Está en la página 1de 30

Taller de Trabajos de Investigación

Capítulo IV
Programa de Actualización para Titulación Profesional – PAT PRO 2022
https://www.youtube.com/watch?v=G9QqebLhLEk
4.1. Introducción
Utilizando la información que obtuvimos en el capítulo anterior, el paso siguiente es redactar
el famoso marco teórico, que no es más que un escrito en el cuál se detallan los conceptos e
ideas que utilizaremos durante nuestra investigación. Como se imaginarán, no hay
demasiado por inventar aquí: se trata de leer en detalle las fuentes y plasmar en un escrito
original todo aquello que sea útil. De todas maneras, vamos a brindar algunos pasos que han
dado buenos resultados.

El segundo punto, sobre las variables, sea quizá uno de los más difíciles dentro de la
metodología de la investigación. Digamos que la cuestión tiene que ver con la abstracción:
vamos a poner en un papel cosas de la realidad, y esto nunca resulta sencillo.

Por último, este capítulo presenta las famosas hipótesis. ¿Son muy difíciles? No tanto. Y lo
que es seguro: les van a resultar interesantes. En este punto se ha incluido, una referencia a
las llamadas anticipaciones de sentido. Si bien estas se desarrollan en el capítulo sobre el
enfoque cualitativo, resulta muy enriquecedor plantear algunas diferencias que tienen con las
hipótesis típicas de los métodos cuantitativos.
4.2. Cómo redactar un marco teórico
El marco teórico es un escrito personal, original, en cual vamos a dejar sentados los
conceptos que utilizaremos a lo largo de nuestra investigación. Estos conceptos no
vamos a inventarlos nosotros, claro, para eso estuvimos haciendo la revisión de la
literatura sobre nuestro tema. De lo que se trata es de articular aquí nuestros objetivos e
ideas con lo aprendido de otros autores.

Debemos procurar, entre otras cosas, que el texto sea fluido, que podamos conectar las
distintas partes sin que parezca que estamos apilando conceptos como si fueran cajas de
cartón. Es quizá la parte de la investigación que requiere más destreza y ejercicio, para
lograr la capacidad de escribir textos que sean claros y comprensibles
4.2. Cómo redactar un marco teórico
Vamos con un ejemplo: supongamos que tenemos como objetivo “Conocer los hábitos
cotidianos de los niños entre 6 y 11 años de la ciudad de Concordia”. Como habrán
notado, “hábitos cotidianos” es un concepto bastante amplio. Luego, es imprescindible
que lo definamos para que quede bien claro a qué nos referimos cada vez que
digamos “hábitos cotidianos”. Y la definición de este concepto no la vamos a inventar
nosotros, ya lo dijimos: nos vamos a apoyar en las referencias bibliográficas.

Podría quedar algo así: … y por ello la importancia de estudiar este aspecto. Siguiendo
a Juárez (2010), los hábitos cotidianos se definen como las acciones que realizamos a
diario, en las cuales gastamos la mayor parte de nuestro tiempo. Sobre esta idea,
Moldavsky (2013), diferencia aquellos hábitos en dos grupos: los obligatorios (comer,
dormir, etc.) de los opcionales (trabajar, hacer deporte, ver televisión, etc.). En nuestra
investigación, pondremos el foco en los hábitos opcionales, con la correspondiente
adaptación al grupo etario que estamos estudiando.
4.2. Cómo redactar un marco teórico
Como observamos, los ejemplos quedan largos y no hay manera de ser mucho más
breves. Pero fíjense lo siguiente. A pesar de que en un breve párrafo están citados dos
autores, nuestro aporte consiste en conjugar ambos, y, a su vez, darle nuestra propia
impronta de acuerdo, en este caso, al interés de trabajar con niños. Esa es nuestra
originalidad. Ya insistimos bastante en el capítulo anterior sobre la importancia de
tener autores en los cuales se base nuestra investigación. Esto hará que no perdamos el
tiempo en cuestiones que ya fueron muy estudiadas, evita cuestionamientos externos y
demuestra que conocemos el tema.

