Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CUANTITATIVA
Encuesta.
Experimento.
0
TABLA DE CONTENIDO
Presentación 2
Encuesta 3
Experimento 48
Amorrortu editores.
1
PRESENTACIÓN
que aborda, puede desarrollarse desde alguno de tres enfoques: cuantitativo, cualitativo y
de métodos mixtos.
particular.
los métodos de investigación cuantitativa y las particularidades de cada uno de éstos, así
como ubicar sus objetos de estudio en el método más adecuado. Una vez que se ha
autores reconocidos.
2
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
ENCUESTA
Babbie, E. (1988). Métodos de investigación por encuesta (J. J. Ultrilla, Trad.). México:
Fondo de Cultura Económica.
Primera Parte
EL CONTEXTO CIENTÍFICO DE LA INVESTIGACIÓN POR ENCUESTA
INTRODUCCIÓN
I. LA LÓGICA DE LA CIENCIA
La ciencia en la práctica
Mientras que la perspectiva tradicional indica que los científicos parten
directamente de un interés en cierto fenómeno hacia la derivación de una teoría, en
3
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
realidad esto ocurre pocas veces o nunca. Las teorías son el resultado final de una larga
cadena de actividades deductivas y empíricas; el crear teorías implica una interesante
interacción de deducción y observación.
¿Qué es la ciencia?
En su base, toda ciencia tiende a una comprensión del mundo que nos rodea. Hay
tres componentes principales de esta actividad: descripción, descubrimiento de
regularidad, y formulación de teorías y leyes.
La ciencia es, fundamentalmente, una actividad racional, y las explicaciones
científicas deben tener sentido. Hay dos importantes sistemas lógicos distintos para la
búsqueda científica: lógica deductiva y lógica inductiva. En la inducción, partimos de los
datos observados y desarrollamos una generalización que explica las relaciones existentes
entre los objetos observados; en el razonamiento deductivo partimos de alguna ley
general y la aplicamos a un razonamiento particular.
En la práctica, la investigación científica incluye razonamiento inductivo y
deductivo, y el científico va y viene interminablemente entre la teoría y las observaciones
empíricas.
Los científicos no conocen ni pretenden conocer las causas específicas de todos los
hechos; sencillamente, presuponen que tales causas existen y que es posible descubrirlas.
La ciencia acepta la causación múltiple: un hecho dado puede tener varias causas.
La ciencia tiende a un entendimiento general y no a la explicación de hechos en
particular. La generalización es característica importante de los descubrimientos
científicos.
La ciencia es parsimoniosa. De manera general, el científico intenta comprender las
razones de los hechos utilizando la menor cantidad posible de factores explicativos.
La ciencia es empíricamente verificable: las leyes o ecuaciones generales no son
útiles a menos que se les pueda verificar mediante la recabación y manipulación de datos
empíricos.
4
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Uno de los más animados debates académicos de años recientes se han referido a
la condición “científica” de aquellas disciplinas reunidas bajo el rubro de ciencias sociales,
que en general incluye sociología, ciencia política, psicología y, a veces, campos como
geografía, historia, comunicaciones y otros campos mixtos y especialidades. Básicamente,
se discutía si la conducta humana se puede someter a un estudio “científico”.
Como los científicos físicos, los científicos sociales tratan de descubrir la regularidad y el
orden. Los científicos sociales buscan la regularidad en la conducta social, y lo hacen
mediante minuciosa observación y medición, el descubrimiento de relaciones y la
formulación de modelos y teorías.
5
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Debe reconocerse que todas estas mediciones (en realidad todas las mediciones
son arbitrarias en la base. Sin embargo, esto no es exclusivo de la ciencia social. A la
postre, todas las mediciones científicas deben juzgarse sobre la base de su utilidad para la
investigación, y no sobre la base de su verdad absoluta. La apertura de toda ciencia exige
el cambio continuo.
La acusación de que muchos descubrimientos de los sociólogos son triviales o ya
conocidos ha llevado a muchos científicos sociales a buscar unos descubrimientos
esotéricos u oscuros, para probar que la ciencia social no es simple sentido común
presuntuoso. Esto es inapropiado, desde muchos puntos de vista. Existen tantas
contradicciones en el vasto cuerpo del “sentido común”, que es esencial desarraigar
sistemáticamente las concepciones erróneas existentes. Aun cuando una proposición no
sea refutada por los legos, es necesario someterla a prueba empírica.
“Documentar lo obvio” es función valiosa de cada ciencia, física o social. Ésta no es
crítica legítima de ninguna empresa científica.
Las regularidades sociales representan patrones probabilísticos y una relación
general entre dos variables no tiene que ser cierta en 100% de los casos observables.
La acusación de que las regularidades sociales observadas podrían alterarse
mediante la voluntad consciente de los actores no representa un desafío suficiente a las
ciencias sociales. Esto no ocurre con frecuencia suficiente para amenazar de manera seria
la observación de las regularidades sociales.
Cuando, con el tiempo, las normas sociales cambian, el científico social puede
observar y explicar estos cambios. A la postre, las regularidades sociales persisten porque
tienden a tener sentido para los actores que participan en ellas.
Los científicos sociales aún no han creado teorías del comportamiento social que
puedan compararse a las teorías desarrolladas por los científicos físicos.
6
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
7
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
8
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Las encuestas se parecen mucho a los censos, y difieren básicamente en que una
encuesta casi siempre examina una muestra de la población, mientras que el censo
generalmente implica una enumeración de toda la población.
