UNIVERSIDAD NACIONAL MAYOR DE SAN

MARCOS
FACULTAD DE PSICOLOGIA

METODOLOGIA DE INVESTIGACION
CUANTITATIVA

Mg. Luis Miguel Escurra M.

 CAPITULOS 11
Diseños No Experimentales

11.1 Diseños de la Investigación Descriptiva.

11.2 Diseños de la Investigación Correlacional.

11.3 Diseños de la Investigación Explicativa.

11.1 La Investigación Descriptiva
Busca especificar las propiedades importantes de personas, grupos,
comunidades o cualquier otro fenómeno que sea sometido a
análisis.

Implican describir e interpretar sistemáticamente un conjunto de

hechos relacionados con otros fenómenos tal como se dan en el
presente en su estado actual y en su forma natural.
Su propósito es describir el fenómeno y, por lo
tanto, no existe la posibilidad de ejercer un
control directo sobre las variables de estudio.

Este Tipo de estudios por lo general sólo

presentan objetivos, pero es factible plantear
hipótesis que implican que se obtenga un valor
determinado.
 Diseños descriptivos

A) Diseño Descriptivo Simple.

B) Diseño descriptivo comparativo.

C) Diseño Causal comparativo.

A) Diseño descriptivo
simple

El investigador busca y recoge información

contemporánea con respecto a una situación
previamente determinada (objeto de
estudio), no presentándose tratamiento
alguno.
Su diagrama puede ser representado como:

M O

Donde:
M representa una muestra a estudiar.
O la información de interés que va a ser medida.
Por ejemplo:

Se trata de estudiar como es el desarrollo

de la metacognición de la comprensión
lectora de los alumnos de quinto de
secundaria de los colegios de la ciudad de
Lima.
B) Diseño descriptivo comparativo

Parte de dos o más investigaciones descriptivas

simples, tratando de recolectar información
relevante de varias muestras con respecto a un
mismo fenómeno o aspecto de interés, y luego
caracterizar este fenómeno en base a la
comparación de los datos recogidos, pudiendo
hacerse esta comparación en los datos
generales o en una categoría de ellos.
Su diagrama puede ser representado como:

M1 O1

M2 O2

M3 O3

Donde:

M1, M2, M3 representan cada una de las muestras a

estudiar.

O1, O2, O3 representan la información de interés que va a

ser medida.
Por ejemplo:

Se trata de estudiar como es el desarrollo

de la habilidad matemática de los alumnos
de quinto de secundaria de colegios con
diferente tipos de gestión de la ciudad de
Lima.
c) Diseño causal comparativo

Para Van Dalen y Meyer (1983) son

aquellos diseños en los cuales se
trabajan con 2 grupos que se
diferencian en el valor de una variable
que se asume como independiente y
que es la causante de las diferencias
que se observan, trata de ser
equivalente a un diseño experimental.
Su diagrama es:

M1 O1

M2 O2

Donde:

M1, M2 representan cada una de las muestras a

estudiar.

O1, O2 representan la información de interés que va a

ser medida.
Por ejemplo:

Se trata de estudiar las diferencias que

existen en el desarrollo de las habilidades
cognitivas de acuerdo al sexo de los
alumnos que estudian quinto de
secundaria en los colegios de la ciudad de
Lima.
11.2 La Investigación Correlacional
Tiene como propósito medir el grado de relación
que existe entre dos o más conceptos o
variables.

Constituye un nivel de investigación más elevado

que el estudio descriptivo, e involucra un
conjunto de estudios no-experimentales, que
se inician en la observación de
comportamientos producidos en forma natural
por la acción de variables sobre las cuales no
se ha ejercido ninguna manipulación
experimental.
Las hipótesis que se ponen a prueba son hipótesis
de covariación, ya que se trata de
proposiciones que afirman la existencia de una
relación funcional entre dos propiedades
relevantes dentro de un universo de individuos
claramente determinados.

