamos F. Al igual que suceda en el ejemplo anterior,
poseemos estimados de la media de Y
1
y de Y
2
, as como de sus
varianzas y sus covarianzas. Habitualmente en las ciencias sociales y del
comportamiento las mediciones son, en el mejor de los casos, intervales,
112
donde la posicin del 0 es arbitraria. Esta es una de las razones por la que
la interseccin a y c no son de inters. Si lo son, sin embargo los
parmetros de pendiente b y d. El modelo de medicin especificado por
las dos ecuaciones aparece ilustrado en el diagrama siguiente. En este
modelo los parmetros que deben ser estimados son b, d, Var(F), Var(E
H
)
and Var(E
2
).
F_A_T_A_L E_R_R_O_R: Degrees of freedom is negative.
En este modelo partimos asumiendo que las ,ov?E
H
,E
K
B, ,ov
?D,E
H
B y Cov(F,E
2
) son todas 0. En otras palabras, asumimos que los
errores de medicin no estn correlacionados y que su vez estn
incorrelacionados con la variable latente F. Estas pueden que no sean
presunciones completamente realistas, pero de no plantearse, sera
posible estimar cualquier otro parmetro de inters. En este modelo
tenemos cinco parmetros para estimar, pero slo tres estadsticos nos
aportan informacin relevante, Var(Y
1
), Var(Y
2
) y Cov(Y
1
,Y
2
). Ciertamente,
esto supone un problema importante. Cuando poseemos ms incgnitas
que resolver que informacin, no existe un conjunto de soluciones nicas
para estimar los parmetros.
El modelo se encuentra infraidentificado. Es el problema clsico en
regresin cuando ambas variables estn sujetas a error. La nica
estrategia para encontrar soluciones es imponerse algunas restricciones
en el valor de los parmetros. Por ejemplo, podemos plantear que las
mediciones Y
1
e Y
2
slo pueden ofrecer informacin sobre los sesgos que
cometen los dos estudiantes uno en relacin al otro. Esto supone que
podra estimarse la ratio entre b y d, pero no b y d. El problema tambin
se puede intentar solucionar fijando arbitrariamente b = 1 (de modo
equivalente, d = 1) o fijando la varianza de la variable latente F = 1.
Cualquiera de las opciones anteriores no producira diferencias
113
significativas en la interpretacin de resultados. No obstante, a pesar de
ellas, el modelo contina infraidentificado. Cualquier otra restriccin
implicara prescindir de la estimacin de valores y parmetros en los
cuales estamos especialmente interesados. El problema de la
identificacin del sistema, cuando el modelo de medicin no contiene
suficiente informacin, debera de ser tomado en cuenta en la fase del
diseo de la investigacin. Esto obviamente no es factible cuando los
datos empleados proceden de fuentes secundarias. Una forma de evitar,
desde el diseo de la investigacin este problema, consiste, por ejemplo
en utilizar tres indicadores independientes en lugar de slo dos. Otra
opcin posible podra consistir en repetir el modelo temporalmente.
Con tres indicadores:
Goodness of Fit Statistics
Degrees of Freedom = 0
Minimm Fit Fnction !"i#S$are = 0.0 %& = '.00(
)orma* T"eor+ ,eig"ted Least S$ares !"i#S$are = 0.00
%& = '.00(
T"e Mode* is Satrated- t"e Fit is &erfect .
114
Con cuatro indicadores:
115
*.1. %estado de bondad de a#uste
Como indicbamos, el exceso de informacin supone una
oportunidad especial para testar el modelo estructural. Para ello debemos
considerar que el modelo se ajusta sobre un conjunto de datos y la matriz
relacional que estos datos ofrecen. El modelo, realmente, aspira a
reproducir dicha estructura relacional emprica pero en el contexto de una
estructura terico explicativa. Es decir, el modelo opera aspirando a
traducir una estructura relacional emprica (generada por una definicin
previa y una seleccin de lo que es importante para definir el fenmeno en
estudio) en una estructura relacional de conceptos vinculados por una
argumentacin explicativa. En este contexto, un aspecto muy importante
ligado al concepto de identificacin es la posibilidad de testar el modelo;
testar el modelo consiste en comparar la estructura emprica que ha sido
integrada en el modelo con la estructura emprica original y sobre la que
ste se apoya.
116
Una primera aproximacin consiste en comparar la matriz de
correlaciones observada con la matriz de correlaciones reproducida segn
los diferentes modelos. Una vez que han sido estimados los diferentes
parmetros para un modelo, es factible estimar la matriz de covarianza o
de correlaciones. En ocasiones, la comparacin entre las dos matrices de
correlacin concluye en que son idnticas. Esta igualdad de las dos
matrices, la obtenida directamente desde los datos y la reproducida a
117
partir del modelo, no es incidental. Esto sucede siempre que el modelo es
un "modelo recursivo saturado. En este tipo de modelo se incluyen todos
los efectos posibles (no recprocos). En los modelos saturados el nmero
de grados de libertad es igual a 0, lo que significa que el nmero de
correlaciones es igual al nmero de parmetros que deben ser estimados.
En este tipo de modelos exactamente identificados solamente es posible
hallar una solucin que adems ajustar perfectamente con los datos y
como consecuencia de ello la matriz de correlaciones estimada coincide
exactamente con la observada. Este resultado puede encontrarse
generalmente en cualquier tipo de modelo con 0 grados de libertad
37
Una situacin adecuada para este test de reproducibilidad de la
matriz de relaciones empricas aparece con los sistemas
sobreidentificados. Como se trat previamente, para la solucin los
parmetros se hacen necesarias tantas ecuaciones como nmero de
parmetros. Por ello, cuando tenemos ms ecuaciones que parmetros es
posible emplear el exceso de informacin para testar el modelo.
Evidentemente, este test no es posible cuando el modelo esta
exactamente identificado, dado que no quedan ecuaciones libres para
testar. Veamos seguidamente el procedimiento de testado de los modelos
explicativos sobreidentificados.
En primer lugar debemos distinguir, como es habitual, entre los
coeficientes tericos propuestos y los coeficientes estimados. Partiendo de
los valores de los coeficientes estimados y mediante la relacin que el
modelo propone entre coeficientes y parmetros tericos es posible
reproducir las covariaciones y varianzas. Las varianzas y covarianzas
pueden derivarse de forma nica desde los parmetros estructurales del
modelo (como sabemos, lo contrario no es cierto y de ah el problema de
la identificacin).
El grado en que las varianzas y covarianzas reproducidas desde el
modelo se parezcan a las obtenidas directamente y sobre las que se
apoya el ajuste actuar como test del modelo propuesto. Un mismo
conjunto de varianzas y covarianzas pueden ser el punto de partida para
ajustar diferentes modelos; cada modelo postula un tipo distinto de
relaciones. En la medida que la reconstruccin de varianzas y covarianzas
depende de las relaciones propuestas, cada modelo generar una
reproduccin distinta de la matriz relacional emprica.
En ese sentido, cabe la opcion de testar los diferentes modelos en
la medida que diferentes modelos generarn diferentes varianzas y
37
Con la excepcin de aquellos en los que algn parmetro no puede ser identificado
118
covarianzas reproducidas. De hecho, si el modelo propuesto diese cuenta
completa de las covarianzas y varianzas originalmente obtenidas,
empricamente no existira diferencias entre estas y las covarianzas y
covarianzas reproducidas. Podemos entender que un modelo es correcto
en la medida que las diferencias entre varianzas y covarianzas de partida
se correspondan con las generadas desde el modelo. Por el contrario, si el
modelo propuesto fuse errneo, los dos conjuntos de varianzas y
covarianzas serian muy diferentes, indicando de este modo la poca
bondad del ajuste del modelo sobre los datos. No tratamos aqu de la
realidad, sea la que sea, sino de cmo sta ha sido expresada mediante
datos (hablada) y cmo un modelo puede ajustar mejor o peor sobre esos
datos.
En todo caso, cuando se compara la matriz reproducida de
varianzas y covarianzas con la matriz de datos original, es importante
evaluar si las diferencias se reparten de forma igual entre todas las
coeficientes. La concentracin de diferencias importantes en unos
coeficientes en concreto nos indicaran posibles problemas de
especificacin del modelo en esas variables.
Cuando los grados de libertad son mayores de cero (d% W I), es
decir se trata de un modelo sobreidentificado, la similaridad entre las dos
matrices depender de las restricciones que definamos en el modelo. En
principio, el tamao de las desviaciones entre las dos matrices depender
de la magnitud del error que exista en el modelo especificado. La
informacin que se refiere al determinante de la matriz de covarianzas
observada, nos indican que todo va correctamente cuando su
determinante es > 0. Otro indicador importante se refiere a la matriz de
residuales. Esta matriz de residuales se construye mediante la
comparacin entre la matriz de covarianzas originales y la matriz de
covarianzas estimadas a partir del modelo. El valor de estos residuales
debera de ser relativamente pequeo y distribuido de modo parecido
entre las diferentes variables si el modelo ajustada de modo razonable a
los datos. Unos valores residuales excesivamente grandes asociados a
variables concretas son un indicador de un mal ajuste.
La matriz de residuales estandarizada (basada en las
correlaciones) es ms fcil interpretar que la matriz no estandarizada
(basada en covarianzas) dado que el tamao de los residuales no
depende de la escala con que se midiese las variables observadas.
An cuando la comparacin entre la matriz de covarianza
observada y reproducida ofrece un buen indicador del ajuste del modelo a
los datos, es evidente que la necesidad de un test ms preciso.
119
Especialmente en la medida que es previsible que se produzcan
fluctuaciones aleatorias procedentes de la naturaleza muestral de los
datos. En ese sentido, es necesario algn tipo de test que ayude a decidir
si las desviaciones entre las covarianzas observadas y las reproducida son
fluctuaciones muestrales o consecuencia de que el modelo esta mal
especificado. Este tipo de medidas se denominan tests estadsticos.
Cuando la distribucin de un test estadstico es conocida (indicando para
un modelo correcto que parte de la fluctuacin de la medicin corresponde
al muestreo) es posible efectuar la comparacin entre los valores
observados y el conjunto de valores esperados si modelo es correcto. Es
posible considerar tres tests estadsticos diferentes asociados con los tres
procedimientos de estimacin ms frecuentes. El mejor candidato para los
mnimos cuadrados no ponderados (ULS) es la suma de los residuales al
cuadrado, definidos los residuales como la diferencia entre las covarianzas
observadas y las covarianzas reproducidas. Es evidente que este
estadstico %
5L;
crece cuando las desviaciones entre observadas y
reproducidas se incrementan. Es decir el valor del estadstico es mayor
cuanto mayor en la diferencia entre las matriz observada y la matriz de
covarianza reproducida. Desafortunadamente no es conocida la
distribucin de este estadstico. Para la los otros dos procedimientos de
estimacin si es posible formular estadsticos cuya distribucin es
conocida. %
GL;
tambin depende del tamao de los residuales. Tendr un
valor mayor cuando los residuales son grandes y menor si las diferencias
entre las observadas y las reproducidas son pequeas. Los residuales son
ponderados en el mismo modo que en el procedimiento de estimacin,
introduciendo un factor de ajuste: (N 1). %
7L
, al igual que los dos
estadsticos anteriores, cuanto ms grande es su valor, ms lejos est de
un buen ajuste. Cuando el coeficiente se aproxima a cero el modelo ofrece
un ajuste perfecto.
El coeficiente ,H:8cuadrado para el modelo de independencia nos
ofrece un test de significacin para la hiptesis de que las diferentes
variables observadas consideradas en el modelo son mutuamente
independientes. Si el coeficiente indica que las variables observadas son
realmente independientes no tiene ningn sentido continuar explorando
modelos de dependencias entre ellas. Ya sea porque no existe realmente
una estructura de covarianzas que analizar o que el tamao muestral es
demasiado pequeo para poder demostrar algo.
Otro de los test se refiere a CH-cuadrado basado en un nmero
determinado de grados de libertad. La distribucin de Chi cuadrado ha
resultado ser de gran utilidad en mltiples situaciones, entre ellas el
testado de la bondad de ajuste en modelos estructurales. Bajo ciertas
120
condiciones, el test estadstico para comprobar la adecuacin de un
modelo se distribuir aproximadamente como la distribucin de Chi
cuadrado, con el valor K igual a los grados de libertad de un modelo. Por
ejemplo, con 10 grados de libertad la probabilidad de encontrar un
estadstico prximo a cero es muy baja. Es mucho ms probable que el
valor obtenido se encuentre entre cinco y quince, mientras que valores
mayores que veinte son bastante improbables. As, en general, es posible
esperar, como media, que el valor del estadstico en un buen modelo se
aproximara al valor de los grados de libertad. Dado que la distribucin de
Chi cuadrado es conocida exactamente para cualquier grado de libertad,
es posible efectuar afirmaciones ms precisas an. Si comprobamos la
tabla de valores de Chi cuadrado, podemos apreciar como para un modelo
con diez grados de libertad, en un 95% de las muestras de posibles
estadsticos el valor se espera sea menor que 18.3 o para 1 grado de
libertad el valor se espera que sea menor que 3.84. Gracias a esta
relacin entre el test estadstico y la distribucin Chi cuadrado, podemos
evaluar que valores distintos de cero son esperables debido a las
fluctuaciones muestrales. Por ello, es factible considerar un test
estadstico que indique la bondad del ajuste de un modelo terico sobre
los datos empricos as como tener en cuenta las variaciones debidas a las
oscilaciones muestrales que caracterizan a los datos.
Podemos, por lo tanto, considerar un test estadstico que nos
ofrezca informacin sobre el ajuste del modelo a los datos. La tabla de Chi
cuadrado nos facilita la informacin sobre lo grande debera de ser el valor
de un test estadstico en el 95% de las muestras en el caso que el modelo
sea correcto. Es decir, si al ajustar un modelo sobre una muestra particular
el valor es menor de este valor crtico, el modelo no se rechaza dado que
puede haberse producido debido a fluctuaciones muestrales. Si el valor
del estadstico es mayor que este valor crtico, sabemos que existe un 5%
de probabilidad de que sea debido a fluctuaciones muestrales, asumiendo
que el modelo es el correcto. Por ello, se rechaza la hiptesis de que el
modelo es correcto cuando el valor excede el valor crtico. Lo ms
probables que sea un problema de especificacin del modelo y no de
fluctuaciones muestrales.
En cualquier caso, debemos considerar que cualquier conclusin
referida al modelo puede ser errnea dado que cualquier valor puede ser
debido a fluctuaciones muestrales. De acuerdo al procedimiento descrito,
tambin es factible el caso opuesto. Es decir, la posibilidad de rechazar un
modelo cuando la teora es correcta es del 5%. Una forma de rehuir este
posible error es testando al 0.01 en vez del 0.05. En ese caso, la
probabilidad de rechazar un modelo correcto se reduce al 1%. En general,
121
en ciencias sociales se considera aceptable un riesgo del 5%. Este nivel
de riesgo se denomina nivel de significacin del test.
Vamos a considerar varios indicadores de bondad de ajuste. RMR
es un coeficiente basado directamente sobre los residuales. Esta medida
es prxima a 0 cundo todos los residuales estn prximos a cero. Esto
implica que tiene una utilidad especial para comparar el ajuste de un
modelo con el de modelos alternativos, para un mismo conjunto de datos.
Por otra parte, no est claro cmo debe de ser de grande esta medida de
modo que exprese un mal ajuste del modelo sobre la datos. Esto significa
que este coeficiente es especialmente til para comparar diferentes
modelos alternativos ajustados sobre los mismos datos, dado que sus
valores solamente puede ser comparados en esas condiciones. Para
intentar evitar el problema de la interpretacin de dichos coeficientes, es
posible normalizarlos de forma que su valor posible oscile entre 0 y 1. Es
lo que sucede con los coeficientes denominados ndices de Bondad de
Ajuste (GF). Es evidente que una de las ventajas principales de este
coeficiente de ajuste es que su valor es ms fcil de interpretar que el
anterior. Cuando GF es cero el ajuste es malo, mientras que cuando GFI
est prximo a 1 el ajuste es bueno. Este coeficiente puede ser utilizado
para comparar modelos alternativos ajustados sobre el mismo conjunto de
datos y tambin para comparar modelos ajustados sobre diferentes datos.
Actualmente el problema con estas mediciones es que estn poco
estudiadas y no est muy claro cuando es factible hablar de un ajuste
aceptable o no. Una cuestin importante en estos coeficientes es que la
medicin de la bondad del ajuste debera considerar el nmero de
parmetros empleado en el modelo. En general, es posible obtener un
mejor ajuste con un nmero mayor de parmetros. Por ello, es interesante
considerar una medicin que tambin tenga en cuenta el nmero de
parmetros empleados o, de modo equivalente, el nmero de grados de
libertad. Un coeficiente que tiene en cuenta los grados de libertad es el
denominado AGF. Este coeficiente tambin oscila entre 0 y 1, donde cero
expresa un ajuste deficiente y 1 un ajuste excelente. No obstante, tambin
en este caso es difcil considerar los valores intermedios de la medicin,
en el sentido de los valores que expresan un buen ajuste o un mal ajuste.
Entre las ventajas de estos estadsticos se encuentra la no dependencia
del tamao muestral. Los test estadsticos basados en Chi-cuadrado son
muy sensibles a los errores pequeos en el caso de muestras grandes y
poco sensitivos en el caso de muestras pequeas. Estos coeficientes nos
ofrecen un nivel absoluto de ajuste del modelo a los datos, mientras que
los test basados en Chi cuadrado ofrecen bsicamente una apreciacin
relativa. Esto se hace evidente, por ejemplo, si consideramos que en el
caso de Chi cuadrado la comparacin se efecta con el modelo nulo
(independencia) lo que en definitiva es una eleccin arbitraria. No
122
obstante, poseen por ello la ventaja de una fcil interpretacin: la mejora
proporcional supone el ajuste de un nuevo modelo, comparado con el
modelo nulo.
Degrees of Freedom = 2
Minimum Fit Function Chi-Square = 0.40 (P = 0.82)
Normal Theory Weighted Least Squares Chi-Square = 0.39 (P =
0.82)
Estimated Non-centrality Parameter (NCP) = 0.0
90 Percent Confidence nterval for NCP = (0.0 ; 2.81)
Minimum Fit Function Value = 0.0025
Population Discrepancy Function Value (F0) = 0.0
90 Percent Confidence nterval for F0 = (0.0 ; 0.018)
Root Mean Square Error of Approximation (RMSEA) = 0.0
90 Percent Confidence nterval for RMSEA = (0.0 ; 0.094)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.88
Expected Cross-Validation ndex (ECV) = 0.11
90 Percent Confidence nterval for ECV = (0.11 ; 0.13)
ECV for Saturated Model = 0.13
ECV for ndependence Model = 5.45
Chi-Square for ndependence Model with 6 Degrees of Freedom =
858.40
ndependence AC = 866.40
Model AC = 16.39
Saturated AC = 20.00
ndependence CAC = 882.70
Model CAC = 49.00
Saturated CAC = 60.
Normed Fit ndex (NF) = 1.00
Non-Normed Fit ndex (NNF) = 1.00
Parsimony Normed Fit ndex (PNF) = 0.33
Comparative Fit ndex (CF) = 1.00
ncremental Fit ndex (F) = 1.00
Relative Fit ndex (RF) = 1.00
Critical N (CN) = 3681.52
Root Mean Square Residual (RMR) = 0.0044
Standardized RMR = 0.00079
Goodness of Fit ndex (GF) = 1.00
Adjusted Goodness of Fit ndex (AGF) = 0.99
Parsimony Goodness of Fit ndex (PGF) = 0.20
El criterio de informacin de Akaike (A<C) y la versin de Bozdogan
del estadstico =CA<C), toman en cuenta tanto los indicadores de ajuste
123
como el nmero de parmetros a estimar empleados para lograr ese
ajuste. El modelo que produzca el valor ms peque1o en ambos
estadsticos es el que puede considerarse potencialmente el ms til.
Podemos considerar, as mismo, otros tres ndices de ajuste ><,
><, y C><. Todos ellos estn basados en los valores de la funcin de
ajuste y tienen como lmite superior el valor 1. El NNF presenta la ventaja
de funcionar bastante bien independientemente de los tamaos
muestrales. En general, la experiencia demuestra que todos estos ndices
necesitan valores superiores a .G para reflejar un modelo con ajuste
adecuado
124
*.2. La e,plicacin entre latentes
En el mbito del anlisis de senderos se determin la posibilidad
de anlisis estructurales empleando variables latentes
38
. Veamos
seguidamente un modelo simple de efectos entre variables latentes. El
siguiente fu el primer modelo discutido en 1969 y donde se puede
apreciar claramente su relacin con los modelos estructurales construidos
exclusivamente con variables manifiestas. En este modelo podemos
apreciar dos variables latentes F
1
y F
2
, donde F
1
es la variable latente
causa y F
2
la variable latente efecto. El coeficiente que liga ambas
variables estructuralmente es
21.
Podemos apreciar como la variable latente F
1
influencia las
variables indicadoras x
1
, x
2
, x
3
, mientras que la variable latente F
2
influye
en las variables indicadoras y
1
, y
2,
y
3
. Se han notado los errores
ecuacionales como d
1
, d
2
, d
3
el error para las variables x y e
1
, e
2
, e
3
para
las variables y. En este tipo de modelos la notacin de las variables y de
38
Las variables latentes son denominadas factores en el mbito de la psicologa.
125
los errores vara en la medida que se introduce el concepto de variable
latente y variable indicador. En este modelo en particular, el inters esta
centrado en la relacin entre variables latentes y no entre los indicadores.
Sin embargo, la correlacin entre indicadores es la nica informacin que
poseemos empricamente desde los datos. La relacin entre variables
latentes es algo que debemos estimar desde la correlacin entre
indicadores. Precisamente, este fu el descubrimiento importante desde el
anlisis de senderos: que es posible estimar la relacin entre las variables
latentes mediante la correlacin conocida entre las variables indicadoras.
El modo como se deriva el efecto
21
es exactamente igual a como
consideremos en las reglas de descomposicin.
En primer lugar, las correlaciones apreciadas entre las variables
indicadoras se expresan en trminos de los parmetros del modelo y en
segundo lugar, se estiman los parmetros empleando la informacin que
les asocia a las correlaciones.

y2y1
=
s
y22

s
y12
(3.1.1.)

y3y1
=
s
y32

s
y12
(3.1.2.)

x1y1
=
s
x11

s
21

s
y12
(3.1.3.)

x2y1
=
s
x21

s
21

s
y12
(3.1.4.)

x3y1
=
s
x31

s
21

s
y12
(3.1.5.)

y3y2
=
s
y32

s
y22
(3.1.6.)

x1y2
=
s
x11

s
21

s
y22
(3.1.7.)

x2y2
=
s
x21

s
21

s
y22
(3.1.8.)

x3y2
=
s
x31

s
21

s
y22
(3.1.9.)

x1y3
=
s
x11

s
21

s
y32
(3.1.10)

x2y3
=
s
x21

s
21

s
y32
(3.1.11)

x3y3
=
s
x31

s
21

s
y32
(3.1.12)

x2x1
=
s
x21

s
x11
(3.1.13)

x3x1
=
s
x31

s
x11
(3.1.14)

x3x2
=
s
x31

s
x21
(3.1.15)
126
Adems de las ecuaciones anteriores es posible especificar seis
ms correspondientes a las varianzas de las variables indicadoras,
descomponindolas en varianza explicada y varianza no explicada. No nos
ocuparemos de dichas ecuaciones en la medida en que el efecto que nos
ocupa tericamente es el que liga las dos variables latentes F
1
y F
2
(
21
).
En resumen, tenemos 15 ecuaciones especificadas y solo 7 parmetros
desconocidos. En estos trminos podemos concluir que la condicin
necesaria para la identificacin del sistema se cumple.
Es evidente que con la informacin facilitada por los datos (en
forma de correlaciones) y por las ecuaciones (3.1.1) (3.1.2.) (3.1.6) es
posible estimar los coeficientes
s
y12,

s
y22,

s
y32.
Si consideramos la
razn entre
y2y1
y
y3y1

y2y1
/
y3y1
=
s
y22
/
s
y32
luego

s
y22
=
s
y32
(
y2y1
/
y3y1
)
sustituyendo en la ecuacin (3.1.6) obtenemos la solucin para

s
y32

s
y32
= raz (r
y3y1
r
y3y1
)/ r
y2y1
habiendo determinado l
s
y32
los otros coeficiente pueden hallarse
por sustitucin en las ecuaciones anteriores. Aplicando el mismo
procedimiento pueden estimarse los coeficientes

s
x11,

s
x21,

s
y31.
Tras determinar los coeficientes que ligan las variables indicadoras
a las variables latentes, an nos quedan 9 ecuaciones para determinar el
valor de
21
.
De este modo, el parmetro puede resolverse desde 9 ecuaciones
distintas. Podemos apreciar como una vez establecido el mecanismo
127
estructural que da forma a las variables latentes es posible determinar la
influencia de unas sobre otras. En este caso es incluso posible testar el
modelo terico propuesto dado que quedan 8 grados de libertad.
Evidentemente, el modelado con variables latentes se ha desarrollado
implicando modelos ms complejos, donde se combinan variables
latentes, indicadoras y manifiestas.
*.*. 7odelos estructurales con $ariables obser$adas
Los modelos estructurales, en tanto que explicacin
narrativamente compleja de la realidad, aspira a explicar sistemas de
relaciones donde interviene un nmero importante de variables. La
intervencin de diferentes variables contribuye, en la prctica, a clarificar
las relaciones existentes entre ellas. As, por ejemplo ya nos referimos al
caso de la relacin espuria. Se denomina relacin espuria a aquella
covariacin existente entre dos variables que es consecuencia de que
ambas dependen de otra variable que es causa comn de ellas y que da
cuenta de la covariacin. sta es una posibilidad existente que debe ser
evaluada en detalle, y en principio constituye una sospecha que pesa
sobre toda covariacin bivariable. Dado que la determinacin de la
condicin de relacin espuria entre dos variables (donde su covariacin
observada viene inducida por su dependencia comn de una tercera
variable) se afirma tericamente al definir la tercera variable como causa
comn, la introduccin de variables en los modelos incrementa su validez.
"Los hechos son obstinados, dice un proverbio ingl#s. Este
proverbio ingl#s nos viene a menudo a la memoria, especialmente cuando
alg2n escritor se despacha, trinando como un ruise1or, sobre la grande)a
del "principio de la nacionalidad" en sus diversos sentidos y correlaciones,
a tiempo que este "principio" se aplica con tanto acierto como acertadas y
oportunas %ueron las e/clamaciones de un c#lebre h#roe de un cuento
popular que, a la vista de una procesin %2nebre, les deseC "=+al tengis
siempre un muerto que llevar."
Hechos e/actos, hechos indiscutiblesC he aqu lo particularmente
insoportable para esta clase de escritores y lo verdaderamente necesario,
si uno desea orientarse con seriedad en el comple+o y di%cil problema, a
menudo enredado con toda premeditacin. "ero &cmo reunir los
hechos' &,mo establecer su ne/o e interdependencia'
En el terreno de los %enmenos sociales no e/iste procedimiento
ms di%undido y ms inconsistente que tomarse de los peque1os hechos
"aislados", +ugando a los e+emplos. Escoger los e+emplos, en general, es
128
bastante %cil, pero resulta que, o no signi%ican nada o son negativos,
puesto que el %ondo reside en el ambiente histrico concreto de cada
caso. Los hechos, considerados en su con+unto, en su mutua correlacin
intrnseca, no slo son "obstinados" sino absolutamente demostrativos. En
cambio, los peque1os hechos tomados en %orma aislada y sin relacin
intrnseca, %ragmentaria y arbitrariamente se tras%orman en un +uguete o
en algo peor. "or e+emplo, si un escritor con %ama de persona seria,
deseoso de que se lo siga considerando como tal, toma el caso del yugo
monglico y lo e/pone como e+emplo para aclarar ciertos acontecimientos
ocurridos en la Europa del siglo --, &podr considerarse su proceder slo
como un +uego, o ms correctamente como charlatanismo poltico' El
yugo mongol es un hecho histrico indudablemente ligado con el
problema nacional. (ambi#n en la Europa del siglo -- se observa una
serie de hechos cuya cone/in con este problema es asimismo obvia. *in
embargo, pocas personas habr 8del tipo que los %ranceses tildan de
"payasos nacionalistas"8 susceptibles de pretender seriedad y al mismo
tiempo obrar con "hechos" como los del yugo mongol para ilustrar lo que
sucede en la Europa del siglo --.
La conclusin es claraC hay que tratar de establecer una base de
hechos e/actos e indiscutibles sobre la cual apoyarse para comparar
cualesquiera de esas argumentaciones "generales" y "e+emplares" que en
la actualidad se usan en %orma abusiva en algunos pases. "ara que esa
base sea verdadera, es necesario no tratar hechos aislados, sino todo el
con+unto de los hechos que ata1en al problema en discusin, sin una sola
e/cepcin, puesto que de otra manera es inevitable que sur+a la
sospecha, muy legtima, de que los hechos se eligieron o adoptaron
arbitrariamente y que, en lugar de una correlacin ob+etiva y una
interdependencia de los %enmenos histricos en su con+unto, nos sirven
un me+un+e "sub+etivo" para +usti%icar posiblemente un asunto sucio. Eso
ocurre ms a menudo de lo que se cree.
"artiendo de estas premisas, hemos resuelto comen)ar con
estadsticas, conscientes de la gran antipata que suelen provocar en
algunos lectores y escritores, quienes pre%ieren la "noble mentira" a las
"ba+as verdades"> por su a%icin a pasar, ba+o la bandera de meditaciones
"generales", contrabando poltico sobre internacionalismo,
cosmopolitismo, nacionalismo, patriotismo, etc#tera."
V.:. Lenin. Estadstica y sociologa. 0olcheviO, nX K, HGJR
Si bien es interesante determinar relaciones no explicativas, es
evidente que la finalidad ltima de los modelos estructurales es determinar
129
relaciones explicativas. El termino empleado para nombrar la relacin
entre variables es el de efecto dado que se postulan relaciones de causa-
efecto. Segn el tipo de relacin entre variables, es decir, segn su
posicin en el sistema se denominara el efecto (relacin) de un modo u
otro. Debe recordarse que todo efecto responde a la presuncin de una
relacin con contenido terico y que responde a una hiptesis.
Estableceremos dos tipos generales de relacin, la que se produce en los
dos sentidos estableciendo una dinmica de retroalimentacin, y la que se
produce en un sentido nico:
Causacin unidireccional:
efectos directos
efectos indirectos
efectos directos e indirectos
efecto condicional
Causacin bidireccional:
efectos recprocos directo
efecto recproco indirecto
En primer lugar, un efecto directo indica una relacin no mediada
entre dos variables. En ese sentido, expresa que de existir variables que
medien entre ellas dos carecen de entidad o significacin terica para ser
explicitadas. Esto no siempre es as y el recurso a los efectos directos
permite ocultar, incluso de modo no voluntario relaciones importantes. En
ese sentido, recordemos que el entimema es una forma no correcta de
razonamiento donde se da por obvia la segunda premisa. Los efectos
directos deben evaluarse cuidadosamente, dado que muy posiblemente
se den por evidentes variables mediadoras que deberan ser explicitadas
para una mejor compresin del proceso en estudio. Los efectos directos
responden al siguiente esquema.
Un efecto indirecto se produce cuando una variable causa influye
en otra variable a travs de una tercera variable que acta como variable
Variable
Y
1
Variable
Y
2
130
mediadora. Esta tercera variable que convierte lo que sera un efecto
directo en uno indirecto se denomina, como ya se advirti, variable
interviniente. Una de las ventajas de la introduccin de variables
intervinientes es que desvelan con una mayor nitidez la secuencia que
sigue el mecanismo estructural.
Esta secuencia muestra un efecto indirecto de la variable que se
postula como causa, sobre la variable que se postula como efecto.
Pueden presentarse conjuntamente efectos directos e indirectos entre una
variable causa y otra efecto. Esta posibilidad se recoge en el diagrama
siguiente.
Hemos podido apreciar como la variable interviniente convierte una
relacin directa en indirecta. Existe otro tipo de variable que puede mediar
de otra forma sobre el efecto existente entre dos variables. Es la
denominada variable condicional. Las variables condicionales determinan
la intensidad de los efectos estructurales. As, en el diagrama siguiente
podemos apreciar como la variable condicional Y
2
no orienta su grafo
hacia otra variable, sino que lo hace en direccin a otro grafo.
Variable
interviniente
Y
2
Variable
Y
3
Variable
Y
1
Variable
Y
2
Variable
Y
3
Variable
Y
1
Variable
Y
1
Variable
Y
3
Variable
interviniente
Y
2
131
Por ejemplo, podemos afirmar que el grado en que se conozcan
las normas que rigen las interacciones de los miembros de un grupo
tendr como efecto el grado de integracin en dicho grupo. Sin embargo,
an con un alto conocimiento de las normas, la integracin en el grupo se
vera determinada por el inters que tenga el individuo en pertenecer a l.
Un estudioso puede tener un conocimiento completo de las normas de un
grupo de "punkies y no por ello estar integrado en uno de ellos. En cierto
modo, las variables condicionales estn siempre presentes si bien no se
acostumbraba a explicitarlas, excepto cuando su intervencin es
especialmente relevante para la relacin estudiada.
Un tratamiento aparte requiere las relaciones bidireccionales. En
algunos planteamientos tericos no est clara la distincin entre variable
causa y variable efecto, en la medida que ambas se afectan mutuamente.
Este tipo de relacin se denomina relacin recproca y es aquella en la que
dos variables se influencian mutuamente. Es decir, la teora prev que una
variable produce variacin en otra, y sta segunda en la primera.
Un tipo de fenmeno modelado con frecuencia de este modo son
los conflictos sociales, por ejemplo estudiantes y policas, oposicin y
represin, etc. As, las variables se afectan una a la otra secuencialmente
en el tiempo. Esta retroalimentacin esta asociada a sistemas dinmicos,
donde se producen espirales de calentamiento o enfriamiento segn los
signos de relacin. Un efecto reciproco implica la presencia de ecuaciones
simultaneas. Se trata, por lo tanto, de acciones y reacciones entre
variables. Dada la variabilidad en los posibles ritmos de alternancia,
pueden aparecer problemas especficos de medicin, al detectar o no
sincrona. Se trata en definitiva de diagnosticar el posible retardo entre la
evolucin de las dos variables.
En otros casos dicho problema no aparece, como por ejemplo al
considerar el efecto recproco entre URSS y USA de los presupuestos de
defensa durante la guerra fra, dado que la unidad temporal ao detecta
Variable
Y
1
Variable
Y
2
132
bien la variabilidad existente. As, en el modelado de la influencia de los
presupuestos de defensa de USA en la antigua URSS y viceversa, debe
considerarse que el conocimiento de los presupuestos de un ao en USA
influan en el siguiente en URSS y as sucesivamente.
Estos efectos recprocos pueden establecerse directamente, en
cuyo caso trataremos generalmente con dos variables. Otra posibilidad
viene dada por la presencia de efectos recprocos indirectos, donde
pueden estar involucradas ms de dos variables; para el caso de tres
variables se establecera una dinmica circular.
En este caso de efectos recprocos indirectos, las variables se
afectan entre s en una dinmica circular. Este tipo de relacin es
caracterstica, en la medida que refleja claramente dinmicas de
crecimiento o decrecimiento en un sistema. Dan forma por si solas a unas
tipologas especficas de modelos, as como a las tcnicas para
determinar los parmetros
39
Un aspecto distinto al de los efectos es el de la covariacin. Como
sabemos, un efecto es una covariacin expresada en trminos de
causalidad. Cuando nos referimos a la covariacin en los diagramas, estos
son usualmente simbolizados mediante lneas con puntos de flecha
39
Los efectos recprocos se formulan mediante sistemas de ecuaciones simultneas, que
a su vez son el alma de las simulaciones basadas en retroalimentaciones.
Presupuesto
URSS
Presupuesto
USA
Presupuesto
URSS
Presupuesto
USA
Presupuesto
CHINA
133
sealando en ambas direcciones. Dado que no est especificada una
subordinacin entre variables son denominados efectos conjuntos.
Los efectos pueden tomar signos dependiendo de la relacin en
que se mueva la variabilidad entre las variables. Si los valores en una
variable efecto tienden a crecer cuando los valores en la variable causa
tienden a crecer se establece un signo positivo, dado que la coordinacin
estadstica entre ambas variables se mueve en el mismo sentido. Por el
contrario, cuando una de ellas decrece en el caso de que la otra crezca el
signo es negativo, debido a que los valores en las dos variables se
mueven en sentido distinto. Una cuestin interesante es, dado que los
sistemas estructurales concatenan varios efectos estructurales con
diferentes signos, determinar cual es la relacin entre una variable y otra.
Por ejemplo, supongamos una variable causa, 15 variables intervinientes
mediando y una variable final. Cmo podremos saber si la coordinacin
entre ambas es directa o inversa?
En los modelos estructurales los senderos tienen signo. Un
sendero es una serie de variables conectadas entre si mediante grafos
(efectos), siempre que el orden de los efectos se desplace en el mismo
sentido. Es decir, no aparezcan mediando efectos recprocos.
Educacin ngresos
" a mayor educacin ms ingresos
Educacin Racismo
" a mayor educacin menor racismo
Variable
Y
1
Variable
Y
2
+
-
134
+ + + signo del sendero
a) y
1
y
2
y
3
y
4
+
+ - -
b) y
1
y
2
y
3
y
4
+
+ - +
c) y
1
y
2
y
3
y
4
-
- - -
d) y
1
y
2
y
3
y
4
-
Como regla para determinar el signo final de un sendero, es decir,
en que direcciones se mueven la primera y la ultima variable del sendero,
se deben multiplicar el signo de sus relaciones. Un sendero ser positivo a
menos que contenga un nmero impar de signos negativos.
Si recordamos la regla de multiplicacin de signos es evidente,
(+ * + = + ; + * - = - ; - * - = +).
Las relaciones que hemos considerado hasta el momento se
establecen para un conjunto de variables, dando forma a sistemas de
variables interconectadas denominados modelos estructurales. La nocin
de sistema es central en la investigacin social actual. Ello viene dado por
su gran utilidad, al permitir y exigir explicitar las variables que se
consideran importantes, as como la forma en que se relacionan entre s.
Para ello debe superarse la idea que afirma "todo est relacionado con
todo", explicitando aquellos nudos de covariacin que son especialmente
significativos para comprender y explicarnos la sociedad en que vivimos.
*.+. La teor)a de gra&os y modelos estructurales
Un aspecto comn en el anlisis de redes y estructuras es el
recurso al enfoque matemtico de la teora de grafos. La teora de grafos
facilita un lenguaje formal con el que analizar las estructuras, precisando
al mximo sus propiedades. Bsicamente, la teora de grafos considera
conjuntos de elementos, as como la relacin que se establece entre ellos.
Los elementos se denominan puntos (variables en modelos estructurales)
y las relaciones arcos (efectos). Consideremos un conjunto de puntos, que
puede ser finito o infinito en nmero, como los puntos, A, B,... F, G,. En el
diagrama estos puntos, que pueden tambin llamarse v#rtices, estn
conectados por lneas que llamaremos arcos. Los grafos pueden ser
usados para representar estructuras de la naturaleza ms diversa. En este
caso los emplearemos para diagnosticar las caractersticas estructurales
135
de las variables dentro de un modelo explicativo. Desde la perspectiva
global de una explicacin, debemos considerar que la posicin de las
variables dentro de esta puede ser fundamental. Por ejemplo, al actuar
como ligazn lgica entre dos argumentos.
Considerando los conceptos introducidos ms arriba, el grafo en
cada caso no debe ser confundido con los conceptos asociados con l; es
simplemente la estructura en la que el uso de vrtices y arcos provee de
una representacin til de ciertas propiedades, que nos interesan. De este
modo, una matriz que describe la relacin entre individuos puede ser
trasformada en un conjunto de puntos conectados mediante lneas.
9ra%os no ordenados. Una estructura est compuesta
esencialmente por elementos y relaciones. En un grafo, son las pautas de
las conexiones lo que importa y no la posicin de los puntos. En ese
sentido, los conceptos usados en la teora de grafos pretenden describir
las pautas de conexin existentes entre los puntos. Por ello, los conceptos
ms simples de la teora de grafos se refieren a las propiedades de los
puntos individuales y las lneas que las relacionan. Ser a partir de ellos se
elaboran estructuras ms complejas.
Entre los conceptos bsicos, destacar los diferentes tipos de
lneas, en la medida que existirn definidas tantas como tipos de
relaciones. As, tendremos lneas direccionadas, que implican una
asimetra en la estructura y que darn lugar a grafos direccionados; lneas
no direccionadas, donde se destaca la existencia de relacin entre dos
puntos sin afirmar nada sobre la naturaleza de la relacin, dando lugar a
grafos no direccionados o relaciones de covariacin. En el caso de los
modelos estructurales, la relacin (efecto) que se expresa mediante una
lnea llevara varios valores asociados. As, las lneas pueden poseer la
propiedad de expresar una intensidad.
Los puntos (variables) que componen la red son origen y destino
de las relaciones o lneas (efectos), poseyendo propiedades especificas
en la medida que la relacin entre ellos est direccionadas o no.
Para un mejor comprensin de el tratamiento matemtico de la
estructura explicativa desde la teora de grafos, vamos a considerar en
primer lugar grafos no direccionados. Cuando dos puntos estn
conectados por una lnea se denominan adyacentes. Aquellos puntos para
los que un punto es adyacente se denominan sus vecinos. Es decir, los
puntos que le son adyacentes constituyen sus vecinos. El nmero de
puntos que son vecinos de otro punto se denomina grado, estrictamente
grado de conexin. As, el grado de un punto expresa el tamao de su
136
vecindad. El grado de un punto se determina por el nmero de entradas
distintas de cero en la fila o la columna de la matriz de adyacencias. [Si los
datos son binarios, es simplemente sumar 1]. Al no estar dirigidos, la suma
de grados de todos los puntos debe de sumar el doble de lneas
existentes. Consideremos el ejemplo siguiente.
Como podemos apreciar, la suma de los grados es 12, lo que al
ser un grafo no orientado indicara la presencia de 12/2=6 lneas
(relaciones). Los puntos pueden estar directamente conectados por una
lnea, o pueden estar indirectamente conectados mediante una secuencia
de lneas. Una secuencia de lneas que conectan dos puntos en un grafo
constituye un paseo; para el caso especifico en que un paseo est
compuesto por lneas y puntos que son distintos se denomina sendero
(path anlisis). La longitud de un sendero se determina por el nmero de
lneas que contiene.
A
B
C
E
D
B
A
C
D E
137
ACE es un sendero que une A y E con una longitud de 2. (Dos
pasos necesarios para ir del punto A al E). Otro concepto importante es el
de distancia. La distancia entre dos puntos vendr dada por la longitud del
sendero ms corto que los conecta.
AD sendero de longitud 1
ABCD sendero de longitud 3
ACD sendero de longitud 2
En el caso del grafo anterior, slo AD indicara la distancia entre
los puntos A y D. Si consideramos la secuencia de lneas ABCAD, no
constituira un sendero al repetir el punto A.
9ra%os dirigidos. En lo referido a los elementos en el caso de
grafos dirigidos u orientados, se utilizan los mismos conceptos que en los
grafos no orientados, si bien es necesario efectuar algunas correcciones.
As, en un grafo orientado las lneas van o viene desde los diferentes
puntos, partiendo de un origen y llegando a un destino. Consecuencia de
ello, la matriz de adyacencias deja de ser simtrica. Dado que la existencia
de una relacin que parte de A y llega a B
A B
no implica que exista otra relacin que partiendo de B llegue hasta A
B A
Por ello el concepto de grado se considera, en grafos dirigidos, de
dos tipos diferentes: grado interno y grado externo. El grado interno
expresa el nmero de lneas que recibe un punto, mientras que grado
externo expresa el nmero de lneas que parten desde un punto. Su
clculo es inmediato, empleando la matriz de adyacencias dirigidas, donde
A
D
C
B
138
el grado interno vendr dado por la suma de las columnas en la matriz de
adyacencia dirigidas. El grado externo se determina mediante la suma de
las filas en la matriz de adyacencia dirigidas.
A B C Grado externo
A - 1 0 1
B 0 - 1 1
C 1 1 - 2
Grado interno 1 2 1
Un sendero en un grafo dirigido lo define una secuencia de lneas
en las que todas ellas estn orientadas en la misma direccin. El criterio
para una conexin es mucho ms estricto. Del mismo modo, la distancia
corresponde con el sendero de menor longitud, en esa secuencia de
lneas orientadas con la misma direccin.
" Dicho esto, det2vose un poco> luego manda dar la se1al y
conduce a un lugar llano la gente puesta en orden. Despu#s haciendo
retirar todos los caballos, a %in de que los soldados, viendo el peligro igual,
se es%or)asen ms, #l mismo a pie escuadrona el e+#rcito, seg2n lo
permitan el lugar y el n2mero, porque con%orme se e/tenda la llanura
entre los montes que tena a su i)quierda y un gran risco que haba a la
derecha, coloc ocho cohortes de %rente, poniendo las dems compa1as
algo ms api1adas en el cuerpo de reserva, del cual entresac a todos los
centuriones, a los veteranos voluntarios y a cuantos entre los soldados
rasos vea bien armados, pasndolos a las primeras %ilas. 7anda,
asimismo, que ,ayo 7anlio cuide del ala derecha y cierto %esulano de la
i)quierda, quedndose #l con sus libertos y colonos cerca del guila o
bandera, que decan ser la misma que tuvo en su e+#rcito ,ayo 7ario en
la guerra de los cimbros.
"or su parte, ,ayo $ntonio, hallndose en%ermo de la gota y no
pudiendo asistir a la batalla, entreg el mando del e+#rcito a 7arco
A B
C
139
"etreyo, su legado. 3ste pone en el %rente las cohortes veteranas, que
haba vuelto a alistar por causa de esta guerra> detrs de ella coloca el
resto del e+#rcito para el socorro y, girando a caballo por las %ilas, nombra
a cada uno de los soldados por su nombre y los e/horta y ruega que
miren que van a pelear con unos ladrones desarmados, por la patria, por
sus hi+os, por sus aras y sus hogares. ,omo era hombre de guerra, que
treinta y ms a1os que militaba con gran cr#dito y haba sido tribuno,
pre%ecto, legado y pretor en el e+#rcito, conoca a los ms de ellos y saba
sus particulares ha)a1as, y con tra#rselas a la memoria in%lamaba los
nimos de los soldados.
"ero despu#s que reconocido todo, mand "etreyo dar la se1al
con las trompetas, dispone que las cohortes se vayan poco a poco
adelantando. Lo mismo hace el e+#rcito enemigo. .a que llegaron a tiro los
%erentarios, trbase la batalla con grandsima vocera, de+an las armas
arro+adi)as y vi#nese a la espada. Los veteranos, acordndose de su valor
antiguo, estrechan de cerca a los enemigos. 3stos resisten con igual valor
y as se pelea con grandsimo empe1o de ambas partes. Entretanto
,atilina con los ms desembara)ados andaba en el primer escuadrn,
socorriendo a los que lo necesitaban, sustituyendo sanos en lugar de
heridos, acudiendo a todo, peleando mucho por s mismo e hiriendo
%recuentemente al enemigo. En suma, haca a un mismo tiempo los o%icios
de buen general y de soldado valeroso. ,uando "etreyo, al rev#s de lo
que tena credo, vio que ,atilina resista con tanto es%uer)o, hace que la
cohorte pretoria rompa por medio de los enemigos, con lo que,
desordenndolos, mata a cuantos le hacan %rente y acomete despu#s por
ambas partes a los de los lados. 7anlio y el %esulano caen peleando entre
los primeros. ,atilina, luego que vio deshecho su e+#rcito y que le haban
de+ado con muy pocos, acordndose de su noble)a y de su antiguo
estado, m#tese por lo ms espeso de los enemigos, donde peleando cay
atravesado de heridas.
$cabada la batalla, se ech de ver cunta determinacin y
es%uer)o haba en el e+#rcito de ,atilina, porque casi el mismo sitio que
cada soldado ocup al darse la batalla, cubra despu#s con su cadver>
slo aquellos pocos a quienes desorden la cohorte pretoria, rompiendo
por medio de ellos, murieron algo separados> pero todos haciendo cara al
enemigo. ,atilina %ue hallado entre los muertos, le+os de los suyos, que
a2n respiraba y mantena en su rostro aquella %iere)a, que haba tenido
vivo. Yltimamente de todo aquel e+#rcito ni en la batalla ni en alcance se
hi)o siquiera un ciudadano prisionero> de tal suerte haban todos mirado
tan poco por sus vidas, como por las de sus enemigos. <i la victoria %ue
para el e+#rcito del pueblo romano alegre o poco costosa, porque los ms
valerosos o haban muerto en la batalla o haban sido gravemente
140
heridos, y muchos que salieron de los reales por curiosidad o por despo+ar
a los enemigos, se encontraban entre los cadveres, unos con el amigo,
otros con el hu#sped o el pariente, y hubo algunos que aun a sus
enemigos conocieron. De esta suerte la alegra y triste)a, el go)o y los
llantos iban alternando por todo el e+#rcito.
,ayo *alustio. La con+uracin de catilina.
(ratamiento de la estructura. El tratamiento que se d a una red o
estructura, como grafo dirigido o no dirigido, depende de lo que prescriba
la teora. Si existe asimetra en la relacin (una variable produce la
variacin en la otra) el tratamiento ser evidentemente orientado. En el
caso que slo interese la presencia o ausencia de canal o relacin, el
grafo ser no orientado. Ambos tipos de relaciones se encuentran
presentes en los modelos estructurales de covarianzas.
Un nivel ms general viene dado por la descripcin de las pautas
de conexin dentro de la red, en una posicin estructuralmente ms
amplia. As, el concepto de densidad describe el nivel general de conexin
entre los puntos de un grafo. En tanto que patrn de referencia respecto al
que posicionar las diferentes relaciones que se pueden encontrar en la red
o grafo, diremos que un grafo es completo, si todos y cada uno de los
puntos que contiene son adyacentes con todos los dems; es decir, todos
los puntos estn conectados entre s. Es difcil que exista ese nivel de
conexin y significa una referencia del mximo de densidad que se pueda
alcanzar.

