Diseño Social-1

De Wiki
Saltar a: navegación, buscar

Ecuaciones estructurales y diseño social. Aplicación a los procesos de “Planificación estratégica urbana” de carácter metropolitano

¿El diseño social ha de descansar fundamentalmente en creencias o modas estéticas?. Quizás las ecuaciones estructurales puedan contribuir al diseño social; en este sentido, la planificación estratégica urbana efectuada en grandes ciudades / áreas metropolitanas es una forma de gobierno y es un caso de estudio que reúne la problemática específica de la planificación estratégica junto con las interacciones producidas por el factor humano cuando ejerce funciones políticas formales en un contexto complejo, originado por la enorme riqueza de instituciones diversas focalizadas en su tarea principal dentro de un entorno metropolitano. En este artículo se muestra el estadio en el que se encuentra la construcción de un modelo que intenta explicar el grado de éxito alcanzado por la planificación estratégica urbana en función de los valores de las variables independientes, utilizando métodos cualitativos y cuantitativos tratados con técnicas propias de ecuaciones estructurales.


Proceso de investigación

Esquema Metodológico

La metodología empleada para estudiar las variables que determinan mayor o menor grado de éxito en los proceso de Planificación estratégica Urbana, hace referencia a los siguientes pasos genéricos:

1. Exploración del estado del arte. Primeras hipótesis respecto a las variables implicadas; definición conceptual de las mismas, forma de medida.

2. Delphi absolutamente abierto. Hipótesis a validar: lista de variables definitivas sin considerar relaciones.

3. Construcción de encuesta Likert. Trabajo de campo. Análisis descriptivo de los datos.

4. Análisis factorial exploratorio (AFE). Análisis de rutas o path analisys. Contraste de hipótesis.

Cada uno de los cuatro ítems tiene sus condiciones específicas de realización que no podemos tratar en este artículo por limitaciones de espacio.

Variables que consideramos

La realización de la exploración de la literatura al respecto y las respuestas de los expertos consultados –que conducían los procesos de planificación estratégica de ciudades como Barcelona, Bilbao, Valencia, Sevilla, Donostia (entre otros), llevó a definir en la tesis que se cita, las seis variables siguientes:

Variables.jpg

Análisis factorial exploratorio: fiabilidad y validez

Consideramos que los constructos resultantes del AFE superan las condiciones de fiabilidad y validez, operando de la forma que pormenorizamos a continuación:

1. Tomaremos los ítems correspondientes a un concepto genérico y se estudia su comportamiento, prescindiendo de aquellos que no son adecuados; utilizamos como orientativo y nunca decisivo, pero muy aconsejable, los valores de α de Cronbach entre 0,75 y 0,90 ( En el caso de que α < 0,5 observaremos las saturaciones factoriales: si estas son mayores que 0,4 en todos los casos, consideramos que la homogeneidad y por tanto la fiabilidad son adecuadas). Si dos únicos ítems saturaran sobre una variable y debiendo de sustituir la información aportada por α por la correlación entre ambas, consideraremos que si es superior a 0,3, la fiabilidad está garantizada. Hemos de señalar que los aplicativos utilizados indican que ítems tienen peor comportamiento en orden a conseguir valores de ligeramente α superiores.

2. En los análisis factoriales exploratorios (AFE), buscamos – a efectos de que puedan ser aceptados- valores del estadístico Kaiser-Meyer-Olkin (KMO)> 0,5 y no aceptaremos valores de KMO < 0,5; si el valor está entre 0,8 - 0,9 es “muy bueno”. El valor del determinante debe de ser bajo. Se exigirá que los autovalores sean mayores que la unidad a efecto de que tengan más varianza que los ítems de la encuesta y se acepta el 50% de varianza explicada como mínimo (lo que garantiza que se deberá una mayor proporción al efecto de los ítems que del propio error).

3. Se tomarán todos los factores, en las condiciones indicadas, pues se desea aprovechar toda la información disponible. La nueva variable, factor o constructo, recogerá la información de los ítems seleccionados, mediante la suma de sus valores. Ha de considerarse que la orientación a la realización del path analysis baja la exigencia del número de encuestas precisas (Ortiz-Pulido, 2000).

AFE.Liderazgo

Según el proceso de elaboración de la encuesta Likert, los siguientes ítems deben aportar información acerca del Liderazgo: 5, 8, 12, 16, 18, 19, 25, 28, 32, 33, 38, 39, 49, 55,68. La escala, constituida por numerosos ítems, funciona con poca falibilidad.