En su mayor parte la investigación contemporánea mediante encuestas es
producto de investigadores norteamericanos: a) la continuada labor de la Oficina del
Censo de los Estados Unidos; b) las actividades de empresas comerciales de encuestas; y
c) los esfuerzos de universidades, académicos como Stouffer y Lazarsfeld, y asociaciones
profesionales.
9
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Segunda Parte
DISEÑO DE INVESTIGACIÓN POR ENCUESTAS
INTRODUCCIÓN
Es un error suponer que el diseño del estudio es menos difícil que el análisis o que
requiere menos brillantez o ingenio.
10
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
La unidad de análisis
Las cosas en estudio en una encuesta determinada son las “unidades de análisis”.
Característicamente, la unidad de análisis para una encuesta es una persona, pero no
hay razón por la que esto tenga que ser así; también pueden ser familias, ciudades,
estados, naciones, compañías, industrias, clubes, agencias gubernamentales, etc.
Una encuesta puede incluir más de una unidad de análisis. Las unidades de análisis
para una encuesta dada pueden describirse sobre la base de sus componentes.
11
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
12
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
La mayoría de los lectores podrán dar dos razones para hacer el muestreo: tiempo
y costos. Tal vez esto no sea reconocido generalmente, pero las encuestas de muestras a
13
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
menudo son más precisas que lo que ocurriría en un censo total. Pese a esto, muchos
lectores tienen ciertas reservas acerca del muestreo.
Las encuestas de muestras pueden ser sumamente precisas. Al mismo tiempo,
debemos reconocer que a menudo no lo son.
Es útil distinguir dos tipos importantes de métodos de muestreo, el muestreo
probabilístico y el muestreo no probabilístico. Actualmente, el método más respetado y
útil es el probabilístico.
14
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
15
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
16
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
serán los estudiantes individuales en la universidad. La variable serán las actitudes hacia el
código, una variable binomial: aprobación y desaprobación. Seleccionamos una muestra
aleatoria de 100 estudiantes y encontramos 48 estudiantes que aprueban el código y 52
que lo desaprueban.
Ahora, supongamos que en otra muestra de 100 estudiantes, 51 aprueban el
código; y en una tercera muestra 52 estudiantes lo aprueban.
La regla fundamental del muestreo aleatorio es que las muestras tomadas de una
población ofrecen estimaciones del parámetro que pertenece a la población total.
Si se seleccionan muchas muestras aleatorias independientes entre una población,
las estadísticas muestrales que nos ofrecen esas muestras serán distribuidas en torno al
parámetro de la población de una manera conocida. Aunque veamos que existe un vasto
intervalo de estimaciones, hay más de ellas en la vecindad de 50 por ciento. Por
consiguiente, la teoría de las probabilidades nos dice que el verdadero valor está en la
vecindad del 50 por ciento.
La teoría de las probabilidades nos ofrece una fórmula para estimar qué tan
cercanamente se encuentran aglomeradas las estadísticas de muestra en torno al valor de
verdad. Esta fórmula contiene tres factores: el parámetro, el tamaño de la muestra y el
error estándar (medida del error del muestreo).
Fórmula PQ/n
Símbolos: P, Q: Los parámetros de la población para la binomial: si 60% del cuerpo estudiantil
aprueba el código y 40% lo desaprueba, P y Q son 60% y 40%, o 0.6 y 0.4. Obsérvese que Q = 1 − P
y P = 1 − Q.
n: Número de casos en cada muestra.
S: El error estándar.
17
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
18
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
19
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
20
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
El muestreo no probabilístico
a) El muestreo de juicio o con un propósito. En ocasiones, puede ser apropiado
para el investigador seleccionar su muestra sobre la base de su propio
conocimiento de la población, de sus elementos y de la naturaleza de los
objetivos de su investigación.
b) El muestreo de cuota. Utiliza una matriz que describe las características de la
población que se estudia. Por ejemplo, la proporción de hombres y mujeres en
la población.
c) Dependencia de sujetos disponibles. Puede servir al propósito de preprueba de
un cuestionario.
21
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
La lógica de la conceptualización
Antes de dedicarse a su investigación empírica, los conceptos pueden sólo ser
ideas generales del investigador. Hay que especificar esos conceptos generales; se les
debe reducir a indicadores empíricos específicos. Los científicos nunca recaban datos:
crean datos. En sentido real, el investigador nunca puede hacer mediciones precisas, sino
tan sólo útiles.
Un marco de definición
En la ciencia, a menudo los conceptos toman la forma de variables: unen una
colección de atributos relacionados.
La mayor parte de los conceptos más interesantes de la ciencia representan
variables ordinales integradas por valores dispuestos a lo largo de una dimensión.
Definición es el proceso por el cual el investigador especifica observaciones
empíricas que pueden tomarse como indicadores de los atributos contenidos dentro de
un concepto determinado.
Como comienzo del proceso de definición, el investigador deberá empezar por
enumerar todas las diversas subdimensiones de la variable. Al hacerlo, deberá prestar
atención a investigaciones anteriores del tema, así como a los conceptos que de él se
tienen por sentido común.
22
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Tipos de datos
Con datos nos referimos a la información que el interrogado cree que representa la
verdad y que el investigador generalmente acepta como tal.
La investigación mediante encuestas no permite la medición directa de la
conducta, aunque la conducta es, con frecuencia, el referente último de la investigación
social. Sin embargo, la investigación mediante encuestas sí permite la medición indirecta
de la conducta, y a menudo en formas útiles.