No cometan la torpeza de “copiar y pegar” de internet. Resulta imposible armar un texto


coherente a partir de esos retazos. En cambio, recurrimos a parafrasear las ideas que nos
gustan, es decir, las plasmamos en el texto con nuestras propias palabras. Al hacer
esto, internalizamos (hacemos nuestro, lo aprenhendemos) el concepto en cuestión, y
además armonizamos el texto. Imaginen si vamos a tener unas seis o siete citas de
autores diferentes, y cada cual escribe a su manera, el texto que sale de eso será
desordenado.
4.2. Cómo redactar un marco teórico
Otros aspectos a tener en cuenta
1. No hay que incluir todo lo que leímos en la revisión de la literatura. Habrá cosas que
sean pertinentes y otras que no. No porque sea más largo el marco teórico es mejor, a
veces por querer hacer ver que leímos tal o cual autor o mostrarnos más interesantes,
terminamos agregando información que no aporta nada más que confusión.

2. Se aprende a escribir marcos teóricos leyendo marcos teóricos. La bibliografía leída


también nos enseña esto. Si hace falta revean lo que buscaron sobre su propio tema. En
una segunda lectura, es bueno poner atención sobre cómo redactó el marco teórico ese
autor, a la vez que se repasan los conceptos.

3. Algunos libros de metodología sugieren dividir el marco teórico


en dos partes: por un lado, revisión de la literatura (también llamado a veces “estado del
arte”), y marco conceptual, por el otro. En la primera, se incluye específicamente la
revisión que hemos hecho de la literatura, qué dicen los principales autores sobre nuestro
tema. Y en la segunda, se explicitan los conceptos que vamos a utilizar en
nuestra investigación.
4.3. Variables
Una variable es una característica de las unidades de análisis que se puede medir y que
debe asumir, al menos, dos valores. Estos valores no tienen por qué ser números.

Empecemos pensando las variables en las unidades de análisis individuales, que como
dijimos, por ejemplo, son las personas. Las primeras características que se nos vienen a
la mente son físicas: color de pelo, altura, peso. Y está muy bien. El color de pelo puede
variar de una persona a otra: hay castañas, morochas, rubias, pelirrojas… etc.
También, hay personas altas y personas bajas, como personas que pesan 80 kilos y otras
que pesan 65. Dando un paso más, encontramos variables que se ponen más interesantes
a los fines de investigar: edad, nivel educativo alcanzado, ingresos (salario) y una
interminable lista, según el tema que estemos estudiando.
4.3. Variables
Las unidades de análisis colectivas podrían tener variables como: cantidad de público
que asiste a sus recitales (bandas de músicos), porcentaje de estudiantes repitentes (las
escuelas), estado del campo de juego (clubes de fútbol), etc. Vean que es fundamental
que exista coherencia entre la variable elegida y la unidad de análisis. Un claro ejemplo
en donde podemos ver esto reflejado: el empleo. Si la variable es “trabajo”, podríamos
decir, de manera simplificada, que en una persona varía entre dos opciones: sí trabaja/no
trabaja. En cambio, si tenemos la variable “tasa de desempleo”, esta no es una
característica de las personas, tasa de desempleo tiene una provincia, un país
(aunque esta tasa se construya a partir de datos individuales, ya que en definitiva son las
personas quienes trabajan o no).
4.3. Variables
Categorías
Introducimos la primera noción de categorías de una variable, también llamado
sistema de categorías. Dijimos antes que una variable tiene que poder tomar al menos
dos valores u opciones, de lo contrario no sería una variable. Cada una de esas opciones
es una categoría y, en su conjunto, conforman el sistema de categorías de cada variable.
Así que de ahora en adelante diremos que cada variable tiene que tener al menos dos
categorías.

Según los tipos de datos que contienen tenemos tres tipos fundamentales de variables:
nominales, ordinales y numéricas.

1. Las nominales son aquellas que no tienen ningún orden jerárquico, dado lo cual
podríamos decir que ordenamos las categorías como queremos. Por ejemplo, en una
variable dicotómica como la que mencionamos de “Trabaja”, es lo mismo que las
categorías sean “Sí/No” que “No/Sí”.
4.3. Variables
Categorías
2. Las ordinales, como su nombre lo indica, son las que sí presentan un orden. “Muy
alto”, “Alto”, “Mediano”, “Bajo”, “Muy bajo”. Aquí no podemos de ninguna manera
reordenar estas variables, porque sería incorrecto y podría traernos consecuencias
negativas para sacar conclusiones. A veces, detrás de estas categorías, hay números.
Si en el ejemplo de arriba estábamos trabajando con la variable “Salario”,
es probable que tengamos detrás ciertos valores, muy distintos a si trabajábamos con
la variable altura.
4.3. Variables