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

VAR000_5 65,0825 56,5814 ,1032 ,4069

VAR000_8 67,7102 55,9983 ,1351 ,3985

VAR00_12 65,1119 48,9624 ,5029 ,2983

VAR00_16 65,8360 50,6804 ,2646 ,3546

VAR00_18 65,7492 52,6791 ,2569 ,3630

VAR00_19 64,5738 55,2468 ,2549 ,3742

VAR00_25 65,0429 52,6735 ,4178 ,3390

VAR00_28 66,4567 55,4534 ,1378 ,3977

VAR00_33 68,6464 64,4829 -,2331 ,4834

VAR00_38 67,3877 61,5553 -,1246 ,4752

VAR00_39 66,6790 49,0403 ,2799 ,3453

VAR00_49 64,4050 57,9157 ,2126 ,3922

VAR00_55 65,9773 61,0915 -,0967 ,4604

VAR00_68 66,4510 58,3970 -,0226 ,4493

VAR00_32 65,8705 52,3989 ,1816 ,3832

Alpha = ,4153

En el caso de que α < 0,5 debíamos observar las saturaciones factoriales: si estas son mayores que 0,4 en todos los casos, consideramos que la homogeneidad y por tanto la fiabilidad son adecuadas. KMO 1.jpg

Observamos que KMO es inadecuado. Iniciamos un proceso de eliminar ítems a efectos de aumenta la fiabilidad; de esta forma incluimos los ítems: 5, 12, 16, 19, 25, 33, 49, 8 y 18. R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

VAR000_5 39,1990 27,3274 ,1704 ,4837

VAR00_12 39,2283 24,3528 ,4113 ,3940

VAR00_16 39,9525 23,5920 ,2875 ,4379

VAR00_19 38,6902 29,2233 ,1272 ,4932

VAR00_25 39,1594 23,9485 ,6036 ,3482

VAR00_33 42,7628 33,7467 -,2095 ,5978

VAR00_49 38,5214 30,6401 ,1107 ,4946

VAR000_8 41,8267 26,8681 ,2094 ,4693

VAR00_18 39,8657 24,4171 ,3364 ,4183

Alpha = ,4966

KMO 2.jpg

Comunalidades.jpg

Var Tot.jpg

Matrix Com.jpg

Planteamos la aceptación del factor 1 ( 5, 12, 16, 19, 25, 33, 49) esta variable en atención a que, si bien Alpha no es adecuada, las saturaciones factoriales son mayores que 0,4 en todos los casos y consideramos que la homogeneidad y por tanto la fiabilidad son adecuadas. Le denominaremos Liderazgo Genérico. Lo mismo podemos argumentar del factor 2 ( 8 y 18), dónde además eliminamos las incluidas en el factor 1, le denominaremos Liderazgo Recursos.

Como quiera que la correlación es superior a 0,3, la fiabilidad es adecuada. No obstante, es claro que el comportamiento de los ítems relativos a Liderazgo es claramente inferior al de las otras variables.

Un proceso similar se realiza con todas las variables implicadas y mencionadas con anterioridad.

Path Analysis y validez confirmatoria causal

El path analysis es un subconjunto de la modelización utilizando ecuaciones estructurales. El path analysis fue desarrollado para indagar acerca de las relaciones causales entre varias variables (Wright década de 1930). En los 60 fue adoptado por las ciencias sociales y en los 70 por la literatura que trataba tema ecológicos. Existe una discusión acerca de la validez o no del Path analysis para predecir relaciones causales. Meehl & Waller (Paul E. Meehl y Niels G. Waller, (2002).) realizan en el artículo de referencia una exposición de las autores protagonistas de la discusión a la que nos referimos, manifestando que actualmente el tema se encuentra allí dónde estaba en sus inicios (Wright-Niles 1922-1923) y pasan a realizan su propia aportación para obtener una aproximación estadística más fuerte a la estimación de verosimilitud, generando un código para explorar automáticamente diferentes variaciones del modelo propuesto.

