4.aproximación A Los Métodos Cuantitativos

[AFO028DPB] Metodología de la Investigación en Contabilidad
[MOD02497J] Metodología de la Investigación

[UDI1513Q5] Aproximación a los métodos cuantitativos
1. Diseños cuantitativos
Una vez definido el problema de investigación, recopilado los antecedentes teóricos y empíricos,
formulado los objetivos general y específicos y plateada las hipótesis según corresponda, aspectos
que conforman el objeto de estudio y que responde a las preguntas ¿qué se va a investigar y qué se
sabe en torno al tema?, es el momento de definir el método de investigación, que en el caso de los
estudios cuantitativos de forma similar a los cualitativos, implica seleccionar: a) el diseño de
investigación, b) definir el diseño muestral o participantes, c) escoger o construir las técnicas de
c
.e
recolección de datos, d) definir el procedimiento de análisis de datos.
du
En términos generales los métodos de investigación cuantitativos, como su nombre lo indica, se
.e
utilizan cuando el objetivo es cuantificar el objeto de estudio.
te
A nivel de diseño, en metodología cuantitativa estos se dividen en:
.u
ea
l in
en
as
ri
st
ae
m
a) Diseños no experimentales. Una investigación que utiliza un diseño no experimental, es aquella
en que las variables se miden en su contexto natural tal como se producen, sin ser manipuladas ni
controladas, también son conocidos como estudios expost-facto, porque los hechos son medidos una
vez que han ocurrido. Estos estudios pueden clasificarse en (Hernández, Fernández, Baptista, 2014):
Longitudinales: estudian y miden las variables en el trascurso de un intervalo de tiempo, el
cual puede ser continuo o periódico. Entre el tipo de estudios longitudinales destacan:
maestriasenlinea.ute.edu.ec
1 / 20
Panel Data. Es una especie de combinación entre estudios transversales y longitudinales. Este
tipo de estudio es ampliamente usado en economía, para estimar la dinámica de los modelos
econométricos. Su ventaja sobre los estudios transversales es que no es posible estimar
modelos dinámicos a partir de observaciones en un solo punto en el tiempo ya sea en el campo
de la economía, educación, o cualquier otra disciplina. A su vez sus ventajas sobre las series de
tiempo o estudios longitudinales es que ofrecen la posibilidad de investigar heterogeneidad al
incluir distintos participantes, países,, empresas o unidades de análisis.
c
De tendencia. Son estudios poblacionales que miden la evolución de una variable en el
.e
tiempo, en estos casos se pueden seleccionar muestras distintas en el tiempo, pero la población
du
permanece constante.
.e
De evolución. Son estudios que miden los cambios a través del tiempo en grupos específicos,
son investigaciones de cohortes que comparten alguna característica común.
te
.u
Transversales o transeccionales: son aquellos que estudian las variables de forma en un
ea
momento concreto. Estos estudios a su vez se dividen en:

in
Exploratorio. Se utiliza cuándo el problema de estudio es poco conocido, por ejemplo,

l
una metodología innovadora nueva, una enfermedad de reciente aparición como es el

en
caso de la COVID-19 en el 2020, el efecto de una nueva política pública, el impacto de un

as
desastre natural en una región donde nunca había acontecido. El aporte principal de
estos estudios es que permiten conocer un fenómeno poco estudiado, proponer conceptos
ri
y elementos que contribuyan a su caracterización. En este caso no se plantean hipótesis

st
porque generalmente no se tiene supuestos acerca del problema de estudio.

ae
Descriptivo. Están orientados a identificar las características, propiedades y los perfiles

m
de los fenómenos, personas, grupos, comunidades, estudiadas, su propósito no es
describir cómo se relacionan las distintas variables, sino tan solo medirlas y describirlas.
Por otra parte, es importante señalar que en los estudios descriptivos solo se plantean
hipótesis cuándo se busca someter a contrastación un valor o pronóstico de la variable
estudiada.
Correlacional. Buscan establecer, medir, las relaciones entre dos o más variables. En
estos estudios primero se miden las variables por separado, se formula una hipótesis
correlacional y luego se realizan pruebas para medir la correlación, por ejemplo, a través
2 / 20
del cálculo del coeficiente de correlación de Pearson, prueba estadística que mide la
relación entre dos variables continuas, la cual puede ser negativa o positiva y cuyos
valores fluctúan entre -1 y 1. Una correlación negativa es aquella en que altos valores en
una variable se relacionan con bajos puntajes o valores en otra variable, mientras que una
correlación positiva, es aquella en que valores altos en una variable se relacionan con
valores elevados en la otra. Se señala que no existe correlación entre dos variables
cuando valores altos en una se relacionan con valores bajos, medios y altos en la otra, o
c
cuando se obtiene un valor cercano a 0 en el coeficiente r de Pearson. En estos casos si se
.e
platea una o más hipótesis nulas y alternas. Es importante no confundir estos estudios
du
con los explicativos, en los estudios correlacionales no se afirma que una variable cause o
explique las variaciones en la otra, sino que existe una correlación o asociación.
.e
Explicativos. Están orientados identificar las causas de las variaciones del fenómeno
te
estudiado (variable dependiente), a explicar por qué ocurre.
.u
ea
En resumen: ¿es necesario plantear hipótesis en los estudios no experimentales?