Por convención, las categorías suelen ordenarse de menor a mayor, por lo que sugerimos
hacerlo así, aunque en realidad esto no tiene otro fundamento más que la costumbre. En
muchos casos, asignarle un nombre a cada categoría es lo que le dará sentido cuando alguien
lea nuestra investigación.
4.3. Variables
Vamos con un ejemplo para que se entienda bien a qué nos referimos. Supongamos que
estamos investigando sobre el desempleo en la ciudad de San Luis y, por lógica,
incluimos la variable “Trabajo”. ¿Qué categorías dijimos que podría tener? “Sí” y “No”.
Le vamos a preguntar a las personas si trabajan o no, y según su respuesta las iremos
incluyendo en una categoría u otra.

Pero… si alguien trabaja muy pocas horas, ¿también lo incluimos en la categoría “Sí”?
Deberíamos hacer eso, porque sí, trabaja, aunque sea poco. A su vez,
podríamos cuestionarnos… ¿estamos usando un sistema de categorías adecuado? Las
lecturas sobre el tema podrían sugerirnos algo mejor, utilizar tres categorías:
“Ocupado”, “Subocupado”, “Desocupado”. Ahora si la cosa va tomando color. Y más
aún, tal vez consideramos estas categorías poco precisas para la investigación que
estamos haciendo, y decidimos construir las siguientes categorías: “No trabaja”,
“Trabaja hasta 15 horas a la semana” “Trabaja más de 15 horas y hasta 25”, “Más de 25
y hasta 35”, “Más de 35”.
4.3. Variables

En conclusión, no hay un único sistema de categorías para cada variable.