No obstante y en lo que a nosotros respecta, asumimos que, en general, el path analysis NO confirma la causalidad en un modelo, dado que esta es supuesta en la simple correlación y que , con un mismo conjunto de datos, diferentes modelos podrían resultar válidos. Sin embargo, cuando se dispone de unas hipótesis que confirmar y un conjunto de datos obtenidos en ese contexto, el path analysis puede indicar con extrema claridad que las relaciones planteadas son NO verosímiles. Sin duda, aunque no le reconozcamos al método ninguna cualidad predictiva de causalidad, no vamos a negarle su capacidad de desechar la existencia de la misma. En este sentido apelamos a la búsqueda de la falsación de K. Popper. En suma, si el Path analysis está de acuerdo con las hipótesis planteadas, la teoría es más consistente que antes (ha pasado un intento de refutación) y esperaremos un segundo intento que muestre su falsedad o que la mejore. Resumiendo:

1. No establece causalidad.

2. No dice si el modelo es correcto.

3. Es muy potente para decir que modelos no son consistentes con los datos disponibles.

4. Es muy potente para examinar modelos complejos y ver cuál o cuales se ajustan mejor a los datos.

Evaluación del modelo

Tenemos en cuenta que el análisis de rutas supone que se cumplen unas condiciones básicas, como son: las observaciones deben cumplir los presupuestos de independencia, homocedasticidad, linealidad y normalidad multivariable.

Después de varias tentativas, planteamos el modelo cuyas salidas estandarizadas y no estandarizadas se insertan a continuación.

Si los datos cumplen las exigencias estadísticas distribucionales del modelo, el coeficiente de Mardia multivariante y su estimación normalizada, debe estar entre +/- 3. Observamos que su valor es 2,344 y que por lo tanto está dentro del rango permitido.

Mardia.jpg

El mensaje “minimun was achieved” indica que la aplicación (AMOS 5.0) ha calculado con éxito las varianzas y covarianzas, es decir no se ha encontrado con un modelo sin solución ( por ejemplo variables linealmente dependientes). Como p> 0,05 de acepta la hipótesis nula y por tanto se asume que no hay diferencias entre el modelo y los datos, es decir que el modelo representa bien a los datos existentes.

  1. Minimum was achieved
  1. Chi-square = 4,824
  1. Degrees of freedom = 11
  1. Probability level = ,939

El poder predictivo del modelo se analiza mediante R2 , la varianza explicada por el modelo. No se aceptan valores inferiores al 0,1, es decir menos de un 10% se considera un valor predictivo del modelo bajo. En nuestro caso, observamos que el modelo tiene un valor predictivo del 76,4 % del Éxito del proceso PEU desarrollado por una ciudad; es decir, el modelo planteado puede explicar más del 75% de las circunstancias que influyen en el éxito del Plan estratégico.

PoderExplicativo.jpg

En general, la ecuación tomaría la forma: Éxito = a1*OT + a2* Omarco + a3* MC+ a4* eex; En virtud de los efectos directos e indirectos la ecuación planteada puede ponerse totalmente en función de las variables blandas, es decir los dos tipos de liderazgo, la temperatura ciudadana y la implicación de los agentes urbanos.

Output NO estandarizado.

Output1.jpg


Output estandarizado.

Output2.jpg

Considerar que los pesos de regresión estandarizados deben tomar un valor de 0,2 ; e idealmente, deben de tener un valor superior a 0,3 (Chin, 1998).

Observamos un alto grado de cumplimiento, no siendo aconsejable eliminar el camino Éxito << OT con un peso de 0,17 pues OT genera efectos directos e indirectos y su peso final es mayor. Se adjuntan los efectos totales.

Efectos Totales.

EfeTot.jpg

Efectos Totales Estandarizados.


EfeTotEst.jpg

Ajuste

Nos fijaremos en los índices más comúnmente aceptados y que ofrecen más acuerdo, menos discrepancias de interpretación. Los resultados obtenidos son los siguientes:

AjusteModelo.jpg

Contraste de Hipótesis

Cuando hemos mostrado los resultados de los pesos de regresión significativos, los efectos directos e indirectos y el ajuste del modelo, se han contrastado las hipótesis planteadas; a efecto de acabar de cerrar el presente proceso y a la espera de otras investigaciones, cabe comprobar cual es la precisión y estabilidad de las estimaciones que se han efectuado; para ello podemos recurrir a la técnica bootstrapping y plantear un proceso que extraiga 500, 5.000 y 50.000 muestras, encontrándose que los resultados son muy estables. Si la precisión y la estabilidad están comprobadas, el contraste de las hipótesis queda confirmado.

Interpretación

Explicación de hechos conocidos.