in
Diseño Hipótesis
Exploratorio No
l
en
Descriptivo Opcionalmente.
Las hipótesis establecen un pronóstico de la variable estudiada, un valor esperado.
as
Correlacional Si, relación entre las variables

Ho: Hipótesis nula ausencia de relación
Ha: Hipótesis alterna, existencia de relación
ri
Explicativa Si, establece relaciones causales

st
Ho: Hipótesis nula ausencia de relación

Ha: Hipótesis alterna, la variable independiente explica los cambios en la variable
ae
dependiente
b) Diseños experimentales. El diseño experimental es parte de los estudios cuantitativos, es una
m
técnica estadística que consiste básicamente en un tipo de investigación en la que se manipula
intencionalmente una o más variables independientes para medir o cuantificar sus efectos en la
variable dependiente en situaciones controladas, es decir, la variable independiente se manipula y la
variable dependiente se mide.
3 / 20
Esquema General de los Diseños Experimentales (Hernández, Fernández, Baptista, 2014)
Diseños experimentales puros. En los diseños experimentales puros es posible asignar al
c
.e
azar a cada integrante de la muestra a una de las condiciones (o valores) de la variable
du
independiente , lo que permite la conformación de grupos semejantes, la asignación al azar es
lo que garantizaría que las diferencias entre los participantes también quedaran distribuidas al
.e
azar lo que da por resultado la formación de grupos semejantes.
te
Diseños cuasiexperimentales. Son aquellos en que no es posible o no requieren asignaciones
.u
aleatorias a los grupos experimentales, lo que introduce posibles problemas de validez, es
decir, que las variaciones en la variable dependiente se expliquen por factores no relacionados
ea
con la(s) variable(s) independiente(s), sino por ejemplo, por las condiciones iniciales de los
in
grupos. No obstante, brindan un suficiente grado de validez, por lo que habitualmente son
l
utilizados en el campo de la psicología, de la educación e inclusive en salud cuándo también

en
por razones éticas no es posible asignar a los participantes a una de las condiciones de la
as
variable experimental.
ri
Diseños preexperimentales. En estos casos el control es mínimo, puede corresponder a:

st
estudios de una sola medición. Por ejemplo, se tiene un solo grupo de docentes a quienes se les
imparte un curso sobre pedagogía activa y una vez finalizado se mide su aplicación en el aula,
ae
estudio con 2 mediciones, antes y después del experimento, pero se tiene un solo grupo.
m
En conclusión, los estudios experimentales deben cumplir tres requisitos:
la manipulación de la(s) variable(s) independiente(s),
medir el efecto de la(s) variable(s) independiente(s) sobre la dependiente, la que se evalúa o
mide tal como se produce sin manipularla,
control de las fuentes de invalidez interna, que si no se controlan pueden determinar que las
variaciones en la variable dependiente no se deban a la variable independiente, sino a estos
4 / 20
factores que se describen a continuación.
Por otra parte, la connotación de experimental, cuasiexperimental o preexperimental dependerá de
la posibilidad de asignar al azar a los participantes a los grupos experimental y control y al número
de evaluaciones realizadas (2 antes-después o solo 1 ex post facto, es decir, solo después de aplicado
el tratamiento, método o experimento).
Fuentes de invalidez interna de los estudios experimentales
c
.e
La invalidez interna se produce cuando las variaciones en la variable dependiente no se explican por
du
la variable independiente sino por otros factores, entre los que se mencionan:
.e
Aplicación de las pruebas o instrumentos de evaluación. Que la aplicación de la primera
te
prueba influya sobre los resultados de la segunda aplicación (post-experimento).
.u
Compensación. Decidir no aplicar ningún tratamiento al grupo control, lo que puede generar
ea
desmotivación en los participantes, lo que puede influir negativamente en los resultados.
Historia. Hace referencia a eventos o acontecimientos que pueden ocurrir durante el

in
experimento y que afecte a algunos participantes.

l
en
Inestabilidad del instrumento. Que el instrumento no sea confiable, es decir, que arroja
distintos resultados en condiciones estables.

as
Inestabilidad del contexto en que se realiza la medición. Que el contexto en el que se

ri
realiza la medición no sea equivalente para ambos grupos.