En general, la densidad de un grafo depende de dos parmetros
en la estructura de la red: la inclusividad del grafo y la suma de los grados
de sus puntos. La inclusividad de un grafo se refiere al nmero de puntos
que estn conectados en el grafo; en forma operativa, la inclusividad
absoluta de un grafo vendr dada por el nmero total de puntos menos
aquellos puntos que estn aislados. En definitiva, la idea es que cuanto
A
B
D
C
141
mayor sea la inclusividad del grafo, menos puntos aislados, mayor ser la
conectividad presente en la estructura.
nclusividad absoluta = total de puntos - puntos aislados
Esta operativizacin de la inclusividad en trminos absolutos posee
la debilidad de que entorpece la comparacin entre grafos, en definitiva
entre redes o estructuras, que posean un nmero de puntos desigual. Una
correccin a este hecho proviene de la determinacin de un coeficiente
relativo, que relacione los puntos conectados con el total de puntos. As,
una medicin de inclusividad relativa (R) para comparar varios grafos
consiste en dividir el nmero de puntos conectados por el nmero total de
puntos.
nmero de puntos conectados
R =
total de puntos en el grafo
La idea principal afirma que cuanto mayor inclusividad, mayor
densidad del grafo. Si pensamos en lo que significa el concepto de grado
de un punto (recordemos, nmero de vecinos), parece evidente que es
susceptible de aportar algo para la medicin de la conectividad.
Especialmente, considerados los grados de los diferentes puntos. En ese
sentido, es importante conjugar ambas referencias. Un lugar de encuentro
entre ellas es la lnea, en la medida que el nmero de lneas recoge tanto
el concepto de inclusividad como el de grado. Recordemos que el nmero
de lneas en un grafo es igual a 1/2 el sumatorio de grados de sus puntos.
Un planteamiento operativo para el clculo de la densidad de un
grafo implica comparar el nmero de lneas presentes en el grafo con el
nmero total de lneas que apareceran si el grafo fuese completo. Esto
nos dara la expresin siguiente.
Nmero de lneas presentes
Densidad =
Nmero total de lneas posibles
Debemos considerar, no obstante, si el grafo est orientado o no,
en la medida que conducirn a diferentes operativizaciones del coeficiente
de densidad al apoyarse ste sobre la nocin de lnea. Dado que cada
punto puede estar conectado con todos los dems, excepto con el mismo,
142
un grafo con n puntos puede contener un mximo de lneas definido por n
=n-1., dado que expresa el nmero total de pares de puntos en el grafo.
La determinacin de la densidad en un gra&o no dirigido sigue
dicha lgica. El nmero total de pares de puntos en el grafo vendr dado
por n(n-1); sin embargo, la lnea que conecta AB es igual a la que conecta
BA, dado que no existe direccin en la relacin. Para que se traten de
lneas diferentes (no contar dos veces la misma relacin) habr que dividir
por dos.
De ello, dado que cada punto puede estar conectado con todos los
dems, excepto con el mismo, y no existe direccin en la relacin, un
grafo no orientado con n puntos puede contener el siguiente mximo de
lneas distintas.
n(n-1)
Lneas distintas=
2
Luego, densidad de un grafo no orientado, segn se ha definido
densidad, vendr dado como el nmero de lneas existentes expresadas
como proporcin del total de lneas distintas posibles.
Densidad en Lneas existentes
grafos no dirigidos =
n(n-1)/2
Ambos coeficientes, para grafos no dirigidos y para grafos
dirigidos, varan entre 0 y 1; indicando un coeficiente de 1 un grafo
completo y 0 un grafo desconectado totalmente. Para evaluar el
comportamiento de los diferentes coeficientes, consideremos como
reflejan las siguientes estructuras.
o o
o o
o o
o o
A
B
C
o o
o o
D
F

o o
o o
E
o o
o o
o o
o o
143
A B C D E F
Nmero de puntos conectados 4 4 4 3 2 0
nclusividad relativa 1 1 1 0,7 0,5 0
Sumatorio de grados 12 8 6 4 2 0
Nmero de lneas 6 4 3 2 1 0
Densidad 1 0,7 0,5 0,3 0,1 0
Podemos apreciar como el coeficiente de densidad es bastante
sensible a los cambios que se producen en la estructura, reflejndolos con
una variacin apreciable y normalizada, lo que permitira la comparacin
de densidades entre diferentes redes. El resto de los coeficientes plantean
problemas al expresar la estructura relacional en trminos absolutos o no
ser especialmente sensibles a la variacin que se produce en la red.
As, en gra&os dirigidos el clculo de la densidad vendr dado
directamente por
Densidad en Lneas existentes
grafos dirigidos =
n(n-1)
siendo l el nmero de lneas existentes en el grafo, y n(n-1) el
nmero de lneas posibles en ese grafo. Esto es as en grafos dirigidos
porque la lnea AB
A B
no es igual que la lnea que nota la relacin BA,
A B
luego el nmero mximo de lneas es igual al nmero mximo de
pares de puntos, que es n(n-1).
Continuando con el ejemplo anterior, podemos considerar como se
asocian los coeficientes a las distintas estructuras, mediante efectos. La
aplicacin de este tipo de anlisis en los modelos estructurales de
covarianzas implica abandonar la idea de puntos aislados. La idea es
simple, dado que puntos en este tipo de modelado equivale a variable. En
144
este sentido, las variables estan presentes en la especificacin del modelo
cuando estan asociados con otras variables. En otras palabras, las
variables aisladas estan fuera del modelo estructual.
A B C D E F
Nmero de lneas 12 8 6 5 4 3
Densidad 1 0.66 0.5 0.41 0.3 0.25
Una estructura de covarianzas con densidad 1, expresa una
incapacidad de explicar. En ella todo est relacionado con todo,
prescindiendo de orden terico o temporal.
Para el investigador todo es importante, todo explica y todo es
explicado por todo. Como orientacin, en modelos con 4 o ms variables,
los coeficientes de densidad inferiores a 0.25 indicaran la presencia de
una estructura lgica argumental lineal y poco ligado. Es decir, la
explicacin estara prxima a una cadena argumental.
En el calculo del coeficiente de densidad encontramos una
situacin especial con la presencia de variables exgenas. Como
sabemos las variables exgenas son aquellas que explican y no son
explicadas. Estas variables se introducen en la explicacin como "bordes
con el resto de la realidad. Suponen un anclaje de la estructura en el resto
de las estructuras, que dan forma a la realidad social. Dado que estas
variables exgenas dan lugar a relaciones asimtricas, solamente es
posible la presencia de un grafo orientado. Por ello es preciso corregir el
nmero total de relaciones (lneas direccionadas) posibles. Siendo m el
o o
o o
o o
o o
o o
o o
o o
o o
o o
o o
o o
o o
A
B C
F
E
D
145
nmero de variables exgenas y n el de variables endgenas, el nmero
total posible de relaciones es igual a n (n-1) + n*m
La densidad se calcular, por lo tanto, dividiendo las relaciones
existentes por la relaciones posibles.
Densidad en modelos l existentes
estructuales con variables =
exgenas n(n-1)+n*m
En el clculo de la densidad del modelo no consideramos las
covarianzas entre variables exgenas, dado que son un presupuesto de
todo modelo.
Como ya sabemos, una estructura de relaciones puede
representarse tanto grficamente, como mediante una matriz de efectos.
Una matriz de efectos es bsicamente una matriz con valores 0 y 1 segn
exista o no conexin entre los dos elementos que encabezan la fila y la
columna correspondiente. As, una estructura no direccionada
representada grficamente como sigue
tendra asociada la siguiente matriz:
A B C D
A 0 1 0 1
B 1 0 1 0
C 0 1 0 1
D 1 0 1 0
A
B
C D
146
Y el grafo o estructura direccionada:
tendra asociada la matriz:
A B C D E
A 0 1 1 0 1
B 0 0 1 0 0
C 0 0 0 0 0
D 0 0 1 0 0
E 0 1 0 1 0
Como ya sabemos, a cada red o estructura le corresponde una y
slo una matriz estructural. En la matriz hemos podido apreciar las
conexiones directas entre elementos. No obstante es factible analizar las
relaciones indirectas entre individuos. Una relacin indirecta se establece,
por ejemplo, cuando A est en conexin con B y B est en conexin con
C; A posee una relacin indirecta con C a travs de B. B acta como
variable endgena interviniente.
A B C
En general, una cadena de orden n es una cadena de n saltos
entre dos elementos en la estructura. En definitiva, la presencia de
variables intervinientes dentro de la explicacin. El significado de estas
conexiones de escaln doble entre variables es bastante importante. As,
la vinculacin de una variable a la argumentacin no slo se determina por
su relacin directa, sino tambin por cauces indirectos, dependiendo de
que estructura relacional tenga el resto de las variables. Tambin,
podemos determinar que variables estn ms relacionadas indirectamente
entre si, cual es el grado de estas relaciones o cuales son las relaciones
posibles entre diversas variables. En el caso de relaciones asimtricas,
que variable influye sobre el mayor nmero de variables.
A B
C
D
E
147
Este valor de cuantas variables se ven influenciados por una en
concreto es complementarioa a la determinacin del "efecto total de esa
misma variable. El "efecto total nos indicar cual es la influencia "total
que ejerce en la estructura explicativa. Desde el anlisis de redes
estructurales, se puede evaluar la "posicin estructural de cada variable
en el argumento explicativo que se est desarrollando. As, por ejemplo,
una variable puede mostrar un "efecto total explicativo relativamente bajo,
pero ocupar una posicin central en la estructura explicativa al "conectar
dos argumentos lgicos explicativos hasta entonces paralelos. Es decir, la
importancia de una variable puede proceder de su importancia en tanto
que conector terico, y no tanto de su eficacia explicativa emprica
mediante su efecto total.
Ciertamente, si nos ocupamos del concepto de estructura, las
conexiones directas entre variables son inadecuadas para llevar a cabo
una descripcin completa de dicha estructura. El efecto de una variable se
extiende ms all de las variables que le son ms prximas. El modo en
que la influencia o la informacin se extiendan a travs de la estructura
depender, asimismo, de estas conexiones. La determinacin exacta de
estas conexiones indirectas de escaln doble puede determinarse
sencillamente mediante la multiplicacin de matrices.
El mismo significado e importancia que se concede a las
conexiones de escaln doble se atribuye a las cadenas de conexin ms
indirectas, es decir, con ms escalones entre individuos o variables. El
proceso de operacin es el mismo, dado que es posible determinar, sin
margen de error, todas las cadenas de diferentes ordenes.
El procedimiento tcnico para determinar las conexiones de orden
n entre diferentes sujetos es relativamente simple. Por medio de la
multiplicacin de matrices se puede obtener las conexiones indirectas
entre dos sujetos. Basta para ello con multiplicar la matriz por s misma. La
matriz cuadrada nos ofrece las relaciones de segundo grado entre dos
elementos; es decir si existe conexin entre A y C a travs de un tercer
elemento y cuantas conexiones existen.
Como ya se afirm, una cadena de orden n es una cadena de n
saltos entre dos elementos en la estructura. Tal y como hemos
desarrollado a partir de la operacin matricial, si la matriz estructural se
eleva a n, cada valor numrico en la matriz expresa el nmero de cadenas
de orden que conecta a esos dos sujetos que encabezan fila y columna.
Es evidente que estas matrices pueden elevarse a potencias mayores a
fin de obtener conexiones indirectas de tres, cuatro o cinco escalones. El
proceso para determinar las cadenas de orden n existentes entre dos
148
sujetos consiste en la exponenciacin de la matriz estructural, o lo que es
lo mismo, en su multiplicacin por s misma.
*.-. (strategias de construccin de modelos estructurales
No existe, evidentemente, ningn algoritmo que por si solo genere
modelos estructurales. Estos son el resultado de un anlisis de la realidad
y del establecimiento de unas hiptesis sobre ellas. No obstante, desde un
punto de vista instrumental si es posible establecer algunas orientaciones
sobre como organizar la tarea.
1.- En primer lugar es importante determinar la lista de las
variables que son importantes en el proceso estudiado. Este paso es
esencial en la medida que implica una definicin de la realidad que se
desea estudiar. No debe olvidarse que los modelos matemticos requieren
de variables operativizadas, es decir datos. En ese sentido, difcilmente
existe libertad para utilizar todas las variables que podran ser
interesantes. Esto es especialmente cierto en el caso de los datos
provenientes de encuestas o secundarios. Slo en el caso de datos
primarios y cuando el coste o el tema de investigacin lo permite existe
una mayor libertad de diseo.
2.- Determinacin del orden estructural que se postula en las
variables. Una vez listadas las variables que operaran en el modelo
estructural es preciso establecer la secuencia en que se relacionan entre
si. Como se mencion, se postulan relaciones asimtricas entre ellas, en
funcin a que variable explica y que variable es explicada.
3.- Especificacin de las hiptesis estructurales. Es decir,
establecer la cadena argumental explicativa del fenmeno social
estudiado. En esta etapa se establece la potencia descriptiva de nuestro
modelo explicativo.
4.- Elaboracin del diagrama estructural. A efectos prcticos, es til
establecer la secuencia mediante un grafo orientado que permita visualizar
que variables estn conexas entre si y que variables estn inconexas. En
muchas ocasiones el grafo o diagrama estructural permite detectar
incongruencias en la explicacin que se pretende ofrecer. La visin
conjunta el sistema ofrece una potencia importante para evaluar el modelo
que se propone.
En trminos prcticos, se procede escribiendo las variables con
posiciones ordenadas indicando el orden estructural. Tras esta tarea se
149
introducen las hiptesis introduciendo flechas entre las variables de
acuerdo a los efectos directos. Es una convencin que los efectos no
especificados son cero (0). Una vez sobre el diagrama estructural es el
momento de reflexionar si se han planteado todas las variables y
relaciones que son pertinentes.
Resulta evidente que la formulacin terica es un proceso activo
donde la articulacin de los sistemas depende de la fase de la
investigacin, del empleo de datos secundarios o primarios, etc. En ese
sentido, se desarrolla una reflexin sobre la coherencia lgica de las
relaciones que se postulan entre las variables as como de las limitaciones
de la explicacin que se esta ofreciendo. Una vez que se especifica una
teora estructural debe de ser contrastada con los datos para testar su
eficacia emprica.
En la fase de diseo del modelo los principios rectores son
esencialmente tericos, dando cuerpo a las hiptesis estructurales. La
determinacin de las variables y su relacin es una tarea previa al ajuste
sobre los datos. En ese sentido, resulta interesante a la luz de la teora
establecer los modelos y dejar que posteriormente las limitaciones del
acceso a datos restringa el modelo. De ese modo se es ms consciente
de las variables que han podido quedar fuera (influyendo en el modelo
desde fuera) as como de las limitaciones de la potencia explicativa del
modelo.
Los datos simplemente determinan el grado de covariacin. No
obstante sabemos que la covariacin no es una prueba de relacin
estructural, dado que esta puede estar provocada por causas comunes a
las variables de inters. El diagrama estructural esta compuesto por las
variables relacionadas mediante grafos orientados. As, se disponen las
variables y despus se conectan entre si aquellas para las que se
proponga alguna relacin terica. El ejemplo siguiente muestra un grafo
orientado, donde X e Y notan variables y las flechas relaciones.
X
1
X
2
Y
5
Y
4
Y
3
Y
2
Y
1
150
5.- Matriz de efectos. La matriz de efectos es esencialmente una
matriz donde se expresan mediante ceros y unos la existencia o no de
relacin entre las diferentes variables. Normalmente, es una prueba ms
de comprobacin de la completitud del diseo. Su planteamiento destaca
sobre todo la ausencia de relaciones. En ese sentido, el diagrama
estructural es til para expresar lo que se quiere decir, mientras que la
matriz de efectos destaca lo que no estamos diciendo. As, en el diagrama
se da cuerpo a la existencia de relacin mediante el grafo. No es fcil
evaluar que se esta diciendo, a su vez, que no existe relacin entre las
variables donde no lo hay. En la matriz de efectos destaca sobre todo los
efectos que postulamos que no existen.
La matriz se construye listando todas las variables (tanto exgenas
como endgenas) en la cabecera, y las variables efecto (o que son
explicadas) en las filas.
y
5
y
2
y
3
y
4
y
1
x
1
x
2
y
5
- 0 0 0 0 1 0
Variables exgenas
al final
y
2

1 - 0 0 0 0 0
y
3

1 0 - 1 0 0 1
y
4

0 0 0 - 0 0 1
y
1

0 1 1 1 - 0 0
El procedimiento a seguir es que cuando existe efecto directo entre
dos variables se pone un 1. En el caso que no se postule efecto directo
entre dos variables se anota un cero (0). Como hemos destacado, un
aspecto importante es el de las relaciones que postulamos igual a cero, es
decir, que no existen. En esa lnea, el completar la matriz es una labor que
puede ayudar a desarrollar hiptesis interactivamente, dando una mejor
forma al modelo.
Estas orientaciones para el diseo de los modelos estructurales
deben considerar tambin la necesidad de simplificacin de teoras
estructurales. La nocin de sistema es central en la investigacin social
actual. Ello viene dado por su gran utilidad, al permitir y exigir explicitar las
variables que se consideran importantes, as como la forma en que se
relacionan entre s. Para ello debe matizarse la idea que afirma "todo est
relacionado con todo", en la medida que algunas cosas estn
especialmente relacionadas. Hemos avanzado en el sentido de hacer
operativa la nocin de sistema, considerando analticamente las unidades,
variables y relaciones que lo componen.
151
*./. ;istemas supresores o de re&uer9o
Otra clasificacin interesante es la que se establece entre sistemas
consistentes o de refuerzo y sistemas inconsistentes o supresores. Esta
clasificacin se apoya sobre el signo que se establece en los diferentes
senderos y expresa en que medida los efectos entre las variables se
potencian o no entre s. En otras palabras, los efectos o relaciones entre
variables tienen signos positivos o negativos, expresndose en funcin a
la polaridad de las variables. Este es un concepto importante.
Supongamos dos variables con rango entre 1 y 10. El signo de su
covariacin puede ser positivo o negativo. Supongamos que es negativo,
es decir cuando una de ellas crece la otra decrece. Bastara con "girar la
direccin de una de ellas para conseguir un signo positivo en la relacin.
Es importante mantener la significacin en las relaciones y en algunas
circunstancias la direccin de la escala es ciertamente arbitraria, como es
en el caso de la ubicacin ideolgica (1 izquierda y 10 derecha o 10
izquierda y 1 derecha). Esta relacin bivariable es extensible a los
sistemas en su totalidad.
Se denominan sistemas inconsistentes aquellos donde algunos de
los componentes en una relacin tienen signos contrarios o tambin
supresores, en la medida que los efectos que influyen en sentido contrario
reduce el efecto total presente en esa relacin.
1. Sistema inconsistente original
+a
Y
1
X
1
Y
3
Y
2
+e
+d
-c
-b
-f
152
1b. Sistema consistente girando :
2
2. Sistema inconsistente original
Y1
X1
Y3
Y2
+a
-e
+d
-c
-b
+f
Y
1
X
1
Y
3
Y
2
+a
+e
+d
+c
+b
+f
153
2b. Sistema inconsistente girando :
2

2c. Sistema inconsistente girando :
*
Y
1
X
1
Y
3
Y
2
+a
+e
-d
+c
+b
+f
Y
1
X
1
Y
3
Y
2
+a
-e
+d
+c
+b
-f
154
El procedimiento para determinar el carcter supresor o de
refuerzo de un sistema es el siguiente. Un sistema es inconsistente, si al
menos un par de variables presenta simultneamente signos positivos y
negativos considerando tanto los efectos directos como los indirectos. Si
no existe tal par de variables, el sistema es consistente. En un sistema
consistente todos los coeficientes negativos pueden ser positivizados
"girando las variables (es decir, haciendo el mayor menor y el menor
mayor). El procedimiento operativo se basa en esta ultima apreciacin. En
primer lugar se determina cual es la variable que recibe ms efectos
negativos y se gira su polaridad. Se determina cual es la siguiente que
recibe ms signos negativos y se procede igual. Si al proceder as se
eliminan todos los signos negativos el sistema es consistente o de
refuerzo, sino es posible, es un sistema supresor.
Esta caracterstica de efecto supresor o reforzador es importante
tanto en sentido tcnico como en trminos de argumentacin de una
explicacin. En lo que se refiere a la capacidad explicativa los sistemas
reforzadores tienden a expresar situaciones de "status quo al reforzarse
el efecto de las variables entre s dentro del sistema, como es el ejemplo
de clases sociales. As, la clase social de los padres tiene un efecto directo
positivo sobre la clase social de los hijos y los diferentes senderos que
establecen las variables intervinientes refuerzan ese efecto. nversamente,
los sistemas supresores tienden a corresponder con la nocin de
"consecuencias no esperadas de forma que X tiene un efecto directo
positivo sobre Y, pero al mismo tiempo genera una cadena estructural que
tiende a disminuir o reducir el efecto final. Por ejemplo, el nivel educativo
tiende a producir una relacin positiva con respecto a temas sociales
(mayor nivel mayor comprensin). No obstante, el mayor nivel educativo
tambin correlaciona bien con ingresos (ms nivel educativo ms
ingresos), pero ingresos se relaciona negativamente con la aceptacin de
temas sociales (mas ingresos menor aceptacin). En ese sentido,
educacin tiene un efecto directo positivo con respecto a la aceptacin de
polticas sociales (+) y uno indirecto negativo (+ por - = -) mediante la
variable ingresos. De este modo, nivel educativo y aceptacin de polticas
sociales forman un sistema inconsistente.
La importancia de la congruencia del sistema tambin afecta
cuestiones de carcter tcnico, como son la determinacin de los efectos
totales. En un sistema de refuerzo el efecto directo de X
i
sobre Y
j
siempre
ser de una magnitud igual o inferior al efecto total. Por el contrario, en un
sistema supresor el efecto directo entre dos variables puede ser superior
al efecto total de dicha variable. El efecto total se refiere a la suma de
todos los efectos (directos e indirectos) de una variable sobre otra.
155
No obstante debe destacarse que aunque la polaridad (que cifra se
atribuye a lo que es mayor y lo que es menor) en que se expresa una
variable es arbitraria, es muy interesante intentar mantener una
coherencia lgica argumental que no violente la explicacin en
dependencia de la polaridad de la variable. Ambos factores deben de ser
tenidos en consideracin.
*.0. otacin de sistemas estructurales
Un modelo terico, una explicacin en definitiva, puede encontrar
diferentes formas de expresin; ya sea en la apariencia de un diagrama,
adoptando una enunciacin verbal o escrita, en todos los casos se trata
del mismo modelo. Una forma alternativa de representar el mismo modelo
es mediante un sistema de ecuaciones. Deberemos adoptar una serie de
convenciones para poder formular el modelo ecuacionalmente. No existe
una notacin universalmente aceptada, (evidentemente, no existe una
notacin natural) y la que empleamos no deja de ser una ms de las
existentes.
Las variables endgenas (dependientes) las notaremos mediante
una Y con subndice que expresa un nmero que la diferencia. Para el
caso de las variables exgenas (independientes) emplearemos una X con
subndice.
Variable endgena y
i
Variable exgena x
i
En lo que se refiere a las relaciones o efectos, aquel que se
postula entre variables endgenas lo notaremos con dos subndices (ij)
donde se identifican las variables que intervienen en dicha relacin. El
subndice (i) para la variable que recibe el efecto (y por tanto que es
explicada) y el subndice (j) para la variable que explica.

ji
y
j
y
i
156
Para la relacin de una variable exgena sobre una endgena
emplearemos una con la misma intencionalidad en los subndices.

ij
x
j
y
i
Como ya se advirti al hablar del contenido de los errores, estos
sern notadas con el subndice de la variable correspondiente.
Evidentemente, suponemos un error por cada ecuacin. Ya nos es posible
especificar un sistema de ecuaciones lineales, donde habitualmente los
efectos son aditivos. El sistema tendr tantas ecuaciones como variables
endgenas contenga, dado que cada variable endgena posee alguna
previa que explica su variabilidad. En ese sentido, recordemos que la
variacin y covariacin entre variables endgenas estn, de algn modo,
determinadas por la variacin y covariacin entre variables exgenas, lo
que nos lleva a reconocer que la varianza y covarianza de las variables
exgenas son fundamentales en todo modelo.
Necesitamos, por lo tanto, una forma de notacin para las
varianzas de cada variable y las covarianzas entre ellas. La cuanta de la x
i
(la variacin de la variable exgena) se nota
ii.
Cuando se trate de la
covarianza entre dos variables exgenas x
i
e x
j
sern los subndices los
encargados de indicarlo.
ij
La varianza de los errores i se nota como
ii
y nuevamente cuando nos refiramos a la covarianza entre dos
errores i e j
ij
Una vez acordadas las convenciones de notacin, podemos
utilizarlas para construir ecuaciones.
157
*.1. ;istemas de ecuaciones
Antes de comenzar, debemos recordar que un modelo estructural
no es simplemente un sistema de ecuaciones. Lo esencial es que dicho
sistema represente el mecanismo estructural que ha producido los valores
observados en las variables endgenas. En ese sentido, el diagrama
estructural siguiente expresara una secuencia explicativa.
X
1
Y
2
X
2
Y
4
Y
1
Y
3
Y
5

4
158
Sobre la base del sistema de notacin que se ha introducido, las
relaciones entre variables endgenas se expresaran mediante una con
los subndices correspondientes a las variables que esta relacionando.
Recordemos que primero se posiciona el subndice de la variable efecto
(la que recibe el grafo) y seguidamente el subndice correspondiente a la
variable que se propone como causa de ella.
Y
1
= 0y
1
+ 0y
2
+ 0y
3
+ 0y
4
+ 0y
5
+
11
x
1
+
12
x
2
+ a
1
+ z
1
Y
2
=
21
y
1
+ 0y
2
+ 0y
3
+ 0y
4
+ 0y
5
+
21
x
1
+ 0x
2
+ a
2
+ z
2
Y
3
=
31y1
+
32
y
2
+ 0y
3
+ 0y
4
+ 0y
5
+ 0x
1
+
32
x
2
+ a
3
+ z
3
Y
4
=
41
y
1
+ 0y
2
+ 0y
3
+ 0y
4
+ 0y
5
+ 0x
1
+ 0x
2
+ a
4
+ z
4
Y
5
= 0y
1
+
52
y
2
+
53
y
3
+
54
y
4
+ 0y
5
+ 0x
1
+ 0x
2
+ a
5
+ z
5
*.3. Presunciones
En el planteamiento de modelos estructurales son habitualmente
necesarias un conjunto de presunciones que definan el marco de la
especificacin del sistema que se propone. Estas presunciones son
testadas durante la fase de ajuste emprico del sistema de ecuaciones
sobre los datos. Para un modelo expresado con las variables no
trasformadas, es decir tal y como se han registrado, encontraremos
normalmente cuatro presunciones bsicas.
La primera a considerar afirma que la media de los errores es cero
para todas las ecuaciones. Lo que se afirma mediante esta presuncin es
que la ecuacin estructural explica correctamente la variable endgena, en
la medida que el efecto de las variables que no estn en el modelo (y que
son representadas por el error) tienden a cancelarse entre si.
i = 0 para todo i (1)
Una segunda presuncin importante afirma que los errores de las
diferentes ecuaciones no covarian con las variables exgenas. La razn
principal por la que el error y las variables exgenas pueden covariar es
que ambas tengan alguna causa previa que sea comn. La presuncin
indica que no existen causas comunes omitidas a variables endgenas y
exgenas.
Cov(i , xj ) = 0 para todo i , j (2)
La tercera presuncin afirma que los errores no covarian. La
interpretacin de dicha covariacin, en el caso de producirse, es
159
esencialmente que se han olvidado variables que son causa comn a las
endgenas en la fase de especificacin. No debe pensarse que
habitualmente la varianza de un error sea cero, dado que esto implicara
que el error es cero o una constante, cosas bastante improbable. La
media de un error si que puede ser cero, pero no su variacin alrededor
de la media.
ij = 0 para todo i j (3)
Por ltimo, una cuarta presuncin plantea la posibilidad de que las
variables exgenas, es decir, que no son explicadas dentro del modelo,
puedan presentar covariacin entre ellas.
ij0 para todo i,j (4)
Estas cuatro presunciones vienen a plantear las condiciones de
funcionamiento del modelo, orientando a su vez sobre los posibles
problemas que este pueda mostrar en su ajuste a los datos. Sin embargo,
no es habitual que el sistema se formule para las variables expresadas en
trminos "brutos sino que estas sufren una serie de trasformaciones.
Como veremos la finalidad de estas trasformaciones es conseguir una
mayor facilidad de estimacin de parmetros as como mejorar la
comparabilidad entre los coeficientes. A su vez, dichas trasformaciones
dejaran su huella sobre las presunciones.
*.14. %rans&ormaciones
La primera de las trasformaciones produce efectos interesantes en
el sistema de ecuaciones. En primer lugar suprime el coeficiente constante
(a) de la ecuacin. Debemos considerar que el coeficiente constante es un
parmetro a estimar y sin embargo, con frecuencia, es un mero apoyo
matemtico para ajustar la solucin. De hecho, al expresar el valor de la
dependiente para determinadas combinaciones de valores de las que la
explican, puede estar asociada a una situacin sin significado. Eliminarla
no supone ningn problema porque puede recuperarse en caso de que se
necesite. Otro efecto interesante es que las medias de las variables se
hacen igual a 0. (y
d
i
=0 y x
d
i
=0). No obstante, no produce ningn efecto
sobre los coeficientes, que permanecen expresados al igual que en la
ecuacin original. Para trasformar las variables calculamos su desviacin a
la media.
160
y
d
i
= y
i
- y
i
para todos los i
x
d
i
= x
i
- x
i
para todos los i
El impacto sobre la notacin es una d como superndice sobre las
variables.
y
d
1
=
11
x
d
1
+
12
x
d
2
+
1
y
d
2
=
21
y
d
1
+
21
x
d
1
+
2
y
d
3
=
31
y
d
1
+
32
y
d
2
+
32
x
d
2
+
3
y
d
4
=
41
y
d
1
+
4
y
d
5
=
52
y
d
2
+
53
y
d
3
+
54
y
d
4
+
5
Y una modificacin en la primera presuncin donde se indica que
la media de todas las variables en la ecuacin es igual a 0
y
d
i
= x
d
i
=
i
= 0 para todo i (1)
Cov(
i
, x
d
+
) = 0 para todo i (2)

i+
=

0 para todo i + (3)

i+
0 para todo i,+ (4)
Otra transformacin muy frecuente consiste en normalizar las
variables mediante la divisin de stas, expresadas en desviacin a la
media por la desviacin tpica de la variable.
Y
s
i
= y
d
i
/
yi
X
s
i
=

X
d
i
/
xi
Es importante notar que la transformacin mediante la divisin de
las variables por la desviacin tpica afecta a los parmetros y a su
interpretacin. As, para un coeficiente normalizado la interpretacin de

s
i#
es que y
s
i
cambiara
s
i#
desviacines tpicas cuando y
s
#
cambie una
desviacin tpica, con todas las dems variables permaneciendo sin
cambios. Una interpretacin equivalente para el caso de los coeficientes
normalizados que expresan los efectos directos de las variables exgenas
y
s
i#
. As, una variable y
s
i
cambiara y
s
i#
desviacines tpicas cuando ,
s
#
161
cambie una desviacin tpica, con todas las dems variables
permaneciendo constantes.
El sistema de ecuaciones se expresa, con notacin simplificada
para las variables normalizadas introduciendo un superndice s en todas
las variables y parmetros as como un apostrofe en el error.
y
s
1
=
s
11
x
s
1
+
s
12
x
s
2
+ '
1
y
s
2
=
s
21
y
s
1
+
s
21
x
s
1
+ '
2
y
s
3
=
s
31
y
s
1
+
s
32
y
s
2
+
s
32
x
s
2
+ '
3
y
s
4
=
s
41
y
s
1
+ '
4
y
s
5
=
s
52
y
s
2
+
s
53
y
s
3
+
s
54
y
s
4
+ '
5
En lo referido a las presunciones, es necesario aadir una quinta.
Esta presuncin indica que la variabilidad de las variables en el modelo
(normalizadas) es igual a 1.
y
s
i
= x
s
i
=
'i
= 0 para todo i (1)
Cov('
i
, x
s
+
) = 0 para todo i , + (2)
'
i+
=

0 para todo i + (3)

s
i+
0 para todo i,+ (4)

x
s
i
=
y
s
i
= 1 para todo (5)
Consideremos las ventajas y desventajas de las diferentes formas
de expresar los coeficientes, normalizados o no. Una de las ventajas de
emplear coeficientes no normalizados es que en el caso de aplicar el
modelo a diferentes poblaciones, estos tendern a ser los mismos, an
cuando la variabilidad interna de las variables no lo sea. Los coeficientes
normalizados pueden cambiar ms fcilmente (menos robustos al cambio)
cuando se trata con poblaciones diferentes. Esto es debido a que los
coeficientes normalizados son funcin de la desviacin tpica. Si vara la
distribucin tpica de una variable al comparar poblaciones distintas,
provocar cambios en los coeficientes inducidos por dichas diferencias en
la variabilidad. En ese sentido, cabe recomendar el uso de los coeficientes
sin normalizar para ajustar modelos sobre diferentes poblaciones.
162
Por otra parte, si en el modelo se mezclan diferentes tipos de
variables con rangos muy dispares y distintas escalas (tanto en el mismo
modelo o para comparar entre modelos que provienen de diferentes
investigaciones) ser conveniente el empleo de coeficientes normalizados,
dado que ello facilita la comparacin entre modelos.
*.11. Par6metros tericos y estimados emp)ricos
Se han definido los sistemas de notacin de los modelos, as como
los parmetros que los constituyen. Sin embargo, sobre la base de los
datos solo nos es posible obtener coeficientes de covarianza o de
correlacin, varianzas, etc. y desde ellos debemos definir los diferentes
parmetros y efectos. Para ello se definen dos reglas de descomposicin
que nos vinculan tericamente dichos coeficientes y los parmetros del
modelo.
Observemos el siguiente ejemplo. El modelo estructural tiene
asociada un diagrama estructural, la matriz de correlaciones, un sistema
de ecuaciones y sus presunciones estandarizadas.
diagrama estructural

X
1
X
2
Y
1
Y
2

s
12
163
matri9 de correlaciones
x
1

x1x1
x
2

x2x1

x2x2
y
1

y1x1

y1x2

y1y1
y
2

y2x1

y2x2

y2y1

y2y2
x
1
x
2
y
1
y
2
sistema de ecuaciones
y
S
1
=
S
11
x
S
1
+
s
12
x
s
2
+
1
y
S
2
=
S
21
y
S
1
+
S
21
x
S
2
+
S
22
x
S
2
+
2
presunciones estandari9adas
y
s
i
= x
s
i
=
'i
= 0 para todo i (1)
Cov('
i
, x
s
+
) = 0 para todo i , + (2)
'
i+
=

0 para todo i + (3)

s
i+
0 para todo i,+ (4)

x
s
i
=
y
s
i
= 1 para todo i (5)
*.12. Primera regla de descomposicin
Es denominada as, dado que descompone la correlacin
observada entre variables en cuatro componentes de variacin. Definicin:
el coeficiente de correlacin entre dos variables es igual a la suma de los
efectos directos, los efectos indirectos, las relaciones espurias y los
efectos conjuntos.
La diagonal de la matriz de correlaciones no se ve afectada por
esta primera regla. La correlacin observada entre las variables exgenas
es igual al parmetro que expresa su covariacin.
x
s
1
x
s
2
=
s
12
164
Correlacin entre x
s
1
e y
s
1

(ry
s
1
x
s
1
) es igual a un efecto directo
(
s
11
) ms un efecto conjunto entre x
s
1
e x
s
2

(
s
12

s
21
) luego
y
s
1
x
s
1
=
s
11
+
s
12

s
21
El ltimo es un efecto conjunto dado que no sabemos si es un
efecto indirecto a travs de x
s
2
o espurio debido a x
s
2
y
s
1
x
s
2
=
s
12
+
s
11

s
21
y
s
2
x
s
1
=
s
21
+
s
21

s
11
+
s
22

s
21
+
s
21

s
12

s
21
y
s
2
x
s
2
=
s
22
+
s
21

s
12
+
s
21

s
21
+
s
21

s
11
s
21
y
s
2
y
s
1
=
s
21
+
s
21

s
11
+
s
22

s
12
+
s
22

s
21

s
11
+
s
21

s
21

s
12
*.1*. ;egunda regla de descomposicin
La segunda regla de descomposicin responde de la variabilidad
apreciada en la diagonal de la matriz de correlacin. Definicin: la varianza
total de una variable endgena es igual a la cantidad de varianza
explicada, ms una cantidad de varianza no explicada. En definitiva lo que
se viene a afirmar es que la varianza de la variable endgena
estandarizada es igual a la varianza explicada por las variables
estructurales y a la varianza no explicada por estas. Dado que las
variables estn estandarizadas su varianza es igual a 1. Debemos
recordar que la varianza de las variables predeterminadas no se explica
desde otras variables contenidas en el modelo, Por lo tanto, la varianza
observada en las variables predeterminadas es igual a la varianza del
modelo. As,
x
s
1
x
s
1
=
s
11
x
s
2
x
s
2
=
s
22
Por otra parte tenemos la varianza de las variables endgenas. La
proporcin de varianza explicada mediante un grupo de variables se
denota
R
2
y
1
.x
1
, x
2