Se puede pedir a los interrogados que hablen de su conducta pasada, pese a las
insuficiencias relacionadas con las dificultades de memoria y veracidad. La investigación
mediante encuesta también puede examinar la conducta prospectiva, sea real o
hipotética. Las medidas de comportamiento prospectivo son menos fidedignas que las
medidas de la conducta pasada, en casi todos los casos.
Niveles de medición
a) Mediciones nominales. Simplemente distinguen las categorías que
comprenden una variable determinada. Por ejemplo, el sexo es una variable
nominal comprendida en las categorías hombre y mujer.
b) Mediciones ordinales. Reflejan un orden de rango entre las categorías que
forman una variable. La clase social sería un ejemplo de variable ordinal. Las
mediciones ordinales se emplean mucho en la investigación de las ciencias
sociales. Aunque tales mediciones son representadas con frecuencia por
números en un índice o escala, estos números no tienen otro sentido que la
indicación del orden de rango. Una persona calificada con 5 en un índice de
enajenación estaba más enajenada que una persona calificada con 4 en tal
índice, pero esta medición ordinal no nos daría ninguna indicación de cuánto
más enajenada estaba la primera.
c) Mediciones de intervalo. También utilizan números para describir condiciones,
pero estos números tienen más significado que en el caso de las mediciones
ordinales: las distancias entre los grupos tienen un significado real. El ejemplo
23
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
24
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Instrucciones
Cada cuestionario deberá contener instrucciones y comentarios introductorios
bien claros, cuando sean apropiados.
Precodificación
Cada vez que se utilice la precodificación en un cuestionario autoaplicado, debe
mantenerse lo más discreta posible, pues de otro modo confundiría al interrogado.
25
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
26
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
X. EL PROCESAMIENTO DE DATOS
27
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
preguntas que están bajo consideración. Suele ser útil interrogar a los mismos
sujetos más de una vez al preprobar el instrumento.
c) Preprueba de la recabación de datos. El investigador deberá poner a prueba,
físicamente, los procedimientos para reunir y enviar los cuestionarios.
d) Preprueba del procesamiento de datos. El investigador deberá preprobar sus
operaciones de codificación y captura.
e) Prepruebas del análisis. El investigador deberá recorrer todos los pasos, desde
los datos en bruto hasta cualquier modo analítico que tenga en mente.
28
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Tercera Parte
ANÁLISIS DE LA INVESTIGACIÓN POR ENCUESTA
La imagen tradicional
La perspectiva tradicional del método científico se basa en un conjunto de pasos
seriales que, según se cree, los científicos siguen en su obra. Estos pasos pueden
resumirse de esta manera:
1. Construcción de teoría.
2. Derivación de hipótesis teóricas.
3. Definición de conceptos.
4. Recabación de datos empíricos.
5. Prueba empírica de las hipótesis.
La intercambiabilidad de índices
Existen varios posibles indicadores para cualquier concepto. Aunque pueda haber
razones para creer que algunos de los posibles indicadores son mejores que otros, en
realidad son esencialmente intercambiables. El investigador usa todos los indicadores.
29
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Implicaciones
Medición y asociación están entrelazadas en forma importante. La manera
“apropiada” de medir una variable determinada depende notablemente de las variables
con que está asociada.
El análisis univariado
Se refiere al examen de sólo una variable a la vez. El formato más básico para
presentar datos univariados sería el informe de todas las respuestas individuales.
Descripciones de subgrupo
A menudo, el investigador debe describir subconjuntos de su muestra de encuesta.
Más a menudo, el propósito de las descripciones de subgrupo es comparativo. Esta
comparación no es motivada por curiosidad ociosa; característicamente se basa en una
expectativa de que la variable de estratificación adoptará alguna forma de efecto causal
sobre la variable de descripción.
Análisis bivariado
El análisis bivariado explicativo es básicamente lo mismo que las descripciones de
subgrupo. En la explicación, el lector debe comprender la lógica de las variables
independientes y dependientes. La determinación de cuál de las dos variables es la
dependiente y cuál la independiente a veces es difícil y hasta arbitraria. Cada vez que haya
un claro orden temporal relacionado con las dos variables, aquella cuyos valores quedan
determinados antes en el tiempo siempre será la variable independiente, aquella cuyos
valores quedan determinados después en el tiempo será siembre la variable dependiente.
30
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
31
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Construcción de índices
a) Selección de puntos. Un índice se crea con el propósito de medir alguna
variable. La primera norma para seleccionar los puntos que se incluirán en el
índice es la validez evidente (o validez lógica). Un índice o una escala debe ser
unidimensional. El investigador debe recordar siempre los sutiles matices que
existen dentro de la dimensión general que él esté tratando de medir. Al
seleccionar puntos para incluirlos en un índice, el investigador también deberá
preocuparse por la cantidad de varianza que ofrezcan estos puntos.
b) Relaciones bivariadas entre los puntos. Si cada uno de los puntos da en realidad
una indicación de la variable −como lo sugiere la validez evidente−, entonces
los diversos puntos deberán estar relacionados empíricamente entre sí. Un
punto dado que no está relacionado con varios de los otros puntos
probablemente deberá ser descartado; al mismo tiempo, una relación muy
fuerte entre dos puntos es otra señal de peligro: si dos puntos están
perfectamente relacionados entre sí, entonces sólo uno de ellos será necesario
para incluirlo en el índice.
c) Relaciones multivariadas entre los puntos. El investigador deberá examinar las
relaciones simultáneas entre las diversas variables antes de combinarlas en un
solo índice. Para que un índice nos ofrezca gradaciones reveladoras será
esencial que cada punto añada algo a la evaluación de cada interrogado.
d) Calificación de índices. El investigador deberá decidir cuál es el intervalo
deseable de las calificaciones del índice. También, el investigador deberá
decidir si debe dar a cada punto una ponderación igual en el índice, o bien
asignarle diferentes ponderaciones (las ponderaciones iguales deben ser la
norma).