st
Instrumentación. Que los instrumentos de medición aplicados al grupo experimental y

ae
control no sen equivalentes.
Maduración. Se produce en casos en los que las y los participantes pueden cambiar o madurar
m
durante el experimento, lo que termina afectando los resultados.
Regresión a la media. Cuando se trabaja con grupos extremos estos tienden a retornar a las
puntuaciones medias.
Selección. Se genera cuando los grupos no son equivalentes, por ejemplo, asignar al grupo
experimental solo a mujeres y en el grupo control solo a hombres.
Conducta del investigador/a. en ocasiones está afecta los resultados de la investigación.
Estos factores se controlan principalmente a partir de la existencia de 2 grupos como mínimo, uno
5 / 20
control y otro experimental, y en garantizar que ambos grupos sean similares o semejantes lo cual se
logra en mayor medida a través de la asignación al azar de los participantes a uno de los 2 grupos.
Lo que a su vez se puede verificar, a través de la medición inicial de la variable dependiente en
ambos grupos. Es por ello, que los diseños experimentales son los que garantizan un mayor control.
c
Comenzar Actividad
.e
du
Arrastra las palabras de la columna Derecha en la columna Izquierda
En los .... es posible asignar al azar a cada integrante de la muestra a una de las condiciones (o
.e
valores) de la variable independiente , lo que permite la conformación de grupos semejantes, la
asignación al azar es lo que garantizaría que las diferencias entre los participantes también
te
quedaran distribuidas al azar lo que da por resultado la formación de grupos semejantes.
.u
arrastra...
ea
Son aquellos en que no es posible o no requieren asignaciones aleatorias a los grupos

in
experimentales, lo que introduce posibles problemas de validez, es decir, que las variaciones en la
l
variable dependiente se expliquen por factores no relacionados con la(s) variable(s)

en
independiente(s), sino por ejemplo, por las condiciones iniciales de los grupos.
as
arrastra...
ri
En estos casos el control es mínimo, puede corresponder a: estudios de una sola medición.
st
arrastra...
ae
m
Diseños experimentales puros.
Diseños cuasiexperimentales.
Diseños preexperimentales.
6 / 20
Excelente!
c
.e
du
.e
te
.u
ea
l in
en
as
ri
st
ae
m
7 / 20
2. Participantes
Población
Es el equivalente al campo de estudio en los métodos cualitativos, es decir, está conformada por
todas las unidades que conforman el universo o población. Cuando en una investigación participan
todas las personas o individuos que forman parte del universo o todas las unidades de análisis,
c
entonces se habla de censo.
.e
Siempre es necesario delimitar la población, es decir, especificar las características que deben
du
cumplir quienes la conforman, este es un problema frecuente en los estudios.
.e
Muestras
te
La muestra, como ya se explicó en la Unidad anterior, es una parte un subgrupo de la población, la
.u
que se puede seleccionar a través de la aplicación de diversas técnicas de muestreo. Las muestras
ea
de acuerdo con lo señalado en la sección precedente se dividen en:

l in
en
as
ri
st
Muestras probabilísticas. Son aquellas en que todos los individuos o casos que conforman la
ae
población tienen una probabilidad distinta de 0 y menor a 1, de ser seleccionados, un error
común es afirmar que en este tipo de muestra todos los individuos tienen la misma
m
probabilidad de ser elegidos. Las muestras probabilísticas permiten cumplir con el criterio de
validez externa, es decir, que los resultados de la investigación puedan generalizarse al
conjunto de la población. Para seleccionar una muestra probabilística se requiere:
Calcular el tamaño de la muestra. Hoy en día existen distintos programas que
permiten calcular el tamaño de la muestra para poblaciones finitas e infinitas (se
desconoce el tamaño del universo, convencionalmente en estos casos se utiliza el
valor 99999, dado que un tamaño mayor a este no genera diferencias en el tamaño
8 / 20
de la muestra), entre los que destacan STATS. No obstante, para poder determinar el
tamaño de la muestra (n) se requiere definir el máximo error estándar (e)
(convencionalmente se utiliza 0,05 y 0,01, que equivale a un error del 5% y 1%
respectivamente), el nivel de confianza (la probabilidad de que los resultados sean
correctos) el más usado en un 95% (Zα=1,96) o 99%; el valor de p (proporción de
casos que se estima que presentan la variable de estudio) y q (proporción de casos
que se estima que no presentan la variable de estudio), por lo que p+q=1,
c
generalmente es un valor desconocido y por ello comúnmente se emplea la máxima
.e
variación (p=q=0,5).
du
Seleccionar el tipo de muestra probabilística.
.e
Muestras probabilísticas simple. Todos los integrantes de la población tienen
te
la misma probabilidad de ser seleccionado.
Muestra estratificada. Es aquella en que el investigador le interesa que la