165
siendo R
2
el coeficiente de determinacin, la primera variable
aquella endgena que se desea explicar y separada de las dems por un
punto.
y
1
y
1
= 1 = R
2
y1.x1,x2
+
11
y
2
y
2
= 1 = R
2
y2.y1,x1,x2
+
22
El coeficiente de determinacin es una funcin de los parmetros
del modelo estructural y no un nuevo parmetro del modelo. Se puede
demostrar que "para cualquier variable endgena, la proporcin de
varianza explicada puede obtenerse sumando los productos de los efectos
directos y los coeficientes de correlacin entre la variable endgena y cada
una de las variables causales que les afecta directamente".
R
2
y1.x1,x2
=
s
11

y1x1
+
s
12

y1x2
R
2
y2.y1,x1,x2
=
s
21

y2y1
+
s
21

y2x1
+
s
22

y2x2

La proporcin de varianza no explicada es igual a la varianza del
error estandarizado
ii
*.1+. Los modelos recursi$os y no recursi$os
Las diferentes tipologas de sistemas estructurales se establecen
sobre la base de diferentes criterios que dan pie a conjuntos especficos
de terminologas. No obstante tal y como advirtiera Bentler (1994), todas
las tipologas se apoyan sobre la nocin bsica de un conjunto de
ecuaciones estructurales lineales. Las variantes simplemente expresan las
diferentes formas que este conjunto de ecuaciones adquiere en funcin a
la finalidad de su utilizacin. As, se diferenciaran entre sistemas
recursivos o no recursivos en funcin a la direccionalidad del sistema
segn este totalmente ordenado o no. Uno de los aspectos principales de
esta diferencia es el problemas de la identificacin. Es decir, de la
complejidad que puede suponer la resolucin matemtica del sistema.
166
El anlisis estructural, puede emplearse combinando variables
latentes, (del mismo modo que el anlisis factorial), junto con otras
variables dentro del modelo explicativo; as mismo, puede referirse a datos
en un solo momento del tiempo o en varios (como en el anlisis de panel)
o en simulaciones mediante ecuaciones simultaneas, etc. En cualquiera
de stas formas de utilizacin, el elemento bsico es la idea de estructura.
En general, podemos considerar una distincin importante entre
dos tipos de sistemas, los sistemas recursivos y los no recursivos. Los
modelos recursivos son aquellos modelos estructurales en los que todos
los efectos estructurales se establecen en una sola direccin; es decir, se
determinan relaciones asimtricas unidireccionales (y donde el error o
perturbaciones est incorrelacionado entre las diferentes ecuaciones). Es
decir, un modelo recursivo ser:
1) jerrquico, donde todas las variables en el modelo pueden ser
ordenadas y etiquetadas en una secuencia y1, y2, y3, y4., yn de
tal modo que para todo yi e yj, donde i<j, yj no se presenta como
causa de yi. Por lo tanto
ij
ser igual a cero. Segn esto, la
primera variable endgena solo podr ser influida por una
variable exgena. La segunda endgena solo podr ser influida
por una exgena o la endgena anterior y as sucesivamente.
Segn este criterio de jerarqua, en un modelo recursivo no
pueden aparecer relaciones reciprocas entre dos variables ni
puede pasar que una variable endgena pueda influir mediante
un efecto indirecto sobre otra anterior.
2) 2) los errores deben de estar incorrelacionados entre si y con las
variables exgenas. Esta caracterstica permite el estimar los
coeficientes mediante Mnimos Cuadrados Ordinarios de forma
insesgada y consistente.
40
En ese sentido, los modelos
estructurales recursivos son fciles de estimar. No obstante, en
muchas ocasiones mbas presunciones son poco realistas. Con
frecuencia, en muchos anlisis es dudoso que las presunciones
sean apropiadas. Por ello, no debe optarse por un modelo
recursivo a la ligera, por comodidad o por conveniencia. A menos
que se este perfectamente convencido de que las relaciones son
estrictamente unidireccionales (jerrquicas) y que los factores (o
variables no incluidas en el anlisis) que estn contribuyendo al
error de cada ecuacin son distintos para cada ecuacin (no hay
40
El termino insesgado se refiere a aquel estimado que, como media, es igual al valor real
del parmetro. Por otra parte, el trmino consistente se refiere a aquel estimado que,
cuando la muestra se aproxima a infinito, la distribucin del estimado se aproxima a una
distribucin con la mayor probabilidad de estar centrada sobre el parmetro.
167
factores que influyan en comn sobre ambas ecuaciones) no
debe optarse por un modelo recursivo. El problema no debe ser
de comodidad sino de acierto en la descripcin completa y
realista de un fenmeno social. Consideremos que si las
presunciones no son ciertas (jerarqua e independencia de los
errores) los estimados de los coeficientes (mediante Mnimos
Cuadrados Ordinarios, OLS) sern inconsistentes y sesgados,
con lo cual no solo no habremos esclarecido nada, sino que lo
habremos oscurecido.
7odelos recursi$os
a) estatus socioeconmico
b) Tolerancia a lo distinto
Generacin (ao
de nacimiento)
Tolerancia
Grado de
conformismo
Nivel
educativo
Carrera
educacional
Status de
los padres
Prestigio
ocupacional
Ingresos
168
Los modelos no recursivos, por el contrario, postulan la posibilidad
de efectos recprocos, o con carcter ms general, que se produzcan
efectos en ambas direcciones dentro del sistema. Un caso lmite de no-
recursividad lo plantea los modelos completamente no recursivos. En un
modelo completamente no recursivo, todas las variables endgenas se
ven afectadas por todas las dems variables endgenas y exgenas
presentes en el modelo. No obstante, independientemente de su utilidad
para la investigacin no es conveniente definir modelos estructurales
completamente no recursivos dado que dichos modelos son siempre
subidentificados. Por el contrario, alguno de los parmetros del modelo no
recursivo se supone que es igual a cero. Recordemos que un parmetro
fijado a cero implica que hemos postulado que no existe un efecto entre
dos variables. Como tendremos ocasin de comprobar cuando se
considere el problema de la identificacin, las presunciones que se
adopten en el modelo recursivo sern de gran importancia para sus
posibilidades de identificacin. En general, las presunciones que
empleemos sern que la media de las variables y los errores sern igual a
cero (transformacin mediante desviacin a la media) y que los errores
estn incorrelacionados de las variables independientes. En un modelo no
recursivo no tiene mucho sentido plantear que todos los errores estn
incorrelacionados entre todas las variables endgenas. Siempre hay algn
error que estar relacionado con alguna variable endgena, por el mismo
planteamiento del modelo. Por el contrario, la presuncin til y que puede
tener sentido terico en un modelo no recursivo, es que los errores estn
incorrelacionados entre si. Veamos los ejemplos siguientes, reflejados
mediante diagramas basados en grafos orientados.
169
7odelos no recursi$os
a) Comportamiento electoral (Page y Jones)
Podemos apreciar que mientras en los modelos recursivos la
explicacin esta ordenada de forma asimtrica en una sola direccin, en
los modelos no recursivos, aparecen relaciones que invierten el orden de
la causalidad, estableciendo relaciones reciprocas. Esta distincin es
especialmente eficaz en trminos de identificacin del sistema, es decir,
esencialmente tcnicos en tanto permite o no tener soluciones. Desde el
punto de vista de la explicacin es evidente que los modelos estructurales
no recursivos son bastante ms realistas que los modelos recursivos. No
obstante, los problemas que plantean en trminos de identificacin los
hace bastante poco frecuentes
*.1-. <denti&icacin en modelos recursi$os y no recursi$os
El concepto de identificacin, est ligado a las operaciones
matemticas que se realizan para efectuar el ajuste del modelo sobre los
datos. En funcin al estado de identificacin del modelo podr o no tener
un conjunto de soluciones que sean operativas para el investigador. De
este modo, podremos afirmar que una ecuacin esta identificada (y un
modelo estructural en general) cuando sus parmetros se pueden
determinar de modo nico a partir del conocimiento que se puede extraer
de un conjunto de observaciones completas y adecuadas. Lo primero que
debe destacarse es que el problema de la identificacin del sistema no es
un problema de inferencia estadstica. Un modelo no tendr problemas de
Distancia a
diferentes
polticas
Proximidad
a
Partidos
Evaluacin
comparativa
de Lderes
Voto
170
identificacin por ms inestable que sea la muestra que facilita la
informacin para ajustar el modelo. El problema de la identificacin se
refiere a la relacin entre informacin y parmetros a estimar. Se trata en
definitiva de poseer ms hiptesis que informacin para testarlas. En
resumen, la identificacin del sistema no es un concepto que este
relacionado con la calidad de los datos o la medicin. ncluso con los
mejores datos, es decir, con indicadores vlidos y fiables procedentes de
una gran muestra puede surgir el problema de la identificacin. La
identificacin esta directamente relacionada con la especificacin del
sistema, es decir, con las relaciones que planteamos que existen a efectos
de explicar un fenmeno social.
Podemos efectuar un planteamiento intuitivo desde el lgebra
mediante el examen de un sistema de ecuaciones. Bsicamente, la
cuestin de la identificacin se refiere a tener la suficiente informacin
para obtener un conjunto de soluciones a un conjunto de incgnitas. As,
por ejemplo:
a) <denti&icacin e,acta. El siguiente sistema de ecuaciones
2x + 3y = 7
x - 4y = -2
Constituye un sistema exactamente identificado, dado que hay
tantas ecuaciones linealmente independientes entre si, como incgnitas.
As, obtenemos una solucin nica donde
x = 2 e y = 1
b. ;ubidenti&icacin
La subidentificacin aparece cuando poseemos ms incgnitas
que ecuaciones linealmente independientes entre si. Por ejemplo, el
sistema de ecuaciones
2x + 3y = 7
4x + 6y = 14
esta subidentificado, dado que an cuando hay dos ecuaciones
con dos incgnitas, la segunda es simplemente la primera multiplicada por
dos (son linealmente dependientes). Es decir, al ser la segunda ecuacin
171
simplemente la primera multiplicada por dos, no aporta ninguna
informacin nueva que ayude a resolver de un modo nico las incgnitas x
e y. De hecho, solo tendremos una ecuacin con dos incgnitas, lo que
lleva a un conjunto infinito de soluciones. Por ejemplo, las siguientes
pueden ser soluciones al sistema anterior.
X = 2 y = 1
x = 3,5 y = 0
x = 5 y = -1
Como nuestra intencin es obtener unos estimados con significado
terico para ese conjunto de incgnitas, la existencia de infinitas
soluciones es una situacin indeseable.
c. ;obreidenti&icacin
Una situacin semejante puede aparecer cuando poseemos un
numero mayor de ecuaciones que de incgnitas. Por ejemplo, el sistema
de ecuaciones linealmente independiente que mostramos a continuacin
posee dos incgnitas y tres ecuaciones.
2x - y = 7 (1)
x + 3y = 0 (2)
3x - 2y = 2 (3)
Si se emplearan las ecuaciones (1) y (2) para resolver el sistema,
obtendremos una solucin nica para ese sistema de dos ecuaciones
x= 3 e y = -1
Las ecuaciones (1) y (3) dan como resultado
x= 12 e y =17
Las ecuaciones (2) y (3) ofrecen como resultado las soluciones
x= 6/11 e y =- 2/11
El trmino identificacin y cada uno de los estados posibles (sub,
exacta y sobre) se refieren tanto a las ecuaciones estructurales por
separado como al conjunto del sistema de ecuaciones. As, diremos que
un modelo estructural, esta identificado si todas y cada una de las
172
ecuaciones que lo componen estn identificadas. Por el contrario diremos
que un sistema no esta identificado, cuando alguna de sus ecuaciones
este subidentificada. Como podemos apreciar, la solucin del sistema
depende de la relacin entre informacin e incgnitas. En el caso de la
subidentificacin, no tendremos solucin posible (cualquier solucin ser
indeterminada), en el caso de identificacin exacta tendremos la
posibilidad de estimar los parmetros mediante una solucin nica. Sin
embargo, la situacin ms interesante se produce en caso de la sobre
identificacin. En este caso, como podremos apreciar, se presenta la
posibilidad de testar la bondad del ajuste del modelo.
Seguidamente vamos a considerar en primer lugar algunos
criterios para identificar el estado del sistema de ecuaciones, para
despus plantear las posibles alternativas de los modelos no identificados.
Evidentemente, en la medida que el problema de la identificacin es un
problema de especificacin, solo una reelaboracin de la explicacin (es
decir del modelo y de la teora) puede ofrecer soluciones.
*.1/. La determinacin del estado
El problema de la identificacin tiene consecuencias diferentes
segn se trate de sistemas recursivos o no recursivos. Como veremos, en
el caso de los sistemas recursivos existe la posibilidad de establecer
restricciones que permitirn siempre identificar (y solucionar) el sistema.
No es ste el caso de los sistemas no recursivos donde en determinadas
situaciones su identificacin requerir necesariamente la modificacin del
modelo (introduciendo nuevas variables o restricciones de coeficientes o
covarianzas). Podemos preguntarnos que es lo que hace a los modelos no
recursivos especiales en trminos de identificacin. En principio, de forma
intuitiva podramos pensar que contando con suficiente datos el sistema
debera tener solucin. Sin embargo consideremos el ejemplo siguiente:
Y
1
Y
2
Y
1
=
12
Y
2
+
1
Y
2
=
21
Y
1
+
2

2
173
Este modelo no esta identificado; pero esto es evidente, en la
medida que es imposible determinar en que sentido se desplaza la
causalidad (cuando solo tenemos datos referidos a un solo punto en el
tiempo). As, solamente con el dato de la covariacin entre ambas
variables no existe ninguna forma matemtica de distribuir cuanta
covarianza corresponde al efecto de y
1
sobre y
2
y cuanta corresponde al
efecto inverso, de y
2
sobre y
1
. Esto puede pasar perfectamente en un
modelo no recursivo ms complejo. Adems, en relacin con los modelos
recursivos, en un modelo no recursivo existen en general ms parmetros
a estimar incluso poseyendo el mismo numero de variables. Otro aspecto
que influye en el problema de la identificacin de modelos no recursivos es
el hecho de no postular que los errores son independientes entre si. Por lo
tanto, los criterios de identificacin que introduciremos seguidamente son
especialmente pertinentes en el caso de los modelos no recursivos.
Vamos a considerar tres criterios de evaluacin del estado del
modelo. El primero de ellos va considerar el sistema en conjunto y por lo
tanto aportara un diagnostico global. En estas condiciones se tiene poca
informacin para intervenir sobre el modelo, si bien es un procedimiento
rpido de diagnostico. Una mayor utilidad a efectos de intervenir en el
caso de no identificacin del sistema son los procedimientos que evalan
el estado de cada una de las ecuaciones del sistema. De este modo,
identificando las ecuaciones problemticas es posible intervenir sobre las
relaciones de forma que se posibilite la identificacin del sistema. En los
modelos no recursivos se emplearan otros dos medios para evaluar las
posibles restricciones de coeficientes, las condiciones de rango y las
condiciones de orden. Como se ha dicho, estos procedimientos operan
evaluando cual es la situacin de cada ecuacin; esto viene dado porque
en un modelo podran existir ecuaciones subidentificadas, junto a otras
identificadas exactamente y otras sobreidentificadas. El poder detectar
cual es la situacin de cada ecuacin dentro del sistema ayuda claramente
en el procedimiento de identificacin global del sistema de ecuaciones. El
procedimiento que evala directamente el sistema de ecuaciones en
conjunto no ofrece una orientacin con respecto al modo como corregir el
sistema de modo que, como mnimo, se determine un conjunto finito de
soluciones para las incgnitas (parmetros) a estimar. Por ultimo recordar
que la identificacin, en la medida que depende de la especificacin, se
vera afectada por las presunciones sobre el error. Aqu consideraremos,
tal como se advirti inicialmente, que las medias de los errores y las
variables es cero (desviaciones o normalizacin) y que los errores son
independientes de las variables exgenas (es decir, no covarian). En los
sistemas donde se planteen otras presunciones la identificacin por los
siguientes procedimientos puede verse afectada. Los dos primeros
174
procedimientos son condiciones
41
necesarias pero no suficiente. El ultimo
procedimiento es condicin suficiente.
*.10. <denti&icacin del sistema
Como sabemos, el problema que queremos solucionar es si los
parmetros estructurales de un modelo pueden ser determinados de
forma nica sobre la base de la informacin que se disponga de varianzas
y covarianzas entre las variables observadas. Una regla general en
lgebra es que una condicin necesaria para resolver las incgnitas en un
sistema de ecuaciones es que el numero de incgnitas debe ser igual o
inferior que el numero de ecuaciones (linealmente independientes entre si,
claro esta). Las incgnitas, en este caso, son los parmetros estructurales.
Es posible determinar el numero de ecuaciones (en trminos de
descomposicin de efectos, es decir las varianzas y las covarianzas por un
lado y por el otro los parmetros). Las ecuaciones, insistimos, se refieren a
las correspondientes a la relacin entre parmetros y varianzas y
covarianzas. En ese sentido, es fcil apreciar que tendremos tantas
ecuaciones como varianzas y covarianzas. As, si en un modelo tenemos
4 variables (tanto exgenas como endgenas) el numero de ecuaciones
ser igual a n(n+1), siendo n el numero de variables, 4(4+1) = 10
ecuaciones. La diferencia entre el numero de ecuaciones y el nmero de
parmetros estructurales a estimar se denomina grados de libertad y se
notan como df . Una vez definidos estos trminos, el criterio para
identificar el sistema puede formularse como sigue:
Una condicin necesaria para la identificacin de un modelo de
ecuaciones estructurales es que los grados de libertad deben ser iguales o
mayores que cero, es decir d% 0. Los grados de libertad resultan de
comparar la informacin de que se dispone (varianzas y covarianzas) con
los parmetros del modelo que deben estimarse.
La forma de contabilizar el numero de ecuaciones (varianzas y
covarianzas) es directo, contabilizando las variables exgenas y
endgenas del modelo, dividiendo por dos y multiplicando por el numero
de variables mas uno
n(n+1).
41
Necesaria pero no suficiente. Quiere decir que si no se cumple esa condicin la
ecuacin no puede ser identificada. Si la condicin se cumple, la ecuacin puede o no
puede ser identificada, pero existe la posibilidad.
175
Sin embargo, el numero de incgnitas puede ocasionar dudas,
dado que depende de la especificacin del modelo. En principio, dado que
consideramos las variables expresadas en desviacin a la media o
normalizadas, la constante desaparece de la ecuacin eliminando una
incgnita a estimar. Sin embargo permanecen como incgnitas los
parmetros , , , .. El numero de parmetros , pueden
determinarse directamente de las ecuaciones o de los diagramas. El
nmero de parmetros (correspondientes a las varianzas y covarianzas de
las variables exgenas) es igual a q(q+1), siendo q el numero de
variables exgenas (x). El numero de parmetros es como mnimo p,
siendo p el numero de varianzas de los errores. El total que resulta de
sumar los parmetros anteriores expresa el numero de incgnitas a
resolver. Es decir, que trabajando con variables expresadas en desviacin
sobre la media se trata de contar los parmetros , , , .
*.11. Condiciones de orden
Tcnicamente, la condicin de orden es una condicin necesaria,
pero no suficiente, para la identificacin de una ecuacin. Sin embargo, en
muchas de las situaciones que se producen en la practica al analizar
datos, esta condicin funciona como necesaria y suficiente. La condicin
de orden afirma que si tenemos un modelo consistente en K ecuaciones
lineales, para que cualquier ecuacin en el modelo este identificada debe
de excluir como mnimo un nmero de variables igual (o mayor) a K-1, de
entre todas las variables que aparecen en el modelo.
Por ejemplo, en el caso que un sistema posee 12 ecuaciones y 15
variables, para que una ecuacin cualquiera este identificada debe de
excluir 11 variables (12-1) de entre todas las que aparecen en el modelo.
Es decir, las ecuaciones identificadas deben de excluir 11 variables (sus
coeficientes = 0) y retener 4 variables (con coeficientes 0).
*.13. Condiciones de rango
La condicin de rango afirma (Christ,1966) que una ecuacin en
un modelo de K ecuaciones lineales esta identificada si existe un
determinante de cualquier submatriz de coeficientes K-1 dentro de la
matriz que resta despus de omitir todas las columnas donde la ecuacin
a identificar posea coeficientes distintos de 0 y omitiendo la ecuacin a
identificar. El proceso se repetir hasta identificar cada ecuacin.
176
Si no existiese ninguna submatriz de rango K-1 con determinante 0
la ecuacin esta subidentificada.
Si existe solo una submatriz de rango k-1 con determinante 0 la
ecuacin est determinada exactamente.
Si existe ms de una submatriz de rango k-1 con determinante 0 la
ecuacin est sobreidentificada.
La condicin de rango es una condicin necesaria y suficiente para
identificar una ecuacin.
Una vez considerados diferentes procedimientos para comprobar
el estado del sistema de ecuaciones, podemos ofrecer algunas
conclusiones generales que servirn para diagnosticar en que estado se
encuentran en la prctica los modelos.
(1) Los modelos de una sola ecuacin estructural donde el error no
covaria (son independientes) con las variables exgenas estn siempre
identificados. Son conocidos como modelos de regresin. (
ixj
= 0)
(2) Los modelos de ecuaciones sin efectos estructurales recprocos
y con las presunciones
ixj
= 0 para todo i,j y que
ij
= 0 para todos los i
j , siempre estn identificados. Son denominados modelos recursivos.
(3) Los modelos donde existen efectos de xi sobre yj, existiendo
covariacin entre las variables exgenas y el error no, estn identificados.

ixj
0.
(4) Los modelos estructurales con efectos estructurales recprocos
(modelos no recursivos) no estarn identificados en el caso particular en
que un conjunto de variables endgenas se vean afectadas todas ellas
entre si.
Esencialmente, las conclusiones que pueden extraerse de las
observaciones anteriores es que todos los modelos recursivos de
ecuaciones estructurales, (1) y (2), estn identificados siempre que las
variables importantes se encuentren presentes en el modelo. Es decir, que
la especificacin sea la correcta. Es fundamental que todas las variables
importantes estn en el modelo como garantia de que las presunciones se
podrn cumplir; es decir, no covariaran las variables exgenas con el error
y los errores estarn incorrelacionados entre si.
177
La conclusin tercera expresa la importancia de la presuncin
acerca de que las variables exgenas no deben covariar con el error.
Como sabemos, la covariacin entre las variables exgenas y el error
indicara la existencia de causas comunes omitidas. Cuando exgena y
error covarian puede ignorarse tal covariacin, pero la consecuencia ser
que los parmetros y estimados sern errneos. La otra opcin es
introducir la covariacin entre exgena y error en el modelo, entre las
presunciones, pero entonces es probable que el modelo se convierta en
subidentificado. En definitiva, todo apunta al hecho de que la incorporacin
de causas comunes es realmente vital para la consistencia explicativa y
matemtica del modelo. Por ultimo, la cuarta conclusin indica en que
condiciones un modelo no recursivo no puede ser identificado.
Como hemos podido apreciar, la identificacin aparece como un
problema especialmente en los sistemas no recursivos. En todo caso,
podemos plantear algunas orientaciones para atenuar los problemas de
identificacin y sabiendo de antemano que restaran modelos
matemticamente no identificables. Dado que las condiciones de orden y
de rango nos indican si una ecuacin est subidentificada, identificada
exactamente o sobreidentificada, el problema consiste en como actuar
sobre las ecuaciones que plantean problemas.
*.24. Los procedimientos de restriccin
Existen dos procedimientos bsicos para intentar que un sistema
de ecuaciones este identificado, las restricciones de coeficientes y las
restricciones de covarianzas. Un tercer procedimiento consiste en la
introduccin de nuevas variables explicativas en el modelo. Las
restricciones de coeficiente actan imponiendo limitaciones sobre los
coeficientes que unen las variables. Ya sean fijndolos a cero, etc. Por su
parte, las restricciones de covarianza efectan presunciones sobre la
correlacin entre las variables residuales.
En los modelos recursivos la identificacin es ms simple dado
que, por ejemplo, en este caso la mitad de los coeficientes son igual a
cero (dado que no hay efectos recprocos). As, en un modelo recursivo
afirmar que existe una relacin entre Y
1
e Y
2
implica que el efecto inverso
no se va a dar. Adems, sabemos que en los modelos recursivos, se
efectan presunciones sobre el error que si bien no son realistas, s se
corresponden con la estructura terica del modelo que se propone
(asimtrico). En ese sentido, efectuando las presunciones habituales en
un modelo recursivo tendremos garanta de que estar identificado
(Boudon, 1968).
178
Por ejemplo consideremos un sistema no recursivo con tres
variables con efectos recprocos entre ellas. De acuerdo al criterio de
sistema 3(3+1), obtenemos 6 ecuaciones. Por otro lado tenemos 9
incgnitas, compuestas por 6 coeficientes y 3 errores. Tendramos ms
incgnitas que ecuaciones. Este es, como sabemos, un caso evidente de
subidentificacin o falta de informacin. Un procedimiento para solucionar
el sistema es mediante restricciones de coeficientes y de covarianzas. Si
lo convertimos en un modelo recursivo fijaremos tres coeficientes a 0.
Contando con la presuncin recursiva donde la covarianza de las tres
variables residuales estn incorrelacionadas, obtenemos finalmente seis
ecuaciones con seis incgnitas. Tendramos con ello una identificacin
exacta. Como ya sabemos, el planteamiento de un modelo recursivo es
correcto siempre que tengamos seguridad de que las causa comunes han
sido incluidas en el. En ese sentido, la especificacin del modelo es una
fase especialmente ligada a la verosimilitud y fiabilidad de los coeficientes
estimados finalmente. Es decir, de la fiabilidad del modelo.
En los modelos no recursivos, por el contrario, la situacin se
complica en la medida que la inclusin de todas las causa comunes no
garantiza la identificacin del modelo, y por lo tanto su resolucin. Cuando
estamos considerando un modelo no recursivo no es posible efectuar las
restricciones de los modelos recursivos. En este tipo de modelos no son
practicables las presunciones que establecamos en los modelos
recursivos, acerca de las covarianzas entre las variables residuales. Ello
convierte los modelos no recursivos en modelos que se aproximan ms a
la realidad, dado que no presumen el que las variables residuales estn
incorrelacionadas. Sin embargo, al eliminar esa restriccin sobre las
covarianzas de los errores se complica la tarea de la identificacin. En los
modelos no recursivos imponemos menos restricciones sobre los
coeficientes y covarianzas, lo que conlleva un numero mayor de incgnitas
y a una mayor dificultad para obtener soluciones nicas. Adems, el
problema ms frecuente se refiere a la situacin donde las variables que
explican en cada ecuacin a las distintas endgenas tienden a repetirse
en las diferentes ecuaciones.
El modo para intentar identificar (y que por lo tanto tenga solucin)
los modelos no recursivos pasa por aplicar las condiciones de orden y de
rango de forma que se pueda identificar las ecuaciones infraidentificadas.
Cuando una ecuacin esta subidentificada no existe ninguna tcnica de
estimacin que ofrezca estimados validos. Por ello, hay que intentar
transformar una ecuacin subidentificada en otra identificada,
generalmente introduciendo nuevas variables en el modelo. Estas
variables nuevas a introducir en el modelo debern afectar (explicar) solo
a determinadas variables (con ecuacin infraidentificada). En ese sentido,
179
la identificacin mediante la introduccin obligatoria de nuevas variables y
condicionadas a una relacin concreta supone en la mayora de los casos
una cierta violencia y forzamiento terico del modelo. Por ello, an cuando
las modificaciones del modelo vengan impuestas desde la necesidad de
identificacin, la introduccin de nuevas variables debe de estar, en primer
lugar, tericamente orientada. Es la teora la que debera tener la ltima
palabra en el sentido de indicar si es posible introducir nuevas variables,
cuales deban de ser estas, as como su relacin con las variables
endgenas del modelo.
Esto ltimo es una cuestin importante, dado que no por el hecho
de introducir nuevas variables se va a facilitar la identificacin del sistema
de ecuaciones, sino que esto depender de las pautas de asociacin
propuestas para las nuevas variables. Una asociacin u otra facilitara la
identificacin o no.
42
En una segunda instancia, es conveniente que esas nuevas
variables posean determinadas propiedades estadsticas, algunas de las
cuales son consecuencia directa de la sensatez terica. En primer lugar,
es conveniente que las nuevas variables sean variables exgenas, y no
correlacionadas con el error de las variables endgenas. Adems, deben
de estar fuertemente asociadas con aquellas variables a las que estn
afectando tericamente (Fisher,1971). La bsqueda de variables
exgenas (predeterminadas) con dichas caractersticas no siempre es
fcil. Las alternativas son, desfigurar el modelo explicativo o abandonar
cualquier esperanza de solucin. En cualquier caso, la introduccin de
nuevas variables aparece como alternativa a la supresin de efectos
(coeficientes = 0). En principio no deberan suprimirse relaciones entre
variables que supongan una especificacin importante del modelo.
Especialmente porque la supresin de efectos importantes, si realmente
los son, puede sesgar la fiabilidad de los dems parmetros dentro del
modelo.
Como podemos apreciar, las condiciones que la identificacin
impone sobre el modelo explicativo son bastante importantes. En el caso
de los modelos recursivos, porque presume condiciones drsticas de
jerarqua y de completitud de la especificacin (incluyendo todas las
causas comunes importantes). En el caso de los no recursivos,
imponiendo la introduccin de nuevas variables y adems en una funcin
relacional obligada, afectando a determinadas variables y no a otras. Por
42
Muy probablemente, el principio de parsimonia haya establecido tericamente la
conveniencia de simplificar el modelo. Puede ser conveniente a efectos de la
identificacin del sistema de ecuaciones recuperar variables interesantes, pero
descartadas por ese criterio de simplificacin.
180
otro lado, la supresin de coeficientes (mediante la fijacin de los efectos a
cero) que fueron introducidos previamente en la fase de especificacin del
modelo implica la amenaza de sesgar los resultados estimados. Como
puede verse, no son despreciables las consecuencias de la identificacin
(relacin informacin e incgnitas) en la explicacin que se pretende
ofrecer.
El dilema es evidente, mantener una explicacin que no podr ser
testada o degenerar, por imposicin matemtica, el modelo explicativo en
funcin a sus posibilidades de solucin. No se trata de modificaciones
introducidas por el ajuste del modelo, donde las covarianzas encontradas
en la estructura de los datos (entre errores y entre variables) imponen una
revisin de lo que se pensaba, sino modificaciones conducidas por la
mecnica interna del modelo propuesto. No es demasiado atractivo que la
tcnica de modelado de la realidad (explicacin de esta) determine las
caractersticas finales de esta explicacin. Evidentemente, las
trasformaciones del modelo explicativo son un aspecto crucial de la tarea
de investigar. Estas debern desarrollarse siempre que sea tericamente
aceptable en el caso de sistemas subidentificados. No sera aceptable que
algo tan importante como es una explicacin de los fenmenos sociales se
vea sesgada por la necesidad de modificarla a efectos de ser
solucionable. La prioridad debe ser siempre la mejor explicacin, no la
explicacin que el mtodo de anlisis de la realidad ha permitido o ha
obligado a producir.
Este es un fenmeno que supone un riesgo evidente, en la medida
que la dinmica de modelado conduce fuera de la explicacin a un terreno
donde las reglas de juego las imponen las matemticas. No debera actuar
se con timidez o complacencia. Una opcin a plantearse seriamente,
dependiendo de las condiciones tericas que imponga la identificacin del
sistema, sera optar por otra estrategia de modelado que permita vas
alternativas de testar la explicacin. La subidentificacin supone riesgos
tericos importantes, donde una de las principales ventajas es una nueva
oportunidad para repensar el modelo (la explicacin que se ofrece).
Cuando las ecuaciones estructurales presentan una identificacin
exacta o sobreidentificacin no existe problema en trminos de la
especificacin del modelo, de modo que la explicacin que se propone no
se vera modificado, por las condiciones matemticas el sistema (relacin
incgnitas / informacin). En mbas condiciones del sistema, la sobre
identificacin ofrece posibilidades importantes. Un riesgo evidente de un
sistema exactamente identificado es que alguno de los efectos propuestos
sea cero, con lo que la identificacin se ve amenazada. Por el contrario,
en los modelos sobre identificados este riesgo no se da. Por otra parte,
181
para la solucin del sistema se requiere igual numero de ecuaciones
(informacin) que de incgnitas (coeficientes), ello hace que la informacin
(ecuaciones) extras no utilizadas puedan emplearse para testar el modelo.
182
183
+. A(?"
7atrices@conceptos &undamentales.
7atri): es un grupo de nmeros presentado en una distribucin
rectangular.
,olumnas: son las lneas verticales de elementos que forman la
matriz.
Dilas: son las lneas horizontales de elementos que forman la matriz.
Elementos: son los nmeros que forman la matriz. Los elementos de
la matriz se identifican mediante dos subndices, donde el primero
indica la fila y el segundo la columna. Ej:
a
11
a
12
.. a
ij
.. a
1n
a
21
a
22
. a
2j
. a
2n
A
mxn
=
a
i1
a
i2
.. a
ij
.. a
in
a
m1
a
m2
. a
mj
a
mn