32
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Construcción de escalas
Lo que un índice tal vez no tome en cuenta es que no todas las indicaciones de una
variable tienen igual importancia. Las escalas ofrecen más seguridad de ordinalidad,
33
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
incluyendo las estructuras entre los indicadores. Los diversos puntos que entran en una
medida compuesta pueden tener distintas intensidades en función de la variable:
a) La escala de la distancia social de Bogardus. Supongamos que el investigador se
interesa por saber en qué medida los interrogados estarían dispuestos a
asociarse con negros, desarrollando varias preguntas que indican distintos
grados de intensidad en esta variable (cinco preguntas: desde estar dispuesto a
permitir que vivan negros en su país hasta permitir que su hijo(a) se casara con
un(a) negro(a)). Las diferencias de intensidad sugieren una estructura entre las
distintas preguntas. Un solo número puede resumir con precisión cinco o seis
respuestas de encuesta sin pérdida de información.
b) Las escalas de Thurstone. Es un intento por crear un formato para generar
grupos de indicadores de una variable que tengan al menos una estructura
empírica entre ellos. Uno de los formatos básicos es el de los “intervalos que
aparecen con regularidad”. A un grupo de “jueces” se les presentan, tal vez,
cien puntos que, según se considera, son indicadores de una variable. Luego se
pide a cada juez que estime cuán poderoso es ese punto, como indicador de la
variable: asignándole calificaciones, digamos, de 1 a 13. Una vez que los jueces
han completado esta tarea, el investigador examina las calificaciones dadas a
cada punto por todos los jueces para determinar qué puntos produjeron mayor
acuerdo entre los jueces. Aquellos en que los jueces están en claro desacuerdo
serán rechazados como ambiguos. Entre los puntos que produjeron un acuerdo
general en la calificación, serán seleccionados uno o más para representar cada
calificación en la escala, del 1 al 13. Los puntos seleccionados así serán
incluidos entonces en un cuestionario de encuesta. Hoy, la escala de Thurstone
casi nunca se emplea, básicamente por el enorme gasto de energía necesario
para el “juicio” de los puntos. Varios jueces (tal vez 10 o 15) tendrían que
dedicar un tiempo considerable a cada uno de estos puntos, para calificar los
muchos puntos iniciales. La tarea podría requerir investigadores profesionales.
34
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
El paradigma de elaboración
Para empezar, debemos saber si la variable de prueba es antecedente (anterior en
el tiempo) a las otras dos variables, o si interviene entre ellas, ya que éstas sugieren
diferentes relaciones lógicas en el modelo multivariado. Si está interviniendo la variable
de prueba, entonces se plantean las relaciones de la siguiente figura:
Variable independiente
Variable de prueba
Variable dependiente
35
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
a) Repetición. Cada vez que las relaciones parciales son esencialmente las mismas
que la relación original, se aplica el término “repetición” al resultado, sin
importar que la variable de prueba. Los investigadores emplean con frecuencia
el modelo de elaboración en forma un tanto rutinaria, con la esperanza de
repetir sus descubrimientos entre subconjuntos de la muestra.
b) Explicación. Es el término empleado para describir una relación espuria: una
relación original que es rechazada mediante la introducción de una variable de
prueba. Para esto se necesitan dos condiciones: la variable de prueba debe ser
anterior a las variables independiente y dependiente; y las relaciones parciales
deben ser cero o considerablemente menores a lo que se descubrió en el
original.
c) Interpretación. Es similar a la explicación, salvo por la colocación en el tiempo
de la variable de prueba y las implicaciones que se siguen de tal diferencia.
d) Especificación. A veces, el modelo de elaboración produce relaciones parciales
que difieren considerablemente entre sí. Por ejemplo, una relación parcial
puede parecerse mucho a la relación original de dos variables, en tanto que la
segunda relación parcial es cercana a cero. A esta situación se le llama
especificación en el paradigma de la elaboración. El investigador ha
especificado las condiciones en que ocurre la relación original. El término
“especificación” se emplea en el paradigma de elaboración, sin que importe si
la variable de prueba es antecedente o interviniente. En uno u otro caso, el
significado es el mismo. El investigador ha especificado las condiciones en que
se sostiene la relación original.
e) Refinamientos al paradigma. El paradigma básico presupone una relación inicial
entre dos variables; no obstante, puede ser útil, para un modelo más general,
diferenciar entre las relaciones positivas y negativas. Además, Rosenberg
sugiere la aplicación del modelo de elaboración a una relación original de cero;
con la posibilidad de que las relaciones aparezcan en las parciales. El paradigma
básico se enfoca a las relaciones parciales que son las mismas o más débiles
36
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
La estadística descriptiva
a) La reducción de datos. La estadística descriptiva ofrece un método para reducir
grandes matrices de datos a resúmenes manejables, que permitan una fácil
comprensión e interpretación. Variables aisladas pueden resumirse por medio
de la estadística descriptiva, así como las asociaciones entre las variables.