.u
muestra replique la estructura de la población en 1 o más variables. Si se quiere
ea
aumentar la precisión de la muestra se puede calcular el tamaño para cada

in
estrato, con lo cual aumentará el tamaño de la muestra total.
Muestra por racimos o clusters. También conocido como muestreo por

l
en
etapas.
as
Seleccionar los casos o elementos muestrales. Una vez calculado el tamaño de la

ri
muestra y seleccionado el tipo de muestra que se va utilizar, corresponde seleccionar

st
aleatoriamente los elementos muestrales o participantes si la unidad de análisis son

ae
personas, habitualmente se emplean tres métodos de selección:
tómbola, se numeran los elementos de la población y se sortean los casos

m
en función del tamaño de la muestra calculada
generación de números aleatorios a través de programas estadísticos,
en estos casos el programa solicita ingresar cuántos números aleatorios se
necesitan (este número corresponde al tamaño de la muestra) y el límite
inferior y superior (primer y último número de la población), el programa
arroja los números aleatorios, los que deben ser buscados en el listado de
la población
9 / 20
selección sistemática, selección a partir de un intervalo X, que
corresponde N/n, esto significa que en el listado de la población se
seleccionará el primer caso al azar y luego se elegirá cada X casos hasta
completar el tamaño de la muestra.
En los 3 casos (tómbola, generación de números aleatorios y selección sistemática) cuando se
utilizan muestras estratificadas se deben construir listas independientes por cada estrato y realizar
c
.e
la selección por cada estrato hasta completar el tamaño de la muestra de este.
du
Para conocer más sobre el tamaño de la muestra, revisar el teorema del límite central y la
potencia estadística de la prueba.
.e
te
Muestras no probabilísticas. Se trata de muestras en que la selección de los casos que la
.u
conforman no depende de la probabilidad, sino de criterios preestablecidos vinculados al
ea
problema de investigación y sus objetivos. A su vez, este tipo de muestra tradicionalmente se
dividen en: Muestras intencionadas y Muestras accidentales.

l in
en
as
ri
st
ae
m
10 / 20
3. Recolección de datos
Luego que se selecciona el diseño de investigación y la muestra, corresponde definir el proceso de
recolección de datos, el cual significa medir las variables del estudio, por medio de distintas técnicas
o instrumentos.
Las variables
c
¿Qué son las variables? Es cualquier atributo, fenómeno, propiedad que puede asumir distintos
.e
valores, factibles de ser medidos.
du
En una investigación se espera que el investigador incluya una:
.e
definición conceptual de la(s) variables estudiadas, basada en los desarrollos teóricos en
torno al tema.
te
.u
definición operacional, la cual hace referencia a la forma en que van a ser medidas las
ea
variables.
in
Niveles de medición de las variables

l
en
Existen cuatro niveles de medición de las variables y del nivel en que se ubique cada variable
as
depende el tipo de análisis de datos que se puede efectuar:

ri
st
Nominal. Los valores que pueden asumir las variables son categorías por ejemplo: género
(valores: femenino, masculino, otro), país (Argentina, Brasil, Colombia, Chile, Ecuador...), tipo
ae
de discapacidad (visual, auditiva, psicosocial, ...), respuestas del tipo SI o NO. En el caso que se
m
asigne un número a cada valor este solo cumple una función de clasificación, pero no permite
realizar operaciones numéricas (estimar por ejemplo medidas de tendencia central o de
dispersión). En estos casos el análisis se reduce prácticamente a una distribución de
frecuencias por cada categoría.
Ordinal. Los valores que pueden asumir las variables también son categorías, pero en este caso
si se pueden ordenar jerárquicamente. En este nivel de medición no es posible calcular
medidas de tendencia central (obtener media, mediana) o medidas de dispersión, pero es
posible agrupar. Otro tipo de variables que utiliza este tipo de medición son las escalas tipo
11 / 20
Likert.
Intervalar. Los valores que pueden asumir las variables son continuos, se pueden ordenar
jerárquicamente, el intervalo entre un valor y otro son iguales a lo largo de toda la escala,
ejemplos: edad, temperatura, calificaciones en una escala de 1 a 10, puntaje obtenido en una
prueba la que arroja puntajes entre 1 a 100.
Razón. Los valores que pueden asumir las variables además de todas las características de los
niveles anteriores, es que el 0 es un valor real y no arbitrario. Ejemplo: Ingreso mensual en
c
dólares, exposición a la televisión medida en minutos, consumo de alcohol a la semana.
.e
du
Si es posible transformar de forma decreciente el nivel de medición de una variable. Por ejemplo:
Variable edad, si dato recopilado a nivel intervalar ¿Cuál es su fecha de nacimiento?, en este caso el
.e
investigador puede calcular la edad exacta de la persona, pero luego puede decidir establecer
te
rangos de (1,12) [12,18) [18,24) -Paréntesis ( ) significa intervalo abierto, [ ] significa intervalo
.u
cerrado-, con lo cual transforma el nivel de medición original a uno intervalar; el mismo ejemplo
ea
aplica en el caso de ingreso ¿Cuánto es su remuneración mensual actual? Lo que no es posible hacer
es aumentar el nivel de medición de las variables, es decir, pasar de un nivel ordinal a intervalar.
l in
en
as
Figura 3. Niveles de medición de las variables