=rden de una matri): si llamamos "m" a las filas y "n" a las columnas,
entonces decimos que una matriz tienen orden mxn, donde se indica
de una forma convencional en primer lugar el nmero de filas y
segundo el nmero de columnas.
Vector: es una matriz que tiene una sola fila o una sola columna. La
diferencia de representacin con la matriz es que el vector se
representa con letra minscula y la matriz con mayscula. Para
distinguir a los vectores fila de los vectores columna se pondr una
prima junto a la letra minscula del vector fila. Ej:
2
a = 1 a' = [ 3 2 7 2 ]
6
5
184
a. %ipos de matrices.
- 7atrices cuadradas: son matrices que tienen el mismo nmero de
filas que de columnas. Se puede distinguir dentro de las matrices
cuadradas:
- La matriz cuadrada simtrica: matriz en la que cada elemento a
ij
= a
ji
. Ej:
La diagonal principal est formada por los nmeros 3, 2, 1, 4.
3 5 6 2
A = 5 2 4 2
6 4 1 6
2 2 6 4
- 7atri) diagonal: es una matriz en la que todos los elementos son
ceros, excepto los de la diagonal principal:
4 0 0
B = 0 6 0
0 0 2
- 7atri) identidad o unidad: es una matriz diagonal en la que todos
los elementos que forman la diagonal principal son 1.
- 7atri) transpuesta: es una matriz en la que se intercambian las
filas por las columnas, la matriz que resulta de esta operacin se
representa con una letra mayscula con prima, ej:
4 2 7 4 1 5 1
A = 1 2 3 A' = 2 2 7 2
5 7 8 7 3 8 1
1 2 1
- 7atri) nula: matriz donde todos los elementos son cero.
185
b. "peraciones con matrices.
*uma y resta de matrices.
Una condicin indispensable para que dos matrices puedan
sumarse o restarse es que ambas deben ser del mismo orden.
La suma de dos matrices consiste en la suma de sus elementos
tomando cada elemento de la primera matriz y el correspondiente de la
segunda matriz.
La resta sigue el mismo procedimiento que la suma, a cada
elemento de la primera matriz se le resta el elemento correspondiente de
la segunda.
Si se restan dos matrices iguales, es decir con los mismos
elemetos nos dar como resultado una matriz nula equivalente al 0 en
lgebra escalar.
7ultiplicacin de matrices.
Es importante especificar previamente a la realizacin de la
multiplicacin el orden de las matrices que van a ser operacionalizadas.
Para que dos matrices puedan ser multiplicadas debe ser igual el
nmero de columnas de la primera matriz que el de filas de la segunda
matriz, se dice de estas matrices que son con&ormables.
La forma de procedimiento es de "fila por columna": es decir,
elemento de la primera fila de la primera matriz se multiplica por el
elemento primero de la primera columna de la segunda matriz, despus se
multiplica el segundo elemento de la primera fila por el segundo elemento
de la primera columna y se anota el resultado, despus nuevamente se
realiza el producto de la primera fila pero ahora por la segunda columna, y
as sucesivamente.
186
Ejemplo:
1 2
2 3
3 4
3 4 5
4 5 6
x =
11 14 17
18 23 28
25 32 39
(1x3)+(2x4) (1x4)+(2x5) (1x5)+(2x6)
(2x3)+(3x4) (2x4)+(3x5) (2x5)+(3x6)
(3x3)+(4x4) (3x4)+(4x5) (3x5)+(4x6)
1 2
2 3
3 4
3 4 5
4 5 6
x =
187
-. Aibliogra&)a General
Abell, P. Measurement in Sociology I. Measurement and systems. Sociology, 2, (1!"# 1-2$.
Abell, P. Measurement in Sociology II. Measurement structure and sociological t%eory. Sociology,
&, (1!# &'-(11.
Abell, P. Model building in Sociology. )ondon, *eiden+eld and ,icolson, 1'1.
Abercrombie, ,ic%olas- .ill, Ste/%en- 0urner, 1ryan S. The penguin dictionary of sociology. ,e2
3or4, Penguin, 1!.
Ac4o++, 5. The Design of Social Research. 6%icago, 7ni8ersity o+ 6%icago Press, 19&.
Ac4o++, 5. ). Redesigning the Future. A Systems Approach to Societal Problems. ,e2 3or4, :o%n
*iley ; Sons, 1'(.
Ac4o++, 5.). <n /airs and trios= 0%e smallest social systems. Systems Research 1&((#, (1!# (&9-
((!.
Ac4o++, 5.). ; :. >%ara?edag%i, 5e+lections on systems and t%eir models. Systems Research 1&(1#,
(1!# 1&-2&.
Adams, @., A. A%mad, @. .aynes ; :. S%ee%an, Ambodiments o+ 1eerBs Aducational Model.
Kybernetes, 22(!#, (1&# ((-9.
Adorno, 0.*. La disputa del positiismo en la sociolog!a alemana" 1arcelona, >ri?albo, 1'&
Adorno, 0. Dial#ctica $egatia, Madrid, 0aurus-6uadernos /ara el @iClogo, 1'9
Aggar2al, 5. ; :.D. *ee4ly, @eterminants o+ ,utrition )e8els in MeEico= A//lication o+ an
International Multidimensional Model. In= >eyer ; Fan der Gou2en, Dependence and
%ne&uality' A Systems Approach to the Problems of Me(ico and )ther Deeloping
*ountries. <E+ord, Pergamon, 1"2, 1&9-1(!.
A%lemeyer, ..*., <bser8ing obser8ations em/irically= met%odological inno8ations in a//lied
sociocybernetics. Kybernetes 2!(!H'#, (1'# !(1-!!$.
Aigner, @.:. - >oldberger, A.S., Latent ariables in socioeconomics models, Amsterdam, ,ort%
%olland, 1''
Alaminos, A. Sociolog!a Matem+tica, Alicante, >amma, 1!
Alaminos, A. Mode effects, 56&&, Mann%eim, 1"
Alaminos, A. %deological topologies in ,ermany" -./. to -../. G7MA, 1
Alaminos, A. The structures of don0t 1no2. )S@A. 6olonia, 1
Alaminos, A. Testing political ideology configural inariance in 3urope. 56&& Amsterdan. 2$$(
Alaminos, A.- IrancJs, I.- Santacreu, <. Sociali4aci5n" %deolog!a y Participaci5n6 *asos pr+cticos de
an+lisis estructural de coarian4as" Alicante, <1A0S, 2$$(
Alaminos- Penal8a- Santacreu- MartineK. Mapa social de Alcoy" 2$$(
Alba, 5ic%ard @. A gra/%-t%eoretic de+inition o+ a sociometric cliLue. 7ournal of Mathematical
Sociology, &, (1'&# 11&-12!.
188
Alba, 5ic%ard @. 0a4ing stoc4 o+ net2or4 analysis= A decadeMs results. In Samuel 1. 1ac%arac%
(ed.#, Perspecties in )rgani4ational Research. >reen2ic%, 60= :AI Press, 1"1, //. &-
'(.
Alba, 5ic%ard @. and Dadus%in, 6%arles 0%e intersection o+ social circles= A ne2 measure o+ social
/roEimity in net2or4s. Sociological Methods and Research 9, (1'!# ''-1$2.
Alba, 5ic%ard @. and >2en Moore. Alite social circles. 6%a/ter 12 in 1urt and Minor (eds#.
Applied net2or1 analysis6 A methodological introduction. 1e8erly .ills, Sage, 1"&.
Aldric%, .o2ard A. 0%e origins and /ersistente o+ social net2or4s= A comment. In Peter F.
Marsden and ,an )in (eds.#, Social Structure and $et2or1 Analysis. 1e8erly .ills, Sage,
1"2, //. 2"1-2&.
AleEander, :.6. Iormal and substanti8e 8oluntarism in t%e 2or4 o+ 0alcott Parsons= A t%eoretical and
ideological reinter/retation. American Sociological Reie2 (&, (1'"# 1''-1".
AleEander, :.6. )oo4ing +or t%eory= Iacts and 8alues as t%e intellectual legacy o+ t%e 1'$s.
Theory and Society, 1$, (1"1# 2'-22.
AleEander, :.6. Theoretical Logic in Sociology. 8olume one6 Positiism" Presuppositions" and
*urrent *ontroersies. 1er4eley, 7ni8ersity o+ 6ali+ornia Press, 1"2.
Al+eld, ). ; @. Meado2s, A systems a//roac% to urban re8i8al. In= Mesaro8ic ; 5eisman, Systems
Approach and the *ity. Amsterdam, ,ort%-.olland, 1'2, (&-!'.
Al4er, .ay2ard 5. (ed#- @eutsc%, Darl *. (ed#- StNtKel, Antoine .. (ed# Mathematical approaches to
politics. Amsterdam, Alse8ier, 1'&.
Al4er, .. 5. :r., Irom Political 6ybernetics to >lobal Modeling. In= 5.6. Merritt ; 1.M. 5ussett
(eds.#, From $ational Deelopment to ,lobal *ommunity. )ondon, >eorge Allen ;
7n2in, 1"1, &9&-&'".
Allison, :. @emand economics and eE/erimental /syc%ology. 9ehaioral Science 2(, (1'# ($&-
(19.
Anderson, 1., Irames and dynamic models o+ /olitical systems. In= >eyer ; Fan der Gou2en, Self:
Referencing in Social Systems. Salinas 6A., Intersystems, 1$, !-"&.
Anderson, 0. *. Probability models +or analyKing time c%anges in attitudes. An )aKars+eld,
Mathematical Thin1ing in the Social Sciencies. ,e2 3or4, Iree Press, 19(.
Anderson, <.@., Time series analysis and forecasting, 1oston, 1utter2ort%, 1'!
Andres4i, S. Social Sciences as Sorcery. ,e2 3or4, St. MartinMs Press, 1'2.
An%eier, .elmut D. Structural analysis and strategic researc% design= Studying /oliticiKed
interorganiKational net2or4s. Sociological Forum 2, (1"'# 9!&-9"2.
Arabie, P., S.A. 1oorman, and P.5. )e8itt 6onstructing bloc4models= .o2 and 2%y. 7ournal of
Mathematical Psychology, Fol. 1', (1'"# 21-!&.
Arc%er, Margaret S. (ed.# *urrent research in sociology. publ. on the occasion of the /th 2orld
congress of sociology" Toronto" *anada" aug. -/ :;<" -.=<. Paris, 0%e .ague, Mouton,
1'(.
Arc%er, M., Structuration 8ersus mor/%ogenesis. In= S.,. Aisenstadt ; ..:. .elle (eds.#, Macro
Sociological Theory6 Perspecties on Sociological Theory. )ondon, Sage, 1"9, 9-!".
Arc%ibald, 5.*. - ,e2%ouse, :.P., Social eE/erimentation. Some 2%ys and %o2s, Santa MOnica,
5and, 1"$
As%er, ..1., *ausal modeling, 1e8erly .ills, Sage, 1"&
Armer, :.M. - Mars%, 5.M., *omparatie sociological research in the -.>?0s, )eiden, 1rill, 1"2
Arnau, :., M#todos de inestigaci5n en las *iencias @umanas, 1arcelona, <mega, 1'"
Arno/oulos, P., Ideal-5eal )in4s= A study o+ t%e act-+act inter+ace. Kybernetes 22(&#, (1&# 2$-&(.
189
Arro2 D.:., Mat%ematical models in t%e social sciences, en )erner @ y ..@. )ass2ell, eds. The
policy sciences. Stan+ord, Stan+ord 7ni8ersity Press, 19$.
Arro2 D.:., Darlin, S. y Su//es P. (eds.# Mathematical methods in the social sciences. Stan+ord,
Stan+ord 7ni8ersity Press, 1!$.
Arro2, D.:. Social choice and indiidual alues. ,e2 .a8en, 3ale 7ni8. Press, 1!(, (1
st
ed. 191#.
Arro2, Dennet% :. and Intriligator, Mic%ael @., (eds.# @andboo1 of Mathematical 3conomics, ,e2
3or4, ,3= Alse8ier Science, 1"1P"!, & Fols.
Artigiani, 5., Social 6%ange= Insig%ts and Im/lications +rom 6ontem/orary Science. In= >eyer (ed.#
The *ybernetics of *omple( Systems' Self:)rganisation" 3olution" and Social *hange.
Salinas, 6A., Intersystems Publications, 11, 1"'-1'.
Ar8idsson, A., 5econstructing t%e /ublic s/%ere= AS0 and t%e obser8ation o+ /ostmodernity.
Kybernetes 2!(!H'#, (1'# !!1-!'&.
At4in, 5... Mathematical Structure in @uman Affairs. ,e2 3or4= 6rane, 5usa4, 1'(.
At4in, 5..., *ombinatorial *onnectiities in Social Systems' An Application of Simplicial *omple(
Structures to the Study of Large )rgani4ations. 1ir4%Quser, 1asel ; Stuttgart, 1''.
At4in, 5. .., 0%e Met%odology o+ R-Analysis A//lied to Social Systems. In= 6a8allo, Systems
Methodology in Social Science Research' Recent Deelopments. 1oston, Dlu2er ,i?%o++,
1"2, (9-'(.
At4inson, 5ic%ard 6., et al. %ntroduction to Mathematical Learning Theory. ,e2 3or4, ,3= :o%n
*iley, 1!9.
Aulin-A%ma8aara, A.3., A >eneral 0%eory o+ Acts, 2it% A//lication to t%e @istinction bet2een
5ational and Irrational BSocial 6ognitionB. Aeitschrift fBr allgemeine
Cissenschaftstheorie "(2#, (1''# 19-22$.
Aulin-A%ma8aara, A.3., ,otes on regulation and control. Kybernetes "(&#, (1'a# 21&-219.
Aulin-A%ma8araa, A.3., 0%e )a2 o+ 5eLuisite .ierarc%y. Kybernetes "((#, (1'b# 29-2!!.
Aulin-A%ma8aara, A.3., A cybernetic social t%eory= Part I. A//lication to a re-e8aluation o+
/roduction relations and t%e class notion. Duality and Duantity 1&(&#, (1'c# 2!'-2'(.
Aulin-A%ma8araa, A.3., 0%e im/ossibility o+ genuinely sel+-steering mac%ines= A +undamental
t%eorem on actor-systems. Kybernetes 1$(2#, (1"1# 11&-121.
Aulin, A., The *ybernetic La2s of Social Progress' To2ards a *ritical Social Philosophy and a
*riticism of Mar(ism. <E+ord, Pergamon Press, 1"2.
Aulin, A., Sociocybernetics as t%e science o+ sel+-steering %uman action. Kybernetes 1&(&#, (1"(#
1('-199.
Aulin, A., 6ybernetic causality= A unitary t%eory o+ causal recursion in natural and social systems.
Mathematical Social Sciences 1$, (1"9# 1$&-1&$.
Aulin, A., ,otes on t%e conce/t o+ sel+-steering. In= >eyer ; Fan der Gou2en, Sociocybernetic
Parado(es' )bseration" *ontrol" and 3olution of Self:steering Systems. )ondon, Sage,
1"!, 1$$-11".
Aulin, A.3., 6ybernetic causality II= 6ausal recursion in goal-directed systems, 2it% a//lications to
e8olution dynamics and economics. Mathematical Social Sciences 12, (1"!b# 22'-2!(.
Aulin, A.3., 6ybernetic causality III= 0%e Lualitati8e t%eory o+ sel+-steering and social de8elo/ment.
Mathematical Social Sciences, 1&, (1"'# 1$1-1($.
Aulin, A., Foundations of Mathematical System Dynamics' The Fundamental Theory of *ausal
Recursion and its Application to Social Science and 3conomics. <E+ord, Pergamon,
1$.
AEelrod, 5. and .amilton, *. @. 0%e e8olution o+ coo/eration. Science 212, (1"1# 1&$-1&!.
190
AEten, ,. And Iararo, 0.:. 0%e in+ormation /rocessing re/resentation o+ institutionaliKed social
action. In P. Dris%ann (ed.#, Mathematical Models of Sociology. Deele, 7.D.=
Sociological 5e8ie2 Monogra/% ,o. 2(, 1''.
Ayan, A. - (ed.#, La filosof!a de la e(plicaci5n social, MJEico, I.6.A., 1'2
1abSroglu, <.,., 0o2ards a t%eory o+ stalemated social systems= 0%e 0ur4is% case. In= >eyer ;
Fan der Gou2en, Dependence and %ne&uality' A Systems Approach to the Problems of
Me(ico and )ther Deeloping *ountries. <E+ord, Pergamon, 1"2, "-1$&.
1abSroglu, <.,., Is t%e end o+ +ree +all +ree +allT 0%e +ocus o+ ada/tation in 8ortical en8ironments.
In= >eyer (ed.# The *ybernetics of *omple( Systems' Self:)rganisation" 3olution" and
Social *hange. Salinas, 6A., Intersystems Publications, 11, 2$-221.
1ac%elard, >., La formaci5n del esp!ritu cient!fico, Madrid, Siglo UUI, 1'2
1Qc4man, <lo+- Adling, 6%risto+er Mat%ematics matters= on t%e absence o+ mat%ematical models in
Luantitati8e sociology. Acta Sociologica, 8ol. (2, no. 1, (1# //. !-'".
1aert, P. ; de Sc%am/%eleire, :., Auto/oiesis, sel+-organisation and symbolic interactionism= Some
con8ergences. Kybernetes 1'(1#, (1""# !$-!.
1agoKKi, 5.P., *ausal models in mar1etting, ,e2 3or4, *iley, 1"$
1a%m, A., Ii8e Systems 6once/ts o+ Society.
1ailey, D.@., Methods of social research, ,e2 3or4, Iree Press, 1'"
1ailey, D. @., Sociological Antro/y 0%eory. 0o2ard a statistical and 8erbal congruence. Duality
and Duantity 1", (1"&# 11&-1&&.
1ailey, D. @., Systems as clusters. 9ehaioral Science &$(2#, (1"9# "-1$'.
1ailey, D. @., Post+unctional social systems t%eory. ,eneral Systems &$, (1"'# (1-(9.
1ailey, D. @., Social 3ntropy Theory. Albany, State 7ni8ersity o+ ,e2 3or4 Press, 1$.
1ailey, D. @., Sociology and the $e2 Systems Theory6 To2ard a Theoretical Synthesis. Albany, State
7ni8ersity o+ ,e2 3or4 Press, 1(.
1ailey, D.@., System entro/y analysis. Kybernetes 2!(!H'#, (1'# !'(-!"".
1ailey, D.@., 0%e auto/oiesis o+ social systems= Assessing )u%mannBs t%eory o+ sel+-re+erence.
Systems Research and 9ehaioral Science 1((2#, (1'a# "&-1$$.
1ailey, ,.0.:. The mathematical Theory of 3pidemics. ,e2 3or4= .a+ner, 19'.
1aird, @.6., 3(perimentations6 an introduction to measurement theory and e(periment desing,
Angle2ood 6li++s, Prentice .all, 1!2
1a4er, *ayne A. 0%ree-dimensional bloc4models. 7ournal of Mathematical Sociology, 12, (1"!#
11-22&.
1a4er, *ayne A. Mar4et ,et2or4s and 6or/orate 1e%a8ior. American 7ournal of Sociology. !,
(1$# 9"-!29.
1alas4o, 38es Foundations of the Theory of ,eneral 3&uilibrium. ,e2 3or4, ,3= Academic Press,
1"'
1ales, 5.I., %nteraction process analysis6 a method for the study of small groups, 6ambridge,
Addison-*esley, 19$
1alins4i, Mic%ael ). and 3oung, .. Peyton Fair Representation6 Meeting the %deal of )ne Man. <ne
Fote ,e2 .a8en, 60= 3ale 7ni8ersity Press, 1"2.
1andura, Albert Aggression6 A Social Learning Analysis. Angle2ood 6li++ts, ,:= Prentice-.all, 1'&.
1aner?ee, Dali S. *ost of Liing %nde( $umbers6 Practice" Precision" and Theory. ,e2 3or4, ,3=
Marcel @e44er, 1'9.
1arbesino, P., 0o2ards a /ost-+oundational understanding o+ community. Kybernetes 2!(!H'#,
(1'# !"-'$2.
191
1arbut, M. Mathemati&ues des sciences humaines. ; ol. Paris, Presses uni8ersitaires de Irance, 1!'.
1arnes, :.A. and .arary, Iran4 >ra/% t%eory in net2or4 analysis. Social $et2or1s, 9, (1"&# 2&9-
2((.
1art%olome2, @a8id :. Stochastic Models for Social Processes, ,e2 3or4, ,3= :o%n *iley, 1!'.
1art%olome2, @a8id :. Mathematical Methods in Social Science. 6%ic%ester= :o%n *iley ; Sons,
1"1.
1artos <. Simple models of group behaiour. ,e2 3or4, 6olumbia 7ni8ersity Press, 1!'.
1ates, I.). and .ar8ey, 6.6. The Structure of Social Systems. ,e2 3or4= 0%e >ardner Press, 1'9.
1ateson, :., Data construction in social surey, )ondon, Allen and 7n2in, 1"(
1atc%elder, *... In+erring global net2or4 /ro/erties +rom indi8idual actorMs measurement scales. In
).6. Ireeman, @.5. *%ite and A.D. 5omney (eds.#, Research Methods in Social
$et2or1s Analysis. 6%icago= ,elson .all (in /ress#, 1"(.
1atty, Mic%ael Symmetry and re8ersibility in social eEc%ange. 7ournal of Mathematical Sociology,
", (1"1# 1-(1.
1auer, 5.A., Social indicators, 6ambridge, MI0 Press, 1!!
1aumgartner, 0., An actor-oriented systems model +or t%e analysis o+ industrial democracy
measures. In= >eyer ; Fan der Gou2en, Sociocybernetics' an actor:oriented social
systems approach. )eiden, ,i?%o++, 1'", Fol. 1, 99-''.
1aumgartner, 0. )imits to societal sel+-steering= )essons +rom an actor-oriented systems a//roac% to
in+lation in t%e 7nited Dingdom and S2itKerland. Kybernetes 1&(&#, (1"(# 1'-1"(.
1aumgartner, 0., Actors, models and limits to societal sel+-steering. In= >eyer ; Fan der Gou2en,
Sociocybernetic Parado(es' )bseration" *ontrol" and 3olution of Self:steering
Systems. )ondon, Sage, 1"!, -29.
1aumgartner, 0. ; 0.5. 1urns, *ealt% and Po8erty Among ,ations- A Social Systems Pers/ecti8e
on IneLuality, 7ne8en @e8elo/ment and @e/endence in t%e *orld Aconomy. In= >eyer
; Fan der Gou2en, Dependence and %ne&uality' A Systems Approach to the Problems of
Me(ico and )ther Deeloping *ountries. <E+ord, Pergamon, 1"2, &-22.
1aumgartner, 0., 0. 5. 1urns ; P%. @eFillJ, Actors, games, and systems= t%e dialectics o+ social
action and system structuring. In= >eyer ; Fan der Gou2en, Sociocybernetics' an actor:
oriented social systems approach. )eiden, ,i?%o++, 1'", Fol. 1, 2'-9(.
1aumgartner, 0., 0.5. 1urns, P. @eFillJ ; 1. >auci, In+lation, Politics, and Social 6%ange- Actor-
oriented Systems Analysis A//lied to AE/lain t%e 5oots o+ In+lation in Modern Society.
In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A Systems Approach to the
Problems of Me(ico and )ther Deeloping *ountries. <E+ord, Pergamon, 1"2, 9-"".
1aumgartner, 0., 0. 5. 1urns ; P%. @eFillJ, The shaping of socio:economic systems' the application
of the theory of actor:system dynamics to conflict" social po2er" and institutional
innoation in economic life. ,e2 3or4, >ordon and 1reac%, 1"!.
1aumgartner, 0., 0. 5. 1urns ; ). @. Mee4er, 0%e descri/tion and analysis o+ system stability and
c%ange= Multi-le8el conce/ts and met%odology. Duality and Duantity 11, (1''# 2"'-
&2".
1aumgartner, 0. ; 1. >auci, Are Aconomists UaEosiansT A Sociocybernetic InLuiry into Aconomic
0%eoriKing, Policyma4ing and 1e%a8ior. In= >eyer (ed.# The *ybernetics of *omple(
Systems' Self:)rganisation" 3olution" and Social *hange. Salinas, 6A., Intersystems
Publications, 11, 1-2$".
1ausc%, D.6., 0%e .abermasH)u%mann debate and subseLuent .abermasian /ers/ecti8es on systems
t%eory. Systems Research and 9ehaioral Science 1((9#, (1'# &19-&&$.
1eaton, A.A. An inter-battery +actor analytic a//roac% to cliLue analysis. Sociometry, 2, (1!!#
1&9-(9.
192
1eac%am/, 0l)., 5osenberg, A. @ume and the Problem of *ausation. <E+ord= <E+ord 7ni8ersity
Press, 1"1.
1eauc%am/, Murray A. 3lements of Mathematical Sociology, P%iladel/%ia, PA= P%iladel/%ia 1oo4s,
1'$.
1ec4er, >. S. @uman *apital. A Theoretical and 3mpirical Analysis" 2ith Special Reference to
3ducation. 6%icago= 7ni8ersity o+ 6%icago Press, 1"&, (/rimera ediciOn en 1'9#.
1eer, S., Designing freedom. <ntario, 6anadian 1roadcasting 6or/oration, 1'(.
1eer, S., *orld in torment= A time 2%ose idea must come. Kybernetes 22(!#, (1&# 19-(&.
1eis%on, :. ; >. Peters (eds.#, Systems 9ehaiour. )ondon, .ar/er ; 5o2, 1'2.
1ell, *. .o2 to s/in a t%eory. *omtemporary Sociology, ', (1'"# !2-!9.
1ell, 6. - ,e2by, .., Doing sociological research, )ondon, Allen And 7n2in, 1''
1eltrami, Ad2ard :. Models for Public Systems Analysis. ,e2 3or4, ,3= Academic Press, 1''.
1eltrami, A. Mathematical Models in the Social and 9iological Sciences. 1oston= :ones ; 1artlett
Publis%ers, 1&.
1eltran, M., *iencia y sociolog!a, Madrid, 6IS, 1'
1emer, M., Social method in social life, ,e2 3or4, Academic Press, 1"1
1en-@a8id, :. 0%e state o+ sociological t%eory and t%e sociological community= A re8ie2 article.
*omparatie Studies in Society and @istory, 19, (1'&# (("-('2.
1eniger, :. 5., 6ontrol t%eory and social c%ange= to2ard a synt%esis o+ t%e system and action
a//roac%es. In= >eyer ; Fan der Gou2en, Sociocybernetics' an actor:oriented social
systems approach. )eiden, ,i?%o++, 1'", Fol. 2, 19-2'.
1eniger, :.5., Strati+ication and 6ontrol in Social AEc%ange ,et2or4s= 0o2ard a Systems Analysis
1ased on Sur8ey Met%ods. In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A
Systems Approach to the Problems of Me(ico and )ther Deeloping *ountries. <E+ord,
Pergamon, 1"2, 291-2!!.
1eniger, :.5. ; 6.I. ,ass, Pre/rocessing and societal control= ,eglected com/onent o+
sociocybernetics. Kybernetes 1&(&#, (1"(# 1'&-1''. Also in >eyer ; Fan der Gou2en,
Sociocybernetic Parado(es' )bseration" *ontrol" and 3olution of Self:steering
Systems. )ondon, Sage, 1"!, 11-1&$.
1enseler, I., P. M. .e?l ; *. D. DNc4 (eds.#, Autopoiesis" *ommunication" and Society. The Theory
of Autopoietic System in the Social Sciences. Iran4+urt ; ,e2 3or4, 6am/us Ferlag,
1"$.
1enton, 6.I. ; D. Di?ima, Maintaining +oreign subsidiariesB ability to sel+-organiKe in t%e :a/anese
mar4et. Systems Research 1&((#, (1!# (('-(9!.
1erger, Peter ). @oes sociology still ma4e senseT Sch2ei4erische Aeitschrift fBr So4iologie, ?g. 2$,
nr. 1, s. (1(# & ++.
1erger, :., 6o%en, 1.P., Snell, :.)., Gelditc%, M.:r. Types of Formali4ation in Small ,roup Research.
1oston, MA= .oug%ton Mi++lin, 1!2.
1erger, :., 6o%en, 1.P., 6onnor, 0.)., Gelditc%, M. :r. Status 6%aracteristics and eE/ectation states= a
/rocess model. An 1erger, Gelditc% y Anderson Sociological theories in progress" 8ol. -.
1oston= .oug%ton Mi++lin, 1!!.
1erger, :., Iis4, M..., ,orman, 5.G. and Gelditc%, M. Status *haracteristics and Social %nteraction6
An 3(pectation States Approach. ,e2 3or4= Alse8ier, 1''.
1erger, P. and )uc4mann, 0. The Social *onstruction of Reality. ,e2 3or4= @oubleday, 1!!.
1erger, :., Gelditc%, M.:r., Anderson, 1., (eds.# Sociological Theories in Progress" 8ol.-. 1oston=
.oug%ton Mi++lin, 1!!.
193
1erger, :., Gelditc%, M.:r., Anderson, 1., (eds.# Sociological Theories in Progress" 8ol.;. 1oston=
.oug%ton Mi++lin, 1'2.
1erger, :. and Gelditc%, M. Arti+acts and 6%allenges= A 6omment on )ee <+s%e. Social Psychology
Duarterly, (!, (1"&# 9-!2.
1ergmann, >. Philosophy of Science. Madison= 7ni8ersity o+ *isconsin Press, 1!!.
1ergmann, *., @ie Geitstru4turen soKialer Systeme= Aine systemt%eoretisc%e Analyse. 1erlin,
@unc4er und .umblot, 1"1.
1er4, 5ic%ard A. and 1er4, Sara% Iensterma4er Su//ly-side sociology o+ t%e +amily= 0%e c%allenge
o+ t%e ,e2 .ome Aconomics. Annual Reie2 of Sociology, , (1"&# &'9-&9.
1er4o2itK, S.@. An introduction to structural analysis6 The net2or1 approach to social research.
0oronto= 1utter2ort%s, 1"2.
1er4o2itK, S.@. Mar4ets and mar4et-areas= Some /reliminary +ormulations. In *ellman and
1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge
7ni8ersity Press, 1"", //. 2!1-&$&.
1er4o2itK, S.@. A+ter2ord= 0o2ard a +ormal structural sociology. In *ellman and 1er4o2itK (eds.#
Social structures6 A net2or1 approach. 6ambridge= 6ambridge 7ni8ersity Press, 1"",
//. (''-('.
1er4o2itK, S.@., Peter :. 6arrington, 3e%uda Doto2itK, and )eonard *a8erman 0%e determination
o+ enter/rise grou/ings t%roug% combined o2ners%i/ and directos%i/ ties. Social
$et2or1s, 1, (1'"-'# &1-(1&.
1erlins4i, @a8id )n System Analysis6 An 3ssay *oncerning the Limitations of Some Mathematical
Methods in the Social" Political" and 9iological Sciences. 6ambridge, MA= MI0 Press,
1'!.
1erlins4i, @., Ad8erse ,otes on Systems 0%eory. In= Dlir, Applied ,eneral Systems Research'
Recent Deelopments and Trends. ,e2 3or4, Plenum, 1'", (-!$.
1ernard, .. 5. and Dill2ort%, P.@. <n t%e social structure o+ an ocean going 8essel and ot%er
im/ortant t%ings. Social Science Research, 2, (1'&# 1(9-1"(.
1ernard, ..5. and Dill2ort%, P.@. In+ormant accuracy in social net2or4 data II. @uman
*ommunication Research, (, (1''# &-1".
1ernard, ..5., Dill2ort%, P.@. and Sailer, ). In+ormant accuracy in social net2or4 data IF= A
com/arison o+ cliLue-le8el structure in be%a8ioral and cogniti8e net2or4 data. Social
$et2or1s, 2, (1"$# 11-21".
1ernard, .. 5ussell, Dill2ort%, Peter @. and Sailer, )ee @ouglas Summary o+ researc% on in+ormant
accuracy in net2or4 data, and on t%e 5e8erse Small *orld Problem. *onnections <,
(Summer#, (1"1# 11-29.
1ernd, :ose/% ). (ed# Mathematical applications in political science" %%. @allas= Sout%ern Met%odist
7ni8ersity Press, 1!!.
1ernstein, 5.:. The Restructuring of Social and Political Theory. P%iladel/%ia= 7ni8ersity o+
Pennsyl8ania Press, 1'".
1errien, I. D., ,eneral and Social Systems. ,e2 1runs2ic4 ,:, 5utgers 7ni8ersity Press, 1!".
1errien, I.D., A >eneral Systems A//roac% to .uman >rou/s. In= M.@. 5ubin (ed.# Man in
Systems. ,e2 3or4, >ordon and 1reac%, 1'1, 11-1&'.
1erry, *.@., $onrecursie causal models, 1e8erly .ills, Sage, 1"(
1ertalan++y, ).F. (19$#= )a teorVa de los sistemas abiertos en la +Vsica y en la biologVa, Science, 8ol.
III. /Cgs. 2&-2.
1es%er, :.M., *omputer methods in the analysis of large scale social system, 6ambridge, 7ni8ersity
Press, 1'2
194
1ian, 3an?ie et al. 6%anging as/ects o+ c%inese sociology. %nternational Sociology, 8ol. 11, no. 2,
(1!# //. 1!1.
1ielby, *illiam 0. and 1aron, :ames ,. <rganiKations, tec%nology, and 2or4er attac%ment to t%e
+irm. In @onald :. 0reiman and 5obert F. 5obinson (eds.#, Research in Social
Stratification and Mobility" 8olume ;. >reen2ic%, 60= :AI Press, 1"&, //. ''-11&.
1ielby, *.0., .auser, 5.M. Structural eLuation models. Ann. Re. Sociol. &, (1''# 1&'-!1.
1ierstedt, 5. 0%e means-end sc%ema in sociological t%eory. American Sociological Reie2, 9,
(1&"# !!9-!'1.
1ierstedt, 5obert (%g# A design for sociology6 scope" obEecties and methods. P%iladel/%ia= 0%e
Americam Academy o+ Political and Social Science, 1!.
1ierstedt, 5obert An analysis of social po2er. Sociological Theory (eds. ). 6oser and 1. 5osenberg#
,e2 3or4= Macmillan, 1'!.
1isco, 5.)., Data bases" computers and the Social Sciences, ,e2 3or4, *iley, 1'$
1is%ir, :.*. y @re2s, @.*. Mathematics in the behaioural and social sciences. ,e2 3or4= .arcourt,
1race and 2orld, 1'$.
1lac4, M., La Eustificaci5n del ra4onamiento inductio, Madrid, AlianKa editorial, 1'!
1laloc4, ..M.:r. *ausal %nferences in $one(perimental Research. 0%e 7ni8ersity o+ ,ort% 6arolina
Press, 6%a/el .ill, 1!1.
1laloc4, ..M. Theory construction6 From 8erbal to Mathematical Formulation. Angle2ood 6li++s,
,:= Prentice .all, 1!.
1laloc4, ..M.:r. *ausal models in the social sciences. 6%icago= Aldine, 1'1.
1laloc4, ..M., Measurement in the Social Sciences6 Theories and strategies, 6%icago, Aldine, 1'(
1laloc4, ..M., Aganbegian, A., 1orod4in, I.M., 1oudon, 5. y 6a/ecc%i, F. (Ads# Duantitatie
sociology. %nternational perspecties on mathematical and statistical modelling. ,e2
3or4= Academic Press, 1'9.
1laloc4, ..M., Sociological theory and research" a critical appraisal, ,e2 3or4, Iree Press, 1"$
1laloc4, ..M., Dilemmas in the social sciences, 1e8erly .ills, Sage, 1"(
1laloc4, ..M., *onceptualisation and measuring in the social sciences, 1e8erly .ills, Sage, 1"(
1lanning, 5.*., :.5. Marsden, @.A. Pingry ; A.6. Seror, Intelligent Models o+ Aconomic and Social
Systems. In= 6.F. ,egoita (ed.#, *ybernetics and Applied Systems. ,e2 3or4, Marcel
@e44er, 12, 1!&-1'1.
1lau, Peter 3(change and Po2er in Social Life. ,e2 3or4= *iley, 1!(.
1lau, Peter Parameters o+ social structure. American Sociological Reie2, &, (1'(# !19-!&9.
1lau, Peter %ne&uality and @eterogeneity. ,e2 3or4= 0%e Iree Press, 1''.
1lau, Peter Introduction= @i8erse 8ie2s o+ social structure and t%eir common denominator, in 1lau
and Merton (eds.# *ontinuities in structural in&uiry. )ondon and 1e8erly .ills= Sage,
1"1.
1lau, Peter M., 1lum, 0erry 6. and Sc%2artK, :ose/% A. .eterogeneity and intermarriage. American
Sociological Reie2, (', (1"2# (9-!2.
1lau, P.M. and @uncan, <.@. The American )cupational Structure. ,e2 3or4 = *iley, 1!'.
1lau, Peter and 5obert D. Merton *ontinuities in structural in&uiry. )ondon and 1e8erly .ills= Sage,
1"1.
1lau, Peter and Sc%oen%err, 5ic%ard The Structure of )rgani4ations. ,e2 3or4= 1asic, 1'1.
1loss+eld, .. P., 5o%2er, >. Techni&ues of 3ent @istory Modeling6 $e2 Approaches to *ausal
Analysis. Ma%2a%, ,:= )a2rence Arlbaum Associates, 19.
195
1loss+eld, .. P., Prein, >. (eds.# Rational *hoice Theory and Large F Scale Data Analysis. 1oulder=
*est8ie2 Press, 1".
1loom+ield, P., The fourier analisys of time series6 an introduction, ,e2 3or4, *iley, 1"!
1lumen, I., Dogan, M., y Mc6art%y, P.:. The %ndustrial Mobility of Labor as a Probability Process.
It%aca, ,3= 6ornell 7ni8. Press., 199.
1lumstein, A., Systems analysis o+ crime control and t%e criminal ?ustice system. In= Mesaro8ic ;
5eisman, Systems Approach and the *ity. Amsterdam, ,ort%-.olland, 1'2, 29&-2'&.
1o%rnstedt, >.*. - 1orgatta, A.I.(Ad#, Social measurement current issues, 1e8erly .ills, Sage, 1"1
1odemann, 3., Mic%al 5elations o+ /roduction and class rule= 0%e %idden basis o+ /atron-clientage,
in *ellman and 1er4o2itK (eds.# Social structrues6 A net2or1 approach. 6ambridge=
6ambridge 7ni8ersity Press, 1"", //. 1"-22$.
1oisese8ain, :. ,et2or4 analysis= A rea//raisal. *urrent Anthropology, 2$, (1'# &2-&(.
1onacic%, P%illi/ Putting t%e dilemma bac4 into PrisonerMs @ilemma. *onflict Resolution, 1(,
(1'$# '-"'.
1onacic%, P%illi/ 0ec%niLue +or analyKing o8erla//ing members%i/s, in .erbert 6ostner (ed.#
Sociological Methodology. San Irancisco= :ossey-1ass, 1'2.
1onacic%, P%illi/ ,orms and co%esion as ada/ti8e res/onses to /otential con+lict= An eE/erimental
study. Sociometry, &9, (1'2# &9'-&'9.
1onacic%, P%illi/ Iactoring and 2eig%ting a//roac%es to status scores and cliLue detection. 7ournal
of Mathematical Sociology, 2, (1'2# 11&-12$.
1onacic%, P. 0%e common structure semigrou/ an alternati8e to 1oorman and *%ite ?oint
reduction. American 7ournal of Sociology, "!, (1"$# 19-1!!.
1onacic%, P. 5e/resentations +or %omomor/%isms. Social $et2or1s, 9, (1"&# 1'&-12.
1oo4er, @.M.M., Are societies 0uring mac%inesT Some im/lications o+ t%e cyclical ma?ority
/roblem, an ,P com/lete /roblem, +or cybernetic models o+ social systems. In= >eyer ;
Fan der Gou2en, Sociocybernetics' an actor:oriented social systems approach. )eiden,
,i?%o++, 1'", Fol. 1, 1$9-12'.
1oorman, S.A. A combinatorial o/timiKation model +or transmission o+ ?ob in+ormation t%roug%
contact net2or4s. 9ell 7ournal of 3conomics, !, (1'9# 21!-2(.
1oorman, S.A., *%ite, ..6. Social structure +rom multi/le net2or4s. II. 5ole structures. Am. 7.
Sociol., "1, (1'!# 1&"(-1((!.
1oot, :o%n 6.>. *ommon ,lobe or ,lobal *ommons6 Population Regulation and %ncome
Distribution. ,e2 3or4, ,3= Marcel @e44er, 1'(.
1orgatta, A.I., Sociological methodology, San Irancisco, :ossey 1ass, 1!
1orgatti, Ste8en, Martin A8erett, and )inton Ireeman G*%$3T %8 8ersion -.? GserHs ,uide.
6olumbia, S6= Analytic 0ec%nologies, 12.
1or4o, .., *omputer applications in the behaioral sciences, Angle2ood 6li++s, Prentice .alls, 1!2
1ornsc%ier, Fol4er and 1allmer-6ao, 0%an%-.uyen Income ineLuality= A cross-national study o+ t%e
relations%i/s bet2een M,6-/enetration, dimensions o+ t%e /o2er structure and income
distribution. American Sociological Reie2, ((, (1'# ("'-9$!.
1os4, 6%., 6ybernetic .asidism= An Assay on Social and 5eligious 6%ange. Sociological %n&uiry
(((2#, (1'(# 1&1-1((.
1ossel, .., In+ormation /rocessing, cogniti8e dissonance, and basic needs= t%e modelling o+
be%a8ior. In= 1ossel et al., Systems Theory in the Social Sciences. 1ir4%Quser Ferlag,
1asel ; Stuttgart, 1'!, (2&-('2.
1ossel, .., S. DlacK4o ; ,. MSller (eds.#, Systems Theory in the Social Sciences. 1ir4%Quser Ferlag,
1asel ; Stuttgart, 1'!.
196
1ott, AliKabet% Family and social net2or1. )ondon= 0a8istoc4 Publications, 19'.
1oudon, 5aymond ->rJmy, :ean-Paul Les Math#mati&ues en sociologie I par Raymond 9oudon '
aec la collaboration de 7ean:Paul ,r#my. Paris = Presses uni8ersitaires de Irance, 1'1.
1oudon, 5. Les mathemati&ues en sociologie. Paris= Presses uni8ersitaires de Irance, 1'1.
1oudon 5. LJanalyse mathemati&ue des faits sociau(. Paris, Plon, 1'1.
1oudon, 5. Mathematical Structures of Social Mobility. ,e2 3or4= Alse8ier, 1'&.
1oudon, 5. - <tros, Metodologia de las *iencias Sociales, 1arcelona, )aia, 1'&
1oudon, 5., La l5gica de lo social, Madrid, 5ial/, 1"1
1oudon, 5aymond .o2 can sociology Wma4e senseW againT Sch2ei4erische Aeitschrift fBr
So4iologie, ?g. 21, nr. 2, (19# s. 2&&-2(1.
1oudon, 5.- )aKars+eld, P. LJanalyse empiri&ue de la causalite. Paris, Mouton, 1!!.
1ougon, Mic%el, Darl *eic4, and @in 1in4%orst 6ognition in organiKations= An anlaysis o+ t%e
7trec%t ?aKK orc%estra. Administratie Science Duarterly, Fol. 22, (1''# !$!-!&.
1ourdieu, P., 3l oficio de sociologo, Madrid, Siglo UUI, 1'!
1ourdieu, Pierre Sociology in &uestion. )ondon, 0%ousand <a4s, ,e2 @el%i= Sage, 19.
1ouKa, I. 6omunicaciOn PolVtica= Ancuestas, Agendas y Procesos 6ogniti8os Alectorales Pra(is
Sociol5gica nX & (1"#, //. (-9"
1o8en4er4, Iran4- 1runt, ). *%ere sociology +alls s%ort= %o2 durc% sociologists obser8e social
reality. The $etherlandsH 7ournal of Sociology, 8ol. 1, no. 1, (1"&#.
1oyd, :.P. 0%e algebra o+ grou/ 4ins%i/. 7ournal of Mathematical Sociology, !, (1!# 1&-1!'.
1oyd, :.P. 0%e uni8ersal semigrou/ o+ relations. Social $et2or1s, 2, (1'# 1-11'.
1oyd, :.P. Structural similarity, semigrou/s and idem/otents. Social $et2or1s, 9, (1"&# 19'-1'2.
1oyd, :o%n Paul, :o%n .. .ae%l and )ee @. Sailer Dins%i/ systems and in8erse semigrou/s.
7ournal of Mathematical Sociology, 2, (1'2# &'-!1.
1oyle, 5.P. Algebraic systems +or normal and %ierarc%ical sociograms. Sociometry, &2, (1!# -
11.
1oE, >.A.P. - :en4ins, >.M., Time series analysis forecasting and control, San Irancisco, .olden-
@ay, 1'!
1radley, Ian,- Mee4, 5onald ). Matrices and Society6 Matri( Algebra and its Applications in the
Social Sciences. .armonds2oert%= Penguin, 1"!.
1raga, >., Pros/etti8e cibernetic%e in sociologia. Rassegna di Sociologia &((#, (1!2# 9&'-99'.
1rait%2aite, :o%n A sociology o+ modelling and t%e /olitics o+ em/o2erment. 9ritish 7ournal of
Sociology, 8ol. (9, nr. &, (1(# s. ((9 ++.
1rait2aitK, 5.1., La e(plicaci5n cientifica, Madrid, 0ecnos, 1!(
1rams, Ste8en :. Parado(es in Politics6 An %ntroduction to the $onobious in Political Science. ,e2
3or4, ,3= Iree Press, 1'!.
1rams, Ste8en :. Superpo2er ,ames6 Applying ,ame Theory to Superpo2er *onflict. ,e2 .a8en,
60= 3ale 7ni8ersity Press, 1"9.
1rams, Ste8en :. and Iis%burn, Peter 6. Approal 8oting. ,e2 3or4, ,3= 1ir4%auser, 1"&.
1rams, Ste8en :., )ucas, *illiam I., and Stra++in, P%ili/ @., :r., (eds.# Political and Related Models.
,e2 3or4, ,3= S/ringer-Ferlag, 1"&. Modules in A//lied Mat%ematics, Fol. 2.
1rams, S. :., Sc%otter, A. and Sc%2odiauer, >. (eds.# Applied ,ame Theory. Fienna= P%yca-Ferlag,
1'.
1rYten, S., Model Mono/oly and 6ommunication= Systems 0%eoretical ,otes on @emocratiKation.
Acta Sociologica 1!(2#, (1'&# "-1$'.
197
1rYten, S., Systems 5esearc% and Social Sciences. In= Dlir, Applied ,eneral Systems Research'
Recent Deelopments and Trends. ,e2 3or4, Plenum, 1'", !99-!"9.
1rYten, S., Ruality o+ Interaction and Partici/ation= <n model /o2er in industrial democracy and
com/uter net2or4s. In= >. )as4er (ed.# Applied Systems and *ybernetics" 8ol. -, 1"1,
11-2$$.
1raten, S., 0%e 0%ird Position - 1eyond arti+icial and auto/oietic reduction. Kybernetes 1&(&#,
(1"(# 19'-1!&. Also in >eyer ; Fan der Gou2en, Sociocybernetic Parado(es'
)bseration" *ontrol" and 3olution of Self:steering Systems. )ondon, Sage, 1"!, 1&-
2$9.
1rYten, S., A. :a%ren ; A. :ansen, Social ,et2or4s and Multile8el Structure= System @escri/tion and
Simulations. In= 6a8allo, Systems Methodology in Social Science Research' Recent
Deelopments. 1oston, Dlu2er ,i?%o++, 1"2, 11&-1(1.
1raudel, I., La @istoria y las *iencias Sociales, Madrid, AlianKa, 1!"
1reiger, 5.). 6areer attributes and net2or4 structure= A bloc4model study o+ a bio-medical researc%
s/ecialty. American Sociological Reie2, (1, (1'!# 11'-1&9.
1reiger, 5onald 0o2ard an o/erational t%eory o+ community elite structure. Duality and Duantity,
1&, (1'# 21-('.
1reiger, 5onald ). 0%e duality o+ /ersons and grou/s, in *ellman and 1er4o2itK (eds.# Social
structures6 A net2or1 approach. 6ambridge= 6ambridge 7ni8ersity Press, 1"", //. "&-
".
1reiger, 5.)., 1oorman, S.A., Arabie, P. An algorit%m +or clustering relational data, 2it%
a//lications to social net2or4 analysis and com/arison 2it% multidimensional scaling. 7.
Math. Psychol., 12, (1'9# &2"-"&.
1reiger, 5onald ). and P%ili//a A. Pattison 0%e ?oint role structure o+ t2o communitiesB elites.
Sociological Methods and Research, ', (1'"# 21&-2!.
1reiger, 5onald ). and P%ili//a A. Pattison 6umulated social roles= 0%e duality o+ /ersons and t%eir
algebras. Social $et2or1s, ", (1"!# 219-29!.
1renner, M. - <tros, The social conte(ts of methods, )ondon, >room .elm, 1'"
1rent, Ad2ard A. :r. 6om/utational sociology= rein8enting sociology +or t%e neEt millennium.
Social Science *omputer Reie2, 8ol. 11, nr. (, (1&# s. ("' ++.
1rillinger, @.5., Time series analysis and theory, ,e2 3or4, 5ine%art, 1'9
1riE, F..., 6urrent social /roblems analysed by control and systems t%eory (Part A. 0%e t%eory o+
interde/endence#. Kybernetes 11(2#, (1"2a# "'-9.
1riE, F..., 6urrent social /roblems analysed by control and systems t%eory (Part 1. 1ureaucracy and
/olitics#. Kybernetes 11(&#, (1"2b# 1!'-1'(.
1road, 6.@., 3l pensamiento cient!fico, Madrid, 0ecnos, 1!&
1roderic4, 6 ; :. Smit%, 0%e >eneral Systems A//roac% to t%e Iamily. In= *. 1urr, et al (eds.#,