Existen diversos métodos de resumir datos univariados: distribuciones de
frecuencia en números o porcentajes brutos, promedios como la media o el
modo, y medidas de dispersión como el intervalo, la desviación estándar, etc.
La primera meta de la estadística descriptiva univariada es la eficiencia: se
debe mantener la cantidad máxima de información en la forma sumaria más
sencilla.
b) Medidas de asociación. La asociación entre cualesquiera dos variables también
puede ser representada por una matriz de datos, producida por las
distribuciones conjuntas de frecuencia de las dos variables:
37
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
38
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
39
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Análisis de regresión
El análisis de regresión ofrece un método para determinar la función específica que
relaciona Y con X. El modelo de regresión puede verse con la mayor claridad en el caso de
una perfecta asociación lineal entre dos variables. La forma general de la ecuación de
regresión es Y = a + bX.
a) La regresión múltiple. Es posible extender el modelo de regresión lineal a más
de dos variables.
b) La regresión parcial. Es útil para establecer la relación entre dos variables
cuando se mantiene constante una tercera variable.
c) La relación curvilínea. En algunos casos el modelo de regresión curvilínea
puede ofrecernos un mejor entendimiento de las relaciones empíricas que
ningún modelo lineal.
El análisis de trayectoria
Se basa en el análisis de regresión pero puede ofrecernos un cuadro gráfico más
útil de las relaciones entre diversas variables de lo que proporcionan otros medios. Es un
modelo causal para comprender las relaciones entre variables.
El análisis de factores
Representa un enfoque distinto al análisis multivariado. Se emplea para describir
pautas entre las variaciones en los valores de diversas variables. Esto se logra
40
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
41
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Cuarta Parte
LA INVESTIGACIÓN POR ENCUESTA EN LA PERSPECTIVA SOCIAL Y CIENTÍFICA
42
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
La participación voluntaria
La investigación por encuesta casi siempre representa una intrusión en las vidas de
otras personas. Nadie puede ser obligado a participar en una encuesta.
Anonimato y confidencialidad
El caso más claro respecto a la protección de los intereses y el bienestar de los
interrogados concierne a la protección de su identidad:
a) El anonimato. A un interrogado se le puede considerar anónimo cuando ni
siquiera el investigador puede identificar una respuesta dada por un
interrogado.
b) Confidencialidad. En una encuesta confidencial, el investigador puede
identificar las respuestas de una persona, pero ha prometido no hacerlo. Cada
vez que una encuesta sea confidencial, más que anónima, será responsabilidad
del investigador poner este hecho en claro ante los interrogados. El empleo del
término “anónimo” en el sentido de “confidencial” nunca se deberá tolerar.
c) La identidad inferida. Hasta en una encuesta verdaderamente anónima, a veces
es posible identificar a cierto interrogado. El investigador nunca deberá hacer
tales identificaciones, y deberá asegurarse de que sus colaboradores no lo
intenten. Además, nunca deberá poner informes agregados de tal manera que
permitan a los lectores hacer tales identificaciones.
d) Identificación oculta. Si una encuesta es confidencial, no anónima, habrá que
informar de ello a los interrogados. Todas las encuestas deberán ser, por lo
menos, confidenciales.
43
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
Análisis e informe
En cualquier encuesta rigurosa, el investigador debe estar más familiarizado con las
insuficiencias técnicas del estudio que nadie más, y puede dar a conocer estas
insuficiencias a sus lectores.
Se deberá informar de los descubrimientos negativos si tienen alguna relación con
el análisis que se está informando.
Si aparece una asociación inesperada entre variables, se deberá presentar como
inesperada.
44
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
45
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
8. ¿Hasta qué punto es probable que el error de muestreo afecte los resultados
de la encuesta?
9. ¿Cómo se recabaron los datos? ¿Fue el método de recabación de datos
apropiado para la población y el tema del estudio?
10. ¿Cuándo se hizo la recabación de datos, y cuánto tiempo duró?
11. ¿Cómo se midieron las variables específicas en el análisis? ¿Cómo se
redactaron las preguntas del cuestionario y/o cómo se combinaron las
respuestas en medidas compuestas de variables?
12. ¿Han sido validadas las medidas compuestas en tal forma que aseguren su
adecuada representación de las variables que se están considerando?
13. ¿Son apropiados los métodos de análisis empleados en el reporte, a la vez, al
tema y a la forma de los datos recabados?
14. ¿Cuán fuertes son las asociaciones descubiertas entre las variables? ¿Qué
significan asociaciones de tal fuerza para comprender el mundo real?
15. ¿Ha presentado adecuadamente el investigador la lógica de las asociaciones
descubiertas empíricamente? ¿Ha presentado razones creíbles para tales
asociaciones?
16. ¿Ha buscado adecuadamente el investigador otras explicaciones? ¿Sometió a
prueba el posible carácter espurio de las asociaciones?
17. ¿Sugieren las relaciones empíricas otros análisis que el investigador ha olvidado
hacer?
18. ¿Podría un lector independiente duplicar la encuesta sobre la base de la
información presentada en el informe?
46
Encuesta Resumen: Dr. Arturo Guzmán Arredondo (2015)
47
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
EXPERIMENTO
1. INTRODUCCIÓN
48
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
49
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
50
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
51
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
52
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
comparación, cuya utilidad depende de que las partes integrantes se estructuren con el
mismo cuidado e idéntica precisión.