ri
st
Los criterios que deben cumplir los instrumentos de

medición
ae
m
En metodología cuantitativa todo instrumento de recolección de datos debe reunir dos requisitos
fundamentales ser:
Válido. La validez hace referencia a que el instrumento de medición mida lo que pretende
medir, qué un termómetro mida la temperatura. Al analizar la validez de un instrumento se
verifica:
La validez de contenido. Se espera que el instrumento aborde todas las
dimensiones del objeto de estudio y no solo algunos. Por ejemplo: al evaluar las
12 / 20
competencias se espera que instrumento incluya no solo conocimientos, sino la
valoración de destrezas y habilidades.
La validez de criterio. Se evalúa el instrumento de recolección de dato a través de
la comparación de los resultados de este con otros previos ya validados. Y esta puede
dividirse en validez concurrente, si se comparan los resultados de 2 instrumentos en
el presente, y validez predictiva en el futuro.
La validez de constructo. Se analiza si el instrumento de medición valora el
c
concepto teórico y sus dimensiones.
.e
Validez total. Hace referencia a la aplicación simultánea de todos los tipos de
du
validez: de contenido + de constructo + de criterio.
.e
Confiable. Significa que su aplicación a un mismo individuo producirá los mismos resultados.
te
Los factores que pueden afectar la validez y confiabilidad son: 1) la falta de planificación, 2)
.u
construir o utilizar instrumentos inadecuados para la población del estudio, por ejemplo: usar una
ea
prueba escrita para estudiantes con discapacidad visual; 3) emplear instrumentos que no han sido
validados y adaptados al país o contexto local en que se aplicarán, 4) condiciones en que se aplica el
in
instrumento, 5) crear instrumentos que incentiven la generación de respuestas socialmente

l
en
correctas en los participantes, 6) reducción del contenido o excesiva ampliación del instrumento.
as
Pasos en la construcción de los instrumentos de medición

ri
En este punto existen al menos dos alternativas, adaptar un instrumento ya existente, válido y
st
confiable, o construir uno. Hernández, Fernández, Baptista (2014) recomienda seguir los siguientes
ae
pasos:
m
Revisar y ajustar las definiciones iniciales de las variables.
Revisar la literatura (antecedentes teóricos y empíricos, con especial énfasis en la búsqueda de
instrumentos existentes)
Identificar las dimensiones de las variables.
Decidir qué tipo de instrumento se va a utilizar (cuestionario, escala, inventario de pruebas u
otro) y determinar si se va a emplear un instrumento existente o se construirá uno. En el
primer caso se requiere autorización para emplear el instrumento.
13 / 20
Construir el instrumento. Determinar que constructos o dimensiones va a medir, el tipo y
número reactivos por dimensión y en general, el nivel de medición de las variables en función
del problema y objetivos de la investigación. Luego deberá elaborar los ítems o reactivos. No
olvide incluir en todos los instrumentos de recolección de datos (cuestionario, escala tipo
Likert, pruebas, otros): una consigna (que explique brevemente el propósito del instrumento,
su duración, el resguardo de la confidencialidad), instrucciones de cómo se debe responder el
instrumento, solicitar el consentimiento informado del participante (deje un espacio al final
c
para la firma física o electrónica) y terminar con un agradecimiento final.
.e
Realiza la prueba piloto, aplicación del instrumento a una muestra reducida y calcular la
du
confiabilidad y validez del instrumento.
Construcción del instrumento definitivo a partir de los hallazgos en la prueba piloto.
.e
Capacitar al personal responsable de la administración de la prueba. También es posible
te
utilizar o construir instrumentos autoadministrados. .u
Gestionar las autorizaciones para aplicar el instrumento.
ea
Aplicación del o los instrumento(s).
Revisión y preparación de los datos (codificación y registrarlos en una base de datos)

in
Análisis de datos asistido por el uso de programas. SPSS, SAS, STATS, Matlab y otros.
l
en
Tipos de instrumentos de medición

as
La Tabla a continuación presenta los instrumentos de recolección de datos más utilizados en los
ri
estudios cuantitativos:
st
ae
Dimensiones
Descripción
Instrumento
m
Conjunto de preguntas sobre uno o varios temas con opción de

Cuestionarios
respuesta cerrada, única o múltiple. El cuestionario se puede aplicar a
de preguntas
través de un encuestador en una entrevista personal, telefónica, video
cerradas
llamada o ser autoadministrado.
Conjunto de preguntas sobre uno o varios temas con opción de
Cuestionarios
respuesta abierta. El cuestionario se puede aplicar a través de un
de preguntas
encuestador en una entrevista personal, telefónica, video llamada o ser
abiertas
autoadministrado.
14 / 20
Se le solicita al participante indicar su grado de acuerdo, satisfacción,