*ontemporary Theories about the Family" 8ol. ;. 0%e Iree Press, ,e2 3or4, 1', 112-
12.
1roe4stra, >., Probabilistic 6onstraint Analysis +or structure identi+ication= an o8er8ie2 and some
social science a//lications. In= 1.P. Geigler et al (eds.#, Methodology in Systems
Modelling and Simulation. Amsterdam, ,ort% .olland, 1'.
1room, )eonard and SelKnic4, P%ili/ Sociology. Si(th 3dition. ,e2 3or4= .ar/er and 5o2, 1''.
1ro2n, >. - <tros, 3(periments in the Social Sciences, )ondon, .ar/er and 5o2, 1'9
1ro2n, ..I., La nuea filosofia de la ciencia, Madrid, 0ecnos, 1''
1ro2n, 5..., Society as te(t, 6%icago, 7. 6%icago Press, 1"'
1roKyna, :., Absolute limit in t%e de8elo/ment o+ ci8iliKation. Kybernetes 2!(2H&#, (1'# 2$'-21!.
198
1ruyn, S.0., La perspectia humana en Sociologia, 1uenos Aires, Amorrortu, 1'2
1ryant, 6., Positiism in social theory and research, ,e2 3or4, St. MartinZs Press, 1"9
1rym, 5obert :. Structural location and ideological di8ergence= :e2is% MarEist intellectuals in turn-
o+-t%e-century 5ussia, in *ellman and 1er4o2itK (eds.# Social structures6 A net2or1
approach. 6ambridge= 6ambridge 7ni8ersity Press, 1"", //. &&2-&9".
1uc%anan, 1., Assessing %uman 8alues. Kybernetes, 2!(!H'#, (1'# '$&-'19.
1uc4, >., Iriedric%, :., Sens, A., *agner, *., Dybernetisc%e Systemt%eorie. Ain Instrument Kur
Analyse 5e8olutionQren SoKialen *andels. Politische 8iertelEahresschrift Sonderheft 2,
(1'$# ($-91.
1uc4ley, *., Sociology and Modern Systems Theory. Angle2ood 6li++s ,:, Prentice-.all, 1!'.
1uc4ley, *. (ed.#, Modern Systems Research for the 9ehaioral Scientist6 A Sourceboo1. 6%icago,
Aldine, 1!".
1uc4ley, *., Society as a 6om/leE Ada/ti8e System. In= 1uc4ley, Modern Systems Research for
the 9ehaioral Scientist6 A Sourceboo1. 6%icago, Aldine, 1!", ($-91&.
1uc4ley, *., Social System A8olution and Sociobiology. In= Dlir, Applied ,eneral Systems
Research' Recent Deelopments and Trends. ,e2 3or4, Plenum, 1'", !"'-!&.
1ugeda, :., La medida en *iencias Sociales, Madrid, 6A6A, 1'(
1ugeda, :. *urso de Sociolog!a Matem+tica Madrid, Instituto de Astudios PolVticos, 1'!
1S%l, *. )., Dultur als System. KKlner Aeitschrift fBr So4iologie und So4ialpsychologie 1"!
Su//lement, (1"!#11"-1((.
1S%l, *. )., >renKen der Auto/oiesis. KKlner Aeitschrift fBr So4iologie und So4ialpsychologie &,
(1"'# 221-29(.
1unge, M., La ciencia. Su m#todo y su filosof!a, 1uenos Aires, Siglo UUI, 1!$
1unge, M., *ausalidad. 3l principio de la *iencia moderna, 1uenos Aires, Ad. 7ni8ersitaria, 1!9
1unge, M. La inestigaci5n cient!fica" su estrategia y filosof!a, Ariel, 1!,
1unge, M., M#todos de inestigaci5n cient!fica, 1arcelona, Ariel, 1'2
1unge, M., Teor!a y realidad, 1arcelona, Ariel, 1'2
1unge, M. Method" Model and Matter. *h. L" *oncepts of model. 1oston= 5eidel, 1'&.
1unge, M., Las teor!as de la causalidad, Salamanca, SVgueme, 1''
1unge, M., A Systems 6once/t o+ Society= 1eyond Indi8idualism and .olism. Theory and
Decision 1$, (1'# 1&-&$.
1uridan, :o%n Ruestions on t%e P%ysics o+ Aristotle, in Mars%all 6lagett (ed.#, The Science of
Mechanics in the Middle Ages. Madison= 0%e 7ni8ersity o+ *isconsin Press, (19
[1!$1\ #.
1ur4%ardt, Marlene A. and @aniel :. 1rass *hanging patterns or patterns of change6 A longitudinal
inestigation of the interplay of technology" structure" and po2er. Pennsyl8ania State
7ni8ersity, mimeo, 1".
1urns, 0. 5., Actors, 0ransactions and Social Structure. ,eneral Systems &1, (1""# "&-9.
1urns, 0.5., 0. 1aumgartner ; P%. @eFillJ, Po2er" *onflict" and 3(change in Social Life. 7//sala,
7//sala 7ni8ersity= Institute o+ Sociology, 1"2.
1urns, 0om 5., 0. 1aumgartner ; P%. @eFillJ, Man" Decisions" Society' The Theory of Actor:System
Dynamics for Social Scientists. ,e2 3or4, >ordon ; 1reac%, 1"9.
1urns, 0. 5. ; *. 1uc4ley (eds.#, Po2er and *ontrol' Social Structures and Their Transformation.
)ondon, Sage, 1'!.
1urns, 0. 5. ; .. Ilam, The Shaping of Social )rgani4ation. Social rule system theory 2ith
applications. )ondon, Sage, 1"'.
199
1urt, 5.S. Positions in net2or4s. Soc. Forces, 99, (1'!# &-122.
1urt, 5onald S. Positions In multi/le net2or4 systems, Part <ne= A general conce/tion o+
strati+ication and /restige in a system o+ actors cast as a social to/ology. Social Forces,
9!, (1''a# 1$!-1&1.
1urt, 5onald S. Positions in multi/le net2or4 systems, Part 02o= Strati+ication and /restige among
elite decision-ma4ers in Altneustadt. Social Forces, 9!, (1''b# 991-9'9.
1urt, 5onald S. 6o%esion 8ersus structural eLui8alence as a basis +or net2or4 subgrou/s.
Sociological Methods and Research, ', (1'"# 1"-212.
1urt, 5onald S. Models o+ net2or4 structure. Annual Reie2 of Sociology, !, (1"$a# '-1(1.
1urt, 5onald S. Autonomy in a social to/ology. American 7ournal of Sociology, "9, (1"$b# "2-
29.
1urt, 5onald S. 6om/arati8e /o2er structures in American communities. Social Science Research,
1$, (1"1# 119-1'!.
1urt, 5onald S. To2ards a structural theory of action6 $et2or1 models of social structure"
perception" and action. ,e2 3or4= Academic Press, 1"2a.
1urt, 5onald S. A note on coo/tation and de+initions o+ constraint. In Peter F. Marsden and ,an
)in (eds.#, Social Structure and $et2or1 Analysis. 1e8erly .ills= Sage, 1"2b, //. 21-
2&&.
1urt, 5onald S. @istinguis%ing relational contents, in 1urt and Minor (eds.# Applied net2or1
analysis6 A methodological introduction. 1e8erly .ills= Sage, 1"&, //. &9-'(.
1urt, 5onald S. ,et2or4 data +rom in+ormant inter8ie2s. 6%a/ter ' in 1urt and Minor (eds.#
Applied net2or1 analysis6 A methodological introduction. 1e8erly .ills= Sage, 1"&.
1urt, 5onald S. ,et2or4 data +rom arc%i8al records. 6%a/ter " in 1urt and Minor (eds.# Applied
net2or1 analysis6 A methodological introduction. 1e8erly .ills= Sage, 1"&.
1urt, 5onald S. 5ange, 6%a/ter in 1urt and Minor (eds.# Applied net2or1 analysis6 A
methodological introduction. 1e8erly .ills= Sage, 1"&.
1urt, 5onald S. 6o%esion 8ersus structural eLui8alence as a basis +or net2or4 subgrou/s. 6%a/ter
1& in 1urt and Minor (eds.# Applied net2or1 analysis6 A methodological introduction.
1e8erly .ills= Sage, 1"&.
1urt, 5onald S. *orporate profits and cooptation6 net2or1s of mar1et constraints and directorate ties
in the American economy. ,e2 3or4= Academic Press, 1"&.
1urt, 5onald S. $et2or1 items should be included in the ,eneral Social Surey. 7n/ublis%ed /a/er,
@e/artment o+ Sociology, 6olumbia 7ni8ersity, 1"&.
1urt, 5onald S. Social 6ontagion and Inno8ation. American 7ournal of Sociology, 2, (1"'# 12"'-
1&&9.
1urt, 5onald S. Structural @oles6 The Social Structure of *ompetition. 6ambridge, MA= .ar8ard
7ni8ersity Press, 12.
1urt, 5onald and M.:. Minor (eds.# Applied net2or1 analysis6 A methodological introduction.
1e8erly .ills= Sage, 1"&.
1usc%, :. A. ; >. M. 1usc%, 6ybernetics IF= A System-0y/e A//licable to .uman >rou/s. In=
>.A. )as4er (ed.#, Applied Systems and *ybernetics. ,e2 3or4, 1"1, 12&"-12(&.
1usc%, :. A. ; >. M. 1usc%, Sociocybernetics and Social Systems 0%eory. ,eneral Systems &$,
(1"'# ('-99.
1usc%, :.A. ; >.M. 1usc%, Sociocybernetics6 Rethin1ing Social )rgani4ation. Salinas 6A,
Intersystems Publications, 1"".
1us%, 5.5. and Mosteller, I. Stochastic Models for Learning. ,e2 3or4= *iley, 199.
200
1uss, Andreas 0%e conce/t o+ adeLuate causation and MaE *eberBs com/arati8e sociology o+
religion. 9ritish 7ournal of Sociology, 8ol. 9$, no. 2, (1# //. &1'-&&$.
1yron, M.P., 6risis-dri8en e8olutionary learning= conce/tual +oundations and systemic modelling - a
summary abstract. Kybernetes 2!(!H'#, (1'# '1!-'2(.
6ad2allader, M. )., 0%e 6ybernetic Analysis o+ 6%ange in 6om/leE Social <rganiKations.
American 7ournal of Sociology !9, (19# 19(-19'.
6al%oun, 6raig WSociology, <t%er @isci/lines and t%e Pro?ect o+ a >eneral 7nderstanding o+ Social
)i+eW, en .alliday and :ano2itK, Sociology and its Publics. The Forms and Fates of
Disciplinary )rgani4ation. 6%icago= 7ni8ersity o+ 6%icago Press, 12, /Cgs. 1&'-1!.
6arley, Dat%leen M. Arti+ical intelligence 2it%in sociology. Sociological Methods and Research,
8ol. 29, no. 1, (1!# //. &.
6arna/, 5. - <tros, Matem+ticas en las ciencias del comportamiento, Madrid, AlianKa, 1!2
6arrington, Peter :. and >reg .. .eil 6<1)<6= A %eierarc%ical met%od +or bloc4ing net2or4 data.
7ournal of Mathematical Sociology, ", (1"1# 1$&-1&1.
6arrington, Peter :., >reg .. .eil, and Ste/%en @. 1er4o2itK A goodness-o+-+it indeE +or
bloc4models. Social $et2or1s, 2, (1'-"$# 21-2&(.
6art2rig%t, @or2in 1alance and clusterability= An o8er8ie2, in P. .olland and S. )ein%ardt (eds.#
Perspecties on social net2or1 research. ,e2 3or4= Academic Press, 1', //. 29-9$.
6art2rig%t, @., .arary, I. Structural balance= A generaliKation o+ .eiderBs t%eory. Psychological
Reie2, !&, (19!# 2''-2.
6art2rig%t, @. and .arary, I. <, t%e coloring o+ signed gra/%s. 3lemente der Mathemati1, 2&,
(1!"# "9-".
6art2rig%t, @. and .arary, I. Ambi8alence and indi++erence in generaliKations o+ structural balance.
9ehaioral Science, 19, (1'$# ('-91&.
6art2rig%t, @or2in and .arary, Iran4 A gra/% t%eoretic a//roac% to t%e in8estigation o+ system-
en8ironment relations%i/s. 7ournal of Mathematical Sociology, Fol. 9, (1''# "'-111.
6astells, M. - I/ola, A., Metodolog!a y epistemolog!a de las *iencias sociales, Madrid, Ayuso, 1'9
6astillo, :. %ntroducci5n a la Sociolog!a. Madrid, >uadarrama,1!"
6attell, 5.1. Factor Analysis6 An %ntroduction and Manual for the Psychologist and Social Scientists.
,e2 3or4= .ar/er ; 1rot%ers, 192.
6a8allo, 5. ; M, 6on4lin, Systems met%odology in sociology. %nternational 7ournal of Systems
Science "(1#, (1''# !9-"$.
6a8allo, 5. A., The Role of Systems Methodology in Social Science Research. 1oston, Martinus
,i?%o++, 1'.
6a8allo, 5. (ed.#, Systems Methodology in Social Science Research' Recent Deelopments. 1oston,
Dlu2er ,i?%o++, 1"2.
6a8allo, 5. ; A. Giegen%agen, >eneral Systems Met%odology and Political Science. In= Dlir,
Applied ,eneral Systems Research' Recent Deelopments and Trends. ,e2 3or4,
Plenum, 1'", !9-'$$
6a8allo, 5. ; A. Giegen%agen, >eneral Systems Modeling o+ 6on+lict 2it%in ,ations. In= 6a8allo,
Systems Methodology in Social Science Research' Recent Deelopments. 1oston, Dlu2er
,i?%o++, 1"2, '9-&.
6erroni, 7., Metodolog!a y *iencia Social, 1arcelona, MartineK-5oca, 1'$
6%almers, A.I., MDu# es esa cosa llamada *ienciaN" Madrid, Siglo UUI, 1"!
6%ambers, :.M. - <tros, ,raphical methods for data analysis, 6ali+ornia, *ad2ort% y @urbury, 1"&
6%anman, *. - 1us4o++, A., Sociology and history" theory and research, ,e2 3or4, Iree Press, 1!(
6%a/in, I.S., 3(perimental desing in sociological research, ,e2 3or4, .ar/er, 1('
201
6%arles2ort%, :ames 6. (ed# Mathematics and the Social Sciences' The Gtility and %nutility of
Mathematics in the Study of 3conomics" Political Science" and Sociology. P%iladel/%ia,
American Academy o+ Political and Social Science, 1!&.
6%ar8at, I., <n P%iloso/%ical As/ects o+ t%e System 6once/tion in 6ontem/orary Sociological
Dno2ledge. Duality and Duantity !, (1'2# &-1!.
6%oms4y, ,. and Miller, >.A. An introduction to t%e +ormal analysis o+ natural languages. In 5.@.
)uce, 5.5. 1us% and A. >alanter (eds.#, @andboo1 of Mathematical Psychology. 8olume
T2o. ,e2 3or4= *iley, 1!&.
6%oms4y, ,. - otros, La e(plicaci5n en las *iencias de la conducta, Madrid, AlianKa, 1'(
6%oud%ury, M.A., A mat%ematical +ormaliKation o+ t%e /rinci/le o+ et%ical endogeneity. Kybernetes
2((9#, (19# 11- &$.
6%oudury, M.A., A t%eory o+ social systems= +amily and ecology as eEam/les. Kybernetes 29(9#,
(1!# 21-&'.
6%urc%man, 6. *., The systems approach. ,e2 3or4, @ell, 1!".
6%urc%man 6.*. y 5atoos% P. (eds.# Measurement6 definitions and theories. ,e2 3or4= *iley, 19.
6icourel, Aaron F. Method and measurement in sociology. ,e2 3or4= 0%e Iree Press, 1!(.
6icourel, A.F. *ognitie Sociology6 LanguaEe and Meaning in Social %nteraction. ,e2 3or4= Iree
Press, 1'(.
6lagett, Mars%all The Science of Mechanics in the Middle Ages. Madison= 0%e 7ni8ersity o+
*isconsin Press, 19.
6lamer, M., M#todos matem+ticos en la estad!stica, Madrid, Aguilar, 19&
6lar4, 6olin *. Mathematical 9ioeconomics6 The )ptimal Management of Rene2able Resources.
,e2 3or4, ,3= :o%n *iley, 1'!, (1$ second edition#.
6lar4, 6olin *. 9ioeconomic Modelling and Fisheries Management. ,e2 3or4, ,3= :o%n *iley,
1"9.
6la2son, @an and Alan ,eustadtl Interloc4s, PA6s, and 6or/orate 6onser8atism. American
7ournal of Sociology, (, (1"# '(-'&.
6la2son, @an, Alan ,eustadtl, and :ames 1earden 0%e )ogic o+ 1usiness 7nity= 6or/orate
6ontributions to t%e 1"$ 6ongressional Alections. American Sociological Reie2, 91,
(1"!# ''-"11.
6oc%rane, :.). and Geleny, M. (eds.# Multiple *riteria Decision Ma1ing. 6olumbia= 7ni8ersity o+
Sout% 6arolina Press, 1'&.
6oenen-.ut%er, :. Sociology and interdisci/linarity= modalities, /roblems and /ros/ects.
Sch2ei4erische Aeitschrift fBr So4iologie, ?g. 19, nr. 1, (1"# s. 1.
6o%en, 1.P. *onflict and *onformity6 A Probability Model and its Application. 6ambridge= MI0
Press, 1!&.
6o%en, 1.P. Deeloping Sociological Kno2ledge6 Theory and Method. Angle2ood 6li++s, ,:=
Prentice-.all, 1"$.
6o%en, M. Reason and $ature6 An 3ssay on the Meaning of Scientific Method. ,e2 3or4= .arcourt,
1race and *orld, 1&1.
6oleman :.S. An eE/ository analisys o+ some o+ 5as%e8s4yMs social be%a8ior models. In P.I.
)aKars+eld (ed.#, Mathematical Thin1ing in the Social Sciences. ,e2 3or4= 0%e Iree
Press, 19(.
6oleman, :.S. 5elational analysis= 0%e study o+ social organiKation 2it% sur8ey met%ods. @uman
)rgani4ation, 1', (19"# 2"-&!.
6oleman :.S. 0%e mat%ematical study o+ small grou/s. An Solomon, .. (Ad.# Mathematical
thin1ing in the measurement of the behaiour. ,e2 3or4. Iree /ress, 1!$.
202
6oleman, :ames S. %ntroduction to Mathematical Sociology. ,e2 3or4, ,3= Iree Press, 1!(a.
6oleman, :ames S. Models of *hange and Response Gncertainty. Angle2ood 6li++s, ,:= Prentice
.all, 1!(b.
6oleman, :.S. 0%e mat%ematical study o+ c%ange, en ..M. 1laloc4 :r. y A.1. 1laloc4 (eds.#
Methodology in social research. ,e2 3or4, Mc>ra2-.ill, 1!".
6oleman, :.S. The Mathematics of *ollectie Action. 6%icago= Aldine, 1'&.
6oleman, :ames S. Purposie action embedded in social net2or1s. Presented at t%e Sunbelt Social
,et2or4 6on+erence, San @iego, 6A, Iebruary, 1"&.
6oleman, :.S. Foundations of Social Theory. 6ambridge, MA= 1el4na/ Press, 1$.
6oleman, :ames, Ali%u DatK, and .erbert MenKel 0%e di++usion o+ an inno8ation among /%ysicians,
Sociometry, 2$, (19'# 29&-2'$.
6oleman, :.S., DatK, A., MenKel, .. Medical %nnoation. Indiana/olis= 1obbs Merrill, 1!!.
6ollins, 5., The discoery of society, ,e2 3or4, 5andom .ouse, 1'2
6ollins, 5. *onflict Sociology6 To2ard an 3(planatory Science. ,e2 3or4= Academic Press, 1'9.
6ollins, 5andall 0%e micro+oundations o+ macrosociology. American 7ournal of Sociology, "!,
(1"1# "(-1$1(.
6ollins, 5andall WIs 1"$Bs Sociology in t%e @oldrumsTW, American 7ournal of Sociology, 1, (1"!#
/Cgs. 1&&!-99.
6oo4, Daren ,et2or4 structures +rom an eEc%ange /ers/ecti8e, in Peter Marsden and ,an )in
(eds.#. Socal structre and net2or1 analysis. 1e8erly .ills= Sage, 1"2.
6oo4, Daren S. and Amerson, 5ic%ard M. Po2er, eLuity and commitment in eEc%ange net2or4s.
American Sociological Reie2, (&, (1'"# '21-'&.
6oo4, Daren S., Amerson, 5ic%ard M., >illmore, Mary 5. and 3amagis%i, 0os%io 0%e distribution o+
/o2er in eEc%ange net2or4s= 0%eory and eE/erimental results. American 7ournal of
Sociology, ", (1"&# 2'9-&$9.
6oo4, S. 0%e obsolete anti-mar4et mentality= A critiLue o+ t%e substanti8e a//roac% to economic
ant%ro/ology. American Anthropologist, !", (1!!# &2&-&(9.
6oombs, @.5., A theory of data, ,e2 3or4, *iley, 1!9
6oo/er, 5.A. - *ee4es, A., Data" models and statistical analysis, 0oto2a, 1arnes and ,oble, 1"2
6o/obianco, M. Statistical in+erence in +inite /o/ulations %a8ing structure. Transactions of the $e2
Oor1 Academy of Science, &2, (1'$# ($1-(1&.
6o/obianco, M. 5ecent /rogress in stagra/%ics. Annals of the $e2 Oor1 Academy of Science, 2&1,
(1'(# 1&-1(1.
6ortJs, I., A. PrKe2ors4i ; :. S/rague, Systems Analysis for Social Scientists. ,e2 3or4, *iley,
1'(.
6oser, ).A. Masters of Sociological Thought. Second edition. ,e2 3or4= .arcourt, 1race,
:o8ano8ic%, 1''.
6ounelis, :.S., 0%e case study= Its systemic metat%eory and t%e socialHbe%a8ioural sciences.
Kybernetes 22(9#, (1&# 22-&(.
6oEon, A.P.M. Mat%ematical a//lications in sociology= measurement and relations. %nternational
7ournal of Math. 3duc. %n Sci. and Tech., 1, (1'$# 19-1'(.
6rane, @iana Social structure in a grou/ o+ scientists= A test o+ t%e BIn8isible collegeB %y/ot%esis.
American Sociological Reie2, &(, (1!# &&9-&92.
6rane, @iana, y Small, .enry, WAmerican Sociology since t%e Se8enties = t%e Amerging Identity 6risis
in t%e @isci/lineW, en .alliday ; :ano8itK, Sociology and its Publics. The Forms and
Fates of Disciplinary )rgani4ation. 6%icago= 7ni8ersity o+ 6%icago Press, 12, /Cgs.
1'-2&(.
203
6ris2ell, :. Solomon .. y Su//es P. (Ads# Mathematical methods in small group proceses. Stan+ord=
Stan+ord 7ni8ersity Press, 1!2.
@ale y otros, Doing secondary analysis, )ondon, >eorge-7n2in, 1""
@a8is, A., >ardner, 1.1. and >ardner, M.5. Deep South6 A Social Anthropological Study of *aste
and *lass. 6%icago= 7ni8ersity o+ 6%icago Press, 1(1.
@a8is, :. Structural balance, mec%anical solidarity, and inter/ersonal relations. American 7ournal of
Sociology, !", (1!&# (((-!2.
@a8is, :ames A. 6lustering and structural balance in gra/%s. @uman Relations, 2$, (1!'# 1"1-1"'.
@a8is, :.A. 6lustering and %ierarc%y in inter/ersonal relations= 0esting t2o gra/% t%eoretic models on
'(2 sociomatrices. American Sociological Reie2, &9, (1'$# "(&-"91.
@a8is, :ames A. 0%e @a8isH.ollandH)ein%ardt studies= An o8er8ie2. In Paul *. .olland and
Samuel )ein%ardt (eds.#, Perspecties on Social $et2or1 Research. ,e2 3or4= Academic
Press, 1', //. 91-!2.
@a8is, :.A., )ein%ardt, S. 0%e structure o+ /ositi8e inter/ersonal relations in small grou/s. An
1erger, Gelditc% y Anderson Sociological Theories in Progress" 8ol.;. 1oston= .oug%ton
Mi++lin, 1'2.
@a8is, :.A., The logic of causal order, 1e8erly .ills, Sage, 1"9
@a8ydo8, A.A., 0%eory o+ .armony o+ Pro/ortions and Iunctions in Social Systems. Systems
Research (2#, (12# 1-29.
@a2es, 5.M., Fundamentos y t#cnicas de la construcci5n de escalas de actitudes, MeEico, )imusa,
1'!
@e Meur, >.- >assner, M.- .ubaut, U. A mat%ematical model +or /olitical bi/olariKation. 3uropean
7ournal of Political Research, 8ol. 1&, (1"9# s. ($-(2$.
@ebreu, >erard Theory of 8alue6 An A(iomatic Analysis of 3conomic 3&uilibrium. ,e2 .a8en, 60=
3ale 7ni8ersity Press, 19, 1'1.
@egen, 7., :. Iriedric%, A. Sens ; *. *agner, Gur An2endung der 4ybernetisc%en Systemt%eorie in
den SoKial2issensc%a+ten. In= >. Ie%l, M. Iester ; ,. Du%nert (eds.#, Planung und
%nformation. >Sterslo%, 1'2, 1$++.
@elany, :o%n Social net2or4s and e++icient resource allocation= 6om/uter models o+ ?ob 8acancy
allocation t%roug% contacts, in *ellman and 1er4o2itK (eds.#. Social structures6 A
net2or1 approach. 6ambridge= 6ambridge 7ni8ersity, 1"", //. (&$-(91.
@el 6am/o, S., La sociologia cientifica moderna, Madrid, IAP, 1!
@el 6am/o, S., Los indicadores sociales a debate, 1uenos Aires, Auroamerica, 1'2
@eutsc%, D. *., The $eres of ,oernment6 Models of Political *ommunication and *ontrol. ,e2
3or4, 0%e Iree Press o+ >lencoe, 1!&.
@eutsc%, D. *., 0o2ard a 6ybernetic Model o+ Man and Society. In= 1uc4ley, Modern Systems
Research for the 9ehaioral Scientist6 A Sourceboo1. 6%icago, Aldine, 1!", &"'-($$.
@eFillJ, P.5., @e/endent @e8elo/ment= A Multi-le8el System A//roac% 2it% 5e+erence to MeEicoBs
@e8elo/ment. In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A Systems
Approach to the Problems of Me(ico and )ther Deeloping *ountries. <E+ord,
Pergamon, 1"2, 1!9-1"(.
@eFillJ, P%., ALuilibrium 8ersus re/roduction= some Lueries about dynamics in social systems
t%eory. In= >eyer ; Fan der Gou2en, Self:Referencing in Social Systems. Salinas 6A.,
Intersystems, 1$, 199-1'&.
@%aouadi, Ma%moud I1, D%aldun= t%e +ounding +at%er o+ eastern sociology. %nternational
Sociology, 8ol. 9, nr. &, (1$# s. &1-&&!.
@iamantides, ,.@., International migration as a dynamic /rocess. Kybernetes 2& (9#, (1(# &'-99.
204
@i?4stra, *. ; :. 8an der Gou2en, 0esting auEiliary %y/ot%eses be%ind t%e inter8ie2. Annals of
Systems Research !, (1''# (-!&.
@i?4stra, *. ; :. 8an der Gou2en, 5ole /laying in t%e inter8ie2= to2ards a t%eory o+ arti+acts in t%e
sur8ey-inter8ie2. In= >eyer ; Fan der Gou2en, Sociocybernetics' an actor:oriented
social systems approach. )eiden, ,i?%o++, 1'", Fol. 2, 9-"&.
8an @i?4um, 6., 0%e Met%odology o+ Interdisci/linary .andling o+ Problems. In= @.:. @e0ombe ;
6. 8an @i?4um (eds.#, Analy4ing *omple( Societal Problems6 A Methodological
Approach. MSnc%en, .am//, 1!, 2-(1.
8an @i?4um, 6., Irom cybernetics to t%e science o+ com/leEity. Kybernetes 2! (!H'#, (1'# '29-
'&'.
@imitro8, F.@., Social c%oice and sel+-organiKation under +uKKy management. Kybernetes !(&#,
(1''# 19&-19!.
@odd S.6. Dimensions of society6 A Duantitatie Systematics for the Social Sciencies. ,e2 3or4=
Macmillan, 1(2.
@odd S.6. @i++usion is /redictable= testing /robability models +or la2s o+ interaction. Am. Sociol.
Re., 2$, (199# &2-($1.
@ogan, Mattei W)imits to Ruanti+ication in 6om/arati8e PoliticsW, en M. @ogan, y A. DaKancigil
(com/iladores#, *omparing $ations, <E+ord, 1lac42ell, 1(.
@ogan, Mattei WPolitical Science and t%e <t%er Social SciencesW, en 5. >oodin y ..@. Dlingemann
(com/iladores#, A $e2 @andboo1 of Political Science, <E+ord 7ni8ersity Press, 1!,
/Cgs. '-1&$.
@ogan, M. )as nue8as ciencias sociales= grietas en las murallas de las disci/linas. Reista
internacional de ciencias sociales, Se/tiembre. Fol. 19&, (1'#.
@ogan, Mattei, y Pa%re, 5obert *reatie Marginality6 %nnoation at the %ntersections of Social
Sciences. 1oulder, 6olorado, *est8ie2 Press, 1$.
@oran, :.A. and .odson, I.5. Mathematics and *omputers in Archaeology. 6ambridge, MA= .ar8ard
7ni8ersity Press, 1'9.
@oreian, P. A note on t%e detection o+ cliLues in 8alued gra/%s. Sociometry, &2, (1!# 2&'-2(2.
@oreian, P., Las matem+ticas y el estudio de las relaciones sociales, 1arcelona, Ficens-Fi8es, 1'&
@oreian, Patric4 <n t%e connecti8ity o+ social net2or4s. 7ournal of Mathematical Sociology, &,
(1'(# 2(9-29".
@oreian, P., Modeling social process, ,e2 3or4, Alse8ier, 1'!
@oreian, P. <n t%e e8olution o+ grou/ and net2or4 structure. Social $et2or1s, 2, (1"$# 2&9-292.
@oreian, Patric4 Astimating linear models 2it% s/atially distributed data. In Samuel )ein%ardt (ed.#,
Sociological Methodology. San Irancisco= :ossey-1ass, 1"1, //. &9-&"".
@oreian, Patric4 ALui8alence in a social net2or4. 7ournal of Mathematical Sociology, 1&, (1""#
2(&-2"2.
@oreian, P., .ummon, ,.P. Models o+ strati+ication /rocesses. Dual. Duant., ", (1'(# &2'-(9.
@o2ty, @.5., *all, 5.A. and Peters, S. %ntroduction to Montague Semantics. 1oston= @. 5eidel, 1"1.
@reitKel, ..P. (ed.# Recent Sociology $o. ;6 Patterns of *ommunicatie 9ehaior. ,e2 3or4=
Macmillan, 1'$.
@ubin Theory building. ,e2 3or4= Iree Press, 1!.
@u4e, Fic- Adgell, Ste/%en 0%e o/erationalisation o+ class in britis% sociology. The 9ritish 7ournal
of Sociology, 8ol. UUUFIII, no. (, (1"'# s. ((9.
@uncan, <.@." %ntroduction to structural e&uations models, ,e2 3or4, Academic Press, 1'9
@ur4%eim, A., Las reglas del m#todo sociol5gico, Madrid, A4al, 1'2
205
@u8erger, M., M#todos de las *iencias Sociales, 1arcelona, Ariel, 1!2
Aaston, @., The Political System. ,e2 3or4, 19&.
Aaston, @., A Frame2or1 for Political Analysis. Angle2ood 6li++s, Prentice-.all, 1!9.
Aaston, @., A Systems Analysis of Political Life. ,e2 3or4, *iley, 1!9.
Aaston, @a8id, y Sc%elling, 6orinne I., Diided Kno2ledge Across Disciplines and Across *ultures.
,e2bury Par4, 6ali+ornia, Sage, 11.
Ainstein, Albert %deas and )pinions. ,e2 3or4= 6ro2n, 19(, [1&&\.
Ainstein, Albert and In+eld, )oe/old The 3olution of Physics. ,e2 3or4= Simon and Sc%uster, 1&".
Aisenstadt, S.,. 2it% M. 6urelaru The Form of Sociology F Paradigms and *rises. ,e2 3or4= *iley,
1'!.
Alster, :. 3(plaining Technical *hange. 6ambridge= 6ambridge 7ni8ersity Press, 1"&.
Amerson, 5ic%ard M. AEc%ange t%eory. In :ose/% 1erger, Morris Gelditc%, :r. and 1o Anderson
(eds.#, Sociological Theories in Progress" 8ol. %%. 1oston= .oug%ton Mi++lin, 1'2.
Amerson, 5ic%ard M. Social eEc%ange t%eory. Annual Reie2 of Sociology, 2, (1'!# &&9-&!1.
In4eles, AleE, 6oleman, :ames and Smelser, ,eil (eds.#.
Amery, I.A. (ed.#, Systems Thin1ing. .armonds2ort%, Penguin 1oo4s, 1!.
Amery, I.A. ; A.). 0rist, Socio-tec%nical systems. In= Amery, Systems Thin1ing. .armonds2ort%,
Penguin 1oo4s, 1!, 2"1-2!.
Amirbayer, Musa+a and :e++ >ood2in ,et2or4 analysis, culture, and t%e /roblems o+ agency.
American 7ournal of Sociology. , (1(# 1(11-9(.
Ams%o++, :. 5., Analysis of 9ehaioral Systems. ,e2 3or4, Macmillan, 1'1.
A/stein, S.)., )earning to Play 02o-Person >ames. In= >eyer (ed.# The *ybernetics of *omple(
Systems' Self:)rganisation" 3olution" and Social *hange. Salinas, 6A., Intersystems
Publications, 11, 1(-1!2.
Arbring, )utK and 3oung, Alice A. Indi8iduals and social structure= 6onteEtual e++ects as endogenous
+eedbac4. Sociological Methods and Research, ', (1'# &!-(&$.
Ari4son, 1onnie 0%e relational basis o+ attitudes, in *ellman and 1er4o2itK (eds.#, Social
structures6 A net2or1 approach. 6ambridge= 6ambridge 7ni8ersity Press, 1"", //. -
122.
Aric4son, 1... and ,osanc%u4, 0.A. A//lied net2or4 sam/ling. Social $et2or1s, 9, (1"&# &!'-
&"2.
Aric4son, 1..., ,osanc%u4, 0.A. and )ee, A. ,et2or4 sam/ling in /ractice= Some second ste/s.
Social $et2or1s, &= 12'-1&!.
Astes, *.D. 0o2ard a statistical t%eory o+ learning. Psychological Reie2, 9', (19$# 1$!.
AtKioni, A., 0o2ard a 0%eory o+ Societal >uidance. American 7ournal of Sociology '&(2#, (1!'#
1'&-1"'.
AtKioni, A., The Actie Society. A Theory of Societal and Political Processes. )ondon, 6ollier-
Macmillan, 1!"a.
AtKioni, A., 0o2ard a 0%eory o+ >uided Societal 6%ange. Social *ase2or1 ( (!#, (1!"b# &&9-
&&".
AtKioni, A., <n 6%anging Societies. *urrent Sociology 2&(1#, (1'9# &-('.
A8erett, M.>. >ra/% t%eoretic bloc4ings D-PleEes and D-cut/oints. 7ournal of Mathematical
Sociology, , (1"2# '9-"(.
A8erett, Martin >. A gra/% t%eoretic bloc4ing /rocedure +or social net2or4s. Social $et2or1s, (,
(1"2# 1('-1!'.
206
A8erett, M.>. Abloc= A gra/% t%eoretic bloc4ing algorit%m +or social net2or4s. Social $et2or1s, 9,
(1"&# &2&-&(!.
A8erett, Martin and :u%ani ,ieminen Partitions and %omomor/%isms in directed and undirected
gra/%s. 7ournal of Mathematical Sociology, ', (1"$# 1-111.
A8eritt, 1.S., An introduction to latent ariable models, )ondon, 6%a/mann and %all, 1"(
Ian, @a8id P. Predictions of public opinion from the mass media. *omputer *ontent Analysis and
Mathematical Modeling. ,e2 3or4= >reen2ood Press, 1"".
Iararo 0.:. ,ature o+ mat%ematical sociology. Soc. Res., &!, (1!# '9-2.
Iararo, 0%omas :. Mathematical Sociology6 An %ntroduction to Fundamentals.
,e2 3or4, ,3= :o%n *iley, 1'&.
Iararo, 0.:. An introduction to catastro/%es. 9ehaioral Science, 2&, (1'"# 21-&1'.
Iararo, 0.:. 1iased net2or4s and social structure t%eorems. Social $et2or1s, &, (1"1# 1&'-19.
Iararo, 0.:. 1iased net2or4s and t%e strengt% o+ 2ea4 ties. Social $et2or1s, 9, (1"&# 1-12.
Iararo, 0.:. 6atastro/%e analysis o+ t%e Simon-.omans model. 9ehaioral Science, 2, (1"(# 212-
21!.
Iararo, 0.:. The Meaning of ,eneral Theoretical Sociology6 Tradition and Formali4ation. ,e2 3or4=
6ambridge 7ni8ersity Press, 1".
Iararo, 0.:. and @oreian, P. 0ri/artite structural analysis. Social $et2or1s, (in /ress#, (1"(#.
Iararo, 0.:. and S48oretK, :. Institutions as /roduction systems. 7ournal of Mathematical Sociology,
1$, (1"(# 11'-1"2.
Iararo, 0. :.; :. S48oretK, Action and Institution, ,et2or4 and Iunction= 0%e 6ybernetic 6once/t o+
Social Structure. Sociological Forum 1(2#, (1"!# 21-29$.
Iararo, 0.:. and S48oretK, :. 0%e biased net t%eory o+ social structures and t%e /roblem o+
integration. In :. 1erger ans M. Gelditc%, :r. (eds.#, Sociological Theories in Progress.
8olume Three. Pittsburg%, PA= 0%e 7ni8ersity o+ Pittsburg% Press, (+ort%coming#.
Iararo, 0.:. and Suns%ine, M. A Study of a 9iased Friendship $et. Syracuse, ,3= 0%e Syracuse
7ni8ersity 3out% @e8elo/ement 6enter and Syracuse 7ni8ersity Press, 1!(.
Ia8re, Pierre W5etour ] la Luestion de lBob?et = +aut-il disLuali+ier la notion de disci/lineW, PolitiE, 2, 1,
(19# /Cgs. 1(1-19'.
Ieinberg, S.A. and *asserman, S. 6ategorical data analysis o+ single sociolmetric relations, in S.
)ein%ardt (ed.# Sociolgical Methodology. San Irancisco= :ossey-1ass, 1"1.
Ieinberg, S.A. and *assermann, S. An eE/onential +amily o+ /robability densities +or directed
gra/%s. 7ournal of the American Statistical Association, '!, (1"1# &&-91.
IernandeK, 5oberto M. and 5oger F. >ould A @ilemma o+ State Po2er= 1ro4erage and In+luence in
t%e ,ational .ealt% Policy @omain. American 7ournal of Sociology, , (1(# 1(99-1.
Iestinger, ). 0%e analysis o+ sociograms using matriE algebra. @um. Relat., 2, (1(# 19&-9".
Iestinger, ). In+ormal social communication. Psychological Reie2, 9', (19$# 2'1-2"2.
Iestinger, ). 0%e rele8ance o+ mat%ematics to controlled eE/erimentation in sociology.
%nternational Social Science 9ulletin, !, (19(# !22-!2'.
Iestinger, ). - DatK, @., Los m#todos de inestigaci5n en las *iencias Sociales, 1uenos Aires, PaidOs,
1'2
Ii4sel, :ose/% @ynamic e8olution in societal net2or4s. 7ournal of Mathematical Sociology, ',
(1"$# 2'-(!.
Iisc%er, 6laude To D2ell among Friends6 Personal $et2or1s in To2n and *ity. 6%icago= 7ni8ersity
o+ 6%icago Press, 1"2.
Iis%burn, Peter 6. The Theory of Social *hoice. Princeton, ,:= Princeton 7ni8ersity Press, 1'&.
207
Iis4el, :ose/% @ynamic e8olution in societal net2or4s. 7ournal of Mathematical Sociology, ',
(1"$# 2'-(!.
Ilament, 6. Applications of graph theory to group structure. Angle2ood 6li++s= Prentice-.all, 1!&.
Iletc%er, 6., 9eneath the surface. An account of the styles of sociological research, ,e2 3or4,
5outledge, 1'(
Iogel, 5. *. and Angerman, S. Time on the *ross. 1oston= )ittle, 1ro2n, 1'(.
Iorcese, @.P. - 5ic%er, S., Stages of social research contemporary perspecties, Angle2ood 6li++s,
Prentice .alls, 1'$
Iorrester, :.*., Grban dynamics. 6ambridge (Mass.#, MI0-Press, 1!.
Iorrester, :. *., 7nderstanding t%e 6ounterintuiti8e 1e%a8ior o+ Social Systems. Technology
Reie2, '& (&#, (1'1# //. 92-!"
Ioster, 1.). Minority traders in 0%ai 8illage social net2or4s. 3thnic ,roups, 2, (1"$# 221-2($.
Ioster, 6.6., 5a/o/ort, A. and <r2ant, 6. A study o+ a large sociogram= II. 9ehaioral Science, ",
(1!&# 9!-!9.
Iourier, 6. Th#orie des &uatre mouements et des destin#es g#n#rales. )yon, 1"$".
IoE, :., Linear statistical models, ,e2 3or4, *iley, 1"(
Iran4, <. Structure in+erence and stoc%astic gra/%s. F)A:Reports, &, (1!# 1-".
Iran4, <. Statistical %nference in ,raphs. Stoc4%olm= 5esearc% Institute o+ national @e+ense, 1'1.
Iran4, <. Sur8ey sam/ling in gra/%s. 7ournal of Statistical Planning and %nference, 1, (1''a# 2&9-
2!(.
Iran4, <. Astimation o+ gra/% totals. Scandinaian 7ournal of Statistics, (, (1''b# "1-".
Iran4, <. A note on 1ernoulli sam/ling in gra/%s and .or8itK-0%om/son estimation. Scandinaian
7ournal of Statistics, (, (1''c# 1'"-1"$.
Iran4, <. Sam/ling and estimation in large social net2or4s. Social $et2or1s, 1, (1'"# 1-1$1.
Iran4, <. Astimating a gra/% +rom triad counts. 7ournal of Statistical *omputation and Simulation,
, (1'# &1-(!.
Iran4, <8e 0ransiti8ity in stoc%astic gra/%s and digra/%s. 7ournal of Mathematical Sociology, ',
(1"$# 1-21&.
Iran4, <8e A sur8ey o+ statistical met%ods +or gra/% analysis. In Samuel )ein%ardt (ed.#,
Sociological Methodology, San Irancisco= :ossey-1ass, 1"1, // 11$-199.
Iran4, <8e, Maureen .allinan, and DrKysKto+ ,o2ic4i 6lustering o+ dyad distributions as a tool in
net2or4 modeling. 7ournal of Mathematical Sociology, 11, (1"9# ('-!(.
Iran4, <. and .arary, I. 1alance in stoc%astic signed gra/%s. Social $et2or1s, 2, (1'# 199-1!&.
Iran4lin, :oel Methods of Mathematical 3conomics6 Linear and $onlinear Programming" Fi(ed:
Point Theorems. ,e2 3or4, ,3= S/ringer-Ferlag, 1"$.
Ireeman, :., .annan, M.0. >ro2t% and decline /rocesses in organiKation. Am. Sociol. Re., ($,
(1'9# 211-2".
Ireeman, )inton 9ibliography on Social $et2or1s. Montiello, I)= 6ouncil o+ Planning )ibrarians,
AEc%ange 1ibliogra/%ies, 1'!.
Ireeman, ).6. A set o+ measures o+ centrality based on bet2eenness. Sociometry, ($, (1''# &9-(1.
Ireeman, ).6. Segregation in social net2or4s. Sociological Methods and Research, !, (1'"# (11-
(2.
Ireeman, )inton 6entrality in social net2or4s= 6once/tual clari+ication. Social $et2or1s, 1, (1'#
219-&.
Ireeman, )inton 6. 0urning a /ro+it +rom mat%ematics= 0%e case o+ social net2or4s. 7ournal of
Mathematical Sociology, 1$, (1"(# &(&-&!$.
208
Ireeman, )inton 6., 5oeder, @ouglas and Mul%olland, 5obert 5. 6entrality in social net2or4s= II.
AE/erimental results. Social $et2or1s, 2, (1"$# 11-1(1.
Ireese, ). Formal theori4ing. Annual Reie2 of Sociology. Palo Alto, 6A= Annual 5e8ie2s, 1"$a.
Ireese, ). (ed.# Theoretical Methods %n Sociology6 Seen 3ssays. Pittsburg%, PA= 0%e 7ni8ersity o+
Pittsburg% Press, 1"$b.
Ireese, )ee and Sell, :ane *onstructing a(iomatic theories. Pittsburg%= 7ni8ersity o+ Pittsburg% Press,
1"$.
Irenc% :r., :o%n 5.P. A +ormal t%eory o+ social /o2er. Psychological Reie2, !&, (19!# 1"1-1(.
Iriedell, M.I. <rganiKations as semilattices. Am. Sociol. Re., &2, (1!'# (!-9&.
Irieden, :. A., y )a4e, @. A. %nternational Political 3conomy. ,ue8a 3or4, St-MartinBs Press, 1"'.
Iried4in, ,oa% A. A +ormal t%eory o+ social /o2er. 7ournal of Mathematical Sociology, 12, (1"!#
1$&-12!.
Iriedman, .. Are distributions really structuresT A critiLue o+ t%e met%odology o+ MaE *eber.
*onnections, 2, (1'# '2-"$.
Iriedman, :ames *. )ligopoly and the Theory of ,ames. Amsterdam= ,ort%-.olland, 1''.
Iriedman, S. 5. >ame t%eory and labor con+lict= )imits o+ rational c%oice models. Sociological
Perspecties, 2!, (1"&# &'9-&'.
Iriedmann, .arriet Iorm and substance in t%e analysis o+ t%e 2orld economy, in *ellman and
1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge
7ni8ersity Press, 1"", //. &$(-&2!.
Iriedriec%, :. ; A. Sens, Systemt%eorie und 0%eorie der >esellsc%a+t= Gur >egen2artigen
Dyberneti4-5eKe/tion in den SoKial2issensc%a+ten. KKlner Aeitschrift fBr So4iologie und
So4ialpsychologie 2"(1#, (1'!# 2'-('.
Iuc%s, Ste/%an- *ard, Ste8en 0%e sociology and /aradoEes o+ deconstruction= a re/ly to agger.
American Sociological Reie2, 8ol. 9, nr. (, (1(# s. 9$! ++.
Iuller, *.A., %ntroduction to statistical time series, ,e2 3or4, *iley, 1'!
Iur+ey, P..., The scope and method of sociology, ,e2 3or4, .ar/er, 19&
>alanter, A. 0%e direct measurement o+ utility and sub?ecti8e /robability. American 7ournal of
Psychology, '9, (1!2# 2$"-22$.
>alas4ie2icK, :ose/% 0%e structure o+ community interorganiKational net2or4s. Social Forces, 9',
(1'# 1&(!-1&!(.
>alas4ie2icK, :ose/% and Marsden, Peter F. InterorganiKational resource net2or4s= Iormal /atters o+
o8erla/. Social Science Research, ', (1'"# "-1$'.
>alas4ie2icK, :ose/% and Stanley *asserman 6%ange in a 5egional 6or/orate ,et2or4. American
Sociological Reie2, (!, (1"1# ('9-"(.
>ale, @a8id The Theory of Linear 3conomic Models. ,e2 3or4, ,3= Mc>ra2-.ill, 1!$.
>alilei, >alileo Dialogues *oncerning T2o $e2 Sciences Ptr. @enry *re2 and Alfonso de SalioQ.
,e2 3or4= @o8er Publications, Inc., 19( [1!!9\.
>alton, I. and *atson, ..*. <n t%e /robability o+ eEtinction o+ +amilies. 7ournal of the
Anthropological %nstitute, (, (1"'9# 1&"-1((.
>altung, :. 5an4 and social integration= A multidimensional a//roac%. In :. 1erger, M. Gelditc%, :r.
And 1. Anderson (eds.#, Sociological Theories in Progress" 8olume )ne. ,e2 3or4=
.oug%ton-Mi++lin, 1!!.
>altung, :., Teor!a y m#todos de la inestigaci5n social, 1uenos Aires, Audeba, 1'1
>ans, .erbert :. Sociology in america= t%e disci/line and t%e /ublic. American Sociological Reie2,
8ol. 9(, nr. 1, (1"# s. 1.
209
>arcVa Ierrando, M. )a sociologVa matemCtica %oy= usos y abusos Reista 3spaRola de la )pini5n
PSblica, (9, (1'!#, //. ''-$. FoK SociologVa matemCtica.
>arcia Ierrando, M., Sobre el m#todo, Madrid, 6IS, 1'
>arcia Ierrando, M., Socioestad!stica, Madrid, 6IS, 1"(
>arciC-<li8ares, A., Sel+-organisation and intermittency in social systems= 0o2ards a science o+
com/leEity. Kybernetes 22(&#, (1&# -1.
>ar+in4el, .arold Studies in 3thnomethodology. Angle2ood 6li++s, ,:= Prentice-.all, 1!'.
>arson, >.@., Social science com/uter simulation= Its %istory, design, and +uture. Social Science
*omputer Reie2 12(1#, (1(# 99-"2.
>eertK, 6. The %nterpretation of *ultures. ,e2 3or4= 1asic 1oo4s, 1'&.
>elbaum 1.5. y Marc% :.>. Mathematics for the social and behaioural sciences. P%iladel/%ia=
Saunders, 1!.
>elo8ani, F. A. Strategic stability analysis t%roug% mat%ematical modeling. %nternational Political
Science Reie2, 8ol. 11, nr. 2, (1$# s. 2(&-2!$.
>erstein, @.5. 0%e coming renaissance o+ +unctional t%eory. *ontemporary Sociology, ", (1'#
2$(-211.
>eurts, :.).A., Systeemleer, model en met%ode in de sociologie. Sociologische ,ids 21((#, (1'(#
2$-22(.
>eyer, I., Alienation and >eneral Systems 0%eory. Sociologia $eerlandica 1$, (1'(# 1"-($.
>eyer, I., 02o se/arate realities= dyadic communication /roblems resulting +rom inter/ersonal
di++erences in internal com/leEity. In= Dlir, Applied ,eneral Systems Research' Recent
Deelopments and Trends. ,e2 3or4, Plenum, 1'", "'&-"$.
>eyer, 5.I., Alienation Theories6 A ,eneral Systems Approach. <E+ord, Pergamon, 1"$.
>eyer, I., Political alienation and en8ironmental com/leEity reduction. Kybernetes 1(2#, (1$#
11-&1.
>eyer, I., Modern +orms o+ alienation in %ig%-com/leEity en8ironments- A systems a//roac%.
Kybernetes 2$(2#, (11a# 1$-2".