Parece hasta casi falto de ética el aceptar hoy, como tesis de doctorado en el
ámbito educacional, estudios de casos de esa índole (es decir, que implican un solo grupo
observado una sola vez).
53
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
54
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
55
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Interferencia de X múltiples
Interacción de selección y X
No. Diseños
Administración de tests
Dispositivos reactivos
Instrumentación
Maduración
Mortalidad
Regresión
Selección
Historia
Diseños preexperimentales
Estudio de caso con una sola
1. medición − − − − −
X O
Diseño pretest‐postest de un
2. solo grupo − − − − ? + + − − − ?
O X O
Comparación con un grupo
estático
3. + ? + + + − − − −
X O
O
Diseños experimentales propiamente dichos
Diseño de grupo de control
pretest‐postest
4. + + + + + + + + − ? ?
R O X O
R O O
Diseño de cuatro grupos de
Solomon
R O X O
5. + + + + + + + + + ? ?
R O O
R X O
R O
Diseño de grupo de control con
postest únicamente
6. + + + + + + + + + ? ?
R X O
R O
Nota: En los cuadros, el signo negativo indica que hay imperfección definida; el positivo, que el factor está controlado; el
interrogativo, la presencia de una posible causa de preocupación, y por último, el espacio en blanco significa que el
factor no es pertinente.
56
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Los tres diseños fundamentales que vamos a exponer en este capítulo son los
recomendados en la actualidad por la literatura metodológica. Son también, como se verá,
los más recomendados por nosotros, aun cuando tal respaldo esté sujeto a muchas
restricciones concretas en cuanto a la práctica habitual, y dé lugar a que aparezcan
algunos signos negativos en el cuadro 1 bajo el título Validez externa. El diseño 4 es el más
empleado de los tres; por eso, nos permitiremos la libertad de explayarnos mucho más en
su análisis, haciendo de él el centro de convergencia de otras consideraciones, cuya
aplicación es más general. Obsérvese que los tres diseños se presentan en forma de
comparaciones diversas de una sola X con ninguna X.
Comparar X con no X es un exceso de simplificación. En realidad la comparación se
establece con las actividades específicas desplegadas por el grupo de control durante el
período en que el grupo experimental recibe la X.
57
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
58
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
59
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
60
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Otro modelo posible es que las ideas para la investigación escolar partan de los
maestros y directores, se elaboren los diseños para someterlas a prueba en cooperación
con especialistas en metodología de investigación y luego se encarguen de la mayor parte
de la experimentación los promotores de la idea. Los análisis estadísticos respectivos
podría realizarlos el investigador metodologista, y los resultados los volvería a introducir al
grupo un intermediario idóneo (supervisor, director de investigaciones del consejo
escolar, etc.) que hubiera servido en tal carácter durante todo el proceso. De esa manera
se lograrían resultados pertinentes y “correctos”.
61
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
62
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
63
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Diseños factoriales
Sobre la base conceptual de los tres diseños anteriores, pero en particular el 4 y el
6, pueden ampliarse las complejas elaboraciones típicas de los diseños factoriales de
Fisher, agregando otros grupos con otras X. En un criterio típico de clasificación única o
64
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
análisis de la variancia “en un solo sentido”, tendríamos varios “niveles” del tratamiento,
por ejemplo, X1, X2, X3, etc., y quizá también un grupo X0 (ausencia de X).
5. DISEÑOS CUASIEXPERIMENTALES
Son muchas las situaciones sociales en que el investigador puede introducir algo
similar al diseño experimental en su programación de procedimientos para la recopilación
de datos (p. ej., el cuándo y el a quién de la medición), aunque carezca de control total
acerca de la programación de estímulos experimentales (el cuándo y el a quién de la
exposición y la capacidad de aleatorizarla), que permite realizar un auténtico
experimento. En general, tales situaciones pueden considerarse como diseños
cuasiexperimentales. Uno de los prop6sitos de esta obra es inducir a que se utilicen estos
cuasiexperimentos y se aumente el conocimiento de los tipos de situaciones en que se
dan oportunidades para su empleo. Pero precisamente porque se carece de control
experimental total, es imprescindible que el investigador tenga un conocimiento a fondo
de cuáles son las variables específicas que su diseño particular no controla. Por esa
necesidad de evaluar cuasiexperimentos, más que para satisfacer la de comprender los
experimentos propiamente dichos, se prepararon las listas de verificación de fuentes de
invalidación en los cuadros 1, 2 y 3.
Creemos que los diseños de investigación que estudiamos más adelante son lo
bastante indagatorios para merecer que se los utilice allí donde no se disponga de otros
medios de estudio más eficaces.
65
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
O1 O2 O 3 O 4 X O 5 O 6 O 7 O 8
Este diseño experimental tipificó gran parte de la experimentación clásica del siglo
XIX en las ciencias físicas y biológicas. La figura 3 indica algunas posibles situaciones
resultantes en series cronológicas en las cuales se había introducido una alteración
experimental, según se indica por medio de la línea vertical X. Ofrecemos en el cuadro 2
un intento de lista de comprobación de los controles suministrados por este experimento
en las mencionadas condiciones óptimas de resultado. Las ventajas del diseño de series
cronológicas resultan muy evidentes en contraste con el diseño 2, con el que guarda una
similitud superficial, ya que carece de grupo de control y utiliza mediciones previas y
posteriores.