Estas hipótesis responden a problemas como: ¿Qué

relación existe entre A y B?
En la hipótesis de covariación, no se
puede identificar con claridad cuál
de las variables implicadas es la
responsable de la covariación de la
otra.
 Diseños Correlacionales

a) Diseño Correlacional Simple.

b) Diseño de Divisiones Cruzadas.

c) Diseño Multivariado.
 a) Diseño correlacional simple

Permite estudiar el grado de asociación que

existe entre 2 variables trabajadas a nivel
cuantitativo.

En este caso se trabaja con una muestra de

sujetos a los cuales se les aplica los
instrumento de medición a las variables
estudiadas.
Su diagrama es:

Ox
M r
Oy

Donde:
M = muestra de sujetos.
Ox, Oy = mediciones de las variables.

En este diseño se puede utilizar el coeficiente de

correlación de pearson, Spearman, Intraclase
(ICC), Tau de Kendall, biserial puntual, biserial,
tetracórico, entre otros.
Por ejemplo:

Se trata de estudiar como es la relación

entre la ansiedad ante los exámenes y el
rendimiento en las evaluaciones del curso
de estadísticas en alumnos de psicología.
 b) Diseño de divisiones cruzadas

Permite estudiar la asociación entre dos

variables y los valores que cada cual asume,
organizando los datos en tablas de
contingencia, que se obtienen de cruzar los
valores de dos variables, la forma más
sencilla es la tabla 2x2.
 Por ejemplo:

Se trata de estudiar como es la relación entre

los estilos de aprendizaje y los estilos de
liderazgo docente.

1 1 2 3
1 1,1 2,1 3,1
2 1,2 2,2 3,2
3 1,3 2,3 3,3
4 1,4 2,4 3,4
 c) Diseño Multivariado

Permite estudiar la relación entre 3 o más variables

de forma simultánea.

Para Baltes (2000), este tipo de investigación

presenta los siguientes fundamentos:

- Toda variable dependiente (o consecuente) es

potencialmente una función de múltiples
determinantes.
- Todo determinante o antecedente tiene en
potencia múltiples consecuentes.

- El estudio de múltiples relaciones, antecedentes

y consecuentes, proporciona un modelo útil para
la organización de sistemas más complejos que
la investigación correlacional bivariada.
Donde:
M = muestra de sujetos.
O1, O2, O3, O4 = mediciones de las variables estudiadas.

En este diseño se puede utilizarse múltiples estrategias

de análisis desde el uso de los coeficientes de
correlaciones múltiples, Análisis de Regresión Múltiple,
Correlación Parcial, Correlación Canónica, Análisis
Factorial Exploratorio (AFE) Confirmatorio (AFC),
Exploratorio de ecuaciones estructurales (ESEM) etc.
Por ejemplo:

Se trata de estudiar como se relacionan los

estilos de pensamiento, las estrategias de
aprendizaje y el rendimiento académico
de los alumnos ingresantes a UNMSM.
 11.3 Investigación Explicativa

Tiene como propósito buscar un nivel de

explicación científica que a su vez
permita la predicción. Lo que puede
conducir a la formulación de principios y
leyes básicas.
 Tipos de investigación explicativa
Son:

a) Ex-Post Facto.

b) Experimental.
 Investigación Ex-Post Facto
Es la búsqueda sistemática y empírica, en la cual no se tiene
el control directo sobre las variables independientes,
porque ya acontecieron sus manifestaciones o por ser
intrínsecamente no manipulables.

Se hacen inferencias sobre las relaciones entre las variables,

sin intervención directa, a partir de la variación
concomitante de las variables dependientes e
independientes.
Su interés se centra en explicar por qué
ocurre un fenómeno y en que condiciones
ocurre, o por que dos o más variables
están relacionadas de manera causal.
 Investigación Retrospectiva

En éste tipo de investigación Ex-post Facto,

se parte de una muestra que presenta la
variable dependiente y después se trata de
para indagar hacia atrás para identificar las
posibles variables independientes.

Es decir que lo ocurre en el presente se liga

con los fenómenos ocurridos en el pasado.
 Diseños Retrospectivos

a) Diseño retrospectivo simple.

b) Diseño retrospectivo con grupo cuasi

control.

c) Diseño retrospectivo de grupo único.