>eyer, I. (ed.#, The *ybernetics of *omple( Systems' Self:)rganisation" 3olution" and Social
*hange. Salinas, 6A., Intersystems Publications, 11b.
>eyer, I., Auto/oiesis and Social Systems. %nternational 7ournal of ,eneral Systems 21(2#,
(12b# 1'9-1"( and 29-2!$.
>eyer, I., 0%e c%allenge o+ sociocybernetics. Kybernetes 2(((#, (19# !-&2.
>eyer, I., WFirtual 6ommunities in 6ybers/aceW. Kybernetes 29((#, (1!# !$-!!.
>eyer, I., W0%e /romise o+ sociocybernetics= Sol8ing /roblems in
social scienceW, Kybernetes 2!(!-'#, (1'# !&(-!&".
>eyer, 5. I. ; :. 8an der Gou2en (eds.#, Dependence and %ne&uality' A Systems Approach to the
Problems of Me(ico and )ther Deeloping *ountries. <E+ord, Pergamon, 1"2.
>eyer, I. ; :. 8an der Gou2en (eds.#, Sociocybernetic Parado(es' )bseration" *ontrol" and
3olution of Self:steering Systems. )ondon, Sage, 1"!.
>eyer, I. ; :. 8an der Gou2en (eds.#, Self:Referencing in Social Systems. Salinas 6A., Intersystems,
1$.
>eyer, I. ; :. 8an der Gou2en, 6ybernetics and social science= 0%eories and researc% in
sociocybernetics. Kybernetes 2$(!#, (11# "1-2.
>eyer, I. ; :. 8an der Gou2en, ,orbert *iener and t%e social sciences. Kybernetes 2&(!H'#, (1(#
(!-!1.
210
>%ara?edag%i, :, , Social @ynamics= @ic%otomy or dialectic. @uman Systems Management (,
(1"&#.
>ibson, R., La l5gica de la inestigaci5n social, Madrid, 0ecnos, 1!"
>iddens, Ant%ony $e2 Rules of the Sociological Method. ,e2 3or4= 1asic 1oo4s, 1'!.
>iddens, Ant%ony Studies in Social and Political Theory. ,e2 3or4= 1asic 1oo4s, 1''.
>iddens, Ant%ony *entral Problems in Social Theory. 1er4eley, 6A= 7ni8ersity o+ 6ali+ornia Press,
1'.
>ierer, A., Systems As/ects o+ Socio-economic IneLualities in 5elation to @e8elo/mental
Strategies. In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A Systems
Approach to the Problems of Me(ico and )ther Deeloping *ountries. <E+ord,
Pergamon, 1"2, 2&-&(.
8an >igc%, :. P., Applied ,eneral Systems Theory. ,e2 3or4, .ar/er ; 5o2, 1'(.
>ig%, F., Applied general systems theory, ,e2 3or4, .ar/er y 5o2, 1'!
>iglioli, P.P. (ed.# Language and Social *onte(t. ,e2 3or4 and )ondon= Penguin 1oo4s, 1'2.
>il%am, Ste8en State, la2 and modern economic eEc%ange. In @a8id *iller and 1o Anderson
(eds.#, $et2or1s" 3(change and *oercion. ,e2 3or4= Alse8ierH>reen2ood, 1"1.
>illes, A.-@., Stru1tur und Dynami1 so4iologischer Systeme. MSnc%en, <ldenbourg, 1'(.
>illes, A.-@., Structure and dynamics o+ sociological systems. In= 1ossel et al., Systems Theory in
the Social Sciences. 1ir4%Quser Ferlag, 1asel ; Stuttgart, 1'!, !&-".
>iner, S., )amo, A. y 0orres, 6. Diccionario de Sociolog!a. Madrid, AlianKa, 1"
>insberg, 5.1. Semi-Mar4o8 /rocesses and mobility. 7. Math. Sociol., 1, (1'1# 2&&-!2.
>ittler, :ose/% 1. (ed.# Reie2 of Sociology" Analysis of a Decade. *iley, ,e2 3or4, 19'.
>lass, >.F. - otros, Desing and analysis of time series e(periments, @oulder, 7. Press, 1'9
>o++man, A. Forms of Tal1. P%iladel/%ia= 7ni8ersity o+ Pennsyl8ania Press, 1"1.
>oldberg, Samuel I. Probability in Social Science. ,e2 3or4, ,3= 1ir4%auser, 1"&.
>olderberger, A.S. - @uncan, <.@., Structural e&uations models in the Social Sciences, ,e2 yor4,
Seminar Press, 1'(
>oldman, A.I. A Theory of @uman Action. Angle2ood 6li++s= Prentice .all, 1'$.
>oldsmit%, A., The Stable Society' %ts Structure and control6 To2ards a Social *ybernetics.
*adebridge, 0%e *adebridge Press, 1'".
>oldt%or/e, :o%n .. 5ational action t%eory +or sociology. 9ritish 7ournal of Sociology, 8ol. (, no.
2, (1"# //. 1!'-12.
>oodin, 5obert, y Dlingeman, .ans-@8eter (com/iladores#, A $e2 @andboo1 of Political Science.
<E+ord 7ni8ersity Press, 1!.
>orne8, >.P., 0%e creati8ity Luestion in t%e /ers/ecti8e o+ auto/oietic systems t%eory. Kybernetes
2!(!H'#, (1'# '&"-'9$.
>ottlieb, 1en?amin .. (ed.# Social $et2or1s ans Social Support. 1e8erly .ills= Sage, 1'.
>ottman, :.M., Time series analysis6 a comprehensie introduction for social scientists, 6ambridge,
6ambridge 7. Press, 1"1
>ould, 5oger, F. Multi/le ,et2or4s and MobiliKation in t%e Paris 6ommune, 1"'1. American
Sociological Reie2, 9!, (11# '1!-2.
>ould, 5oger, F. 6ollecti8e Action and ,et2or4 Structure. American 7ournal of Sociology, 9",
(1&# 1"2-!.
>ould, 5oger F. 0rade 6o%esion, 6lass 7nity, and 7rban Insurrection= Artisinal Acti8ism in t%e
Paris 6ommune. American 7ournal of Sociology, ", (1&# '21-9(.
>ould, Ste/%en :ay The Mismeasure of Man. ,e2 3or4, ,3= *.*. ,orton, 1"1.
211
>randmont, :ean-Mic%el Temporary 3&uilibrium6 Selected Readings. ,e2 3or4, ,3= Academic
Press, 1"".
>rano8etter, Mar4 0%e strengt% o+ 2ea4 ties. American 7ournal of Sociology, '", (1'&# 1&!$-"$.
>rano8etter, Mar4 ,et2or4 sam/ling= Some +irst ste/s. American 7ournal of Sociology, "1, (1'!#
12"'-1&$&.
>rano8etter, M. 0%eres%old models o+ collecti8e be%a8ior. American 7ournal of Sociology, "&,
(1'"# 1(2$-1((&.
>rano8etter, Mar4 0%e strengt% o+ 2ea4 ties= A net2or4 t%eory re8isited. In Peter F. Marsden and
,an )in (eds.#, Social Structure and $et2or1 Analysis. 1e8erly .ills= Sage, 1"2, //.
1$9-1&$.
>rano8etter, Mar4 Aconomic action and social structure= t%e /roblem o+ embeddedness. American
7ournal of Sociology, 1, (1"9# ("1-91$.
>rano8etter, Mar4 ,etting a 7ob. 6ambridge, MA= .ar8ard 7ni8ersity Press, 1(.
>rat%o++, 5. (ed.# The Theory of Social Action6 The *orrespondence of Alfred Schut4 and Talcott
Parsons. 1loomington and )ondon= Indiana 7ni8ersity Press, 1'".
>raybill, I.A., %ntroduction to matrices 2ith applications in statistics, 1elmont, ,ads2ort%, 1'
>reen, P.A. - 6arroll, :.@., Mathematical tools for applied multiariate analysis, ,e2 3or4,
Academic Press, 1'!
>reen, @.P., S%a/iro, I. Pathologies of Rational *hoice Theory. A *riti&ue of Applications in
Political Science. ,e2 .a8en ; )ondon= 3ale 7ni8ersity Press, 1(.
>reenstein, Ired, I., y Polsby, ,elson, *. (com/iladores# @andboo1 of Political Science. 5eading=
Addison-*esley 6olorado, 1'9.
>reen2ood, A., Sociolog!a e(perimental, MeEico, I.6.A., 191
>reer, S., The logic of social in&uiry, 6%icago, Aldine, 1'$
>re8en, M. 0., Gur Donstitutions/roblemati4 Politisc%er 0%eorie am 1eis/iel der Dybernetisc%en
Systemt%eorie. KKlner Aeitschrift fBr So4iologie und So4ialpsychologie , 2!(1#, (1'(#
'$-$.
>remy, :.P., La simulation sur ordinateur des phenomenes sociau(, Paris, IS.A, 1'$
>rilic%es, G8i and Intriligator, Mic%ael @., eds. @andboo1 of 3conometrics. ,e2 3or4, ,3= Alse8ier
Science, 1"&, 2 Fols.
>rin4er, 5. 5. (ed.#, To2ard a Gnified Theory of @uman 9ehaior6 An %ntroduction to ,eneral
Systems Theory. (2
nd
ed.#. ,e2 3or4, 1asic 1oo4s, 1!'.
>ro+man, 1., S.). Ield ; >. <2en, A8aluating t%e 6om/etence o+ AE/erts, Pooling Indi8idual
:udgements into a 6ollecti8e 6%oice, and @elegating @ecision 5es/onsibility to
Subgrou/s. In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A Systems
Approach to the Problems of Me(ico and )ther Deeloping *ountries. <E+ord,
Pergamon, 1"2, 221-2&".
>ross, 1.M., 0%e 6oming >eneral System Model o+ Social Systems. @uman Relations 2$, (1!'#
&9'-&'(.
>ross, )le2ellyn (ed.# Symposium on Sociological Theory. ,e2 3or4, 5o2 ^ Peterson, 19.
>ross, Maurice Mathematical Models in Linguistics. Angle2ood 6li++s, ,:= Prentice .all, 1'2.
>uetK4o2 .. Simulation in social science6 readings. Prentice-.all Angle2ood 6li++s, 1!2.
8an >unsteren, .., The Duest for *ontrol. )ondon, *iley, 1'!.
>utman, .. >. Slaery and the $umbers ,ame6 A *riti&ue of TTime on the *rossU. 7rbana=
7ni8ersity o+ Illinois Press, 1'9.
212
>uttman, )ouis *%at is ,ot *%at in t%eory construction. In 5obert M. .auser, @a8id Mec%anic,
Arc%ibald <. .aller and 0aissa S. .auser (eds.#, Social Structure and 9ehaior. ,e2
3or4= Academic Press, 1"2, //. &&1-&(".
>utKmann, >. ; *. )o%, Iormalistisc%e Driti4 an Dybernetisc%er SoKial2issensc%a+t- <der 2ie
M.0. >re8en die ForaussetKungen seiner Driti4 mit seinem 4ritisierten >egenstand teilt.
KKlner Aeitschrift fBr So4iologie und So4ialpsychologie 2' (2#, (1'9# &1"-&2!.
.abermas, :. Theorie des Kommuni1atien @andelns. ; ols. Iran4+urt= Su%r4am/, 1"1.
.abermas, :. ; ,. )u%mann, Theorie der ,esellschaft oder So4ialtechnologie : Cas leistet die
SystemforschungN Iran4+urt am Main, Su%r4am/, 1'1.
.aberstro%, 6. :., 6ontrol as an <rganiKational Process. Management Science !, (1!$# 1!9-1'1
.age, :., *ommunication and )rgani4ational *ontrol6 *ybernetics in @ealth and Celfare Settings.
,e2 3or4, *iley, 1'(.
.age, P. and .arary I. Mediation and /o2er in Melanesia. )ceania, 92, (1"1# 12(-1&9.
.age, Per and Iran4 .arary Structural models in anthropology. 6ambridge= 6ambridge 7ni8ersity
Press, 1"&.
.aggerty, 0. 5., 9eerHs *ybernetic 8iable System Model6 A Test of its Application in Selected
Secondary Schools. P%.@.-t%esis, State 7ni8ersity o+ ,e2 3or4 at 1u++alo, 1"".
.a4im, 6., Secondary analysis in social research, )ondon, Allen and 7n2in, 1"2
.alaby, ; 6%arles, ,. Action and In+ormation in t%e :ob Mobility Process= 0%e Searc% @ecision.
American Sociological Reie2, 9&, (1""# -29.
.al+/enny, P. Positiism and Sociology6 3(plaining Social Life. )ondon= Allyn and 7n2in, 1"2.
.all, :o%n A. 0%ey do t%ings di++erently t%ere, or, t%e contribution o+ britis% %istorical sociology.
9ritish 7ournal of Sociology, 8ol. ($, nr. (, (1"# s. 9((-9!(.
.aller, MaE 0%e c%allenge +or com/arati8e sociology in t%e trans+ormation o+ Auro/e. %nternational
Sociology, 8ol. 9, nr. 2, (1$# s. 1"&-2$(.
.alliday, 0erence 6., y :ano2itK, Morris (com/iladores# Sociology and its Publics. The Forms and
Fates of Disciplinary )rgani4ation. 6%icago= 7ni8ersity o+ 6%icago Press, 12.
.alliday, 0erence 6. WIntroduction= SociologyBs Iragile Pro+essionalismW, en .alliday and :ano2itK,
Sociology and its Publics. The Forms and Fates of Disciplinary )rgani4ation. 6%icago=
7ni8ersity o+ 6%icago Press, 12, /Cgs. &-(2.
.allinan, M.0. The Structure of Positie Sentiment. Amsterdam= Alse8ier, 1'(.
.alsey, A. .. Sociology as /olitical arit%metic (t%e glass memorial lecture#. 9ritish 7ournal of
Sociology, 8ol. (9, nr. &, (1(# s. (2' ++.
.amblin, P.)., :acobsen, 5.1., Miller, :.).). A Mathematical Theory of Social *hange. ,e2 3or4=
*iley, 1'&.
.anda, :. 5is4, Probabilities, and a ne2 t%eory o+ cardinal utility. 7ournal of Political 3conomy, "9,
(1''# '-122.
.an4en, A.I.>., *ybernetics and Society6 An Analysis of Social Systems. 0unbridge *ells, Abacus,
1"1.
.annan, M.0., Ireeman, :. 0%e /o/ulation ecology o+ organiKations. Am. 7. Sociol., "2, (1''# 2-
!(.
.annan, M.0. and 0uma, ,.1. Met%ods +or tem/oral analysis. Annual Reie2 of Sociology,
Folume 9, (1'#.
.anneman, 5. A., *omputer:assisted Theory 9uilding' Modeling Dynamic Social Systems. ,e2bury
Par4 6A., Sage, 1"".
.and, @.:., Discrimination and classification, )ondon, *iley, 1"1
.anmond, P.A., Sociologists at 2or1, ,e2 3or4, 1asic 1oo4s, 1!(
213
.andson, ,.5., Patterns of discoery, 6ambridge, 6ambridge 7. Press, 1!9
.arary, Iran4 <n t%e notion o+ balance o+ a signed gra/%. Michigan Mathematical 7ournal, 2,
(19(# 1(&-1(!.
.arary, Iran4 <n local balance and ,-balance in signed gra/%s. Michigan Mathematical 7ournal,
&, (199# &'-(1.
.arary, Iran4 ,raph Theory. 5eading, MA= Addison *esley, 1!.
.arary, Iran4 @emiarcs= An atomistic a//roac% to relational systems and grou/ dynamics. 7ournal
of Mathematical Sociology, Fol. 1, (1'1# 19-2$9.
.arary, I. and Dabell, :.A. A sim/le algorit%m to detect balance in signed gra/%s. Mathematical
Social Science, 1, (1"$# 1&1-1&!.
.arary, I. and ,orman, 5.G. ,raph Theory as a Mathematical Model %n Social Science. Ann Arbor,
MI= 7ni8ersity o+ Mic%igan, 19&.
.arary, I., ,orman, 5.G., 6art2rig%t, @. Structural models6 an introduction to the theory of directed
graphs. ,e2 3or4= *iley, 1!9.
.arary, Iran4 and .elene :. Dommel MatriE measures +or transiti8ity and balance. 7ournal of
Mathematical Sociology, Fol !, (1'# 1-21$.
.arary, 5., 5oss, I. A /rocedure +or cliLue detection using t%e grou/ matriE. Sociometry, 2$, (19'#
2$9-19.
.arbordt, S., *omputersimulation in den So4ial2issenschaften. 5ororo, 5einbe4 bei .amburg, 1'(.
.ardin, >., 0%e 6ybernetics o+ 6om/etition= A 1iologistBs Fie2 o+ Society. Perspecties in 9iology
and Medicine ', (1!&# !1-"(.
.arre, .., The e(planation of social behaior, <E+ord, 1lac42ell, 1'&
.arris, M., Problems in measuring change, *isconsin, 7. *isconsin Press, 1!&
.artigan, :.A., *lustering algorithms, ,e2 3or4, *iley, 1'9
.ayes, A.6. A semi-+ormal eE/lication o+ 0alcott ParsonsM 0%eory o+ Action. Sociological %n&uiry,
9$, (1"$# &-9!.
.ayes, A.6. Structure and creati8ity= 0%e use o+ trans+ormational-generati8e models in action
t%eory. Sociological %n&uiry, 91, (1"1# 21-2&.
.ayes, A.6. The presuppositions of sociological theori4ing. Pa/er /resented to t%e Annual Meetings
o+ t%e American Sociological Association, @etroit, Se/tember 1"&, (n.d.#.
.ayes, Patric4 Mathematical methods in the social and managerial sciences. ,e2 3or4= *iley, 1'9.
.arrJ, 5. and Secord, P. The 3(planation of Social 9ehaior. 0oto2a, ,:= )ittle+ield, 1'&.
.arsanyi, :.6. Rational 9ehaior and 9argaining 3&uilibrium in ,ames and Social Situations. ,e2
3or4= 6ambridge 7ni8ersity Press, 1''.
.eat%, A. Rational *hoice and Social 3(change. ,e2 3or4= 6ambridge 7ni8ersity Press, 1'!.
.ec4at%orn, @ouglas @. A /aradigm +or bargaining and a test o+ t2o bargaining models. 9ehaioral
Science, 2&, (1'"# '&-"9.
.ec4at%orn, @.@. A uni+ied model +or bargaining and con+lict. 9ehaioral Science, 29, (1"$# 2!1-
2"(.
.ec4at%orn, @.@. Iormal .istorical analysis= Ruantitati8e and nonLuantitati8e a//roac%es. Social
Science 7ournal, 2$, (1"&a# 1-1!.
.ec4at%orn, @.@. AEtensions o+ /o2er-de/endence t%eory= 0%e conce/t o+ resistance. Social
Forces, !1, (1"&b# 12$!-12&1.
.ec4at%orn, @.@. Falid and in8alid inter/ersonal com/arisons. 5e/ly to Amerson, 6oo4, >illmore,
and 3amagis%i. Social Forces, !1, (1"&c# 12("-129.
214
.ec4at%orn, @. Mat%ematical t%eory construction in sociology= Problems and /ros/ects. 7ournal of
Mathematical Sociology, 1$, (1"(# 29-&2&.
.ec4at%orn, @.@. A +ormal t%eory o+ social eEc%ange. *urrent Perspecties in Social Theory. Fol.
9, (in /ress a#.
.ec4at%orn, @.@. Po2er and trust in social e(change. Adances in ,roup Process6 Theory and
Research. 8ol. ;. >reen2ic%, 6,= :ai Press, (in /ress b#.
.edstrom, P. Structures of %ne&uality6 A Study of Stratification 2ithin Cor1 )rgani4ations.
Stoc4%olm= AlmL8ist ; *i4sell, 1"".
.edstrom, P. <rganiKational @i++erentiation and earnings @is/ersion. American 7ournal of
Sociology, ', (11# !-11&.
.edstrom, P., S2edberg, 5. Social Mec%anisms. Acta Sociologica, &, (1!# 2"1-&$".
.eider, I. Attitudes and cogniti8e organiKation. 7ournal of Psychology, 21, (1(!# 1$'-112.
.eider, IritK <n balance and attribution, in .olland, P. and S. )ein%ardt Perspecties on Social
$et2or1 research. ,e2 3or4= Academic Press, 1', //= 11-2(.
.eil, >... and *%ite, ..6. An algorit%m +or +inding simultaneous %omomor/%ic corres/ondences
bet2een gra/%s and t%eir image gra/%s. 9ehaioral Science, 21, (1'!# 2!-&9.
.eims, S. :. The *ybernetics ,roup. 6ambridge MA., MI0 Press, 11.
.eise, @.5. *ausal Anaysis. ,e2 3or4= *iley, 1'9.
.eise, @.5. Gnderstanding 3ents6 Affect and the *onstruction of Social Action. ,e2 3or4=
6ambridge 7ni8ersity Press, 1'.
.eise, @a8id 5. 6om/uter assistance in Lualitati8e sociology. Social Science *omputer Reie2, 8ol.
1$, nr. (, (12# s. 9&1-9(&.
.e?l, P. M., So4ial2issenschaft als Theorie selbstreferentieller Systeme. Iran4+urt, 6am/us, 1"2.
.elbing, @ir4 A mat%ematical model +or be%a8ioral c%anges by /air interactions and its relation to
game t%eorie. Ange2andte So4ialforschung, ?g. 1", 1&H(, nr. &, (1(# s. 11' ++.
.elbing, @. ; *. *eidlic%, Ruantitati8e SoKiodynami4= >egenstand, Met%odi4, Argebnisse und
Pers/e4ti8en. KKlner Aeitschrift fBr So4iologie und So4ial:Psychologie (' (1#, (19#
11(-1($.
.elle8i4, <., %ntroduction to causal analysis6 e(ploring surey data by crosstabulation, )ondon,
Allen and 7n2in, 1"(
.em/el, 6. >. Iundamentals o+ 6once/t Iormation in Am/irical Science. %nternational
3ncyclopedia of Gnified Science, 8ol. 2, nX ', (192#.
.em/el, 6.>., La e(plicaci5n cientifica, 1uenos Aires, Paidos, 1'
.enderson, :ames M. and Ruant, 5ic%ard A. Microeconomic Theory" A Mathematical Approach. ,e2
3or4= Mc>ra2 .ill, 19".
.enry, ,.*. Mc>innis, 5., 0egtmeyer, .. *. A +inite model o+ mobility. 7. Math. Sociol., 1(1'1#
1$'-1".
.ens%el, 5. )., @isci/linary /restige and t%e accuracy o+ social /redictions as a de8iation-am/li+ying
+eedbac4. In= >eyer ; Fan der Gou2en, Sociocybernetics' an actor:oriented social
systems approach. )eiden, ,i?%o++, 1'", Fol. 2, 1(&-19".
.ens%el, 5. )., 0%e boundary o+ t%e sel+-+ul+illing /ro/%ecy and t%e dilemma o+ social /rediction.
The 9ritish 7ournal of Sociology &&((#, (1"2# 911-92".
.ens%el, 5. )., 6redibility and con+idence loo/s in social /rediction. In= >eyer ;Fan der Gou2en,
Self:Referencing in Social Systems. Salinas 6A., Intersystems, 1$, &1-9".
.ens%el, 5.)., .y/ot%esis testing +or /ositi8e +eedbac4 models= some uses o+ a modi+ied Poisson
distribution +or loo/s in8ol8ing t%e sel+-+ul+illing /ro/%ecy. Kybernetes, 2!(!H'#, (1'#
'!-'"!.
215
.erndon, :ames I. (ed#- 1ernd :ose/% ). (ed# Mathematical applications in political science.
6%arlotts8ille= 0%e 7ni8ersity Press o+ Firginia, 1'1.
.ernes, >. 0%e /rocess o+ entry into +irst marriage. Am. Sociol. Re., &', (1'2# 1'&-"2.
.eylig%en, I., A. 5osseel ; I. @emeyre (eds.#, Self:steering and *ognition in *omple( Systems'
To2ard a $e2 *ybernetics. ,e2 3or4, >ordon and 1reac%, 1$.
.eyse, @.5., *ausal analysis, ,e2 3or4, *iley, 1'9
.indess, 1., The use of official statistics in sociology, )ondon, Mc Millan, 1'&
.indess, 1., Philosophy and methodology in the social sciences, .ar8erster, .assoc4s, 1''
.in4le, 5.6. - .in4le >.:., The deelopment of modern sociology, ,e2 3or4, 5andom .ouse, 19(
.inric%sen, @., Some t%eses concerning t%e a//lication o+ mat%ematical system t%eory in t%e social
sciences. In= 1ossel et al., Systems Theory in the Social Sciences. 1ir4%Quser Ferlag,
1asel ; Stuttgart, 1'!, &"!-($$.
.inti44a, :. Models for Modalities. @ordrec%t= 5eidel, 1!.
.irsc%, M.*. and Smale, S. Differential 3&uations" Dynamical Systems" and Linear Algebra. ,e2
3or4= Academic Press, 1'(.
.irsig, 5., Menschliches KonformitVtserhalten : am *omputer simuliert. 1asel, 1ir4%Quser, 1'(.
.irsig, 5., System identi+ication in be%a8ioural science. Kybernetes &, (1'(#.
.irsig, 5., Simulation o+ %uman con+ormity be%a8ior by means o+ a dynamic /rocess model. In=
1ossel et al., Systems Theory in the Social Sciences. 1ir4%Quser Ferlag, 1asel ; Stuttgart,
1'!, '-11$.
.irsig, 5., 6ontrol analysis in be%a8ioural science. Kybernetes !((#, (1''# 29'-2!(.
.irsig, 5 ; :. 8on 1urg, Interacti8e 6om/uter >ames= A ,e2 Psyc%odiagnostic Instrument. In=
>eyer (ed.# The *ybernetics of *omple( Systems' Self:)rganisation" 3olution" and
Social *hange. Salinas, 6A., Intersystems Publications, 11, 1'&-1'.
.irsig, 5., S. 5auber, 6. Marc%and, 7. Mattle, Interacti8e com/uter games= an instrument in
eE/erimental /syc%ological researc%. In >eyer ; Fan der Gou2en, Self:Referencing in
Social Systems. Salinas 6A., Intersystems, 1$, 1(&-19&.
.obbes, 0%omas Leiathan. <E+ord= 6arendon Press, 1$1 [1!91\.
.o+stadter, @.5. ,odel" 3scher" 9ach6 An 3ternal ,olden 9raid. ,e2 3or4= Fintage, 1'.
.oi8i4, 0ord and ,ils Petter >leditsc% Structural /arameters o+ gra/%s= A t%eoretical in8estigation,
in 1laloc4 et al. (eds.#. Duantitatie Sociology. ,e2 3or4= Academic Press, 1'9.
.olland, :anet Mathematical sociology. A selectie annotated bibliography. <.<.= <. Ferl. 1!.
.olland, Paul *., )as4ey, Dat%ryn 1lac4mond and )ein%ardt, Samuel Stoc%astic bloc4models= Iirst
ste/s. Social $et2or1s, 9, (1"&# 1$-1&'.
.olland, P.*., )ein%ardt, S. A met%od +or detecting structure in sociometric data. Am. 7. Sociol.,
'!, (1'$# (2-91&.
.olland, Paul *. and )ein%ardt, Samuel 0ransiti8ity in structural models o+ small grou/s.
*omparatie ,roup Studies, 2, (1'1# 1$'-12(.
.olland, P.*. and )ein%ardt, S. 0%e structural im/lications o+ measurement error in sociometry.
7ournal of Mathematical Sociology, &, (1'&# 1-2'.
.olland, Paul *. and Samuel )ein%ardt )ocal structure in social net2or4s, in @a8id .eise (ed.#
Sociological Methodology, San Irancisco= :osey-1ass, 1'!, //. 1-(9.
.olland, Paul *. and Samuel )ein%ardt A dynamic model +or social net2or4s. 7ournal of
Mathematical Sociology, 9, (1''# 9-2$.
.olland, P.*. and )ein%ardt, S. An omnibus test +or social structure using triads. Sociological
Methods and Research, ', (1'"# 22'-29!.
216
.olland, Paul *. and Samuel )ein%ardt (eds.# Perspecties on social net2or1 research. ,e2 3or4=
Academic Press, 1'.
.olland, P.*. and )ein%ardt, S. An eE/onential +amily o+ /robability distritutions +or directed
gra/%s. 7ournal of the American Statistical Association, '!, (1"1# &&-!9.
.olland and Steuer Mathematical sociology6 a selectie annotated bibliography. ,e2 3or4=
sc%oc4en, 1'$.
.ollander, Paul (%g# American and soiet society. a reader in comparatie sociology and perception.
Angle2ood 6li++s= Prentice .all, 1!.
.omans, >.6. The @uman ,roup. ,e2 3or4= .arcourt, 1race and *orld, 19$.
.omans, >.6., The nature of social science, ,e2 3or4, .arcourt 1rece, 1!'
.omans, >eorge 6ommentary. In .. 0ur4 and 5. Sim/son (eds.#, %nstitutions and Social 3(change.
Indiana/olis= 1obbs-Merrill, 1'1.
.omans, >.6. Social 9ehaior6 %ts 3lementary Forms. Second re8ised ed. ,e2 3or4= .arcourt,
1race and *orld, 1'(.
.oos, I. 5., Systems Analysis in Public Policy. 1er4eley, 7ni8ersity o+ 6ali+ornia Press, 1'2.
.ornung, 1.5., Rualitati8e Systems Analysis as a 0ool +or @e8elo/ment Studies- *it% 6ase Studies
About Peru and MeEico. In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A
Systems Approach to the Problems of Me(ico and )ther Deeloping *ountries. <E+ord,
Pergamon, 1"2, 1"'-21.
.ornung, 1. 5., ,rundlagen einer problemfun1tionalistischen Systemtheorie gesellschaftlicher
3nt2ic1lung. So4ial2issenschaftliche Theorie1onstru1tion mit &ualitatien"
computergestBt4ten 8erfahren. Iran4+urt am Main, Peter )ang, 1"".
.ornung, 1., 0%e construction o+ 4no2ledge based systems +or t%e analysis o+ de8elo/ment /roblems
in %ealt% care systems. In= >eyer ; Fan der Gou2en, Self:Referencing in Social Systems.
Salinas 6A., Intersystems, 1$, 119-1(1.
.ornung, 1.5. ; I.0. Adilo8a, 6once/tual modelling +or tec%nology assessment o+ I0 systems -
smart cards and %ealt% in+ormation systems. Kybernetes 2!(!H'#, (1'# '"'-"$$.
.orst, P., Matri( algebra for social scientists, ,e2 3or4, 5ine%art, 1!9
.orts, P., Factor analysis of data matrices, ,e2 3or4, 5ine%art, 1!9
.ouse, :ames S. Cor1 Stress and Social Support. 5eading, MA= Addison ^*esley, 1"1.
.o2ard, )eslie *or4 and community in industrialiKing India, in *ellman and 1er4o2itK (Ads.#
Social structures6 A net2or1 approach. 6ambridge= 6ambridge 7ni8ersity Press, 1"",
//. 1"9-1'.
.o2ell, ,ancy 7nderstanding sim/le social structure= Dins%i/ units and ties, in *ellman and
1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge
7ni8ersity Press, 1"", //. !2-"2.
.o2ley, Amos .. 0%e logic o+ macrosociology. In= 1la4e, :udit% - .agan, :o%n (eds.#= Annual
Reie2 of Sociology, 8ol. 1"., (12# s. 1++
.ubbell, 6%arles .. An in/ut-out/ut a//roac% to cliLue identi+ication. Sociometry, 2", (1!9# &''-
&.
.ubert, ).:. and 1a4er, I.1. A8aluating t%e con+ormity o+ sociometric measurements.
Psychometri1a, (&, (1'"# &1-(1.
.ubert, ).:. and Sc%ultK, :.F. Ruadratic assignment as a general data analysis strategy. 9ritish
7ournal of Mathematical and Statistical Psychology, 2, (1'!# 1$-2(1.
.uber, P.:., Robust statistic, ,e2 3or4, *iley, 1"1
.uc4+eldt, 5.5., Do%+eld, 6.*., )i4ens, 0.*. Dynamic modeling. An introduction, 1e8erly .ills,
Sage, 1"&
217
.udson, ..6., *lassifying social data, San Irancisco, :ossey 1ass, 1"2
.ug%es, :.A., Sociological analysis6 methods of discoery, )ondon, ,elson, 1'!
.ummon, ,.P. A mat%ematical t%eory o+ di++erentiation in organiKations. Am. Sociol. Re., &!,
(1'1# 2'-&$&.
.ummon, ,.P., @oreian, P., 0euter, D. A structural model o+ organiKational c%ange. Am. Sociol.
Re., ($, (1'9# "1&-2(.
.ummon, ,.P.-Iararo, 0.:. Actors and ,et2or4s as <b?ects. Social $et2or1s, Fol.12, ,o,(, (1$#
1-2! //.
.unter, :o%n @ynamic sociometry. 7ournal of Mathematical Sociology, !, (1'"# "'-1&".
.yman, ...., Secondary analysis of sample sureys. Princi/les, /rocedures and Potentialities, ,e2
3or4, *iley, 1'2
Iba_eK, :., Del algoritmo al suEeto, Madrid, Siglo UUI, 1"9
Iba_eK, :es`s (1(#. 3l regreso del suEeto6 la inestigaci5n social de segundo orden. Madrid. Siglo
UUI. 1(
Imbert, Mic%el W0%e 6ogniti8e ,eurosciencesW, %nternational Social Science 7ournal, 119, +ebrero
(1""#, /Cgs. '&-"(.
Ingrao, 1runa and Israel, >iorgio The %nisible @and6 3conomic 3&uilibrium in the @istory of
Science. 6ambridge, MA= MI0 Press, 1$.
:acob, .., Gsing publishes data. 3rrors and remedies, 1e8erly .ills, Sage, 1"9
:acobsen, 6. ; 5. 1ronson, 6om/uter simulations and em/irical testing o+ sociological t%eory.
Sociological Methods and Research 2&((#, (19# ('-9$!.
:ain, F., Structural Analyses o+ >eneral Systems 0%eory. 9ehaioral Science, Fol. 2!, (1"1#, //.
91-!2.
:ames, ).5., *ausal analysis6 assumptions" models and data, 1e8erly .ills, Sage, 1"2
:en4ins, >.M., Practical e(perience 2ith modeling and forecasting time series, >2ilyn, :en4ins ;
Patterns, 1'
:o%annessen, :-A., Systemics a//lied to t%e study o+ organiKational +ields- de8elo/ing a systemic
researc% strategy. Kybernetes 29(1#, (1!# &&-9$.
:o%annessen, :-A., As/ects o+ causal /rocesses in social systems. @iscussions o+ met%odology.
Kybernetes 2!(1#, (1'# &$-91.
:o%annessen, :-A., ; .auan, A., <rganiKational cybernetics- 0%e ecology o+ c%ange in a ,or2egian
s%i/yard. Kybernetes 2&("#, (1(# 11-2!.
:ames, @.A. and 0%rosby, 6.@. %ntroduction to Duantitatie Methods in 3conomics. ,e2 3or4, ,3=
:o%n *iley, 1'(.
:ano2itK, Dlaus W7n/lugged SociologyW. Alemann, .. Fon- Fogel, A. (%rsg.#= So4iologische
9eratung. </laden= )es4e + 1udric%, (1!# s. &1& ++.
:o%nsen, A.6. and Mc6ann, ..>. Acyclic tri/lets and social structure in com/lete signed digra/%s.
Social $et2or1s, &, (1"2# 292-2'2.
:ones, 1. :. ; :. >. Miller, Alteration o+ in+ormation in c%annels= a cross-le8el analysis. In= >eyer ;
Fan der Gou2en, Sociocybernetics' an actor:oriented social systems approach. )eiden,
,i?%o++, 1'", Fol. 2, "9-&.
:utila, S.0., Social @e8elo/ment as a 5e+lection o+ t%e A8olution and 7se o+ .uman 5esources. In=
>eyer ; Fan der Gou2en, Dependence and %ne&uality' A Systems Approach to the
Problems of Me(ico and )ther Deeloping *ountries. <E+ord, Pergamon, 1"2, &9-9".
Dade, >. ; 5. .u?er (.rsg.#, So4ial:Kyberneti1. @Ssseldor+, Acon, 1'(.
Dadus%in, 6%arles Po2er, in+luence and social circles= A ne2 met%odology +or studying o/inion
ma4ers. American Sociological Reie2, &&, (1!"# !"9-!".
218
Dadus%in, 6%arles Social density and mental %ealt%. In Peter F. Marsden and ,an )in (eds.#, Social
Structure and $et2or1 Analysis. 1e8erly .ills= Sage, 1"2, //. 1('-19".
Dandel, @enise .omo/%ily, selection, and socialiKation in adolescent +rieds%i/s. American 7ournal
of Sociology, "(, (1'"# (2'-(&!.
Danter, 5osabet% M. Men and Comen of the *orporation. ,e2 3or4= 1asic 1oo4s, 1''.
Da/lo2itK, S.A., Iin4, A.). and 1auer, 6.). A dynamic model o+ t%e e++ect o+ discre/ant in+ormation
on unidimensional attitude c%ange. 9ehaioral Science, 2", (1"&# 2&&-29$.
Darlberg, M 0esting transiti8ity in gra/%s. Social $et2or1s, Fol. 12, ,o, (, (1$# &29-&(& //.
Darlsson, >. Social Mechanisms6 Studies in Sociological Theory. >lencoe, Ill= Iree Press, 19".
DatK, @. ; 5.). Da%n, 6ommon 6%aracteristics o+ </en Systems. In= Amery, Systems Thin1ing.
.armonds2ort%, Penguin 1oo4s, 1!, "!-1$(.
Day, Paul (ed.# 3(plorations in mathematical anthropology. 6ambridge= 0%e M.I.0.-Press, 1'1.
DatKner, @.*., Analysis 2ithout measurement, 6ambridge, 7. 6ambridge Prees, 1"&
Deats, 5. and 7rry, :. Social Theory as Science. Second ed. )ondon= 5outledge and Degan Paul,
1"2.
De+alas, A.>. ; Smit%, A.*., State goal grou/s and /ri8ate enter/rise= A conce/tual +rame2or4.
Kybernetes 11(1#, (1"2# 2'-&".
Demeny, :.>., Snell, :.). Finite Mar1o *hains. ,e2 3or4= Fan ,ostrand, 1!$.
Demeny, :o%n >. and Snell, :. )aurie Mathematical Models in the Social Sciences. 6ambridge, MA=
MI0 Press, 1!2.
Demeny, :.>., Snell, :.). and 0%om/son, >.). %ntroduction to Finite Mathematics. Second ed.
Angle2ood 6li++s, ,:= Prentice-.all, 1!!.
Dem/+, *il%elm I. (ed#- 5e//, 1runo .. (ed# Mathematical models for social psychology. 1ern=
.uber, 1''.
Dendall, Particia ). The aried sociology of Paul F. La4arsfeld. ,e2 3or4= 6olumbia 7ni8ersity
Press, 1"2.
Dendall, P. and )aKars+eld, P.I. Problems o+ sur8ey analysis. In 5.D. Merton and P.I. )aKars+eld
(eds.#, *ontinuities in Social Research. ,e2 3or4 = Iree Press, 19$.
Den4el, *illiam I. Society in Action. Second Adition. ,e2 3or4= .ar/er and 5o2, 1"$.
Dennedy, Peter A ,uide to 3conometrics. 6ambridge, MA= MI0 Press, 1"9, (second edition#.
D%oury, Sar4is :. and Parsons, 0orrence @. Mathematical Methods in Finance and 3conomics. ,e2
3or4, ,3= Alse8ier Science, 1"1.
Dic4ert, *. :.M., )rganisation of Decision:Ma1ing' A Systems:theoretical Approach. Amsterdam,
,ort% .olland, 1'.
Diecolt, D.:. - ,at%an, ).A., Secondary analysis of surey data, 1e8erly .ills, Sage, 1"9
Diel, ).@., 0%e nonlinear /aradigm= Ad8ancing /aradigmatic /rogress in t%e /olicy sciences.
Systems Research (2#, (12# 2'-(2.
Di?ima, M. Mar1o processes for stochastic modeling )ondon, 6%a/man ; .all, 1'
Dill2ort%, P. and 1ernard, ..5. 6ati?= A ne2 sociometric and its a//lication to a /rison li8ing unit.
@uman )rgani4ation, &&, (1'(# &&9-&9$.
Dill2ort%, P. and 1ernard, ..5. A model o+ %uman grou/ dynamics. Social Science Research, 9,
(1'!a# 1'&-22(.
Dill2ort%, P. and 1ernard, ..5. In+ormant accuracy in social net2or4 data. @uman )rgani4ation,
&9, (1'!b# 2!-2"!.
Dill2ort%, P. and 1ernard, ..5. 0%e re8erse small-2orld eE/erimente. Social $et2or1s, 1, (1'"#
19-12.
219
Dill2ort%, P. and 1ernard, ..5. In+ormant accuracy in social net2or4 data III= A com/arison o+
triadic structures in be%a8ioral and cogniti8e data. Social $et2or1s, 2, (1'# 1-(!.
Dim, Di .ang and 5ous%, Ired *. Mathematics for Social Scientists. ,e2 3or4, ,3= Alse8ier
Science, 1"$.
Dim, Di .ang and 5ous%, Ired *. %ntroduction to Mathematical *onsensus Theory. ,e2 3or4, ,3=
Marcel @e44er, 1"$.
Dim/ton, )a2rence A. W0%e Social Science 0odayW, en ). *%ite (com/ilador#, The State of the Social
Sciences, 6%icago= 6%icago 7ni8ersity Press, 19!.
Dlabbers, :...>., >eneral system t%eory and social systems- a met%odology +or t%e social sciences.
$ederlands TiEdschrift oor de Psychologie &$, (1'9# (&-91(.
Dlabbers, :...>. (1'#, 0%e /rocess o+ model building and analysis o+ social systems. In= Progress in
cybernetics and systems researc%, Fol. (. .emis/%ere, *as%ington @6.
Dlabbers, :. ..>., Im/ro8ement o+ (sel+-#steering t%roug% su//ort systems. In= >eyer ; Fan der
Gou2en, Sociocybernetic Parado(es' )bseration" *ontrol" and 3olution of Self:
steering Systems. )ondon, Sage, 1"!, !(-"".
Dla//, <. A., </ening and 6losing in </en Systems. 9ehaioral Science 2$((#, (1'9# 291-29'.
Dlein, Ar8in Mathematical Methods in Theoretical 3conomics6 Topological and 8ector Space
Foundations of 3&uilibrium Analysis. ,e2 3or4, ,3= Academic Press, 1'&.
Dlir, >. :., (ed.#, Applied ,eneral Systems Research' Recent Deelopments and Trends. ,e2 3or4,
Plenum, 1'".
Dno4e, @a8id and 5ogers, @a8id ). A bloc4model analysis o+ interorganiKational relations.
Sociology and Social Research, !(, (1'# 2"-92.
Dno4e, @a8id and 5onald S. 1urt Prominence, 6%a/ter 1$ in 1urt and Minor (eds.# Applied
net2or1 analysis6 A methodological introduction. 1e8erly .ills= Sage, 1"&.
Dno4e, @. and :. .. Du4lins4i $et2or1 analysis. 1e8erly .ills= Sage, 1"1.
Do%n, Mel8in ). (ed# *ross:national research in sociology. ,e2bury Par4H)ondonH,e2 @el%i= Sage
Publications, 1".
Dorm, I., *onceptos y ariables en la inestigaci5n social, 1uenos Aires, ,ue8a FisiOn, 1!
Dosa4a, D. Models of images of stratification. Research report. Department of Sociology. <sa4a,
:a/an= St. Andre2Ms 7ni8ersity, 1"(.
Drac4%ardt, @. A social net2or1 analysis of the effects of employee turnoer6 A longitudinal fiels
study. P%.@. @issertation, 7ni8ersity o+ 6ali+ornia, Ir8ine, 1"(.
Drac4%ardt, @a8id ,raph theoretical dimensions of informal organi4ations. *as%ington, @.6.
/resented at t%e Academy o+ Management meetings, 1".
Draus, S. ; @. )e%mann, Dno2ledge AcLuisition in ,egotiation >ames. In= >eyer (ed.# The
*ybernetics of *omple( Systems' Self:)rganisation" 3olution" and Social *hange.
Salinas, 6A., Intersystems Publications, 11, 1!&-1'2.
DrausK, Arnest Sociology in 9ritain. A surey of research. )ondon= 1ats+ord )imited, 1!.
Drec4el, 5ein%ard Sociology in east german uni8ersities= decom/osition and reconstruction.
So4iologie, S/ecial Adition &, (1(# s. 2($ ++.
Dressley, D. M., Societal 6losure and International Mass 6ommunications= 0esting t%e @eutsc%
.y/ot%esis. 7ournal of Politics &(2#, (1''# (!(-('1.
Dri/4e, Saul <utline o+ a t%eory o+ trut%. The 7ournal of Philosophy, '2, (1'9# !$-'1!.
Dri//endor++, D. (ed.#, *ommunication and *ontrol in Society. ,e2 3or4, >ordon and 1reac%, 1'.
Dri//endor++, D., 5econstructing (some# 6ommunication 5esearc% Met%ods. In= Steier, Research
and Refle(iity. )ondon, Sage, 11, 119-1(2.
Dri//endor+, D., A second-order cybernetics o+ ot%erness. Systems Research 1&(&#, (1!# &11-&2".
220
Dris%nan, P. Ad. Mathematical Models of Sociology. Sociol. Re. Monograph ;<. Sta++ords%ire=
Angland, Deele 7ni8. Press, 1''.
Drus4al, :ose/% 1. and *is%, Myron Multidimensional Scaling. 1e8erly .ills= Sage, 1'".
Drus4al, *illiam (ed.# Mathematical sciences and social sciences. Angle2ood 6li++s= Prentice .all,
1'$.
Du%n, A., Gnified Social Science6 A System:based %ntroduction. .ome2ood Ill, 0%e @orsey-Press,
1'9.
Du%n, A., The Logic of Social Systems. San Irancisco, :ossey-1ass, 1'!.
Du%n, 0.S., La estructura de las reoluciones cient!ficas, MJEico, I.6.A., 1'9
Du%n, 0.S., Segundos pensamientos sobre paradigmas, Madrid, 0ecnos, 1'"
Du/er, Adam y Du/er, :. The social science enciclopedia. 5outledge, )ondon, 1!.
D2a4ernaa4, .., Stoc%astic System and 6ontrol 0%eory. In= 1ossel et al., Systems Theory in the
Social Sciences. 1ir4%Quser Ferlag, 1asel ; Stuttgart, 1'!, 2(-99.
)ac%enmeyer, 6.*., 3l lenguaEe de la sociolog!a, 1arcelona, )abor, 1'!
)ambert, 5ic%ard @. W1lurring t%e @isci/linary 1oundaries= Area Studies in t%e 7nited StatesW, en
Aaston, @. y Sc%elling, 6.S. (com/iladores#, Diided Kno2ledge Across Disciplines and
Across *ultures. ,e2bury Par4, 6ali+ornia, Sage, 11.
)amo de As/inosa, A. 7uicios de alor y ciencia social' una cr!tica interna del aalorismo, Falencia,
Iernando 0orres, 1'9
)amo de As/inosa, A. La sociedad refle(ia" Madrid, 6IS, 1$.
)and, D.6. Mat%ematical +ormaliKation o+ @ur4%eimMs t%eory o+ di8ision o+ labor. In A. 1orgatta
and >. 1o%rnstedt (eds.#, Sociologicas Methodology. San Irancisco= :ossey-1ass, 1'$.
)and, D. 6. Some eE%austible Poisson /rocess models o+ di8orce by marriage co%ort. 7. Math.
Sociol., 1, (1'1# 21&-&2.
)and, D.6. 6om/arati8e statics in sociology= including a mat%ematical t%eory o+ gro2%t and
di++erentiation ir organiKations. An 1laloc4, ..M. et al Duantitatie Sociology"
%nternational Perspecties on Mathematical and Statistical Modeling. ,e2 3or4=
Academic, 1'9.
)and, Dennet% 6. (ed.#- 5ogers, Andrei (ed.# Multidimensional mathematical demography. ,e2
3or4= Academic Press, 1"2.
)and, D.6., S/ilerman, S., (eds.# Social %ndicator Models, ,e2 3or4= 5ussell Sage, 1'9.
)andau, ..>. <n dominance relations and t%e structure o+ animal societies= 1. A++ect o+ in%erent
c%aracteristics. 9ull. Math. 9iophys., 1&, (191# 1-1.
)angman, )., @i++erentiation, @e8elo/ment and MobiliKation= a Systems Fie2 o+ MeEicoBs 5ural
Political Aconomy. In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A
Systems Approach to the Problems of Me(ico and )ther Deeloping *ountries. <E+ord,
Pergamon, 1"2, 119-1&(.
)angman, )., Iamily and social systems= A cybernetic a//roac%. Kybernetes 1& (&#, (1"(# 1"9-
1&.
)angman, )., 0%e +amily= a BsociocyberneticB a//roac% to t%eory and /olicy. In= >eyer ; Fan der
Gou2en, Sociocybernetic Parado(es' )bseration" *ontrol" and 3olution of Self:
steering Systems. )ondon, Sage, 1"!, 2!-(&.
)an4+ord, P%ili/ M. 6om/arati8e analysis on cliLue identi+ication met%ods. Sociometry, &', (1'(#
2"'-&$9.
)a/once, :ean WPolitical Science= an Im/ort-AE/ort Analysis o+ :ournals and IootnotesW, Political
Studies, &, (1"$# /Cgs. ($1-(1.
221
)asKlo, A., 7ses and limitations o+ t%e cybernetic modeling o+ social systems. In= Dri//endor++,
*ommunication and *ontrol in Society. ,e2 3or4, >ordon and 1reac%, 1', 2(-2!$.
)asKlo, A., 6ybernetics in an e8ol8ing social system. Kybernetes 1&(&#, (1"(# 1(1-1(9.
)asKlo, A., Systems and societies= t%e basic cybernetics o+ social e8olution. In= >eyer ; Fan der
Gou2en, Sociocybernetic Parado(es' )bseration" *ontrol" and 3olution of Self:
steering Systems. )ondon, Sage, 1"!, 1(9-1'1.
)asKlo, A- )asKlo, A 0%e contribution o+ t%e systems sciences to t%e %umanities. Systems Research
and 9ehaioral Science. Fol. 1(, ,o. 1, (1!# Pg. 9-1.
)a8e, 6.A., Marc%, :.>. An introduction to Models in the Social Sciences. ,e2 3or4= Iree Pres, 1'9.
)aumann, Ad2ard <. 9onds of Pluralism6 The Form and Substance of Grban Social $et2or1s. ,e2
3or4= *iley, 1'&.
)aumann, Ad2ard <. ,et2or4 analysis in large social systems= Some t%eoretical and met%odological
/roblems. In Paul *. .olland and Samuel )ein%ardt (eds.#, Perspecties on Social
$et2or1 Research. ,e2 3or4= Academic Press, 1', //. &'-(2&.
)aumann, Ad2ard <. and Marsden, Peter F. 0%e analysis o+ o//ositonal structures in /olitical elites=
