Un método para evaluar una afirmación explicativa, un resultado de modelo o un hallazgo empírico probando si el resultado se mantiene a través de un conjunto diverso de supuestos plausibles, estructuras de modelo, valores de parámetros o condiciones experimentales; el análisis de robustez valora si una conclusión es un artefacto de elecciones particulares o una característica estable del sistema o fenómeno.

Principio

Si un resultado persiste bajo variaciones sustanciales y teóricamente relevantes en supuestos, estructura o condiciones, aumenta su soporte probatorio porque es menos probable que dependa de decisiones idiosincráticas del modelo.

Demostración

Escenario ilustrativo: Economistas obtienen la predicción de que una política aumenta el ahorro agregado (Situación). Vuelven a ejecutar los modelos con funciones de utilidad alternativas, distintas fricciones de mercado y calibraciones variadas (Reconocimiento). Encontrar el efecto cualitativo en esas variantes (Acción) incrementa la confianza de que el efecto refleja un mecanismo estructural y no un artefacto de modelado (Consecuencia).

Aplicación incorrecta

Concluir que la robustez observada garantiza la verdad o tratar comprobaciones de sensibilidad limitadas (pequeñas variaciones paramétricas) como robustez plena; el error es no variar supuestos o estructuras que sean plausibles y materialmente relevantes.

Consecuencia

El análisis de robustez puede identificar mecanismos centrales candidatos, priorizar la investigación y reducir la dependencia del modelo en la inferencia; sin embargo, la robustez aparente puede ocultar supuestos compartidos o sesgos entre modelos y dar una confianza equivocada si no se consideran alternativas clave.

Inversión

Cuando modelos competidores comparten una hipótesis oculta o una fuente de datos, la robustez en ese conjunto es engañosa; de modo similar, para tareas que exigen predicciones numéricas precisas, la robustez de un patrón cualitativo puede ser insuficiente o irrelevante.

Límite

Claramente dentro: comparar resultados entre modelos estructuralmente diferentes y regímenes de parámetros. Caso límite: un único modelo con análisis de sensibilidad local extenso. Claramente fuera: repetir código de modelo idéntico o conjuntos de datos sin variación sustantiva en supuestos o estructura.

Tensión semántica

Robustez ↔ Precisión/Especificidad: la robustez enfatiza la estabilidad de rasgos cualitativos frente a la variación, mientras que la precisión exige predicciones cuantitativas exactas que pueden no ser robustas ante cambios estructurales.

Síntesis

El análisis de robustez considera la estabilidad frente a alternativas plausibles como evidencia corroborativa; refuerza inferencias al exponer la dependencia del modelo, pero debe diseñarse para variar las suposiciones relevantes, pues la robustez aparente puede originarse en compromisos compartidos no examinados.