Observando en el cuadro 2 la lista de problemas de validez interna, vemos que la
imposibilidad de controlar la historia es el más grave inconveniente del diseño 7. Es decir
que existe la hipótesis rival de que no sea X sino otro acontecimiento más o menos
simultáneo el que provocó el desplazamiento. Si el experimento se complementara con un
cuidadoso registro de estímulos no experimentales de alguna relevancia, sería quizás
aceptable una interpretación por la cual se justificara llevarlo a cabo.
Continuemos con los factores que hay que controlar: la maduración parece quedar
eliminada sobre la base de que, si el resultado es como los de los ejemplos A y B de la
figura 3, ella no ofrece de ordinario hipótesis rivales aceptables para explicar algún
desplazamiento producido entre O4 y O5 que no se había dado en los anteriores períodos
observados. Asimismo, la aplicación de tests parece, en general, hipótesis rival no creíble
para un salto entre O4 y O5. Si solo tuviéramos las observaciones en O4 y O5, como en el
diseño 2, careceríamos de ese medio de convertir en inaceptables los efectos de
maduración y los tests‐retests. Esta es la gran ventaja del diseño 7 sobre el diseño 2.
De igual modo, muchas hipótesis que invocarían variaciones en la instrumentación
carecerían de base racional específica para suponer que en aquella ocasión particular, a
diferencia de otras anteriores, se había producido el error de los aparatos de medición. No
obstante, el signo de interrogación en el cuadro 2 llama la atención recordando las
posibles situaciones en que un cambio en la calibración del instrumento de medición
66
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
podría dar lugar a que se lo interpretase como efecto de X. A menudo puede emplearse el
diseño 7 para medir los efectos de un importante cambio introducido en la política
administrativa. Teniendo esto en cuenta, convendría evitar el cambio de instrumentos de
medición a la vez que se modifica la política. En la mayor parte de los casos sería
preferible, a fin de preservar la interpretabilidad de una serie cronológica, continuar
empleando dispositivos un tanto anticuados, en vez de sustituirlos por otros más
modernos pero distintos. Los efectos de la regresión suelen consistir en una función
negativamente acelerada del tiempo trascurrido, razón por la cual no son aceptables
como explicaciones de un efecto en O5 mayor que los efectos en O2, O3 y O4. La selección
como fuente de efectos principales se elimina tanto en este diseño como en el 2, si en
todas las O están implicadas las mismas personas.
Para que estas series cronológicas se interpreten como experimentos, es
imprescindible que el experimentador especifique de antemano la relación cronológica
esperada entre la introducción de la variable experimental y la manifestación de un
efecto. También parece imprescindible que se especifique la X antes de examinar el
resultado de la serie cronológica.
67
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
68
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Interferencia de X múltiples
Interacción de selección y X
No. Diseños
Administración de tests
Dispositivos reactivos
Instrumentación
Maduración
Mortalidad
Regresión
Selección
Historia
Diseños cuasiexperimentales
Series cronológicas
7. − + + ? + + + + − ? ?
O O O OXO O O O
Diseño de muestras
8. cronológicas equivalentes + + + + + + + + − ? − −
X1O X0O X1O X0O, etc.
Diseño de muestras materiales
equivalentes
9. + + + + + + + + − ? ? −
MaX1O MbX0O McX1O MdX0O,
etc.
Diseño de grupo de control no
equivalente
10. + + + + ? + + − − ? ?
O X O
O O
Diseños compensados
X 1 O X 2 O X 3 O X4 O
11. X 2 O X 4 O X 1 O X3 O + + + + + + + ? ? ? ? −
X 3 O X 1 O X 4 O X2 O
X 4 O X 3 O X 2 O X1 O
Diseño de muestra separada
pretest‐postest
12. − − + ? + + − − + + +
R O (X)
R X O
R O (X)
R X O
12a − − + ? + + − + + + +
R O (X)
R X O
R O1 (X)
12b R O2 (X) − + + ? + + − ? + + +
R X O3
R O1 X O2
12c − − + ? + + + − + + +
R X O3
69
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
70
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
múltiples”. Nótese que muchos aspectos de la enseñanza sobre los cuales se desearía
experimentar pueden muy bien tener efectos restringidos, para los fines prácticos, al
período de presencia concreta de X. Para esos objetivos, este diseño podría ser muy
valioso.
71
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Las M indican materiales específicos, siendo la muestra Ma, Mc, etc., en términos
de muestreo, igual a la muestra Mb, Md, etc. La importancia de la equivalencia de
muestreo de ambos conjuntos de materiales quedaría acaso mejor indicada si se
diagramara el diseño de esta manera:
72
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
que se pueda prescindir del pretest. La asignación de X a uno u otro grupo se supone
aleatoria y controlada por el experimentador.
O X O
O O
Dos cosas han de tenerse claras sobre este diseño. Ante todo, que no se lo debe
confundir con el 4, el diseño con grupo de control pretest‐postest, donde los sujetos
experimentales que se toman de una población común se asignan en forma aleatoria al
grupo experimental y de control. En segundo lugar, que, a pesar de ello, hay que admitir
que el diseño 10 es utilizable en muchas oportunidades en que son imposibles los diseños
4, 5 o 6. Cuanto más similares sean en su reclutamiento el grupo experimental y el de
control y más se confirme esa similitud por los puntajes del pretest, más eficaz resulta ese
control. Suponiendo que estos ideales se aproximen a los objetivos de la validez interna,
podemos considerar que el diseño controla los principales efectos de la historia, la
maduración la administración de tests y la instrumentación, donde la diferencia para el
grupo experimental entre el pretest y el postes t (si fuera mayor que para el grupo de
control) no puede explicarse por efectos principales de esas variables, como los que
afectarían tanto al grupo experimental como al de control. (Sin embargo, deben
extremarse las precauciones sobre la historia intrasesional mencionadas en el diseño 4.)