importancia ante un objeto (de cualquier tipo), redactado en forma
enunciado, frase completa, frase para completar o pregunta. La escala
tipo Likert corresponde a un nivel de medición ordinal.
Opciones (se puede construir de 5 o 3 alternativas de respuesta, lo
Escala Tipo relevante es construir opciones equilibradas, el mismo número de
Likert categorías positivas y negativas)
- Siempre → Algunas veces → Nunca
- Muy Alto→ Alto→ Regular→Bajo→Muy bajo
- Acuerdo→ Neutral/Indeciso→ Desacuerdo
- Muy Poco importante→Poco importante→Medianamente
importante→Importante→Muy importante
c
Pauta de
.e
cotejo u Se construye una lista o pauta de cotejo
observación
du
Se utilizan para medir variables (constructs teóricos) complejos, tales
Pruebas
como motivación, inteligencia, personalidad, perfil de egreso,
estandarizadas
.e
resultados de aprendizaje y otros
Instrumentos
te
específicos por
campo
.u
Recomendaciones al momento de formular preguntas o
ea
enunciados en general
l in
Breves.
en
Evitar dobles preguntas, dos preguntas en una.

as
Claras, formuladas en un lenguaje directo y simple.
Precisas
ri
Comprensibles, familiar para los/as participantes.

st
No estar respaldas en evidencias normativas, las que pueden inducir respuestas.

ae
Evitar preguntas que induzcan respuesta ¿La Violencia contra la Mujer es negativa?
m
Evitar preguntas en negativo.
Evitar preguntas discriminadoras, sexistas o que ofendan a los participantes.
Evitar preguntas con múltiples posibilidades de respuesta: ¿Cuál es su edad? 18-24; 24-30
Evitar intervalos desbalanceados, 3 valores positivos o favorable y 1 negativo.
Evitar incongruencia entre la pregunta y alternativa de respuesta, por ejemplo, preguntar con
grado de satisfacción y dar como opciones de respuesta alternativas de importancia.
15 / 20
4. Análisis de datos cuantitativos
Una vez recogido los datos en una investigación cuantitativa el siguiente paso es analizarlos, para
los cual, se recomienda seleccionar un software de análisis de datos: R, Minitab, SAS, SPPS o
STATA, entre otros.
SPSS es el paquete más usado en el campo de las ciencias sociales, salud y educación, mientras que
STATA es especialmente recomendado para análisis econométricos. La ventaja de SPSS es que
c
permite generar directamente informes de resultados, es más sencillo de ocupar porque tiene una
.e
interfaz amigable, por lo mismo demanda menos tiempo y es apropiado para análisis estadísticos
du
descriptivos. STATA, se recomienda para el desarrollo de investigaciones avanzadas.
.e
Al momento de realizar el análisis de datos, este dependerá:
te
Del problema de investigación
.u
De las hipótesis planteadas
ea
Nivel de medición de las variables

l in
Análisis (estadística) Descriptiva

en
La siguiente tabla presenta tipos de análisis descriptivos:

as
ANÁLISIS DESCRIPTIVO
ri
Dimensiones Descripción
st
Tipo de análisis
Análisis
ae
Forma de presentar los datos agrupados en torno a los

valores de una variable, generalmente se presentan los
datos por cada valor y se incluyen otros elementos como
m
porcentaje.
Estadística Distribución de Generalmente se presentan los resultados a través de una
Descriptiva Frecuencia tabla de frecuencia simple (f) o acumulada (F)
Las distribuciones de frecuencias se pueden también
presentar como gráficos: histogramas,
circulares/pastel/torta, polígonos de frecuencia, otros tipos.
Moda La puntuación o categoría que más se repite
Estadística
Descriptiva Mediana Es el valor que divide a la distribución en 2.
Medidas de
Promedio (
tendencia central Media
16 / 20
Rango Diferencia entre la puntuación mayor y menor

Estadística
Promedio de desviaciones respecto de la media (s, σ) Indica
Descriptiva Desviación
cuánto se desvían en promedio el conjunto de observaciones
Medidas de estándar
de la media
dispersión o
variabilidad Desviación estándar elevada al cuadrado s2, σ2 La varianza
Varianza
siempre será un valor positivo.
Permite calcular que tanto la distribución de la investigación
se acerca a la distribución normal
Si la asimetría= 0 simétrica
Asimetría Si la asimetría> 0, positiva, los valores se concentran al lado
izquierdo, por debajo de la media.
c
Otras medidas de Si la asimetría< 0, negativa, los valores se concentran al
.e
Estadística lado derecho, por sobre la media.
Descriptiva
Da cuenta que tan elevada o plana es la curva de
du
distribución
Curtosis Curtosis= 0 distribución normal
.e
Curtosis<0, negativa, más plana
Curtosis>0, positiva, más alta
te
Transformaciones a los valores obtenidos con el fin de
analizar su distancia respecto a la media. El valor de Z da
.u
Puntuaciones Z cuenta de la dirección y del grado en que el valor obtenido
se distancia del promedio, medida en escala de desviación
ea
estándar.
Relación de 2 evento de una categoría, se multiplica
Razones y tasas
in
habitualmente por 10, 100 y por 1000