1. Las variables Temperatura_ciudadana, Liderazgos, Compromiso_agentes_ciudadanos tiene carácter de precondición y son fundamentales para alcanzar objetivos, por encima de disponibilidad de recursos materiales. Puede apuntarse que estas Actitudes son condición necesaria y suficiente Diseño Social-3 para lograr éxito en tanto que un modelo formado solamente por aptitudes NO ajusta y otro formado únicamente por Actitudes SI ajusta.

2. Obtención cuantitativa de dos formas de liderazgo, conocidas concretamente en la literatura especializada como “manager” y “líder”.

Avance que hechos que ocurrirán.

1. Aquellas áreas metropolitanas que carecen de gobierno no serán capaces de formular objetivos; sin duda, hay sistemas complejos sin subsistema decisor que se desarrollan y crecen, pero en el caso de las sociedades humanas la existencia de este subsistema es recomendable para no llegar a cualquier parte. La permanencia de estas ciudades reales en un estado organizativo que no persigue la coherencia de las actuaciones de sus componentes, tendrá un coste para los ciudadanos de las mismas.

2. La “Planificación estratégica Urbana” no puede suplir la falta de estructuración metropolitana dado que la PEU precisa de liderazgo –al menos de dos tipos- que no puede ser facilitado por una realidad metropolitana invertebrada; ahora bien, dicho proceso tendrá un valor en si mismo pues la ecuación que lo describe es aditiva, aunque el grado de éxito que alcanzará va a ser menor que en el caso de partir con valores más altos de las variables liderazgos. Podemos hablar a priori de que la estructuración generada en torno al proceso de planificación estratégica urbana va a ser ineficiente y sin duda, muy vulnerable, pero en absoluto será negativo.

Limitaciones del estudio.

Tienen que ver fundamentalmente con el carácter experimental, la causalidad, la linealidad de las relaciones y el empleo de Sistemas de Indicadores.

  • Experimental. El mismo carácter de tesis doctoral, hace que se trate de un “corte en el tiempo” y no de un proceso experimental.
  • Causalidad. Cabe explicitar nuestra opinión acerca del path analysis y su utilidad para confirmar o no la causalidad. No obstante y en lo que a nosotros respecta, asumimos que, en general, el path analysis NO confirma la causalidad en un modelo y No determina si un modelo es EL verdadero. Sin embargo, cuando se dispone de unas hipótesis que confirmar y un conjunto de datos obtenidos en ese contexto, el path analysis puede indicar con extrema claridad que las relaciones planteadas son NO verosímiles. Sin duda, aunque no le reconozcamos al método ninguna cualidad predictiva de causalidad, no vamos a negarle su capacidad de desechar la existencia de la misma. En este sentido apelamos a la búsqueda de la falsación de propugna K. Popper. En suma, si el Path analysis está de acuerdo con las hipótesis planteadas, la teoría es más consistente que antes (ha pasado un intento de refutación) y esperaremos un segundo intento que muestre su falsedad o que robustezca su verosimilitud.
  • Linealidad. Hemos de considerar que las relaciones propuestas son lineales, si bien la característica de sistemas complejos hacen suponer otro tipo de relaciones. Con respecto al modelo DF, en el capitulo séptimo se exploran las influencias de segundo y tercer orden, sin embargo debemos señalar que las influencias consideradas, se han limitado a las de primer orden.
  • Sistemas de indicadores. Por último y a pesar de la corrección en el empleo de las encuestas tipo Likert, es preferible la construcción de sistemas de indicadores que proporcionen datos objetivos.

Futura dirección de la investigación

La evolución natural de este trabajo entendemos que debería ir encaminada a lograr simultáneamente dos objetivos:

  • Solventar las limitaciones apuntadas
  • Profundizar en los aspectos novedosos que aporta.

Centrándonos en el primer aspecto, un Plan de Investigación que trabajara sobre los procesos PEU y/o sobre el gobierno de las grandes ciudades / áreas metropolitanas, debería avanzar en el tratamiento riguroso de las cuestiones metodológicas, de forma que puedan efectuarse procesos experimentales y que por lo tanto existan grupos de contraste, distintas mediciones en el tiempo...etc. Por supuesto, debe disponerse de medios que aseguren alcanzar los umbrales de respuestas necesarios para los diferentes tratamientos.