Identi+ying collecti8e actors. American Sociological Reie2, ((, (1'# '1&-'&2.
)aumann, Ad2ard <. and Peter F. Marsden Microstructural analysis in interorganiKational systems.
Social $et2or1s, (, (1"2# &2-(".
)aumann, Ad2ard <., Peter F. Marsden, and :ose/% >alas4ie2icK 6ommunity-elite In+luence
Structures= AEtension and 5e/lication o+ a ,et2or4 A//roac%. American 7ournal of
Sociology, "&, (1''# 9(-!&1.
)aumann, Ad2ard <., Peter F. Marsden and @a8id Prens4y 0%e boundary s/eci+ication /roblem in
net2or4 analysis, in 1urt and Minor (eds.# Applied net2or1 analysis6 A methodological
introduction. 1e8erly .ills= Sage, 1"&, //. 1"-&(.
)aumann, Ad2ard <. and Pa//i, IranK 7. $et2or1s of *ollectie Action. ,e2 3or4= Academic Press,
1'!.
)aumann, Ad2ard <., et al. The Social )rgani4ation of Se(uality6 Se(ual Practices in the Gnited
States. 6%icago= 7ni8ersity o+ 6%icago Press, 1(.
)aKars+eld, P.I., ed. Mathematical Thin1ing in the Social Sciences. ,e2 3or4= Iree Press, 19(.
)aKars+eld P.I. A conce/tual introduction to latent Structure Analysis, en )aKars+eld (ed.#
Mathematical thin1ing in the social sciences. ,e2 3or4. Iree Press, 19(.
)aKars+eld, P.I., .enry, ,.*. Latent Structure Analysis. 1oston= .oug%ton Mi++lin, 1!".
)aKars+eld P.I. y .enry ,.*. Readings in mathematical social science. 6ambridge, Mass= MI0 Press,
1!".
)aKars+eld, Paul I. and MenKel, .erbert <n t%e relation bet2een indi8idual and collecti8e
/ro/erties. In Amitai AtKioni and Ad2ard *. )e%man (eds.#, A Sociological reader on
*omple( )rgani4ations, 0%ird Adition. ,e2 3or4= .olt, 5ine%art and *inston, 1"$, //.
9$"-921.
)aKars+eld, P.I. and 5osenberg, M. (eds.# The Language of Social Research. ,e2 3or4= 0%e Iree
Press, 199.
)aKars+eld, Paul I. (ed.#- Se2ell, *illiam .. (ed.#- *ilens4y, .arold ). (ed.# The uses of sociology.
,e2 3or4= 1asic 1oo4s, 1!'.
)aKars+eld, P.I. - Pasanella, A.D. - 5osenberg, M., *ontinuities in the language of social research,
,e2 3or4, Iree Prees, 1'2
)aKars+eld, P.I. - 5eitK, :.>., An introduction to applied sociology, ,e2 3or4, Alse8ier, 1'9
)ee, D.*., A study o+ t%e brea4do2n o+ t%e state socialist system= a systems a//roac%. Systems
Research and 9ehaioral Science 1((!#, (1'# &&-&".
222
)ee, 5aymond M. Problems in +ield researc%. Teaching Sociology, 8ol. 19, no. 2, (1"'# s. 191.
)ee, *. Decision Theory and @uman 9ehaior. ,e2 3or4= *iley, 1'1.
)e%man, I.D. and *itK, D. Prolegonema to a +ormal t%eory o+ 4ins%i/. I, P. 1alano++ (ed.#,
,enealogical Mathematics. Paris= Mouton, 1'(.
)e%mann, A.)., Testing statistical hypotheses, ,e2 3or4, *iley, 19
)ei4, 5obert D. Methods" logic and research of sociology. ,e2 3or4= 1obbs-Merrill, 1'2.
)ei4, 5obert D., Mee4er,1.I. >ra/%s, matrices, and structural balance, in )ei4 and Mee4er,
Mathematical Sociology. Angle2ood 6li++s= Prentice-.all, 1'9, //. 9&-'&.
)ei4, 5.D., Mee4er, 1.I. Mathematical Sociology. Angle2ood 6li++s, ,:= Prentice .all, 1'9.
)ein%ardt, Samuel (ed.# Social net2or1s6 A deeloping paradigm. ,e2 3or4= Academic Press, 1''.
)emaine, >.- Macleod, 5.- Mul4ay, M., y *eigast, P. (com/iladores# Perspecties on the 3mergence
of Scientific Disciplines, Paris= Mouton, 1'!.
)ens4i, >er%ard A. American social classes= Statistical strata or social grou/sT American 7ournal of
Sociology, 9", (192# 1&-1((.
)enKer, >. (ed.# Auguste *omte and Positiism6 The 3ssential Critings. ,e2 3or4= .ar/er and 5o2,
1'9.
)eonard, A., Modelling 5es/onse to 6atastro/%e 7sing 1eerBs FSM= Fiability +or A++ecti8e Action.
Kybernetes 22(!#, (1&# ''-$.
)eontie+, *. %nput:)utput 3conomics. ,e2 3or4, ,3= <E+ord 7ni8ersity Press, 1!!.
)erner, @aniel, (ed.# Duantity and Duality" @ayden *ollo&uium on Scientific Method and *oncept.
0%e Iree Press, >lencoe, Illinois, 1!1.
)erner, @aniel and )ass2ell, .arold @. (eds# The Policy Sciences" Recent Deelopments en Scope
and Method. Stan+ord 7ni8ersity Press, 191.
)e8ine, :oel .. 0%e s/%ere o+ in+luence. American Sociological Reie2, &', (1'2# 1(-2'.
)e8ine, :oel .. and :o%n S/adaro <ccu/ational mobility= A structural model, in *ellman and
1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge
7ni8ersity Press, 1"", //. (92-('!.
)e8i-Strauss, c. 0%e mat%ematics o+ man. %nternational Social Science 9ulletin, !, (19(# 9"1-9$.
)e2in, D., Ieedbac4 Problems o+ Social @iagnosis and Action. In= 1uc4ley, Modern Systems
Research for the 9ehaioral Scientist6 A Sourceboo1. 6%icago, Aldine, 1!", ((1-(((.
)idK, F. 0rans+ormational t%eory and t%e internal en8iroment o+ action systems. In D. Dnorr-6etina
and A.F. 6icourel (eds.#, Adances in Social Theory and Methodology6 To2ard an
%ntegration of Micro: and Macro:sociologies. 1"1.
)ig%t, @onald and Deller, SuKanne Sociology. 0%ird Adition. ,e2 3or4= Dno/+, 1"2.
)ilien+eld, 5. ,The Rise of Systems Theory' An %deological Analysis. ,e2 3or4, *iley, 1'" (es/. c%.
' WSystems 0%in4ing in t%e Social SciencesW, 1!-22(#.
)ilien+eld, 5., Teor!a de los sistemas. )r!genes y aplicaciones a las ciencias sociales, MJEico, 0rillas,
1"(
)in, ,an, Ansel, *alter M. and Faug%n, :o%n 6. Social resources and strengt% o+ ties= Structural
+actors in occu/ational status attainment. American Sociological Reie2, (!, (1"1# &&-
($9.
)ind, :.@. 0%e organiKation o+ coercion in %istory= A rationalist-e8olutionary t%eory. In 5. 6ollins
(ed.#, Sociological Theory. San Irancisco= :ossey-1ass, 1"&.
)indenberg, Sieg2art Marginal utility and restraints on gain maEimiKation= 0%e discrimination model
o+ rational, re/etiti8e c%oice. 7ournal of Mathematical Sociology, ', (1"$# 2"-&1!.
223
)indenberg, Sieg2art S%aring grou/s= 0%eory and suggested a//lications. 7ournal of Mathematical
Sociology, , (1"2# &&-!2.
)i//, *., Auto/oiesis biologisc%, Auto/oiesis soKiologisc%. *o%in +S%rt )u%mannBs Paradigma
*ec%selT KKlner Aeitschrift fBr So4iologie und So4ialpsychologie, &, (1"'# (92-('$.
)i//ett, 5onald, WDurt )e2inW, en %nternational 3ncyclopedia of the Social Sciences, , 1!", /Cgs.
2!!-2'1.
)odge, M., Magnitude scaling6 &uantitatie measurement of opinions, 1e8erly .ills, Sage, 1"2
)oet%er, ..:. - Mc 0a8is%, @.>., %nferential statistics for sociologist, 1oston, Allyn and 1acon, 1'(
)orrain, Irancoise and .arrison 6. *%ite. 0%e structural eLui8alence o+ indi8iduals in social
net2or4s. 7ournal of Mathematical Sociology, 1, (1'1# (-"$.
)ot4a, A.:. Th#orie analyti&ue des associations biologi&ues. 8ols. -" ;. Paris= .erman, 1&(;1&.
)ot4a, Al+red 3lements of Mathematical 9iology. ,e2 3or4= @o8er, 19!.
)oubser, :. et al. (eds.# 3(plorations in ,eneral Theory in Social Science. ,e2 3or4= Iree Press,
1'!.
)uce, 5.@. 6onnecti8ity and generaliKed cliLues in sociometric grou/ structure. Psychometri1a, 19,
(19$# 1!-1$.
)uce, 5.@., Perry, A.@. A met%od o+ matriE analysis o+ grou/ structure. Psychometri1a, 1(, (1(#
9-11!.
)uce, 5. @uncan and 5ai++a, .o2ard ,ames and Decisions. ,e2 3or4= *iley and Sons, 19'.
)uce 5@, 1us% 55 y >alanter A. (eds.# @andboo1 of mathematical psychology. & 8ol. ,e2 3or4.
*iley, 1!&.
)uce 5@, 1us% 55 y >alanter A. (eds.# Reading in mathematical psychology. 2 8ol. ,e2 3or4.
*iley, 1!&.
)uc%ins, Abra%am S., )uc%ins, Adit% .., Logical Foundations of Mathematics for 9ehaioral
Scientists. .olt, 5ine%art and *inston, ,e2 3or4, 1!9.
)uc4mann,0. (ed.# Phenomenology and Sociology. )ondon and ,e2 3or4= Penguin 1oo4s, 1'".
)u%mann, ,., SoKiologie als 0%eorie soKialer Systeme. KKlner Aeitschrift fBr So4iologie und
So4ialpsychologie, 2, (1!'# !19-!((.
)u%mann, ,., Ain+ac%e SoKialsysteme. Aeitschrift fBr So4iologie 1(1#, (1'2# 91-!9.
)u%mann, ,., Systemt%eorie, A8olutionst%eorie und Dommuni4ationst%eorie. Sociologische ,ids &,
(1'9# 19(-1!"
)u%mann, ,., 0em/oraliKation o+ com/leEity. In= >eyer ; Fan der Gou2en, Sociocybernetics' an
actor:oriented social systems approach. )eiden, ,i?%o++, 1'", Fol. 2, 9-111.
)u%mann, ,., The Differentiation of Society. ,e2 3or4, 6olumbia 7ni8ersity Press, 1"2a.
)u%mann, ,., 0%e *orld Society as a Social System. %nternational 7ournal of ,eneral Systems ",
(1"2b# 1&1-1&"-
)u%mann, ,i4las, So4iale Systeme' ,rundriW einer allgemeinen Theorie. Iran4+urt am Main,
Su%r4am/, 1"(.
)u%mann, ,., Society, Meaning, 5eligion - 1ased on Sel+-5e+erence. Sociological Analysis (!,
(1"9# 9-2$.
)u%mann, ,., 0%e auto/oiesis o+ social systems. In= >eyer ; Fan der Gou2en, Sociocybernetic
Parado(es' )bseration" *ontrol" and 3olution of Self:steering Systems. )ondon, Sage,
1"!, 1'2-12.
)u%mann, ,i4las 0%e re/resentation o+ society 2it%in society. *urrent Sociology, 8ol. &9, no. 2,
(1"'# s. 1$1.
)u%mann, ,., Die Cissenschaft der ,esellschaft. Iran4+urt, Su%r4am/, 12.
224
)u%mann, ,., Members%i/ and moti8es in social systems. Systems Research 1&(&#, (1!# &(1-&(".
)u%mann, ,., 0%e control o+ intrans/arency. Systems Research and 9ehaioral Science 1((!#,
(1'# &9-&'1.
)Ssc%en, >Snt%er 29 years o+ german sociology a+ter 2orld 2ar II= InstitutionaliKation and 0%eory.
So4iologie, S/ecial Adition &, (1(# s. 11 ++.
Mac I8er, 5.M., *ausaci5n social, MJEico, I.6.A., 1(
Mc @o2all - <tros, %nterrumped time series analysis, 1e8erly .ills, Sage, 1"$
Madge, :., The origins of scientific sociology, ,e2 3or4, Iree Press, 1!!
Madge, :., M#todos de inestigaci5n sociol5gica, 1uenos Aires, Paidos, 1!
Ma4aro8, F.). and 5ubino8, A.M. Mathematical Theory of 3conomic Dynamics and 3&uilibria. ,e2
3or4, ,3= S/ringer-Ferlag, 1''.
Ma4i, @aniel P. and 0%om/son, Maynard Mathematical Models and Applications 2ith 3mphasis on
the Social" Life" and Management Sciences. Angle2ood 6li++s, ,:= Prentice .all, 1'&.
Mandel, M.:. Roles and net2or1s6 A local approach. A.9. @onors Thesis. 6ambridge, MA=
@e/artment o+ A//lied Mat%ematics, .ar8ard 6ollege, 1'".
Mandel, Mic%ael :. )ocal roles and social net2or4s. American Sociological Reie2, (", (1"&#
&'!-&"!.
Mandel, M.:. and *ins%i/, 6. Roles" positions and net2or1s. Pa/er /resented at t%e American
Sociological Association Meetings, 1oston, MA, 1'.
Mandersc%eid, 5. *., Mental %ealt% ser8ice deli8ery systems in t%e 7nited States. Kybernetes, 1&
(&#, (1"(# 19-1", also in >eyer ; Fan der Gou2en, Sociocybernetic Parado(es'
)bseration" *ontrol" and 3olution of Self:steering Systems. )ondon, Sage, 1"!, ((-
9(.
Mann, M. Sociology. )ondon, Macmillan, 1"&.
Mann, P., M#todos de inestigaci5n sociol5gica, Madrid, A. del 0oro, 1!
Marc%, :ames >. And <lsen, :o%an P. Ambiguity and *hoice in )rgani4ations. 1ergen, ,or2ay=
7ni8ersitets+orlaget, 1'!.
Marsden, Peter F. Models and met%ods +or c%aracteriKing t%e structural /arametres o+ grou/s.
Social $et2or1s, &, (1"1# 1-2'.
Marsden, Peter F. 1ro4erage be%a8ior in restricted eEc%ange net2or4s. In Peter F. Marsden and
,an )in (eds.#, Social Structure and $et2or1 Analysis. 1e8erly .ills= Sage, 1"2, //.
2$1-21".
Marsden, Peter 5estricted access in net2or4s and models o+ /o2er. American 7ournal of Sociology,
"", (1"&# !"!-'1!.
Marsden, Peter F. Met%ods +or t%e c%aracteriKation o+ role structures in net2or4 analyses.
Iort%coming in )inton 6. Ireeman, A. Dimball 5omney and @ouglas 5. *%ite (eds.#,
Research Methods in Social $et2or1s Analysis. 6%icago= ,elson-.all, 1"(.
Marsden, Peter F. and 6am/bell, Daren A. Measuring tie strengt%. Social Forces, !&= +ort%coming,
(1"(#.
Marsden, Peter F. and )aumann, Ad2ard <. 0%e social structure o+ religious grou/s= A re/lication
and met%odological critiLue. In Samuel S%ye (ed.#, Theory *onstruction and Data
Analysis in the 9ehaioral Sciences. San Irancisco= :ossey-1ass, 1'", //. "1-111.
Marsden, Peter and ,an )in (eds.# Social structure and net2or1 analysis. 1e8erly .ills= Sage, 1"2.
Mars%, 5obert M. *omparatie sociology. A codification of cross:societal analysis. ,e2 3or4=
.arcourt, 1race ; *orld, 1!'.
225
Martel, M.7. Academentia PraecoE= 0%e aims, merits, and sco/e o+ ParsonsM multisystemic language
rebellion (19"-1!"#. In ..0ur4 and 5.). Sim/son (eds.#, %nstitutions and Social
3(change. Indiana/olis and ,e2 3or4= 1obbs-Merrill, 1'1.
Martel, M.7. and .ayes, A.6. Some ne2 directions +or action t%eory. Sociological %n&uiry, (,
(1'# ''-"2.
Martindale, @. )imits to t%e uses o+ mat%ematics in t%e study o+ sociology, en 6%arles2ort% :.6.
(ed# Mathematics and the social sciences. P%iladel/%ia= American academy o+ Political
and Social Sciences, 1!&.
Mar2ell, >erald, Pamela <li8er, and 5al/% Pra%l Social ,et2or4s and 6ollecti8e Action= A 0%eory
o+ t%e 6ritical Mass. III. American 7ournal of Sociology. (, (1""# 9$2-&(.
MarE, Darl 0%eses on Ieuerbac%. In The ,erman %deology (tr. Pascal#. ,e2 3or4= International
Publis%ers, 1'$ [1"(!\.
MarE, Darl ,rundrisse (tr. M. ,icolaus#. ,e2 3or4= Fintage 1oo4s, 1'& [1"9'\.
Masani, P.5, 0%e 6ybernetics o+ )abor. In= >eyer, The *ybernetics of *omple( Systems' Self:
)rganisation" 3olution" and Social *hange. Salinas, 6A., Intersystems Publications,
11, 1$&-11$.
Masani, P.5., .omo /eccator in /ublic administration. Kybernetes 2!(2H&#, (1'# &&(-&!!.
Massari4 5. Magic, models, man and t%e cultures o+ mat%ematics. In I. Massari4 and P. 5atoos%
(eds.#, Mathematical 3(plorations in 9ehaioral Science. .ome2ood, Ill.= 5.@. Ir2in and
@orsey Press, 1!9.
Massari4 I. y 5atoos% P. (eds.# Mathematical e(plorations in behaioral science. .ome2ood, Ill=
Ir2in-@orsey, 1!9.
Masuc%, M., Steering societiesT Kybernetes 1&(&#, (1"(# 1&&-1&.
Masuc%, M., 0%e /lanning /aradoE. In= >eyer ; 8an der Gou2en, Sociocybernetic Parado(es'
)bseration" *ontrol" and 3olution of Self:steering Systems. )ondon, Sage, 1"!, "-
.
Matalon 1. Mat%ematiLues et causalite en sociologie. Reue Francaise de sociologie. Foll 8iii.
(1!'# &!'-($2.
Mattesic%, 5., %nstrumental Reasoning and Systems Methodology' An 3pistemology of the Applied
and Social Sciences. @ordrec%t, 5eidel, 1'".
Mattesic%, 5., 0%e Systems A//roac%= Its Fariety o+ As/ects. 7ournal of the American Society for
%nformation Science, (1"2# &&-&(
Maturana, .., Man and society. In= I. 1enseler et al. (eds.#, Autopoiesis" *ommunication" and
Society. The Theory of Autopoietic System in the Social Sciences. Iran4+urt ; ,e2 3or4,
6am/us Ferlag, 1"$.
Mayer 0. Mat%ematical sociology= Some educational and organiKational /roblems o+ an emergent
Sub-disci/line. %nternational 7ournal of Math. 3duc. %n Sci. and Tech., 2, (1'1# 21'-
2&2.
Mayer, 0.I. Models o+ in tragenerational mobility. See 1erger, Geldit%c ; Anderson Sociological
Theories in Progress" 8ol. ;. 1oston= .oug%ton Mi++lin, 1'2.
Mayer, 0.I. Mathematical Models of ,roup Structure. Indiana/olis= 1obbs Merrill, 1'9.
Mayer, 0%omas I. Parties and net2or4s= Stoc%astic models +or relations%i/ net2or4s. 7ournal of
Mathematical Sociology, 1$, (1"(# 91-1$&.
May%e2, 1... System siKe and ruling elites. Am. Sociol. Re., &", (1'&# (!"-'9.
May%e2, 1... 1aseline models o+ sociological /%enomena. 7ournal of Mathematical Sociology, ,
(1"(# 29-2"1.
May%e2, 1..., )e8inger, 5.). <n t%e emergence o+ oligarc%y in %uman interaction. Am. 7. Sociol.,
"1, (1'!# 1$1'-(.
226
May%e2, )... Introduction. In )... May%e2 (ed.#, Talcott Parsons on %nstitutions and Social
3olution. 6%icago= 7ni8ersity o+ 6%icago Press, 1"2.
Maynard, @ouglas *. and *ilson, 0%omas P. <n t%e rei+ication o+ social structure, in Scott >.
Mc,all and >ary ,. .o2e (eds.#, *urrent Perspecties in Social Theory" 8ol. -.
>reen2ic%, 60= :AI Press, 1"$, //. 2"'-&22.
MayntK, 5., An2endung der Dyberneti4 in der SoKiologie. In= .. Iran4 (ed.#, Kybernetische
Machinen, Iran4+urt, 1!(, &'-&"9.
MaKur, M., 6ybernetic t%eorems on +eedbac4 in social /rocesses. In= >eyer ; Fan der Gou2en,
Sociocybernetics' an actor:oriented social systems approach. )eiden, ,i?%o++, 1'", Fol.
2, 2-&.
Mc6allister, )ynne and 6laude S. Iisc%er A /rocedure +or sur8eying /ersonal net2or4s, in 1urt and
Minor (eds.# Applied net2or1 analysis6 A methodological introduction. 1e8erly .ills=
Sage, 1"&, //. '9-"".
McIarland, @.@. Intragenerational social mobility as a Mar4o8 Process= including a time-stationary
Mar4o8ian model t%at eE/lains obser8ed declines in mobility rates o8er time. Am.
Sociol. Re., &9, (1'$# (!&-'9.
McIarland, @.@. $otes on the history of mathemati4ation in sociology' antecedentes
institutionali4ation and gro2th. Presented at t%e Aig%t% *orld 6ongr. Int. Sociol. Assoc.,
0oronto. August, 1'(, Mimeogra/%ed.
McIarland, @a8id @. and 1ro2n, @aniel Social distance as a metric= A systematic introduction to
smallest sa/ce analysis. In Ad2ard <. )aumann, 9onds of Pluralism. ,e2 3or4= *iley
Interscience, 1'&, //. 21&-29&.
Mc>innis, 5. A stoc%astic model o+ mobility. Am. Sociol. Re., &&, (1!"# '12-21.
McP%ee, *.,. Formal theories of mass behaior. >lencoe= Illinois, Iree Press, 1!&.
Mead, Margaret WAnt%ro/ology Among t%e ScienesW, American Anthropologist, !&(&#, (1!1# /Cgs.
('9-("2.
Mee%an, A. :. 3(planation in Social Science' A System Paradigm. .ome2ood, Ill., @orsey Press,
1!".
Mee4er, 1. I. @ecisions and eEc%ange. American Sociological Reie2, &!, (1'1# ("9-(9.
Me%an, .ug% 1. and *ood, .. )a2rence The Reality of 3thnomethodology. ,e2 3or4= *iley, 1'9.
Medina Ac%a8arrVa, :. La sociolog!a como ciencia social concreta" Madrid, Adiciones 6ultura
.is/Cnica, 1"$.
Medina, A. *onocimiento y sociolog!a de la ciencia" Madrid, 6IS, 1".
MenKies, D., Sociological theory in use, )ondres, 5outledge and Degan, 1"2
Merelman, 5ic%ard M. W<n Social Psyc%ological .andy *or4= An Inter/retati8e 5e8ie2 o+ t%e
.andboo4 o+ Social Psyc%ologyW, American Political Science Reie2, )UIUI, &, (1''#
/Cgs. 11$-112$.
Merton, 5obert D. Social Theory and Social Structure. ,e2 3or4= Iree Press, 19'.
Merton, 5obert D. )n theoretical sociology. Fie essays" old and ne2. ,e2 3or4= 0%e Iree Press,
1!'.
Merton, 5obert D. The sociology of science. Theoretical and empirical inestigations. 6%icago,
)ondon= 7ni8ersity o+ 6%icago Press, 1'&.
Merton, 5obert D. (ed#- >aston, :erry (ed# The sociology of science in 3urope. )ondon, Amsterdam=
Ie++er ; Simons, 1''.
Merton, 5obert D. (ed.#- 1room, )eonard (ed.#- 6ottrell, )eonard S. (ed.# Sociology today. ,e2 3or4=
1asic 1oo4s, 19.
227
Mesaro8ic, M. @. ; A. 5eisman (eds.#, Systems Approach and the *ity. Amsterdam, ,ort%-.olland,
1'2.
Messic4, @a8id M., ed. Mathematical Thin1ing in 9ehaioral Sciences. ,e2 3or4, ,3= *...
Ireeman. 5eadings +rom Scienti+ic American, 1!".
Midttun, A., ,eoclassical mar4ets, Deynesian macroeconomics and negotiated /olitical economy as
transaction and go8ernance systems= limits to clean models in a messy 2orld. In= >eyer
; Fan der Gou2en, Self:Referencing in Social Systems. Salinas 6A., Intersystems, 1$,
1'9-1'.
Mill, :. S. A System of Logic. )ondon= )ongmans, >reen and 6o., 1!' [1"(&\.
Miller, :.>. - Aditor, 3(periments in social process, ,e2 3or4, Mc >ra2 .ill, 19$
Miller, P.M. - *ilson, M.A., Dictionary of social science methods, 6%ic%ester, *iley, 1"&
Miller, >.A., >alanter, A. and Pibram, D... Plans and the Structure of 9ehaior. ,e2 3or4= .olt,
1!$.
Miller, :. >., 0%e ,ature o+ )i8ing Systems. 9ehaioral Science 21(9#, (1'!# 29-&1.
Miller, :. >., )i8ing Systems= 0%e Su/ranational System. 9ehaioral Science 21, (9#, (1'!a# &2$-
(!".
Miller, :.>., 6an systems t%eory generate testable %y/ot%esesT Irom 0alcott Parsons to )i8ing
Systems 0%eory. Systems Research &(2#, (1"!# '&-"(.
Milling, P.M., Ruality Management in a @ynamic An8ironment. In= >eyer (ed.# The *ybernetics of
*omple( Systems' Self:)rganisation" 3olution" and Social *hange. Salinas, 6A.,
Intersystems Publications, 11, 129-1&!.
Mills, 6.*., La imaginaci5n sociol5gica, MJEico, I.6.A., 1!
Mingers, :., A com/arison o+ MaturanaBs auto/oietic social t%eory and >iddensB t%eory o+
structuration. Systems Research 1&((#, (1!# (!-("2.
Minor, Mic%ael :. Panel data on ego net2or4s= A longitudinal study o+ +ormer %eroin addicts,
c%a/ter ( in 1urt and Minor (eds.# Applied net2or1 analysis6 A methodological
introduction. 1e8erly .ills= Sage, 1"&.
Minor, Mic%ael :. ,e2 directions in multi/leEity analysis, 6%a/ter 11 in 1urt and Minor (Ads.#
Applied net2or1 analysis6 A methodological introduction. 1e8erly .ills= Sage, 1"&.
Mins4y,M. A +rame2or4 +or re/resenting 4no2ledge. In P. *inston (ed.#, The Psychology of
*omputer 8ision. ,e2 3or4= Mc>ra2-.ill, 1'9, //. 21-2''.
MintK, 1et% and Mic%ael Sc%2artK Interloc4ing directorates and interest grou/ +ormation. American
Sociological Reie2, (!, (1"1# "91-!.
MintK, 1et% and Mic%ael Sc%2artK The po2er structure of American business. 6%icago= 7ni8ersity o+
6%icago Press, 1"9.
Mir4in, 1oris >. ,roup *hoice Siler Spring. M@= F... *inston, 1'.
Mis%e8a, F. Systems inter/retation o+ t%e conce/t o+ alienation. Kybernetes 2! (!H'#, (1'# "$1-
"19.
Mitc%ell, 6lyde Social net2or1s in urban situations6 Analyses of personal relationships in central
African to2ns. Manc%ester= Manc%ester 7ni8ersity Press, 1!.
Mitc%ell, :. 6lyde 0%e conce/t and use o+ social net2or4s. In :. 6lyde Mitc%ell (ed.#, Social
$et2or1s in Grban Situations. Manc%ester, 7.D.= Manc%ester 7ni8ersity Press, 1!, //.
1-9$.
MiKruc%i, Mar4 S. Similarity o+ Political 1e%a8ior among American 6or/orations. American
7ournal of Sociology, 9, (1"# ($1-2(.
228
MiKruc%i, Mar4 S., Peter Mariolis, Mic%ael Sc%2artK, and 1et% MintK 0ec%niLues +or disaggregating
centrality scores in social net2or4s, in ,ancy 0uma (ed.# Sociological Methodology. San
Irancisco= :ossey-1ass, 1"!, //. 2!-(".
Moc%ty, ).:., 0%eoretical and Am/irical Analysis o+ Monitoring Systems as A//lied to 5outine
1usiness Acti8ities. In= >eyer (ed.# The *ybernetics of *omple( Systems' Self:
)rganisation" 3olution" and Social *hange. Salinas, 6A., Intersystems Publications,
11, 1&'-1('.
Mo44en, 5.:. 6liLues, clubs and clans. Methoden en Data $ieu2sbrief, 2, (1''# &(-91.
Monane, :. .., A Sociology of @uman Systems. ,e2 3or4, A//leton-6entury-6ro+ts, 1!'.
Montague, 5. Formal Philosophy. ,e2 .a8en= 3ale 7ni8ersity Press, 1'(.
Moore, 5.*., %ntroduction to the use of computer pac1age for statistical analysis, Angle2ood 6li++s,
Prentice .alls, 1'"
Mora, M., Medici5n y construcci5n de indices, 1uenos Aires, ,ue8a FisiOn, 1'1
Morgan, @. and 5ytina, S. 6omment on ,et2or4 sam/ling= Some +irst ste/s by Mar4
>rano8etter. American 7ournal of Sociology, "&, (1''# '22-'2.
Morgan, >., 5et%in4ing 6or/orate Strategy= A 6ybernetic Pers/ecti8e. @uman Relations &!((#,
(1"&# &(9-&!$.
Mosteller, I. - 0u4ey :.*., Data analysis and regression, 5eading, Addison-*esley, 1''
Mosterin, :., *onceptos y teor!as en la ciencia, Madrid, AlianKa, 1"(
MSller, >eorg Prestige as a c%allenge to t%e /ro+it maEimiKer. A mat%ematical model o+ status
dynamics. Ange2andte So4ialforschung, ?g. 2$, 1!H1', nr. 1H2, (1!# s. 1 ++.
MSller, ,., Systems t%eories in t%e social sciences. In= 1ossel et al., Systems Theory in the Social
Sciences. 1ir4%Quser Ferlag, 1asel ; Stuttgart, 1'!, -21.
MSller, ,., Problems o+ /lanning connected 2it% t%e as/ect o+ re+leEi8ity o+ social /rocesses.
Duality and Duantity 1$, (1'!b# 1'-&".
MSller-1enedict (1'#, 1edingungen Selbstorganisatorisc%er SoKialer ProKess- Ain Fergleic%
Iormaler Modelle 8on Dolle4ti8en A4tionen. G7MA-,ac%ric%ten ,r. (1, 21, ((-'2.
Mullins ,.6. The art of theory6 construction and use. ,e2 3or4. .ar/er and 5o2, 1'1.
Mullins, ,.6. Theories and Theory ,roups in *ontemporary American Sociology. ,e2 3or4= .ar/er
and 5o2, 1'&.
MSnc%, 5. 0alcott Parsons and t%e 0%eory o+ Action I. 0%e structure o+ t%e Dantian 6ore. American
7ournal of Sociology, "!, (1"1# '$-'&.
MSnc%, 5. 0alcott Parsons and t%e 0%eory o+ Action II. 0%e continuity o+ t%e de8elo/ment.
American 7ournal of Sociology, "', (1"2# ''1-"2!.
Myrdal, >., La obEetiidad en la inestigaci5n social, MJEico, I.6.A., 1'$
,adel, S.I. The Foundations of Social Anthropology. ,e2 3or4= 0%e Iree Press, 191.
,adel, S.I. The Theory of Social Structure. )ondon= 6o%en and *est, 19'.
,adel, S.I., Social 6ontrol and Sel+-5egulation. Social Forces &1, (19&# 2!9-2'&.
,agel, A. The Structure of Science6 Problems in the Logic of Scientific 3(ploration. ,e2 3or4=
.arcourt, 1race and *orld, 1!1.
,agel, A., The structure of science, ,e2 3or4, .arcourt, 1!1
,a8arro, M. WA/untes /ara una teorVa de la cultura econOmicaW, en FF.AA. 3scritos de Teor!a
Sociol5gica en homenaEe a Luis Rodr!gue4 ASRiga, Madrid, 6IS, 12, //. '''-'".
,a8arro, M., 0endencias de desigualdad en el consumo en :.I. 0eKanos y 5. SCnc%eK Morales (ed.#,
Tecnolog!a y sociedad en el nueo siglo, Madrid, ed. Sistema, 1", //.&'9-&.
229
,egoita, 6.F., IuKKy models +or social /rocesses. In= 1ossel et al., Systems Theory in the Social
Sciences. 1ir4%Quser Ferlag, 1asel ; Stuttgart, 1'!, 2"&-21.
,egoita, 6.F., 6ybernetics and society. Kybernetes 11(2#, (1"2# '-1$1.
,egoita, 6.F., <n 0%e 6ybernetics o+ .uman Systems. In= >eyer ; Fan der Gou2en, Dependence
and %ne&uality' A Systems Approach to the Problems of Me(ico and )ther Deeloping
*ountries. <E+ord, Pergamon, 1"2, 2"9-2&.
,egrotti, M., IunKionalismo e 6ibernetica in Sociologia= Ruestioni Metodologic%e. Sociologia (
(&#, (1'$# 12&-1&!.
,egrotti, M., *ibernetica dei sistemi sociali' stabilita e mutamento. 7ni8ersita di Parma, 1"&.
,ett, 5., 6on+ormity-@e8iation and t%e Social 6ontrol 6once/t. 3thics, !(, (19&# &"-(9.
,eumann, :. - Morgenstern, <., The theory of games and economic behaior, Princeton, 7. Princeton
Press, 1((
,eustadtl, Alan and @an 6la2son 6or/orate Political >rou/ings= @oes Ideology 7ni+y 1usiness
Political 1e%a8iorT. American Sociological Reie2, 9&, (1""# 1'2-$.
,e2ell, A. and Simon, ..A. @uman Problem Soling. Angle2ood 6li++s, ,:= Prentice-.all, 1'2.
,ielsen, I., 5osen+eld, 5.A. Substanti8e Inter/retations o+ @i++erential ALuation Models. American
Sociological Reie2, (!, (1"1a# 19-1'(.
,ielsen, I., 5osen+eld, 5.A. Inter/reting )inear @i++erential ALuation Models. American
Sociological Reie2, (!, (1"1b# &9-&'.
,ieminen, :. <n t%e centrality in a directed gra/%. Social Science Research, 2, (1'&# &'1-&'".
,ieminen, :. <n centrality in a gra/%. Scandinaian 7ournal of Psychology, 19, (1'(# &22-&&!.
,i4aido, .u4u4ane *one( Structures and 3conomic Theory. ,e2 3or4, ,3= Academic Press, 1!".
,is%isato, S%iKu%i4o Analysis of categorical data6 dual scaling and its applications. 0oronto u.a.=
7ni8ersity o+ 0oronto Press, 1"$.
,orris, :. 5. Mar1o chains, 6ambridge, 6ambridge 7ni8ersity Press, 1"
,o2a4o2s4a, M. A +ormal t%eory o+ actions. 9ehaioral Science, 1", (1'&# &&-(1!.
,o2a4o2s4a, M., A t%eory o+ social c%ange. In= >eyer ; Fan der Gou2en, Sociocybernetics' an
actor:oriented social systems approach. )eiden, ,i?%o++, 1'", Fol. 1, '-1$&.
,e2ton, Isaac Principia (tr. A. Motte#. 1er4eley= 7ni8ersity o+ 6ali+ornia Press, 1!! [1'2\.
<, Myeung-.o, @emand, 6a/acity, and @ecay= A 6ontrol Systems Iormulation. *omparatie
Political Studies '((#, (1'9# (!$-(''.
<bersc%all, Ant%ony (%rsg.# The establishment of empirical sociology. ,e2 3or4 et al.= .ar/er ;
5o2, 1'2.
<bersc%all, Ant%ony Social eEc%ange and c%oice. In 5.D. Merton, :.S. 6oleman and P... 5ossi
(eds.#, Dualitatie and Duantitatie Social Research. ,e2 3or4= Iree Press, 1"$, //.
19"-1'9.
<bersc%all, Ant%ony A theory of social structure. Presented at t%e Polis%-American con+erence on
Rualitati8e and Ruantitati8e A//roac%es to Social 0%eory, 7ni8ersity o+ 6%icago,
,o8ember, 1"&.
<+s%e, 5. and )ee, M.0. *%at are 2e to ma4e o+ all t%isT Social Psychology Duarterly, (!, (1"&#
!&-!9.
<linic4, Mic%ael An %ntroduction to Mathematical Models in the Social and Life Sciences. 5eading,
MA= Addison-*esley, 1'".
<li8er, Mel8in 0%e 7rban 1lac4 6ommunity as ,et2or4= 0o2ard a Social ,et2or4 Pers/ecti8e.
Sociological Duarterly, 2, (1""# !2&-!(9.
230
<ommen, 0.D. InternationaliKation o+ sociology= a 8ie2 +rom de8elo/ing countries. *urrent
Sociology, 8ol. &, nr. 1, (11# s. !'-"(.
<//, D.@., Kyberneti1 und So4iologie, ,eu2ied, 1'$.
<//en%eim, 5osa 0%e mat%ematical analysis o+ style= a correlation-based a//roac%. *omputers and
the @umanities, 8ol. 22, , nr. (, (1""# s. 2(1.
<rdes%oo4, Peter 6., (ed.# ,ame Theory and Political Science. ,e2 3or4, ,3= ,e2 3or4 7ni8ersity
Press, 1'".
<sgood, 6. - <tros, The measurement of meaning, 7rbana, 7. Illinois Press, 19'
<strom, 6.*., Time series analysis. Regression techni&ues, 1e8erly .ills, Sage, 1''
<ud, :...), Systeem:methodologie in sociaal:2etenschappeliE1 onder4oe1 " Ph.D. dissertation,
6at%olic 7ni8ersity o+ ,ymegen. ,i?megen, Al+a, 1'".
<2en, 5., Fariety and 6onstraint in 6ultural Ada/tation. In= 1uc4ley, Modern Systems Research
for the 9ehaioral Scientist6 A Sourceboo1. 6%icago, Aldine, 1!", (19-(1.
Padgett, :o%n I. and 6%risto/%er D. Ansell 5obust Action and t%e 5ise o+ t%e Medici, 1($$-1(&(.
American 7ournal of Sociology, ", (1&# 129-1&1.
Pardi, I., @allBautoregolaKione allBautore+erenKa= il ruolo dei media communicati8i nelle nuo8e teorie
sistemic%e. Studi di Sociologia 2((2#, (1"!# 2$1-21(.
Pardi_as, I., Metodolog!a y t#cnicas de inestigaci5n en las *iencias sociales, MJEico, Siglo UUI,
1!
Paris-Ste++ens, :.5. DurtK, ,.5. Mc/%ee, *.,. y 5ose A. Formal theory in the behaioural sciences6
a bibliography. 1oulder= 6olorado, Institute o+ 1e%a8ioral Sciences, 7ni8ersity o+
6olorado, 1!!.
Par4man, 5., The cybernetic society. ,e2 3or4, Pergamon, 1'2.
Parsons, 0. The Structure of Social Action. ,e2 3or4= 0%e Iree Press, 1&'.
Parsons, 0. The Social System. ,e2 3or4= 0%e Iree Press, 191.
Parsons, 0alcott Some considerations on t%e t%eory o+ social c%ange. Rural Sociology, 2!, (1!1#
21-2&.
Parsons, 0. Sociological Theory and Modern Society" *h. -" Dur1heimJs contribution to the theory of
integration of social systems. ,e2 3or4= 0%e Iree Press, 1!'.
Parsons, 0., Social Systems. In= @. ). Sills (ed.#, %nternational 3ncyclopedia of the Social Sciences.
Macmillan and Iree Press, Fol. 19, 1!", (9"-('&.
Parsons, 0. 6ulture and social system re8isited. In ). Sc%neider and 6. 1on?ean (eds.#, The %dea of
*ulture in the Social Sciences. 6ambridge= 6ambridge 7ni8ersity Press, 1'&.
Parsons, 0. Social Theory and Modern Society. ,e2 3or4= Iree Press, 1''.
Parsons, 0. Action Theory and the @uman *ondition. ,e2 3or4= Iree Press, 1'".
Parsons, 0., 6oncrete Systems and BAbstractedB Systems. *ontemporary Sociology ", (1'# !!-
'$9.
Parsons, 0., Action, Symbols and 6ybernetic 6ontrol. In= I. 5ossi (ed.#, Structural Sociology.
Theoretical Perspecties and Substantie Analyses. ,e2 3or4, 1"2, (-!9.
Parsons, 0. and S%ils, A.A. (eds.# To2ard a ,eneral Theory of Action. 6ambridge= .ar8ard
7ni8ersity Press, 191.
Pas4, >., 0%e Meaning o+ 6ybernetics in t%e 1e%a8ioral Sciences. In= :. 5ose (ed.#, Progress in
*ybernetics. ,e2 3or4, >ordon and 1reac%, 1!.
Pas4, >., A con8ersation t%eoretic a//roac% to social systems. In= >eyer ; Fan der Gou2en,
Sociocybernetics' an actor:oriented social systems approach. )eiden, ,i?%o++, 1'", Fol.
1,19-2!.
231
Pa8lidou, M. 0., @ynamic 6ontrol o+ .ierarc%ical Public Systems. In= Dlir, Applied ,eneral
Systems Research' Recent Deelopments and Trends. ,e2 3or4, Plenum, 1'", "11-"1.
Pearson, D., The grammar of science, )ondon, 1lac4, 111
Peay, A.5. .ierarc%ical cliLue structures. Sociometry, &', (1'(# 9(-!9.
Peay, A.5. ,onmetric grou/ing= 6lusters and cliLues. Psychometri1a, ($, (1'9# 2'-&1&.
Peay, Admund 5. A note concerning t%e connecti8ity o+ social net2or4s. 7ournal of Mathematical
Sociology, (, (1'!# &1-&21.
Peay, Admund 5. Structural models 2it% Lualitati8e 8alues. 7ournal of Mathematical Sociology, ",
(1"2# 1!1-12.
PereK de >uKman, 0., 5e+leEi8ity and +eed-be+ore= +rom sociology to systemics. Kybernetes 2!(!H'#,
(1'# '91-'!".
Pergler, P. ; *. 1uc4ley, A systems +rame2or4 +or social control /rocesses. In= Dri//endor++,
*ommunication and *ontrol in Society. ,e2 3or4, >ordon and 1reac%, 1', 2!1-2!!.
P%illi/s, @.)., Kno2ledge from 2hatN Theories and methods in social research, 6%icago, 5and Mc
,ally, 1'1
P%illi/s, @.)., Abandoning methods, San Irancisco, :ossey-1ass, 1'&
P%illi/s, 1.S. Social Research6 Strategy and Tactics. ,e2 3or4= Macmillan, 1'!.
Piaget, :ean W0%e Place o+ t%e Sciences o+ Man in t%e System o+ SciencesW, en 7,AS6<, Main
Trends of Research in the Social and @uman Sciences, 8ol. 1., 1'$.
Piaget, :. - )aKars+eld, P., Tendencias de la inestigaci5n en las *iencias sociales, Madrid, AlianKa,
1'&
Pilc%er, :ane Mann%eimBs sociology o+ generations= an under8alued legady. 9ritish 7ournal of
Sociology, 8ol. (9, nr. &, (1(# s. ("1 ++.
Poincare, ..:., Science et m#thode, Paris, Ilammarion, 1!
Pollner, M., Mundane reason6 reality in eeryday and sociological discourse, 6ambridge, 6ambridge
7. Press, 1"'
Pool, I. de S. and Doc%en, M. 6ontacts and in+luence. Social $et2or1s, 1, (1'"# 9-91.
Po/enoe, @a8id Sociology. Ii+t% edition. Angle2ood 6li++s, ,:= Prentice-.all, 1"&.
Po//er, D.5., La l5gica del descubrimiento cient!fico, Madrid, 0ecnos, 1"2
Po2ers, 6... and .anneman, 5.A. ParetoMs t%eory o+ social and economic cycles= A +ormal model
and simulation. In 5. 6ollins (ed.#, Sociological Theory. San Irancisco= :ossey-1ass,
1"&.
Po2ers, *.0. 9ehaior6 The *ontrol of Perception. 6%icago= Aldine, 1'&.
Prais, S.:. Measuring social mobility. 7. R. Stat. Soc., A11", (199# 9!-!!.
Pre2o, 5., :. 5itsert ; A. Strac4e, Systemtheoretische AnsVt4e in der So4iologie' 3ine 1ritische
Analyse. 5einbe4 bei .amburg, 5o2o%lt, 1'&.
Probst, >.:.1., Selbst:)rganisation' )rdnungspro4ess in so4ialen Systemen aus gan4heitlicher Sicht.
1erlin, Pary, 1"'.
Proctor, 6... 0%e 8ariance o+ an estimate o+ lin4age density +rom a sim/le random sam/le o+ gra/%
nodes. Proceedings of the Social Statistics Section of the American Statistical
Association, (1!'# &(2-&(&.
Pug%, >.A. The 9iological )rigin of @uman 8alues. ,e2 3or4= 1asic 1oo4s, 1''.
Pug%, >.A. 8alues and the theory of motiation. 5e/ort ,o. '. Arlington, FA= @ecision-Science
A//lications, 1'".
Pye, )ucian *. (com/ilador# Political Sciences and Area Studies6 Rials and PartnersN"
1loomington, Indiana 7ni8ersity Press, 1'9.
232
Ruine, *.F. Cord and )bEect. 6ambridge, MA= MI0 Press, 1!$.
Ruine, *.F. From a Logical Point of 8ie2. ,e2 3or4= .ar/er and 5o2, 1!1.
de 5aadt, :.@.5., 0%e Im/lications o+ 1eerBs Fiable System Model +or <rganisational Ada/tation= A
Study in an Insurance <rganisation. ,eneral Systems &$, (1"'# -1&.
de 5aadt, :.@.5., A cybernetic a//roac% to in+ormation systems and organiKational learning.
Kybernetes 2$(1#, (11# 2-(".
5abino2, Paul and Sulli8an, *illiam M. (eds.# %nterpretie Sociology6 A Reader. 1er4eley, 6A=
7ni8ersity o+ 6ali+ornia Press, 1'.
5ader, 0rout Theory of Microeconomics. ,e2 3or4, ,3= Academic Press, 1'2.
5agin, 6%arles 6. Fu44y:Set Social Science. 0%e 7ni8ersity o+ 6%icago Press, 2$$$.
5ai++a, .o2ard The Art and Science of $egotiation. 6ambridge, MA= .ar8ard 7ni8ersity Press, 1"2.
5ama 6%ella//a A. (ed.# Mar1o random fields 6 theory and application , 1oston Academic Press,
1&
5a/o/ort, A. S/read o+ in+ormation t%roug% a /o/ulation 2it% sociostructural basis. 9ull. Math.
9iophys., 19, (19&# 92&-&(.
5a/o/ort A. 7ses and limitations o+ mat%ematical models in Social Science en >ross, ). (ed.#
Symposium on sociological Theory. ,e2 3or4= 5o2-Peterson, 19.
5a/o/ort, A. Fights" ,ames" and Debates. Ann Arbor, MI= 0%e 7ni8ersity o+ Mic%igan Press, 1!$.
5a/o/ort, A. Mat%ematical models o+ social interaction, in 5. )uce, 5. 1us% and A. >alanter (eds.#,
@andboo1 of mathematical psychology, Fol. II. ,e2 3or4= *iley, 1!&, //. (&-9'.
5a/o/ort, A. $:Person ,ame Theory. Ann Arbor= 7ni8ersity o+ Mic%igan Press, 1'$.
5a/o/ort, A., 6ritiLues o+ >ame 0%eory. 9ehaioral Science (, (19# (-!!.
5a/o/ort, A., 5eality-simulation= a +eedbac4 loo/. In= >eyer ; Fan der Gou2en, Sociocybernetics'
an actor:oriented social systems approach. )eiden, ,i?%o++, 1'", Fol. 2, 12&-1(1.
5a/o/ort, A., 02o A//roac%es to >eneral System 0%eory. In= >eyer ; Fan der Gou2en,
Dependence and %ne&uality' A Systems Approach to the Problems of Me(ico and )ther
Deeloping *ountries. <E+ord, Pergamon, 1"2, 2!'-2"&.
5a/o/ort, A. Mathematical Models in the Social and 9ehaioral Sciences. ,e2 3or4, ,3= :o%n
*iley ; Sons, 1"&.
5a/o/ort, Anatol 6ontributions o+ eE/erimental games to mat%ematical sociology. In= Andrea, %.-?.
(%g.#= Theorie : Daten : Methoden. MSnc%en= <ldenbourg, 12, S. 1!9 1'!.
5a/o/ort A. y 6%amma% A.M. Prisoner0s Dilemma6 a study of conflict and *ooperation. Ann Arbor=
7ni8ersity o+ Mic%igan Press, 1!9.
5a/o/ort, A. and .or8at%, ,.:. A study o+ a large sociogram= I. 9ehaioral Science, !, (1!1# 2'-
21.
5as%e8s4y, ,. Mathematical Theory of @uman Relations. 1loomington= Princi/ia Press, 1('.
5as%e8s4y, ,. Mathematical biology of social behaior. 6%icago= 7ni8ersity o+ 6%icago Press, 191.
5as%e8s4y, ,. Loo1ing at @istory through Mathematics. ,e2 3or4= MI0 Press, 1!".
5astogi, P.,., Structure, Iunction and Process= A 6ybernetic A//roac% to Social P%enomena.
Sociological 9ulletin 22(2#, (1'&# &$-&2$.
5astogi, P.,., 6ybernetic study o+ societal systems (Part 1#- 0%eory and met%odology. Kybernetes !
(2#, (1''# 9-1$9.
5astogi, P.,., 6ybernetic study o+ societal systems (Part 2#- 0%e course o+ Indian society 1'$-"$.
Kybernetes '(2#, (1'"a# 11'-12.
5astogi, P.,., The 9ehaiour of Societal System. Simla, Indian Institute o+ Ad8anced Study, 1'"b.
233
5astogi, P.,., *ybernetic analysis of %ndian societal system' a study of its course P-.>-:/?Q" crises"
and conditions for deelopment. ,e2 @el%i, 6entre +or Policy 5esearc%, 1'"c.
5astogi, P.,., @ynamic Analysis in Sociology= Some Misconce/tions (A 5e?oinder# Sociological
9ulletin &1(1#, (1"2# (-1$$.
5astogi, P.,., AE/lanation, /rediction and /roblem-sol8ing in social systems= A social cybernetic
analysis o+ et%nic tensions in national societies. Kybernetes 12, (1"&# 1'-2$& ; 2(-
299.
5astogi, P.,., Policy analysis +or rural /o8erty - An em/irical study. Kybernetes 19(&#, (1"!# 1!9-
1'2.
5astogi, P.,., AE/lanation, /rediction, /roblem-sol8ing and decision-ma4ing in social systems.
Kybernetes 1'(1#, (1""a# &&-(9.
5astogi, P.,., 6ybernetic Paradigm +or t%e Study o+ Indian Society. The 7ournal of Sociological
Studies ', (1""b# &(-('.