Es importante distinguir dos versiones del diseño 10, y darles diferente jerarquía
como aproximaciones a la experimentación propiamente dicha. Por una parte, se da la
situación en que el experimentador dispone de dos grupos naturales, por ejemplo dos
clases, y puede elegir con libertad cuál ha de recibir X, o por lo menos no tiene ningún
motivo para sospechar que se haga un reclutamiento diferencial con relación a X. Aunque
los grupos pueden diferir en sus medias iniciales de O, el estudio se aproximará a la
experimentación propiamente dicha. Por otra parte, hay casos del diseño 10 en que los
participantes son a todas luces autoseleccionados: el grupo experimental busca
deliberadamente la exposición a X, y no se cuenta con un grupo de control tomado de esa
misma población. En este último caso, es menos probable que se cumpla el supuesto de
regresión uniforme entre los grupos experimental y de control, aumentando en cambio la
73
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
El diseño ha sido diagramado sólo con postests, dado que presta particular utilidad
allí donde los pretests resultan inapropiados y no se dispone de diseños como el 10. El
diseño contiene tres clasificaciones (grupos, sesiones y X o tratamientos experimentales).
Cada clasificación es “ortogonal” respecto de las otras dos, en el sentido de que cada
variable de cada clasificación se produce con la misma frecuencia con cada variable de
cada una de las otras clasificaciones. Obsérvese que cada tratamiento (o X) sólo se da una
vez en cada columna y cada fila. El mismo cuadrado latino puede modificarse de tal
manera que las X se conviertan en títulos de filas o de columnas:
74
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
X1 X2 X3 X4
Grupo A t1O t2O t3O t4O
Grupo B t2O t1O t4O t2O
Grupo C t3O t4O t1O t3O
Grupo D t4o t3O t2O t1O
75
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
76
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
77
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
excelente diseño cuasiexperimental, acaso el mejor de los más viables. Presenta claras
ventajas respecto de los diseños 7 y 10, como ya lo hemos indicado al presentar el diseño
10. La posibilidad de efectuar reiteradas mediciones torna particularmente apropiadas las
series cronológicas múltiples para las investigaciones que se llevan a cabo en
establecimientos educativos.
78
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
79
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Interferencia de X múltiples
Interacción de selección y X
No. Diseños
Administración de tests
Dispositivos reactivos
Instrumentación
Maduración
Mortalidad
Regresión
Selección
Historia
R O
R O
R’ R O
R O
R O
R O
Serie cronológicas múltiples
14. O O OXO O O + + + + + + + + − − ?
O O O O O O
Diseño de ciclo institucional
Cl. A X O1
15. Cl. B1 RO2 X O3
Cl. B2 R X O4
Cl. C O5 X
16. Discontinuidad en la regresión + + + ? + + ? + + − + +
Nota: En el diseño 15 no se presentan las valoraciones (tiene cuatro variaciones en el libro).
80
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Correlación y causación
El diseño 3 es un diseño correlacional muy endeble, puesto que implica la
comparación de solo dos unidades naturales que difieren en la presencia y ausencia de X,
así como en muchísimos otros atributos. Cada uno de ellos podría crear diferencias en las
O, y por lo tanto cada uno ofrece una hipótesis aceptable, opuesta a la de que X ha
producido un efecto. En la medida en que las situaciones naturales de X varíen entre sí en
sus demás atributos, esos otros atributos se tornarán menos aceptables como hipótesis
rivales.
La correlación no indica necesariamente causación, pero una ley causal del tipo
que produce diferencias medias en los experimentos implica correlación. El enfoque
correlacional, relativamente poco costoso, quizás ofrezca una revisión preliminar de
hipótesis, y las que sobrevivan a ese proceso podrán verificarse entonces por medio de la
más onerosa manipulación experimental.
Si pasamos revista a las investigaciones sobre educación, pronto nos
convenceremos de que son más los casos en que la interpretación causal de la
información correlacional se exagera que aquellos en que se la desconoce, así como que
suelen pasarse por alto hipótesis rivales aceptadas, y que para establecer la antecedencia
81
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
Estudios en panel
Las encuestas más simples recogen observaciones realizadas en un solo punto del
tiempo, que a menudo ofrecen al participante la oportunidad de autoclasificarse como
expuesto o no a X. A las correlaciones de exposición y postest que así resultan contribuye
no solo el sesgo causal común (en que los determinantes de quién recibe X también
causarían, aun sin X, elevados puntajes de O) sino también una distorsión de la memoria
con respecto a X, dando mayor realce a la aparición espuria de causa.
En la metodología de la encuesta, se gana mucho con la introducción del método
de panel, consistente en la repetición de entrevistas con las mismas personas. Bien
practicados, los estudios en panel parecen ofrecer datos útiles para la versión más
endeble del diseño 10, con X natural.
82
Experimento Resumen: Dr. Arturo Guzmán Arredondo (2015)
7. COMENTARIOS FINALES
83