l
en
Análisis (estadística) Inferencial

as
El análisis inferencial se utiliza para estimar parámetros y para probar hipótesis poblacionales:
ri
Prueba de hipótesis Análisis Paramétrico

st
El análisis Paramétrico, requiere el cumplimiento de los siguientes criterios:

ae
m
Distribución normal de la variable dependiente
Las variables deben estar en un nivel de medición intervalar o de razón
Varianza homogénas cuando se estudian 2 o más poblaciones
Es relevante señalar que cuando se realizan la pruebas no solo se debe analizar el valor que arroja la
prueba, sino el nivel de significancia P, si P <0.05 se dice que el valor es significativo con un nivelde
confianza del 95% y una probabilidad de error del 5%.
17 / 20
Por otra parte las decisiones que toma el investigador a partir de los datos es:
Rechazar la hipótesis falsa (correcto)
Aceptar la hipótesis verdara (correcto)
Rechazar una hipótesis verdadera Error Tipo I
Aceptar una hipótesis falsa Error Tipo II
Dimensiones Ejemplo
c
Descripción. Se utiliza para:
Prueba
.e
Analizar la relación entre 2 variables, la prueba r, arroja valores
du
entre -1 y 1
<0.90: Negativa muy fuerte
-0.50: Negativa media
.e
-0.25: Negativa débil
Coeficiente de correlación 0.00: No existe correlación
te
de Pearson r 0.25: Positiva debil
Para contrastar hipótesis 0.50: Positiva media
.u
correlacio-nales >0.90 Positiva muy fuerte
1.00 Correlación positiva perfecta
ea
Diagramas de dispersión
in
El signo negativo indica que a menor valor en X, mayor valor en Y

l
en
Dimensiones
Descripción. Se utiliza para:
Prueba
as
Analizar el efecto de la variable independiente sobre la variable

Regresión lineal simple dependiente
Para contrastar Un coeficiente de regresión (r2) entre 0.66 y 0.85, según Creswell (2005)
ri
hipótesis causales explica la variación en la variable independiente o ofrece una buena

st
predicción.
Regresión lineal Analizar el efecto de varias variables independientes sobre la variable
ae
múltiple dependiente.
Para contrastar
m
hipótesis causales
Analizar si las medias de dos grupos en una variable difieren entre sí de
manera significativa.
Prueba t de Student
Esta prueba se puede utilizar en los diseños experimentales para verificar
el efecto de la variable independiente sobre la dependiente.
Analizar las medias y varianzas de dos o más grupos difieren
significativamente entre sí.
ANOVA Puede calcularse para 1 factor o m{as factores, esn estos casos se utiliza
MANOVA, an{alisis multivariado de la varianza, para 2 o m{as variables
dependientes e independientes.
18 / 20
Analizar si dos porcentajes o proporciones difieren significativa-mente.

Nivel de medición de las variables: cualquier nivel, pero en el caso del
Prueba de contraste de
nivel intervalar o razón los valores se deben expresar en términos de
proporciones
porcentaje o proporción.
No es necesario que los grupos tengan el mismo número de participantes.
Prueba de Hipótesis Análisis No Paramétrico
El Análisis No Paramétrico:
No requiere que la variable dependiente presente una distribución normal, ni que la
c
.e
distribución sea conocida.
Las variables no requieren estar en un nivel de medición intervalar o de razón, es más en
du
algunas pruebas estos dos últimos deben transformarse a un nivel nominal u ordinal.
.e
te
Las pruebas no paramétricas más utilizadas son:
.u
Chi cuadrado
ea
l in
: Se utiliza para analizar la asociación entre 2 variables categóricas o medidas a nivel nominal.
en
Ejemplos medir la asociación entre: etnía e intención de voto por un candidato determinado en
as
una elección presidencial; actividades lúdicas en el aula y prendizaje significativo. Si el nivel de
significacncia el >0.05 entonces de acepta la hipótesis nula y se rechaza la hipótesis de

ri
investigación (Ha), es decir, no existe asociación entre las variables.

st
ae
Ho: No existe asociación entre las variables
Ha: Si existe asociación entre las variables

m
Coeficiente de correlación de independencia. Sirve para determinar si las variables
incluidas en la tabla de contingencia están correlacionadas.
Coeficiente de correlación por rangos ordenado, de Spearman o de Kendall, se utiliza
para medir el nivel de asociación, entre variables (ambas) ordinales.
Una vez, analizado los datos, corresponde redactar los resultados, los que se recomienda presentar
de acuerdo a los objetivos específicos de la investigación.
19 / 20
Finalmente, se elaboran las conclusiones las que suelen incluir un resumen de los principales
resultados de acuerdo al problema de estudio, un análisis comparado entre los hallazgos
encontrados y las investigaciones previas, una reflexión en torno a la importancia de los hallazgos y
el enunciado o recomendaciones de posibles investigaciones futuras a partir de los resultados
alcanzados.
c
.e
du
Figura 4. Secciones Reporte de Investigación
.e
te
STATA es el paquete más usado en el campo de las ciencias sociales, salud y
educación, mientras que SPSS es especialmente recomendado para análisis
.u
econométricos.
ea
Falso
in
Verdadero
l
en
as
ri
st
ae
m
20 / 20