5eic%enbac%, .., 3(perience and prediction. An analysis of the foundations and the structure of
1no2ledge, 6%icago, Aldine, 1&"
5eiter, Stanley, (ed.# Studies in Mathematical 3conomics. *as%ington, @6= Mat%ematical
Association o+ America, 1"!.
5eynolds P.@. A primer in theory construction. Indiana/olis= 1obbs-merril, 1'1.
5%ee, 3. P., A @ynamic Model +or t%e Analysis o+ System 1rea4do2n in @e8elo/ing Societies.
,eneral Sytems 2, (1"9H"!# 1$9-11&.
5%ee, 3.P., Iunctional lin4age bet2een democracy and mar4et in ca/italist systems. Systems
Research and 9ehaioral Science 1((!#, (1'# &"9-&1.
5ic%ards, *. ; >. )indsey, Social net2or4 analysis= an o8er8ie2 o+ recent de8elo/ments. In=
Dri//endor++, *ommunication and *ontrol in Society. ,e2 3or4, >ordon and 1reac%,
1', 9-'1.
5ic%ardson, >.P., Feedbac1 Thought in Social Science and Systems Theory. P%iladel/%ia PA.,
7ni8ersity o+ Pennsyl8ania Press, 11.
5ic%ardson, ).I. Arms and %nsecurity. Pittsburg%= 1oE2ood Press, 1!$.
5ien%o++, <., 6ybernetic Modelling Fersus B0otalB Medical In+ormation Systems *it%in .ealt% 6are
Planning o+ @e8elo/ing 6ountries. In= >eyer ; Fan der Gou2en, Dependence and
%ne&uality' A Systems Approach to the Problems of Me(ico and )ther Deeloping
*ountries. <E+ord, Pergamon, 1"2, 1$9-112.
5igney, @aniel, y 1arnes, @ona WPatterns o+ Interdisci/linary 6itation in t%e Social SciencesW, Social
Science Duarterly, !1, (1"$# /Cgs. 11(-12'.
5odrVgueK, :.A. An+lisis estructural y de redes, Madrid, 6entro de In8estigaciones sociolOgicas, 19
5odrVgueK G`_iga, ). Al desarrollo de la teorVa sociolOgica, en= Salustiano del 6am/o (ed#. Tratado
de Sociolog!a. Madrid, 0aurus, 1"(
5obb, I.I., Are Institutions Antities o+ a ,atural DindT A 6onsideration o+ t%e <utloo4 +or
Man4ind. In= 6.F. ,egoita (ed.#, *ybernetics and Applied Systems. ,e2 3or4, Marcel
@e44er, 12, 1(-1!2.
5obbins, S. S., ; 0. A. <li8a, 0%e Am/irical Identi+ication o+ Ii+ty-<ne 6ore >eneral Systems
0%eory Focabulary 6om/onents.
5obinson, M., ,roups. 6%ic%ester, *iley, 1"(.
5obinson, M., Pay bargaining in 2or4erBs co-o/erati8es. In= >eyer ; Fan der Gou2en, Self:
Referencing in Social Systems. Salinas 6A., Intersystems, 1$, "9-11(.
5oberts, Ired S. ,raph Theory and %ts Applications to Problems of Society. P%iladel/%ia, PA= Society
+or Industrial and A//lied Mat%ematics, 1'".
234
5ogers, A8erett M. ,et2or4 analysis o+ t%e di++usion o+ inno8ations, in P. .olland and S. )ein%ardt
(eds.# Perspecties on social net2or1 research, 1', //. 1&'-1!(.
5ogers, A.M. and Dincaid, @.). *ommunication $et2or1s6 To2ards a Paradigm for Research. ,e2
3or4= Iree Press, 1"1.
5ogers, ). 6. >. Diffusions" Mar1o processes" and martingales, 6ambridge, 6ambridge 7ni8ersity
Press, co/. 2$$$
5ose, :., So+t systems met%odology as a social science researc% tool. Systems Research and
9ehaioral Science 1(((#, (1'# 2(-29".
5ose, A.M., Theory and methods in the sociological sciences, Minnea/olis, 7. o+ Minnesota, 19(
5osen+eld, 5. A., ,ielsen, I. IneLuality and 6areers. Sociological Methods X Research, 12, (1"(#
2'-&21.
5osno2, 5.)., Paradigms in transition. The methodology of social in&uiry, <E+ord, <E+rod 7. Press,
1"1
5oss, I.6., .arary, I. A descri/tion o+ strengt%ening and 2ea4ening members o+ a grou/.
Sociometry, 22, (19# 1&-('.
5oss, S%.M. Stochastic processes" ,e2 3or4, :o%n *iley ; Sons, co/. 1!
5osseel, A. ; 8an der )inden, >., Sel+-monitoring and sel+-steering in social interaction= 0%eoretical
comments and an em/irical in8estigation. Kybernetes 1(1#, (1$# 1"-&&.
5ossi, Peter .. <n sociological data.In Smelser, ,eil :. (%g.#= @andboo1 of Sociology. ,e2bury
Par4= Sage, 1"", s. 1&1-19(.
5ot%, A.A. A(iomatic Models of 9argaining. ,e2 3or4= S/ringer-Ferlag, 1'.
5ot%, P.A., Meaning and methods in the social sciences6 a case of methodological pluralism,
)ondres, 6ornell, 1"'
5oy, *illiam 0%e Interloc4ing @irectorate Structure o+ t%e 7nited States. American Sociological
Reie2. (2, (1"&# 2("-9'.
5ulo++, @., Konfli1tlKsung durch 8ermittlung6 *omputersimulation 42ischenstaatlicher Krisen. 1asel,
1ir4%Quser, 1'9.
5ulo++, @., Simulation and gaming= t%e analysis o+ con+lict and co/eration in t%e +ield o+ international
relations. In= 1ossel et al., Systems Theory in the Social Sciences. 1ir4%Quser Ferlag,
1asel ; Stuttgart, 1'!, 91-9&&.
5uscoe, >.6., 5.). Iell, D.0. .unt, S.). Mer4er ; ). 5. Peter, 0%e A//lication o+ )i8ing Systems
0%eory to (1 7S Army 1attalions. 9ehaioral Science &$(1#, (1"9# '-9$.
5ussel, 1., La perspectia cient!fica, 1arcelona, Ariel, 1!
5yan, A. - Aditor, The philosophy of social e(planation, )ondon, <E+ord 7. Press, 1'&
Saaty, 0. )., 0%eory o+ Measurement o+ Im/acts and Interactions in Systems. In= 6a8allo, Systems
Methodology in Social Science Research' Recent Deelopments. 1oston, Dlu2er ,i?%o++,
1"2, (-11$.
Sailer, )ee @ouglas Structural eLui8alence= Meaning and de+inition, com/utation and a//lication.
Social $et2or1s, I, (1'"# '&-$.
Samuelson, Paul Foundations of 3conomic Analysis. ,e2 3or4= At%eneum, 1!9.
Sanders, *.1., The sociologist as detectie, ,e2 3or4, Praeger, 1'(
Sassone, Peter >. and Sc%a++er, *illiam A. *ost:9enefit Analysis6 A @andboo1. ,e2 3or4, ,3=
Academic Press, 1'".
Sato, 5yuKo Theory of Technical *hange and 3conomic %nariance6 Application of Lie ,roups. ,e2
3or4, ,3= Academic Press, 1"1.
235
Sa8as, A.S., 6ybernetics in 6ity .all- An understanding o+ %o2 t%e /rinci/les o+ cybernetics can
guide +undamental im/ro8ements in urban go8ernment. Science (1'$#, 1!", (&&9#,
May 2, 1$!!-1$'1.
Sayer, A., Method in social science6 a realist approach, )ondon, .utc%inson, 1"(
Scar+, .erbert The *omputation of 3conomic 3&uilibria. ,e2 .a8en, 60= 3ale 7ni8ersity Press,
1'&.
Sc%Q+ers, 1ern%ard (ed.# Sociology in ,ermany. Deelopment : %nstitutionali4ation : Theoretical
disputes. Adited on occasion o+ t%e UIIIt% *orld 6ongress o+ Sociology. </laden= )es4e
+ 1udric%, 1(.
Sc%i++man, Susan S., 5eynolds, M. )ance and 3oung, Iorrest *. %ntroduction to Multidimensional
Scaling. ,e2 3or4= Academic Press, 1"1.
Sc%iman4, 7., @er mangelnde A4teurbeKug systemt%eoretisc%er Ar4lQrungen gesellsc%a+tlic%er
@i++erenKierung ^ Ain @is4ussions8orsc%lag. Aeitschrift fBr So4iologie 1((!#, (1"9#
(21-(&(.
Sc%oec4, .. Diccionario de sociolog!a. 1arcelona, Ad .erder, 1"1.
Sc%otter, A.. The 3conomic Theory of Social %nstitutions. ,e2 3or4= 6ambridge 7ni8ersity Press,
1"1.
Sc%rodt, P.A., Microcomputer methods for social scientist, )ondon, Sage, 1"(
Sc%utK, A. The Phenomenology of the Social Corld. A8anston,I11.= ,ort%2e2stern 7ni8ersity Press,
1!'.
Sc%utK, :.F. and .ubert, ).:. @ata analysis and t%e connecti8ity o+ ramdon gra/%s. 7ournal of
Mathematical Psychology, 1$, (1'&# (21-(2".
Sc%2artK, :onat%an M. 0rac4ing-do2n t%e nordic s/irit in t%orstein FeblenBs sociology. Acta
Sociologica, 8ol. &&, nr. 2, (1$# s. 119-12(.
Sc%2eitKer, A.).M., Sociologie en cybernetica. Mens en MaatschappiE &"(9#, (1!&# &91-&!'.
Scott, 1., Inad8ertent /at%ologies o+ communication in %uman systems. Kybernetes 2!(!H'#, (1'#
"2(-"&!.
Scott, :o%n Social $et2or1 Analysis6 A @andboo1. ,e2bury Par4, 6A= Sage Publications, 11.
Sedbroo4, 0., AE/loring dynamic grou/ /rocesses 2it% >AIA - >rou/s o+ ada/ti8e in+erencing
agents. Kybernetes 2&(9#, (1(# 12-2!.
Sedelo2, *.A. Algorithm and empire6 The ne2 imperialism as an abstract:machine:theory
instantiation. Pa/er /resented at t%e Ii+t% Annual Auro/ean Studies 6on+erence, oma%a,
,ebras4a, 1"$.
Sedelo2, *.A. and Sedelo2, S.3. (eds.# *omputers in Language Research6 Formali4ation in
Literary and Discourse Analysis. 0%e .ague= Mouton, 1"&.
Seidman, Ste/%en 1. Structural conseLuences o+ indi8idual /osition in nondyadic social net2or4s.
7ournal of Mathematical Psychology, 2, (1"9# &!'-&"!.
Seidman, S.1. and Ioster, 1. A gra/%-t%eoretic generaliKation o+ t%e cliLue conce/t. 7ournal of
Mathematical Sociology, !, (1'"a# 1&-19(.
Seidman, Ste/%en 1. and Ioster, 1rian A note on t%e /otential +or genuine cross-+ertiliKation bet2een
ant%ro/ology and mat%ematics. Social $et2or1s, 1, (1'"b# !9-'2.
SelKnic4, P., Ioundations o+ t%e t%eory o+ organiKations. American Sociological Reie2 1&, (1("#
29-&9.
Seng%aas, @., Dyberneti4 und Politi42issensc%a+t. Politische 8iertelEahresschrift ', (1!!# 292++.
Seng%aas, @., SoKial4yberneti4 und .errsc%a+t. In= Dade ; .u?er, So4ial:Kyberneti1. @Ssseldor+,
Acon, 1'(, 2($-29'.
236
S%enas, @.>., An in8estigation o+ t%e et%ical standards o+ in+ormation systems academicians.
Kybernetes 2&("#, (1(# 2'-(!.
S%e/ard, :on M. Sociology. St. Paul= *est, 1"1.
S%ils, Ad2ard 6enter and /eri/%ery. In Ad2ard S%ils, *enter and Periphery6 3ssays %n
Macrosociology. 6%icago= 7ni8ersity o+ 6%icago Press, 1'9, //. &-1!.
S%ubi4 M. (ed.# ,ame theory and related approaches to social behaior. ,e2 3or4. *iley, 1!(.
S%ubi4, M. ,ame Theory in the Social Sciences. 6ambridge= MI0 Press, 1"2.
S%ye, 1. - Aditor, Theory construction and data analysis in the behaioral sciences, San Irancisco,
:ossey-1ass, 1'"
Sidman, M., T+cticas de inestigaci5n cient!fica, 1arcelona, Iontanella, 1'&
Sierra 1ra8o, 5. *iencias sociales. An+lisis estad!stico y modelos matem+ticos, Madrid, Paranin+o,
1"1.
Sierra 1ra8o, 5. *iencias sociales. 3pistemolog!a" l5gica y metodolog!a" Madrid, Paranin+o, 1"&.
Silcoc4, .. 0%e /%enomenon o+ labour turno8er. 7. R. Stat. Soc., A11', (19(# (2-($.
Simmel, >eorg The Sociology of ,eorg Simmel (tr. and ed. Durt *ol++#. ,e2 3or4= Iree Press, 1!(
[11'\.
Simon, ..A. Some Strategic 6onsiderations in t%e 6onstruction o+ Social Science Models. An P.I.
)aKars+eld (ed.# Mathematical Thin1ing in the Social Sciences, >lencoe,Ill= Iree Press,
19(, //. &""-(19.
Simon, .. Models of man. ,e2 3or4= *iley, 19'.
Simon, ..A., Administratie 9ehaior" A Study of Decision Ma1ing. ,e2 3or4, 0%e Iree Press,
1'!a.
Simon, .. A., Simulation o+ large-scale systems by aggregation. In= >eyer ; Fan der Gou2en,
Sociocybernetics' an actor:oriented social systems approach. )eiden, ,i?%o++, 1'", Fol.
2, 11&-122.
Simon, .. 0%e meaning o+ causal ordering. In 5.D. Merton, :.S.6oleman, and P... 5ossi (eds.#,
Dualitatie and Duantitatie Social Research6 Papers in @onor of Paul F. La4arsfeld.
,e2 3or4= Iree Press, 1'.
Simon, 0. *., 6ontrol Systems and 0eleological Systems. 9ehaioral Science 2$(9#, (1'9# &29-
&&$.
Simon, :.)., 9asic research methods in social science. The art of empirical inestigation, ,e2 3or4,
0andom .ouse, 1!
Simulation in sociology. Arc%i8es Auro/eennes de sociologie. Fi, 1!9, nX1.
Sirgy, M.:., 0o2ard a general systems t%eory o+ social be%a8ior= a /syc%ocybernetic /ers/ecti8e.
Systems Research ((2#, (1"'# &-11$.
S4i//er, :ames D. The profession of sociology6 syllabus and selectie bibliography. *as%ington=
American Sociological Association, 1"$.
S48oretK, :. )anguages and grammars o+ action and interaction= Some +urt%er results. Ior%coming in
9ehaioral Science, (n.d.#.
S48oretK, :. Salience, %eterogeneity and consolidation o+ /arameters= ci8iliKing 1lauMs /rimiti8e
t%eory. American Sociological Reie2, (", (1"&# &!$-&'9.
S48oretK, :. and Iararo, 0.:. )anguages and >rammars o+ action and interaction= A contribution to
t%e +ormal t%eory o+ action. 9ehaioral Science, 29, (1"$# -22.
S48oretK, :., Iararo, 0.:. and AEten, ,. 5ole /rogramme models and t%e analysis o+ institutional
structure. Sociology, 1(, (1"$# (-!'.
S4yttner, )., >eneral li8ing systems t%eory= a basis o+ dynamic simulation. Kybernetes 2!("H#,
(1'# ""9-"2.
237
Smit%, A.*. ; De+alas, A.>., A +i8e-stage model +or de8elo/ing managers and countries= A social
systems a//roac%. Kybernetes 12((#, (1"&# 2&9-2(1.
Smit%, ..*., Strategies of social research. The methodological imagination, Angle2ood 6li++,
Prentice .all, 1'2
Sno2, 5.M. ; A. )eac%, 0%e institutionaliKation o+ t%e aest%etic= Systemic contradiction in t%e
organiKation o+ creati8ity. Systems Research 1&(1#, (1!# 29-&1.
Singer, 1., S/ilerman, S. Social Met%odology 1'&-'(,in ..). 6osner, (ed.# San Irancisco= :ossey
^ 1ass, 1'(, //. &!9-($1.
Singer, 1., S/ilerman, S. 5e/resentation o+ social /rocesses by Mar4o8 models. Am. 7. Sociol., "2,
(1'!# 1-9(.
Smelser, ,eil :. (com/ilador# @andboo1 of Sociology, Sage Publications, 1"".
Smit%, 1arbara .errnstein, and Ar4ady Plotnits4y (eds.# Mathematics" Science" and Postclassical
Theory. @u4e 7ni8ersity Press, 1'.
Smit%, @a8id A. and @ouglas 5. *%ite Structure and dynamics of the global economy6 $et2or1
analysis of international trade -.>L:-./?, 7ni8ersity o+ 6aliornia, Ir8ine, mimeo, (n.d.#.
Smit%, @ennis Discoering facts and alues6 the historical sociology of 9arrington moore. Sociology,
6ambridge= 7ni8ersity Press, 1"'.
Snyder, @a8id and Ad2ard ). Dic4 Structural /osition in t%e 2orld system and economic gro2t%
199-1'$= A multi/le-net2or4 analysis o+ transnational interactions. American 7ournal
of Sociology, "(, (1'# 1$!-112!.
Sobel, M.A. 6ausal In+erence in t%e Social and 1e%a8ioral Sciences. An Arminger, >., 6logg, 6.6.,
Sobel, M.A. (eds.# @andboo1 of Statistical Modeling for the Social and 9ehaioral
Sciences, ,e2 3or4= Plenum Press, 19, //. 1-&".
Sociological Forum" Fol. 12, S/ecial Issue= Mat%ematics in 0%in4ing About Sociology, 1'.
Sorensen, Aa.1. A model +or occu/ational carrers. Am. 7. Sociol., "$, (1'(# ((-9'.
Sorensen, Aa.1. 0%e structure o+ intragenerational mobility. Am. Sociol. Re., ($, (1'9# (9!-'1.
Sorensen, Aa.1. 0%e structure o+ ineLuality and t%e /rocess o+ attainment. Am. Sociol. Re., (2,
(1''# !9-'".
Sorensen, Aa. 1. Mat%ematical models in sociology. Annual Reie2 of Sociology, (, (1'"# &(9-
&'1.
Sorensen, Aa.1. A Model and a Metric +or t%e Analysis +or t%e Intragenerational Status Attainment
Process. American 7ournal of Sociology, "9, (1'# &!1-&"(.
Sorensen, Aa.1. 0%eoretical Mec%anisms and t%e Am/irical Study o+ Social Processes. An
.edstrom, P., S2edberg, 5. (eds.# Social Mechanisms6 An Analytical Approach to Social
Theory, 6ambridge= 6ambridge 7ni8ersity Press, 1", //. 2&"-2!!.
Sorensen, Aa.1., Sorensen, A. Mat%ematical Sociology= A 0rend 5e/ort and a 1ibliogra/%y.
*urrent Sociology, (1'9# //. 2&. 0%e .ague= Mouton.
Sorensen, Aa.1., .allinan, M.0. A sotoc%astic model +or c%ange in grou/ structure, Soc. Sci. Res.,
9, (1'!# (&-!1.
Sorensen, Aa.1., .allinan, M.0. A reconce/tualiKation o+ sc%ool e++ects. Sociol. 3d., 9$, (1''#
2'&-".
Soro4in, P.A. Fads and Foibles in Modern Sociology. 6%icago, .enry regnery 6om/any, 19!.
S/ilerman, S. 0%e causes o+ racial disturbance= a com/arison o+ alternati8e eE/lanations. Am.
Sociol. Re., &9, (1'$# !2'-(.
S/ilerman, S. 0%e analysis o+ mobility /rocesses by t%e introduction o+ inde/endent 8ariables in a
Mar4o8 6%ain. Am. Sociol. Re., &', (1'2a# 2''-(.
S/ilerman, S. AEtensions o+ t%e mo8er ^ stayer model. Am. 7. Sociol., '", (1'2b# 9-!2!.
238
Star4, 5odney and *illiam Sims 1ainbridge ,et2or4s o+ +ait%= Inter/ersonal bonds and recuritment
to cults and sects. American 7ournal of Sociology, "9, (1"$# 1&'!-9.
Starr, 5oss M. ,eneral 3&uilibrium Models of Monetary 3conomics6 Studies in the Static Foundation
of Monetary Theory. ,e2 3or4, ,3= Academic Press, 1".
Steier, Irederic4 (ed.#, Research and Refle(iity. )ondon, Sage, 11.
Steier, I., 5e+leEi8ity and Met%odology= An Acological 6onstructionism. In= Steier, Research and
Refle(iity. )ondon, Sage, 11, 1!&-1"9.
Sternberg, S., 6a/ecc%i, F., Dloe4, 0., )eenders, 6.0. (eds# Mathematics and Social Sciences"
Proceedings of the Seminars of Menthon F Saint F 9ernard P-.>?Q" and ,Ksing P-.>;Q"
Mouton, Paris, 1!9.
Stigum, 1rent P. To2ard a Formal Science of 3conomics6 The A(iomatic Method in 3conomics and
3conometrics. 6ambridge, MA= MI0 Press, 1$.
Stinc%combe A.). *onstructing social theories. ,e2 3or4. .arcourt, 1race and 2orld, 1!".
Sto?ano8ic, 5., Systems a//roac% to socio-economic /lanning. Kybernetes !(1#, (1''# 2'-&'.
Stolte, :o%n and Amerson, 5ic%ard Structural ineLuality= Position and /o2er in net2or4 structures.
In 5. .amblin and :. Dun4le (eds.#, 9ehaioral Theory in Sociology. ,e2 1runs2ic4=
0ransaction 1oo4s, 1''.
Stone, 5ic%ard Mathematics in Social Sciences and )ther 3ssays. )ondon, 6%a/man and .all, 1!!.
Stou++er, S.A. - <tros, Measurement and prediction" Princeton, Princeton 7. Press, 19$
Stra++in, P%ili/ @., :r. Topics in the Theory of 8oting. ,e2 3or4, ,3= 1ir4%auser, 1"$.
Straus, M., A >eneral Systems 0%eory A//roac% to a 0%eory o+ Fiolence 1et2een Iamily
Members. Social Science %nformation 12, (1'$# 1$9-129.
Strauss, @. 6lustering on colored lattices. 7ournal of Applied Probability, 1(, (1''# 1&9-1(&.
Strauss, @. and Ireeman, ).6. Stoc%astic modeling and t%e analysis o+ structural data. In ).6.
5eeman, @.5. *%ite and A.D. 5omney (eds.#, Research Methods in Social $et2or1s
Analysis. 6%icago= ,elson .all (in /ress#, 1"(.
Stun4el, D.5., )e2is Mum+ord and t%e 6ybernetics o+ *or4. In= >eyer (ed.#, The *ybernetics of
*omple( Systems' Self:)rganisation" 3olution" and Social *hange. Salinas, 6A.,
Intersystems Publications, 11, 119-12(.
Su//es, P. %ntroduction to Logic. Pinceton= Fan ,ostrand, 19'.
Su//es, P. And At4inson, 5.6. Mar1o Learning Models for Multiperson %nteractions. Palo Alto,
6A= Stand+ord 7ni8ersity Press, 1!$.
Sut%erland, :. *., System 0%eoretic )imits on t%e 6ybernetic Paradigm. 9ehaioral Science 2$(&#,
(1'9# 11-2$$.
Sut%erland, :.*., Societal Systems6 Methodology" Modelling" and Management. ,e2 3or4, ,ort%-
.olland, 1'".
S2anson, >.A., D.@. 1ailey ; :.>. Miller, Antro/y, social entro/y and money= A )i8ing Systems
0%eory /ers/ecti8e. Systems Research and 9ehaioral Science 1((1#, (1'# (9-!9.
Synnott, Ant%ony 0rut% and goodness, mirrors and mas4s - Part I= a sociology o+ beauty and t%e
+ace. 9ritish 7ournal of Sociology, 8ol. ($, nr. (, (1"# s. !$'-!&!.
SKac4i, :erKy W0%e .istory o+ Sociology and Substanti8e Sociological 0%eoriesW, en 1ottomore, 0.-
,o2a4, S., y So4olo2s4a, M. (com/iladores#, Sociology6 The State of the Art, )ondres,
Sage, 1"2, /Cgs. &9-&'(.
SKtom/4a, P. System and Function6 To2ard a Theory of Society. ,e2 3or4= Academic Press, 1'(.
0aibleson, M.0. @istinguis%ing bet2een contagion, %eterogeneity and randomness in stoc%astic
models. Am. Sociol. Re., &, (1'(# "''-"$.
239
0amayo, M., 3l proceso de la inestigaci5n cient!fica. Fundamentos de inestigaci5n" MJEico,
)imusa, 1"1
0anur, :udit% M., et al., (eds.# Statistics6 A ,uide to Political and Social %ssues. San Irancisco, 6A=
.olden-@ay, 1''.
0ars4i, A. %ntroduction to logic and to the methodology of deductie sciences. ,e2 3or4. <E+ord
7ni8ersity Press, 1(!.
0e//erman, )orne 6ollecti8e mobility and t%e /ersistence o+ dynasties, in *ellman and 1er4o2itK (
eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge 7ni8ersity Press,
1"", //. ($9-(2.
0eson, ,. A., 7ltimate 5eality and Meaning and t%e Social 6ybernetics A//roac%. Gltimate Reality
and Meaning '(2#, (1"(# 11'-1&2.
0eKanos, :.I., La e(plicaci5n sociol5gica6 Gna introducci5n a la sociolog!a" Madrid, 7,A@, 1"'
0%om/son, :.1. *ritical @ermeneutics6 A Study in the Tought of Paul Ricoeur and 7Brger @abermas.
)ondon and ,e2 3or4= 6ambridge 7ni8ersity Press, 1"1.
0%urstone, ). - 6%a8e, A.:., The measurement of attitudes, 6%icago, 7. o+ 6%icago Press, 12
0illy, 6%arles Misreading, t%en reading, nineteent%-century social c%ange, in *ellman and
1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge
7ni8ersity Press, 1"", //. &&2-&9".
0irya4ian, A. Post-Parsonian sociology. @umboldt 7ournal of Social relations, '(1#, (1"$# 1'-&2.
0o%aria, :.:. Al +uncionalismo normati8ista= la obra de 0alcott Parsons en :. :imJneK 1lanco y 6.
Moya, Teor!a sociol5gica contempor+nea. Madrid, 0ecnos, 1'".
0oli8er Sr, *..., A.M. Pollo2y ; @. ,eal, A Sel+-de8elo/ing 6ommunity System= 0%eoretical and
</erational Irame2or4s. In= >eyer ; Fan der Gou2en, Dependence and %ne&uality' A
Systems Approach to the Problems of Me(ico and )ther Deeloping *ountries. <E+ord,
Pergamon, 1"2, 2&-29$.
0omasson, 5ic%ard I. *omparatie studies in sociology. An annual compilation of research.
>reen2ic%, 6onn.= :AI Press, 1'".
0orgerson, *.S., Theory and methods of scaling, ,e2 3or4, *iley, 19"
0oulmin, S. The philosophy of science. ,e2 3or4= .ar/er, 1!$.
0ra8ers, :e++rey and Stanley Milgram An eE/erimental study o+ t%e small 2orld /roblem.
Sociometry, &2, (1!# (29-((&.
0reiman, @onald :. IndustrialiKation and social strati+ication. In Ad2ard <. )aumann (ed.#, Social
Stratification6 Research and Theory for the -.=?s. Indiana/olis= 1obbs-Merrill, 1'$, //.
2$'-2&(.
0roitKsc%, Dlaus Mat%ematical modelling and com/uter simulation o+ social /rocesses= /roblems and
a ne2 solution. 9MS : 9ulletin de Methodologie Sociologi&ue, nr. ($, (1&# s. 1!-(2.
0si8acou, I., 0%e rationality o+ distinctions and t%e emergence o+ /o2er= A critical systems
/ers/ecti8e o+ /o2er in organiKations. Systems Research and 9ehaioral Science 1((1#,
(1'# 21-&(.
0uma, ,. 1. 5e2ards, resources, and t%e rate o+ mobility. Am. Sociol. Re., (1, (1'!# &&"-!$.
0uma, ,.1., .annan, M.0. Social Dynamics6 Models and Methods. <rlando, I)= Academic Press,
1"(.
0ur4, .erman InterorganiKational net2or4s in urban society= Initial /ers/ecti8es and com/arati8e
researc%. American Sociological Reie2, &9, (1'$# 1-2$.
0urner, :. .., A 6ybernetic Model o+ Aconomic @e8elo/ment. The Sociological Duarterly 12(2#,
(1'1# 11-2$'.
240
0urner, :. .. A 6ybernetic Model o+ )egal @e8elo/ment. Cestern Sociological Reie2 9, (1'(# &-
1!.
0urner, :onat%an 5eturning to social /%ysics. In S. Mc,all (ed.#, *urrent Perspecties in Social
Theory. ,e2 3or4= :AI Press, 1"1.
0urner, S.P., Sociological e(planation as traslation, 6ambridge, 6ambridge 7. Press, 1"$
0urner, :... The Structure of Sociological Theory. 0%ird ed. .ome2ood, I)= 0%e @orsey Press, 1"2.
0urner, :... and 1eeg%ley, ). The 3mergence of Sociological Theory. .ome2ood, I)= 0%e @orsey
Press, 1"1.
0urner, M. A., 0%e statistical analysis o+ mutual causation. In= Dri//endor++, *ommunication and
*ontrol in Society. ,e2 3or4, >ordon and 1reac%, 1', (&-9'.
0urner, 5al/%, WAmerican Sociology in Searc% o+ IdentityW, American 9ehaioral Scientist, ?ulio-
agosto, 1$.
0urner, Ste/%en *%oBs a+raid o+ t%e %istory o+ sociologyT Sch2ei4erische Aeitschrift fBr So4iologie,
?g. 2(, nr. 1, (1"# s. &-1$.
08ers4y, Amos- 6oombs, 6lyde ..- and @a2es, 5obyn M. Mathematical Psychology6 An 3lementary
%ntroduction. Angle2ood 6li++s, ,:= Prentice .all, 1'$.
0yree, Andrea, Semiono8, Mos%e and .odge, 5obert *. >a/s and glissandos= IneLuality, economic
de8elo/ment and social mobility in 2( countries. American Sociological Reie2, ((,
(1'# (1$-(2(.
7e%ara, Ad2ina @ual AEc%ange 0%eory, Social ,et2or4s, and In+ormal Social Su//ort. American
7ournal of Sociology, !, (1$# 921-9'.
7llman-Margalit, Adna The 3mergence of $orms. <E+ord, 7.D.= 6larendon Press, 1''.
7m/leby, S. A., Some Applications of *ybernetics to Social Systems. P%.@.-t%esis 7ni8ersity o+
Illinois at 7rbana-6%am/aign, 1'9.
7tting, :. - .all, :., The use of computers in uniersity social sciences departaments, )ondon, SS56,
1'&
Falade, 1ernard Sociology in Luest o+ its /ast. Sch2ei4erische Aeitschrift fBr So4iologie, ?g. 2&, nr.
1, (1'# s. -1(.
8an der Ploeg, Irederic4, (ed.# Mathematical Methods in 3conomics. ,e2 3or4, ,3= :o%n *iley,
1"(.
Fan-Pariis, P., 3olutionary e(planation in the social sciences, 0oto2a, 5o2man and )ittle+ie, 1"1
Fic4ers, >., Is Ada/tability Anoug%T 9ehaioral Science (, (19# 21-2&(.
Folterra, F. Lecons sur la th#orie math#mati&ue de la lutte por la ie. Paris= >aut%ier ^ Fillars, 1&1.
Fon ,eumann, :. and Morgenstern, <. Theory of ,ames and 3conomic 9ehaior. Princeton, ,:=
Princeton 7ni8ersity Press, 1('.
Fon *rigt%, >. .. An 3ssay in Deontic Logic and the ,eneral Theory of Action. Amsterdam= ,ort%-
.olland Publis%ing 6om/any, 1!".
Fon-*rig%t, >..., 3(plicaci5n y comprensi5n, Madrid, AlianKa, 1'
*alton, >.M. (ed.# Sym/osium on 0ime on t%e 6ross. 3(plorations in 3conomic @istory, 12,
(1'9#.
*allace, *.)., La l5gica de la ciencia en sociolog!a, Madrid, AlianKa, 1'!
*ar+ield, :.,., Societal Systems' Planning" Policy and *omple(ity. ,e2 3or4, *iley, 1'!.
*arto+s4y, M.*., %ntroducci5n a la filosof!a de la ciencia, Madrid, AlianKa, 1'&
*as%burn, @.D. and 6ro2e, @onald *. Symmetries of *ulture6 @andboo1 of Plane Pattern Analysis.
Seattle, *A= 7ni8ersity o+ *as%ington Press, 1"".
241
*asserman, S. Models +or binary directed gra/%s and t%eir a//lications. Adances in Applied
Probability, 1$, (1'"# "$&-"1".
*asserman, Stanley, and Dat%erine Iaust Social $et2or1 Analysis6 Methods and Applications.
6ambridge= 6ambridge 7ni8ersity Press, 1(.
*asserman, S. and >alas4ie2icK, :. Some generaliKations o+ /1= AEternal constraints, interactions
and non-binary relations. Social $et2or1s (in /ress#, (1"(#.
*atson, ..*. <n t%e /robability o+ t%e eEtinction o+ +amilies. 7. Anthopol. %nst. ,9 %re., (, (1"'(#
1&"-((.
*ebb, A.I. - <tros, Gnobstrusie measures6 nonreactie research in the social sciences, 6%icago,
5and Mc ,ally, 1!!
*ebb, S. - *ebb, 1., Methods of social study, )ondon, 7. 6ambridge Press, 1'9
*eber, MaE Aconomia y sociedad. MJEico, I6A. 1!.
*eber, M., Ansayos sobre metodologVa sociolOgica, 1uenos Aires, Amorrortu, 1'&
*eil, A. A//endiE to Part I. I, 6. )J8i-Strauss, The 3lementary Structures of Kinship. 1oston=
1eacon Press, 1! [1(\.
*einberg, AliKabet% A. Persetroi4a and so8iet sociology. 9ritish 7ournal of Sociology, 8ol. (&, nr.
1, (12# s. 1-1$.
*einstein, M. A., 6reati8ity and t%e 6ybernetic .ierarc%y= 02o Models o+ t%e .uman 6ondition.
Social Science ((1#, (1'(# 11-1".
*eisberg, S., Applied linear analysis, ,e2 3or4, *iley, 1"$
*el+ord, A.0., Sociedad" problemas y m#todos de estudio, 1arcelona, MartineK 5oca, 1!!
*ellman, 1arry 0%e community Luestion= 0%e intimate net2or4s o+ Aast 3or4ers. American
7ournal of Sociology, "(, (1'# 12$1-&1.
*ellman, 1arry ,et2or4 analysis= Some basic /rinci/les, in 5andall 6ollins (ed.#, Sociological
Theory. San Irancisco= :ossey-1ass, 1"&, //. 199-2$$.
*ellman, 1arry ,et2or4s as Personal 6ommunities, in *ellman and 1er4o2itK (Ads.# Social
Structures6 A $et2or1 Approach. ,e2 3or4= 6ambridge 7ni8ersity Press, 1"", //. 1&$-
1"(.
*ellman, 1arry Structural analysis= Irom met%od and meta/%or to t%eory and substance, in
*ellman and 1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge=
6ambridge 7ni8ersity Press, 1"", //. 1-!1.
*ellman, 1arry and S.@. 1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge=
6ambridge 7ni8ersity Press, 1"".
*ellman, 1arry and S.@. 1er4o2itK Introduction= Studyning social structures, in *ellman and
1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge
7ni8ersity Press, 1"", //. 1-1(.
*ellman, 1arry, and Scot *ortley @i++erent Stro4es +rom @i++erent Iol4s= 6ommunity 0ies and
Social Su//ort. American 7ournal of Sociology, !, (1$# 99"-"".
*ellman, 1arry, Peter :. 6arrington, and Alan .all ,et2or4s as /ersonal communities, in *ellman
and 1er4o2itK (eds.# Social structures6 A net2or1 approach. 6ambridge= 6ambridge
7ni8ersity Press, 1"", //. 1&$-1"(.
*ells, 5. - Picou, :.S., American sociology6 theoretical and methodological structure, *as%ington,
7ni8ersity Press, 1"1
*ender, P. .., Ficious and Firtuous 6ircles= 0%e 5ole o+ @e8iation Am/li+ying Ieedbac4 in t%e
<rigin and Per/etuation o+ 1e%a8ior. Psychiatry &1((#, (1!"# &$-&2(.
*eyl, .. (192# Symmetry. Princeton= Princeton 7ni8ersity Press.
242
*%ite, @ouglas 5. Structural eLui8alence in social net2or4s= 6once/ts and measurement o+ role
structures. Iort%coming in )inton 6. Ireeman, A. Dimball 5ommey and @ouglas 5.
*%ite (eds.#, Research Methods in Social $et2or1s Analysis. 6%icago= ,elson-.all,
1"(.
*%ite, @ouglas 5. and Darl P. 5eitK >ra/% and semigrou/ %omomor/%isms on net2o4s and
relations. Social $et2or1s, 9, (1"&# 1&-2&(. Sociology, "1, (1"&# '&$-'"$.
*%ite, @ouglas 5. and .. >ilman Mc6ann 6ites and +ig%ts= Material entailment analysis o+ t%e
eig%teent%-century c%emical re8olution, in *ellman and 1er4o2itK (eds.# Social
structures6 A net2or1 approach. 6ambridge= 6ambridge 7ni8ersity Press, 1"", //. &9-
&'.
*%ite, ..6. An Anatomy of Kingship. Angle2ood 6li++s= Prentice .all, 1!&.
*%ite, ..6. *hains of opportunity6 System Models of Mobility in )rgani4ations. 6ambridge, MA=
.ar8ard 7ni8ersity Press, 1'$.
*%ite, ..6. Probabilities o+ %omomor/%ic ma//ings +rom multi/le gra/%s. 7ournal of
Mathematical Psychology, 1!, (1''# 121-1&(.
*%ite, .arrison Farieties o+ mar4ets, in *ellman and 1er4o2itK (eds.# Social structures6 A
net2or1 approach. 6ambridge= 6ambridge 7ni8ersity Press, 1"", //. 22!-2!$.
*%ite, ..6., 1oorman, S.A., 1reiger, 5.). Social structure +rom multi/le net2or4s. I.= 1loc4models
o+ roles and /ositions. American 7ournal of Sociology, "1, (1'!# '&$-"$.
*%ite, )eonard, @. The State of the Social Sciences. 0%e 7ni8ersity o+ 6%icago Press, 19!.
*%ite, ).A. and @illing%am, 1. The *oncept of *ulture. Minnea/olis= 1urgess, 1'&.
*%ite%ead, A.,. and 5ussell, 1. Principia Mathematica. 6ambridge= 6ambridge 7ni8ersity Press,
1!( [11$\.
*iener, ,. *ybernetics. 6ambridge, MA= 0%e MI0 Press, 1(".
*iener, ,., The human use of human beings' cybernetics and society. 1oston, .oug%ton Mi++lin,
19(.
*iener, P%ili/ P. (ed.# Readings in Philosophy of Science. ,e2 3or4, 6%arles Scribner and Sons,
19&.
*ildt, A.5. - Antola, <.0., Analysis of coariance, 1e8erly .ills, Sage, 1'
*ilson, A.1., An introduction to scientific research, ,e2 3or4, Mc >ra2 .ills, 1"2
*il4ins, ). 0., A 1e%a8ioural 0%eory o+ @rug 0a4ing. @o2ard 7ournal 11((#, (1!9# !-1'.
*iller, @a8id 0%e basic conce/ts o+ t%e elementary t%eory. In @a8id *iller and 1o Anderson,
$et2or1s" 3(change and *oercion. ,e2 3or4= Alse8ierH>reen2ood, 1"1a.
*iller, @a8id Ruantity and net2or4 structure. In @a8id *iller and 1o Anderson (eds.#, $et2or1s"
3(change and *oercion. ,e2 3or4= Alse8ierH>reen2ood. 1"1b.
*iller, @a8id Structurally determined net2or4s. In @a8id *iller and 1o Anderson (eds.#,
$et2or1s" 3(change and *oercion. ,e2 3or4= Alse8ierH>reen2ood, 1"1c.
*iller, @a8id 0%eory, eE/erimentation and %istorical inter/retation. In :. 1erger and M.Gelditc%
(eds.# Sociological Theories in Progress %%%. Pittsburg%= 0%e 7ni8ersity o+ Pittsburg%
Press, (+ort%coming#.
*iller, @. Analysis and com/osition as t%eoretic /rocedures. 7ournal of Mathematical Sociology,
1$, (1"(# 2(1-2!.
*iller, @a8id and Anderson, 1o (eds.# $et2or1s" 3(change and *oercion. ,e2 3or4=
Alse8ierH>reen2ood, 1"1.
*iller, @a8id and .ingers, 5obert Pre8ailing /ostulates o+ social eEc%ange t%eory. In S. Mc,all
(ed.#, *urrent Perspecties in Sociological Theory. ,e2 3or4= St. MartinMs Press, 1'.
*iller, @., Scientific sociology, Angle2ood 6li++s, Prentice .all, 1'&
243
*iller, @. - *iller, :., Systematic empiricism6 a criti&ue of pseudocience, Angle2ood 6li++s, Prentice
.all, 1'&
*ilson, Patric4, WInterdisci/linary 5esearc% and In+ormation <8erloadW, Library Trends, 2, oto_o
(1!#, /Cgs. 12-2$&.
*ilson, 0%omas P. 6once/tions o+ interaction and +orms o+ sociological eE/lanation. American
Sociological Reie2, &9, (1'$# !'-'1$.
*ilson, 0%omas P. Rualitati8e 8ersus Luantitati8e met%ods in social researc%. Publis%ed as
Rualitati8e, oderM Luantitati8e Met%oden in der SoKial+orsc%ung. KKlner Aeitschrift fBr
So4iologie und So4ialpsychologie @eft &H (1"2# ("'-9$".
*ilson, 0.P. <n Inter/reting 6oe++icients in @i++erential ALuation Models. American Sociological
Reie2, (!, (1"1# &&-&9.
*ilson, 0. <n t%e role o+ mat%ematics in t%e social sciences. 7ournal of Mathematical Sociology,
1$, (1"(# 221-2&.
*ilson, 0%omas P. 3(tensionalism" refle(iity" ans science. 7n/ublis%ed manuscri/t. @e/artment o+
Sociology, 7ni8ersity o+ 6ali+ornia, Santa 1arbara, 6A &1$!, (ms#.
*ilson, 0%omas P. And Gimmerman, @on .. At%nomet%odology, sociology and t%eory. @umboldt
7ournal of Social Relations, ', (1"$# 92-"".
*inc%, P., The idea of a social science, )ondres, 5outledge, 19"
*indelband, *il%elm A @istory of Philosophy" 8ol. %%. ,e2 3or4= .ar/er and 5o2, 19" [1$1\.
*inograd, 0. Gnderstanding $atural Language. ,e2 3or4= Academic Press, 1'2.
*ins%i/, 6%risto/%er and Mic%ael Mandel 5oles and /ositions= A critiLue and eEtension o+ t%e
bloc4modeling a//roac%, in Samuel )ein%ardt (ed.# Sociological Methodology. San
Irancisco= :ossey-1ass, 1"&, //. &1(-&((.
*inton, 6.A., Theory and measurement in sociology, 6ambridge, Sc%en4man, 1'(
*itK, D. 6on+erence sel+-summary. In P.A. 1alano++ (ed.#, ,enealogical Mathematics. Paris=
Mouton, 1'(.
*itK, Dlaus and :o%n Aarls A re/resentation o+ systems o+ conce/ts by relational structures, in Paul
A. 1allono++ (ed.# Mathematical models of social and cognitie structures6 *ontributions
to the mathematical deelopment of anthropology, 1'(, //. 1$(-12$.
*ittgenstein, ). Tractatus logico:Philosophicus. Madrid. AlianKa.1'&
*ol+, I.M., Meta:analysis, 1e8erly-.ills, Sage, 1"9
*ol+e, A.*. 0%e rise o+ net2or4 t%in4ing in ant%ro/ology. Social $et2or1s, 1, (1'"# 9&-!(.
*onnacott, 5onald :. and *onnacott, 0%omas .. 3conometrics. ,e2 3or4, ,3= :o%n *iley, 1'
(second edition#,
*orral, :. - 6urrier, >. - )a4atos, I., The methodology of scientific research programes, 6ambridge,
6ambridge 7. Press, 1'"
*oodcoc4, A. y @a8is, M. Teoria de las catastrofes Madrid, 6atedra, 1"!
*rig%t, S., Path coefficients and path regressions, )ondon, McMillan, 1'(
*u, )a2rence )ocal bloc4model algebras +or analyKing social net2or4s, in Samuel )ein%ardt (ed.#
Sociological Methodology. San Irancisco= :ossey-1ass, 1"&, //. 2'2-&1&.
*Sst%o++, .-:, @andelnde Automaten oder automatenhaft @andelnde' 4ur %dentifi4ierbar1eit on
so4ialen Pro4esstrVgern und %nformationserarbeitungssystemen. @uisburg, Ferlag der
SoKial2issensc%a+tlic%en Doo/erati8e, 1'".
3amagis%i, 0os%io and Daren S. 6oo4 >eneraliKed AEc%ange and Social @ilemmas. Social
Psychology Duarterly, 9!, (1&# 2&9-(".
3oung, <.5. (ed.# 9argaining6 Formal Theories of $egotiation. 7rbana= 7ni8ersity o+ Illinois Press,
1'9.
244
3oung, P.F., M#todos cient!ficos de inestigaci5n social, MJEico, IIS, 1!$
3oung, 6, - Sa8ola, D.). - P%el/s, A., %nentory longitudinal studies in the social sciences" )ondon,
Sage, 11
Gade%, ). A., IuKKy Systems 0%eory= A Irame2or4 +or t%e Analysis o+ .umanistic Systems. In=
6a8allo, Systems Methodology in Social Science Research' Recent Deelopments.
1oston, Dlu2er ,i?%o++, 1"2, 29-(1.
GarKo2ic%, S.S., *alidad de los datos estad!sticos, 5oma, IA<, 1'$
de Geeu2, >., S/eeding u/ Im/ro8ement. In >.A. )as4er (ed.# Applied Systems and *ybernetics"
8ol. -. ,e2 3or4, Pergamon, 1"1, &-".
de Geeu2, >., Analysis o+ Systems Su//ort. In 5. 0omlinson (ed.#, Systems Analysis. )ondon,
Pergamon, 1"(, 1"'-2$(.
de Geeu2, >., 6an social c%ange be su//orted by inLuiryT Kybernetes 1&(&#, (1"(b# 1!9-1'1.
de Geeu2, >., Social c%ange and t%e design o+ enLuiry. In= >eyer ; Fan der Gou2en,
Sociocybernetic Parado(es' )bseration" *ontrol" and 3olution of Self:steering
Systems. )ondon, Sage, 1"!, 1&1-1((.
de Geeu2, >., 6%aotic Interaction - Pre/aring +or Sur8i8al. In= >eyer (ed.# The *ybernetics of
*omple( Systems' Self:)rganisation" 3olution" and Social *hange. Salinas, 6A.,
Intersystems Publications, 11, 22&-22'.
de Geeu2, >., Inno8ation and Increase o+ 6om/etence. In= >eyer (ed.# The *ybernetics of *omple(
Systems' Self:)rganisation" 3olution" and Social *hange. Salinas, 6A., Intersystems
Publications, 11, 22-2&".
de Geeu2, >., Dno2ledge acLuisition in c%anging realities. Kybernetes 2!(!H'#, (1'# "&'-"('.
Geisel, .., D!galo con nSmeros, MJEico, I.6.A., 1!2
Gelditc%, M., :r. and Anderson, 1. <n t%e balance o+ a set o+ ran4s. In :. 1erger, M. Gelditc%, :r. an
1. Anderson (eds.#, Sociological Theories in Progress" 8olume one. ,e2 3or4=
.oug%ton-Mi++lin, 1!!.
Geller, 5.A. - 6armines, A.>., Meassurement in the social sciences, 6ambridge, 6ambridge 7. Press,
1"$
Getterberg, .ans ). )n Theory and 8erification in Sociology. 0%e 1edminster Press, ,e2 :ersey,
1!&.
Getterberg, .., Teor!a y erificaci5n en sociolog!a, 1uenos Aires, ,ue8a FisiOn, 1!"
Gi/+, >.D. 0%e P1P2H@ .y/ot%esis= <n t%e intercity mo8ement o+ /ersons. American Sociological
Reie2, 11, (1(!# !''-!"!.
Gi/+ >.D. @uman behaior and the principle of least effort. 5eading. Mass. Addison-2esley, 1(.
Gnaniec4i, I., 0%e met%od o+ sociology, ,e2 3or4, 5ine%art, 19(
8an der Gou2en, :., A conce/tual model +or t%e auEiliary %y/ot%eses be%ind t%e inter8ie2. Annals
of Systems Research (, (1'(# 21-&'.
8an der Gou2en, :., .y/ot%eses be%ind t%e Sociological Inter8ie2= 0est and 5e+ormulation. In=
6a8allo, Systems Methodology in Social Science Research' Recent Deelopments.
1oston, Dlu2er ,i?%o++, 1"2, 1(2-19'
8an der Gou2en, :., Sel+-steering and social %ierarc%y. Kybernetes 12(&#, (1"&# 1&-19.
8an der Gou2en, :., 0%e im/act o+ sel+-re+erentiality o+ social systems on researc% met%odology. In=
>eyer ; Fan der Gou2en, Self:Referencing in Social Systems. Salinas 6A., Intersystems,
1$, 9-!".
8an der Gou2en, :., Met%odological /roblems 2it% t%e em/irical testability o+ sociocybernetic
t%eories. Kybernetes 29('H"#, (1!# 1$$-1$".
8an der Gou2en, :., 0%e 8alidation o+ sociocybernetic models. Kybernetes 2! (!H'#, (1'# "("-"9!.
245
8an der Gou2en, :. ; *. @i?4stra, Modelling Interaction Processes in Inter8ie2s= a 6ontribution o+
Systems Met%odology. In= 5. 0ra//l (ed.# *ybernetics and Systems Research.
Amsterdam, ,ort%-.olland, 1"2, 1$9-111.
8an der Gou2en, :., *. @i?4stra ; :. 8an de 1o8en4am/, 0%e control o+ interaction /rocesses in
sur8ey inter8ie2s. In= >eyer ; Fan der Gou2en, Sociocybernetic Parado(es'
)bseration" *ontrol" and 3olution of Self:steering Systems. )ondon, Sage, 1"!, 99-
!&.
8an der Gou2en, :. ; >eyer, I., 0%e sociocybernetic /aradoE= A s%ort introduction. Kybernetes 1&
(&#, (1"(# 12-1&1.
Guc4erman, .arriet, W0%e Sociology o+ ScienceW, en Smelser, @andboo1 of Sociology, Sage
Publications, 1"", /Cgs. 911-9'(.
G2ic4, M., @ialectics and catastro/%e. In= >eyer ; Fan der Gou2en, Sociocybernetics' an actor:
oriented social systems approach. )eiden, ,i?%o++, 1'", Fol. 1, 12-19(.