4.3. Variables
3. Con las categorías numéricas o intervalares, no hay mucho por explicar: las
variables numéricas son las que se expresan en
números. Dentro de estas, podemos tener continuas, cuando entre su
mínimo y máximo correspondiente, la variable podría adoptar cualquier
valor intermedio. Lo cual no es así para las discretas. La variable “Cantidad de
hijos” es discreta, pues nadie puede tener, por ejemplo, 2,3 hijos. Por otro lado, el
peso de una persona, como siempre puede precisarse un poco más, es una variable
continua: alguien puede pesar 67,894 kilos, otro 67,895 y… ¡entre medio puede
haber alguien que pese 67,8945 kilos!
4.3. Variables
Requisitos de los sistemas de categorías
1. Exhaustividad: La palabra es difícil, pero la idea no: quiere decir que todas
las respuestas posibles que nos brinden las unidades de análisis deben poder
incluirse en alguna categoría. En el caso de las horas de trabajo mostrado
anteriormente, si al sistema de categorías que tiene las horas le quitáramos, por
ejemplo, la última categoría (“Trabaja más de 35 horas”) y encontramos un
trabajador de que trabaja 40 horas, estaríamos en problemas. De hecho,
si suprimiéramos cualquiera de las categorías estaríamos en el mismo problema. Por
lo general, con las variables numéricas, solucionamos este problema si no dejamos
“huecos” (que una categoría termine en 15 y la siguiente comience en 18, por
ejemplo) y teniendo la precaución de que la primera sea “15 o menos” y la última
“35 o más” (los números pueden ser cualquiera, claro, 15 y 35 son los de nuestro
ejemplo).
4.3. Variables
Requisitos de los sistemas de categorías
1. Exhaustividad: ¿Qué pasa con las variables que no son números? Siguiendo con el
tema de accidentes viales del capítulo anterior, podríamos tratar de identificar sus
causas. Nos decidimos por construir una variable que llamaremos “Motivo principal
del accidente”. Y a continuación pensamos un sistema de categorías posible:
“Imprudencia del conductor”, “Mal estado de las calles”, “Animales sueltos”,
“Incapacidad del conductor”. Luego, le mostramos estas categorías a una compañera
del grupo y nos dice: —¿No nos estaremos olvidando de alguna posibilidad? ¿Qué
tal si es por motivos climáticos: un rayo que hace caer un árbol? Nuestra compañera
tiene razón. Es poco probable, pero puede pasar, y nuestra obligación como
investigadores es cumplir con la exhaustividad. Pero nos preocupa que, si nos
ponemos a pensar en todas las posibilidades, vamos a tener más categorías que patas
un ciempiés. Solución: a las categorías ya pensadas le agregamos la categoría
“Otras”.
4.3. Variables
Requisitos de los sistemas de categorías
2. Exclusión: Ahora que sabemos cómo cumplir con la exhaustividad, y logramos
que nadie se quede fuera de nuestras categorías, lo siguiente a tener en cuenta es que
nadie pueda incluirse en dos categorías a la vez. Eso es la exclusión, es decir,
pertenecer a una categoría, excluye a las demás opciones.
4.3. Variables
Variable para armar
Resumamos, entonces, cómo se compone una variable de manera completa. Toda
variable tiene un nombre (o “término”, según algunos autores). La única recomendación
al asignarle un nombre es que sea lo más preciso posible. Es decir, la variable “Trabajo”
es mejor a que se llame “Horas de trabajo semanales”, “Condición de trabajo”, “Tipo
de trabajo” según sea lo que estamos estudiando. Así ya todo va quedando claro desde
un principio. Además del nombre, los tres elementos que toda variable debe contener
son:
1. Concepto: es la definición o explicación precisa sobre a qué nos referiremos cada
vez que usemos la variable. Hay veces que es obvio: la variable “Edad”, por
ejemplo, no necesita mucha definición, todo el mundo sabe lo que quiere decir de
manera inequívoca. Pero la mayoría de las veces sí es necesario aclararlo.
2. Categorías: ya hemos hablado mucho de cómo construir bien las categorías, el
segundo elemento fundamental de una variable. En el ejemplo que venimos
siguiendo, podrían ser: “Empleado permanente bajo convenio”, “Empleado
temporario”, “Empleado con monotributo”, “Empleado no registrado”, “Otro”.
4.3. Variables
Variable para armar
Resumamos, entonces, cómo se compone una variable de manera completa. Toda
variable tiene un nombre (o “término”, según algunos autores). La única recomendación
al asignarle un nombre es que sea lo más preciso posible. Es decir, la variable “Trabajo”
es mejor a que se llame “Horas de trabajo semanales”, “Condición de trabajo”, “Tipo
de trabajo” según sea lo que estamos estudiando. Así ya todo va quedando claro desde
un principio. Además del nombre, los tres elementos que toda variable debe contener
son:
1. Concepto: es la definición o explicación precisa sobre a qué nos referiremos cada
vez que usemos la variable. Hay veces que es obvio: la variable “Edad”, por
ejemplo, no necesita mucha definición, todo el mundo sabe lo que quiere decir de
manera inequívoca. Pero la mayoría de las veces sí es necesario aclararlo.
2. Categorías: ya hemos hablado mucho de cómo construir bien las categorías, el
segundo elemento fundamental de una variable. En el ejemplo que venimos
siguiendo, podrían ser: “Empleado permanente bajo convenio”, “Empleado
temporario”, “Empleado con monotributo”, “Empleado no registrado”, “Otro”.
4.3. Variables
Variable para armar
3. Referentes empíricos: ya tenemos todo pensado… ¿de dónde salen los datos
concreto? Los documentos, evidencias, registros, el lugar concreto de donde vamos a
extraer la información, esos son
los referentes empíricos. Ejemplos: el documento de identidad de una persona
puede ser un buen referente empírico para “Edad”. El registro de asistencia en una
fábrica es un referente empírico de la variable “Ausentismo”. Un boletín de
calificaciones puede serlo de “Notas de los estudiantes”. Un video puede serlo de
“Tipos de violencia”. Las planillas oficiales donde se publican los datos
institucionales (cada vez más accesibles en línea) pueden ser el referente empírico
para saber sobre “Cantidad de personas que ingresaron al Hospital José Lencinas
en abril de 2020”.
4.4. Hipótesis
Una hipótesis es una afirmación que hacemos a priori, una conjetura, sobre el tema que
estamos investigando. Es obvio que, si la hacemos antes de terminar la investigación, no
estamos seguros que esa afirmación sea verdadera. Ese es el sentido: si lo estuviéramos, no
habría nada que investigar. ¿Para qué sirve entonces? La utilidad de formular hipótesis es
que nos marquen un camino a seguir. Si tenemos la hipótesis, por ejemplo, de que las
llegadas tarde de los trabajadores son debido a que viven lejos, lo que querremos saber es
su domicilio, la distancia al trabajo, quizá medios de transporte que utiliza. En cambio,
si tenemos la hipótesis que las llegadas tarde son debido a su situación familiar, es posible
que lo que vamos a investigar será si lleva niños a la escuela, si cuida algún familiar
enfermo, etc., pero su domicilio no sería relevante.

