![Cabecera del webinar](https://www.ui1.es/sites/default/files/field/image/webinar_nca_nota_de_prensa_800x365.jpg)
Cabecera del webinar.
28 de febrero de 2023. Marta Sánchez Viejo, coordinadora del Grado en Administración y Dirección de Empresas (ADE) de la Universidad Isabel I, ha presentado el webinar titulado ‘Introducción a Necessary Condition Analysis (NCA), una técnica de análisis’ en el que Cayetano Medina Molina, docente de ADE en la Universidad Isabel I ha explicado esta técnica de análisis. NCA o Necessary Condition Analysis:“es una técnica de análisis de datos, que puede ser empleada de modo aislado o como complemento de otras técnicas y que permite profundizar en las condiciones necesarias”, explicó la profesora Sánchez Viejo.
Por su parte, Cayetano Medina Molina, docente del Grado en ADE, explicó que es una técnica recientemente desarrollada, ya que se creó en 2016, y puede ser útil para estudiantes y docentes sobre los trabajos de investigación. “Es una técnica que gana peso por la simplicidad de su uso”, indicó el docente. No obstante, requiere de una condición necesaria para su aplicación.
El economista David Hume definió una causa como:
“un objeto seguido por otro, y donde todos los objetos similares al primero, son seguidos por objetos similares al segundo, o donde si el primero no se hubiera producido, el segundo nunca habrá existido”.
Este es el principio en el que se basa la NCA. Para realizar el análisis de los datos de la investigación es necesario establecer dos tipos de causalidad:
- la causalidad suficiente (donde el antecedente produce un resultado)
- y la causalidad necesaria, (en la que el resultado no se presentará sin el antecedente).
Marta Sánchez Viejo y Cayetano Medina Molina durante el webinar.
Y un ejemplo de esta teoría es la caída de varias fichas de dominó en cadena (si la primera no se cae, no produce la caída de las siguientes).
El profesor Medina Molina señala que en la investigación, existe en ocasiones, un desajuste entre los principios que sustentan las herramientas analíticas y el fenómeno estudiado. Así, en las teorías de la necesidad, se informa del nivel de un objeto, que debe alcanzar un determinado nivel de resultado, identificando las condiciones “sine qua non” para que se produzca el fenómeno objeto de estudio.
“En el mundo, hay condiciones necesarias y teorías de necesidad. Estas técnicas son diferentes a las técnicas aditivas, ya que si no se produce una condición necesaria, no podrá seguirse con el análisis puesto que sus efectos no se pueden compensar. Y a las técnicas asimétricas, donde algunas condiciones pueden indicar que haya un determinado de resultado o un reducido nivel de ese estudio”, explicó el profesor.
Qué es NCA
NCA es una técnica basada en la lógica de la necesidad, que identifica condiciones necesarias independientes, lo que se llaman cuellos de botella o facilitadores aislables, y que debe estar presentes para posibilitar un resultado. Gracias a esta técnica, se relacionan las condiciones con las posibilidades de que se produzcan esos modelos.
La aplicación de NCA resulta especialmente valiosa porque: permite trabajar con modelos intuitivos, ya que los simplifica; al mismo tiempo, se define como un nuevo modelo de pensamiento teórico; atiende a relaciones asimétricas entre sus condiciones y resultados; emplea el álgebra lineal o booleana; complementa otras metodologías; permite trabajar con un reducido número de casos y posee capacidad predictiva, ya que posibilita interferencias causales.
Componentes de NCA
Si se cumplen tres requisitos básicos, se puede concluir que una condición es necesaria:
- Disponibilidad de una expectativa teórica de que un antecedente podría ser una condición necesaria para el resultado (una hipótesis de necesidad).
- Un tamaño del efecto de necesidad relevante.
- Un reducido p-valor del permutation test.
Con la NCA, se trabaja de la siguiente manera: se plantea una hipótesis, ya que una condición puede ser necesaria para ser formulada como un facilitador (su presencia es necesaria para la presencia del resultado) o como un limitador (su ausencia es suficiente para la ausencia del resultado). Y ello nos lleva a los cuatro corners, donde se analizan los valores de X y los valores de Y, con mayor o menor necesidad, dando lugar a cuatro esquinas equidistantes para analizar todos los datos.
Componentes de la condición necesaria.
“NCA trata de identificar un espacio vacío para la distribución de los datos que refleje, como resultado y que está limitado por la condición X. Y esta identificación se realiza a través de una ceiling-line, por encima o debajo de los valores XY”, explica el profesor en su exposición.
Así, es necesario en un primer momento plantear la hipótesis en términos de necesidad y calcular el tamaño del efecto y el p-valor y analizar los datos, representado en la ceiling-line. Igualmente hay que identificar los cuellos de botella.
Cayetano Medina puso ejemplos prácticos sobre el funcionamiento del NCA a través de R Studio. Este modelo se ha utilizado en recursos humanos, emprendimiento, innovación o turismo… en múltiples disciplinas, con un gran número de trabajos de investigación. Se trata de una técnica novedosa y en 8 años ha tenido bastante recorrido. El profesor Medina propuso a los alumnos de ADE que “si quieren aplicar esta técnica de análisis de datos en sus trabajos de final de grado, cuando cuenten con una hipótesis de necesidad, estaré a su disposición para ayudarles en el análisis”, concluyó.
Webinar completo.