Un Plan de investigación trabajando sobre el gobierno de las ciudades y que se focalizara en el segundo criterio expuesto, debe profundizar en la utilización de las herramientas empleadas y en otras cuyo uso se ha sugerido; así debe de consolidarse en este campo, la utilización de Ecuaciones estructurales y Sistemas Dinámicos, el método analítico jerárquico de Saaty. El empleo de las herramientas adecuadas sobre nuestro objeto de conocimiento debe de permitirnos lograr un punto dónde se encuentre la investigación sociológica con los Sistemas de Indicadores; en ese instante, los procesos de medición serán verificables y mucho más independientes del factor humano. Supongo que en ese estadio, los modelos SEM y DF estará mucho más evolucionados, más completos, serán más complejos, proporcionarán un apoyo tecnológico de simulación apreciable y quizás se confluya con otras técnicas que puedan desarrollar y/o proporcionar disciplinas autodenominadas hoy postnormales.

En definitiva, se trata de seguir aproximando la técnica al diseño del gobierno de las grandes ciudades y áreas metropolitanas, limitando conscientemente la utilización del lenguaje natural y esforzándose para potenciar la aproximación desde una perspectiva basada en una teoría, en datos cuantitativos y cualitativos, en cálculos, en la comparación de los diferentes escenarios posibles. Resulta muy duro que el diseño social reconocido sea casi inexistente, mientras que el diseño industrial, arquitectónico, informático...etc, está tan evolucionado tecnológicamente.

De seguir esta línea de investigación, de hecho estaríamos focalizando en un objetivo concreto nuestro medios, si bien seriamos conscientes de que existen grupos de investigadores que efectúan su trabajo de forma quizás no exactamente paralela, pero animados de un espíritu de superación similar; al respecto, incluimos el prologo de Jhon Barry, Director del “Governance Public Policy and Social Research” ( Queens’s University Belfast) al documento de trabajo que se cita:

  • ...The Institute was set up to serve two equally important purposes – to enhance the quality of research in QUB and to make a significant contribution to the policy community in Northern Ireland. This current working paper is an excellent example of how these two purposes are combined through the Institute’s work. It provides high level scientific analysis of an important Northern Ireland policy issue and demonstrates links between the special Northern Ireland experience and potential advances in European and global research by developing new insights into a key research and policy issue, the governance of science and sustainable development.
  • ...Finally, from a broader perspective, these papers on the ‘Governance of Science’, are timely in the sense that the public policy issues of the 21st century will, to a greater extent than the previous century, be dominated by the interplay between scientific and technological advances on the one hand, and the institutional, political and indeed ethical capacities of human societies to inform, comprehend and govern these advances. Underpinning this collection is perhaps one of the most pressing questions of the contemporary age, echoing the Russell-Einstein manifesto of 1955 which founded the Pugwash movement:
    • There lies before us, if we choose, continual progress in happiness, knowledge, and wisdom. Shall we, instead, choose death, because we cannot forget our quarrels? We appeal as human beings to human beings: Remember your humanity, and forget the rest. If you can do so, the way lies open to a new Paradise; if you cannot, there lies before you the risk of universal death.
  • 50 years later these ethical and political concerns about the misuse of science and technology have grown rather than diminished. I hope that the publication by the Institute of this paper at this time will make a significant contribution to all these processes.

Citas

  1. Martinez Arias (1996) plantea los siguientes intervalos de aceptación de la consistencia interna según el valor del α de Cronbach: -60-.70: aceptable /-70-.80: moderado /-80-.90:buena /-90-1  : excelente
  2. Cardona, Pablo. El liderazgo centrado en la misión (2008). IESE Business School.Universidad de Navarra.
  3. Debemos de considerar, la tesis doctoral –Sr Sanguino Galván- leída en enero de 2005 que obtuvo sobresaliente cum laude por unanimidad y que dice:“Por otra parte, los componentes económico, urbano-espacial, institucional y sociodemográfico de la competitividad de una ciudad concuerdan con la investigación de Cabrero, Ziccardi, y Orihuela (2003). En este sentido, nuestra investigación aporta un quinto componente, el estratégico, que debe ser tenido en cuenta en el estudio de la competitividad de la ciudad, ya que se ha revelado fiable y válido.”
  4. Farrell Katharine N, Ravetz Jerome R (Editors). Governance of Science: The new politics of science, Historical perspectives and Future prospects. Working Paper QU/GOV/2/2005. Abril 2005

Bibliografía

  • J. Quintás Alonso. “Análisis de los factores y políticas comunitarias que favorecen el diseño y ejecución de la planificación estratégica de Grandes Ciudades y Áreas Metropolitanas, basándose en las experiencias de Barcelona, Bilbao y Valencia”. José Quintás Alonso. Tesis doctoral 26/2/2006. ISBN:84-689-7698-9.[1]