No importa que, luego de ponerlas a prueba, las hipótesis


sean refutadas, es decir, que se demuestre que no son ciertas, o que se corroboren, es dec
ir, que se verifiquen (el famoso, “Teníamos razón”). De nuevo: no importa. Casi
podríamos decir: no importa en lo más mínimo. ¿Por qué? Porque de todas maneras vamos
a generar conocimiento.
4.4. Hipótesis
Pongamos atención a cómo construimos la hipótesis. Para empezar, utilizamos dos
variables:
1. Cantidad de policías.
2. 2. Cantidad de robos.

Pero, también, y esto es muy importante, dejamos en claro cómo pensamos que estas
dos variables se relacionan. En este caso, afirmando que si aumenta la cantidad de
policías bajará la cantidad de robos. De nuevo: podríamos tener razón o no, no importa,
pero si no decimos cómo creemos que se relacionan las variables no tendríamos
hipótesis. En el esquema más básico, siempre dentro del paradigma
cuantitativo, decimos que, según el lugar que ocupan en la hipótesis, las
variables pueden ser independientes o dependientes.
4.4. Hipótesis
El ejemplo de la hipótesis sobre los policías y los robos es lo que se
denomina una hipótesis de causalidad. Las razones son obvias: estamos afirmando que
una variable es la causa (“Cantidad de policías”) y otra el efecto (“Cantidad de robos”).

Un ejemplo muy conocido da cuenta de la importancia de detectar las causas. Algunos


países han gastado millones de dólares en campañas de concientización sobre los riesgos
de manejar alcoholizado. Resultado:
casi nulo. ¿Por qué? Porque las personas que manejan alcoholizadas no desconocen los
riesgos que esto acarrea para sí mismos y para los demás, que es lo que la campaña les
dice. Los conocen y lo hacen igual. La campaña de este ejemplo no está, como se ve,
atacando las verdaderas causas del problema.
4.4. Hipótesis
El ejemplo de la hipótesis sobre los policías y los robos es lo que se
denomina una hipótesis de causalidad. Las razones son obvias: estamos afirmando que
una variable es la causa (“Cantidad de policías”) y otra el efecto (“Cantidad de robos”).

Un ejemplo muy conocido da cuenta de la importancia de detectar las causas. Algunos


países han gastado millones de dólares en campañas de concientización sobre los riesgos
de manejar alcoholizado. Resultado: Casi nulo. ¿Por qué? Porque las personas que
manejan alcoholizadas no desconocen los riesgos que esto acarrea para sí mismos y para
los demás, que es lo que la campaña les dice. Los conocen y lo hacen igual. La campaña
de este ejemplo no está, como se ve, atacando las verdaderas causas del problema.
4.4. Hipótesis
¿Hay otros tipos de hipótesis? Por supuesto. Podríamos afirmar hipotéticamente: “La
principal causa de contaminación sonora en la ciudad de Asunción del Paraguay son los
ómnibus”. Pero como se ve, aquí no hay dos variables sino una sola (principal causa de
contaminación sonora). Así, podemos afirmar que es una hipótesis univariada, con lo
cual es idéntico a preguntarse: ¿Cuál es la principal causa de la contaminación sonora en
Asunción del Paraguay? Suelen denominarse hipótesis descriptivas.

Muchas veces es útil formular hipótesis nulas. Para distintos test estadísticos, es muy
usual hacerlas, como veremos a su debido tiempo. De momento, debemos saber que
estas hipótesis no contradicen la relación de nuestras hipótesis, sino que directamente
niegan que tal relación exista: “No hay relación entre la cantidad de policías y los
robos”, por ejemplo, sería una hipótesis nula.
4.4. Hipótesis
Otro tipo son las hipótesis correlacionales. Es breve de explicar: son aquellas en las que decimos que dos
variables están relacionadas, pero no decimos que una dependa de la otra.

Típico ejemplo: “El nivel de ingreso se relaciona con el nivel educativo de las personas”. Podríamos decir
que está probado que esto es así casi en cualquier contexto. Ahora bien… ¿cuál explica cuál?, ¿tener más
estudio hará que tengas más dinero?