4.aproximación A Los Métodos Cuantitativos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4.aproximación A Los Métodos Cuantitativos

Cargado por

Copyright:

Formatos disponibles

[AFO028DPB] Metodología de la Investigación en Contabilidad

[MOD02497J] Metodología de la Investigación

estudios cuantitativos de forma similar a los cualitativos, implica seleccionar: a) el diseño de

investigación, b) definir el diseño muestral o participantes, c) escoger o construir las técnicas de

a) Diseños no experimentales. Una investigación que utiliza un diseño no experimental, es aquella

Longitudinales: estudian y miden las variables en el trascurso de un intervalo de tiempo, el

econométricos. Su ventaja sobre los estudios transversales es que no es posible estimar

modelos dinámicos a partir de observaciones en un solo punto en el tiempo ya sea en el campo

tiempo o estudios longitudinales es que ofrecen la posibilidad de investigar heterogeneidad al

incluir distintos participantes, países,, empresas o unidades de análisis.

son investigaciones de cohortes que comparten alguna característica común.

momento concreto. Estos estudios a su vez se dividen en:

Exploratorio. Se utiliza cuándo el problema de estudio es poco conocido, por ejemplo,

una metodología innovadora nueva, una enfermedad de reciente aparición como es el

caso de la COVID-19 en el 2020, el efecto de una nueva política pública, el impacto de un

y elementos que contribuyan a su caracterización. En este caso no se plantean hipótesis

porque generalmente no se tiene supuestos acerca del problema de estudio.

Descriptivo. Están orientados a identificar las características, propiedades y los perfiles

de los fenómenos, personas, grupos, comunidades, estudiadas, su propósito no es

hipótesis cuándo se busca someter a contrastación un valor o pronóstico de la variable

En resumen: ¿es necesario plantear hipótesis en los estudios no experimentales?

Correlacional Si, relación entre las variables

Explicativa Si, establece relaciones causales

Ho: Hipótesis nula ausencia de relación

técnica estadística que consiste básicamente en un tipo de investigación en la que se manipula

variable dependiente en situaciones controladas, es decir, la variable independiente se manipula y la

variable dependiente se mide.

Esquema General de los Diseños Experimentales (Hernández, Fernández, Baptista, 2014)

Diseños experimentales puros. En los diseños experimentales puros es posible asignar al

utilizados en el campo de la psicología, de la educación e inclusive en salud cuándo también

Diseños preexperimentales. En estos casos el control es mínimo, puede corresponder a:

En conclusión, los estudios experimentales deben cumplir tres requisitos:

la manipulación de la(s) variable(s) independiente(s),

medir el efecto de la(s) variable(s) independiente(s) sobre la dependiente, la que se evalúa o

mide tal como se produce sin manipularla,

variaciones en la variable dependiente no se deban a la variable independiente, sino a estos

factores que se describen a continuación.

Por otra parte, la connotación de experimental, cuasiexperimental o preexperimental dependerá de

el tratamiento, método o experimento).

Fuentes de invalidez interna de los estudios experimentales

Historia. Hace referencia a eventos o acontecimientos que pueden ocurrir durante el

experimento y que afecte a algunos participantes.

distintos resultados en condiciones estables.

Inestabilidad del contexto en que se realiza la medición. Que el contexto en el que se

realiza la medición no sea equivalente para ambos grupos.

Instrumentación. Que los instrumentos de medición aplicados al grupo experimental y

control no sen equivalentes.

durante el experimento, lo que termina afectando los resultados.

experimental solo a mujeres y en el grupo control solo a hombres.

Conducta del investigador/a. en ocasiones está afecta los resultados de la investigación.

Lo que a su vez se puede verificar, a través de la medición inicial de la variable dependiente en

Son aquellos en que no es posible o no requieren asignaciones aleatorias a los grupos

variable dependiente se expliquen por factores no relacionados con la(s) variable(s)

Diseños experimentales puros.

de acuerdo con lo señalado en la sección precedente se dividen en:

población tienen una probabilidad distinta de 0 y menor a 1, de ser seleccionados, un error

validez externa, es decir, que los resultados de la investigación puedan generalizarse al

conjunto de la población. Para seleccionar una muestra probabilística se requiere:

Calcular el tamaño de la muestra. Hoy en día existen distintos programas que

permiten calcular el tamaño de la muestra para poblaciones finitas e infinitas (se

desconoce el tamaño del universo, convencionalmente en estos casos se utiliza el

tamaño de la muestra (n) se requiere definir el máximo error estándar (e)

(convencionalmente se utiliza 0,05 y 0,01, que equivale a un error del 5% y 1%