Investigación Cuasi-Experimental

El término "cuasi-experimento" se refiere a diseños de investigación experimentales en los cuales los sujetos o grupos de sujetos de estudio no están asignados aleatoriamente. Los diseños cuasi-experimentales más usados siguen la misma lógica e involucran la comparación de los grupos de tratamiento y control como en las pruebas aleatorias. En otros diseños, el grupo de tratamiento sirve como su propio control (se compara el "antes" con el "después") y se utilizan métodos de series de tiempo para medir el impacto neto del programa (Rossi y Freeman, 1993). Aunque los cuasi-experimentos son más vulnerables a las amenazas a la validez que las pruebas aleatorias, los cuasi-experimentos no requieren asignaciones aleatorias a los grupos experimentales y por eso son generalmente más factibles que las pruebas aleatorias.

 Ventajas de los cuasi-experimentos

Las ventajas principales del diseño de grupo control no equivalente son:

·         Provee una aproximación al experimento aleatorio cuando la aleatoriedad no es posible.

·         Es versátil. Como las pruebas aleatorias, los cuasi-experimentos pueden usarse para medir resultados a nivel poblacional o de programa.

·         Cuando se diseñan, controlan y analizan apropiadamente, los cuasi-experimentos pueden ofrecer una evidencia casi tan fuerte del impacto del programa como la de las pruebas aleatorias y más fuerte que la mayoría de los estudios no experimentales.

 Limitaciones de los cuasi-experimentos

El diseño de grupo control no equivalente está sujeto a los mismos supuestos generales y limitaciones que las pruebas aleatorias expuestos anteriormente (fuera de los que contemplan la aleatoriedad).

Además:

·         El cuasi-experimento es más vulnerable a los sesgos de selección, o sea, que el grupo de tratamiento puede diferir del grupo control en características que están correlacionadas con los resultados estudiados, distorsionando los resultados del impacto.

·         Depende mucho de los métodos estadísticos multivariables y es, por lo tanto, sensible al uso de modelos estadísticos apropiados y al tratamiento correcto de los problemas de estimación estadística.

En la práctica, los estudios cuasi-experimentales a menudo pueden compensar las diferencias en las características clave de los grupos experimentales a través del pareo y el análisis multivariable. Sin embargo, una preocupación latente es que  los grupos experimentales difieran en factores no observados que influyen en los resultados del estudio. A diferencia de los efectos distorsionantes en factores observables y que pueden tomarse en cuenta mediante el pareo y la introducción de variables de control en modelos estadísticos multivariables, los factores no observables (por ejemplo, predisposición o motivación diferencial) no pueden ser compensados de esta forma y pueden conducir a estimaciones de impacto de programa equivocadas y/o sesgadas.