A veces, aquello de “Más educación tiene una persona, más dinero gana” genera polémica en las clases.
Casi siempre alguien nos dice algo así como: “Yo tengo un amigo que no terminó la escuela primaria
que trabaja haciendo tatuajes y gana un montón de dinero”. Nuestra respuesta continúa siendo la misma:
Las hipótesis no dicen, nunca “Todas las personas que tiene más educación ganan más dinero”. Decimos
que las variables se relacionan, no las personas. Lo que afirmamos es: “Por
lo general, las personas que…”. Incluso trataremos de decir cuánto se relacionan estas variables. Si hay
muchos de esos “amigos que dejaron la escuela y haciendo tatuajes ganan un montón de plata” la relación
se verificará más débil que si fueran pocos, tan simple como eso. Esos casos son tenidos en cuenta al
analizar la relación entre variables, pero la mayoría de las veces diluyen la relación que en general existe
entre las variables.
4.4. Hipótesis
Correlación no es causalidad
Imaginemos que hay tres campeonatos de carreras, todas de cinco kilómetros: uno corriendo, otro
en bicicleta y otro en autos. En cada carrera, hay dos competidores. Lo que va a pasar es que las
velocidades de los corredores de cada competencia se van a parecer más entre sí que con las de las
otras competencias. Es decir, la velocidad de las personas que van corriendo se van a parecer
mucho más entre sí de lo que se van a parecer con la velocidad de alguno de los autos, por ejemplo.
El auto que gane será más veloz que el otro, pero de todas maneras la velocidad del perdedor será
más cercana a la del auto que le ganó que a la de un ciclista. Esto de parecerse, quiere decir que
existe una correlación: es decir, las velocidades de los ciclistas están relacionadas entre sí, lo
mismo que la de los autos o los corredores. Si agregamos más ciclistas, podemos estar seguros que
sus velocidades se parecerán más a las de los otros ciclistas que a los otros. Ahora bien, ya sabemos
que las velocidades de los autos, por ejemplo, están correlacionadas entre sí. Pero imaginemos que
uno de ellos tiene un problema y no arranca. ¿Qué pasaría con la velocidad del otro? Pregunta
tonta: nada. El otro va a andar igual que antes, tal vez un poco más cómodo, o relajado, pero nada
más, porque la rotura del primer auto no afecta en nada al que anda bien, pues no había una
relación de causalidad entre ellos, no era que la velocidad de uno causaba la velocidad del otro.
4.4. Hipótesis
Requisito para una hipótesis sea válida
Para no darle más vueltas de las necesarias, hay un requisito básico
que debe cumplir toda hipótesis, y es que pueda ser puesta a prueba. Para lo cual
necesitamos que las variables estén definidas con precisión, incluyendo sus referentes
empíricos. Si hicimos esto, quiere decir que ya sabemos de dónde obtendremos los
datos, listo. Como no podemos viajar en el tiempo, tampoco podemos hacer hipótesis
del tipo: “Si aumentan los sueldos de las empresas bajará la cantidad de personas que
llegan tarde”. ¿Y si no aumentan? ¿Cómo hacemos para poner a prueba la hipótesis?
Cuando se sientan tentados a formular algo así, la opción posible siempre es: “En las
empresas que los sueldos son más altos hay menos llegadas tarde”. Después de todo,
la tentación no es tan rara: muchas veces queremos investigar sobre cosas que no han
sucedido.
4.4. Hipótesis
Variable interviniente
Bueno, éramos pocos y llegó otra variable a intervenir. Ya tenemos claro que hay variables
independientes y dependientes. Pues bien:
también hay variables intervinientes. Estas variables son aquellas que no se relacionan de manera
directa con las otras, sino que son parte del marco contextual en el que analizamos la relación entre
nuestras variables. Si ese marco contextual puede variar, y esa variación afectar la relación entre
nuestras variables, tiene sentido que le pongamos atención. De hecho, suele pasar que sea así. No
entrar en pánico que el ejemplo a continuación va a dejar todo mucho más claro. Supongamos que
tenemos la hipótesis: “A leyes de tránsito más severas, menor cantidad de accidentes”. Esta
hipótesis podría corroborarse o no, pero debemos tener cuidado con la variable “Conducta
policial”. La existencia de la relación entre la severidad de las leyes y la cantidad de
accidentes podría existir, pero como la autoridad de aplicación de la ley es la policía, si esta es
corrupta podría diluir la relación que queremos estudiar. Luego, tendríamos que explicar que en
nuestra hipótesis interviene la variable “Conducta policial” (categorizada, por
ejemplo, honesta/deshonesta), y que solo vamos a poner a prueba nuestra hipótesis donde la policía
sea honesta.

También podría gustarte