 Diseño retrospectivo simple
Consiste en trabajar con una muestra que
presenta la variable dependiente y a partir
de ahí identificar todas las variables que
se asumen como independientes,
buscando establecer aquellas que se
presentan de forma concomitante y
controlando aquellas que se asumen
como constantes
 Esquema del diseño retrospectivo simple
sujetos VD VC1 VC2 VI1 VI2 VI3 VI4 VI5
1 1 1 1 5 4 1
2 1 1 3 5 1 1
3 1 1 2 0 3 0
4 1 1 4 5 2 0

Donde:

VD, Variable dependiente.

VC, Variables controladas.
VI, Variables independientes.
Por ejemplo:

Se trata de estudiar las causas de la

depresión, en una muestra de pacientes
clínicos identificados, analizando la
información recogida.
Diseño retrospectivo con grupo
cuasi-control
Implica trabajar con dos grupos de sujetos
uno con la presencia de la variable
dependiente y otro con la ausencia de la
variable dependiente, de manera que se
controlen algunas variables y se analicen
la influencia de las supuestas variables
independientes.
 Esquema del diseño retrospectivo con
grupo cuasi-control
Sujetos VD VC1 VC2 VC3 VI1 VI2 VI3 VI4 GRUPO

1 1 0 1 1 1 1 5 1
2 1 0 1 0 1 3 5 1 ESTUDIO

3 1 1 1 0 1 2 0 1
4 1 1 1 1 1 4 5 1
1 0 0 1 1 1 3 0 0
CUASI-
2 0 0 1 0 1 1 0 0 CONTROL
3 0 1 1 0 1 2 0 0
4 0 1 1 1 1 1 0 0

Donde:
VD, Variable dependiente.
VC, Variables controladas.
VI, Variables independientes.
Por ejemplo:
Se trata de estudiar las causas de la depresión,
diferenciando lo que ocurrió en la muestra de
pacientes clínicos identificados y otra muestra
de personas normales.
 Diseño retrospectivo de grupo
único
Implica trabajar con una muestra grande de casos
estableciendo los diferentes valores para la
variable dependiente y los distintos valores de
las variables que se asuman como
independientes, de manera que se pueda
establecer que variables covarían más con la
variable dependiente.
 Esquema del diseño retrospectivo de grupo
único
sujetos VD VI1 VI2 VI3 VI4 VI5
1 9 1 1 5 4 1
2 7 1 3 5 1 1
3 5 1 2 0 3 0
4 6 1 4 4 2 0
* * * * * * *
95 3 1 2 3 3 0
96 4 1 4 0 2 0
98 0 1 1 0 4 0
99 1 1 2 5 1 0
100 3 1 3 0 3 0

Donde:
VD, Variable dependiente.
VI, Variables independientes.
Por ejemplo:

Se quiere estudiar los factores que influyen

en la depresión, para ello a una muestra
grande de sujetos, se le aplica una prueba
de depresión y una batería de pruebas
para medir las variables que se asumen
como independientes.
 Investigación Prospectiva
En este tipo de investigación se parte de una
muestra de sujetos con diferentes valores en
la variable independiente y se les trata de
comparar en el futuro en la variable
dependiente.

Se inicia con un examen de las posibles causas

y después se intenta observar en el futuro el
posible efecto.
Tipos de diseños prospectivos

a) Prospectivo simple.

b) Prospectivo complejo.

c) Diseño prospectivo de grupo único.

d) Diseño prospectivo con más de un eslabón

causal
 a) Prospectivo simple

Consiste en estudiar una sola variable

independiente mediante la comparación
de dos grupos diferenciados en dicha
variable, analizando los valores que
presenta la variable dependiente.
 Esquema del diseño prospectivo simple

Sujeto VI VD GRUPO
1 1 7
2 1 8
GRUPO 1
3 1 6
4 1 9
5 0 5
6 0 2
GRUPO 2
7 0 1
8 0 0

Donde:
VD, Variable dependiente.
VI, Variables independientes.
Por ejemplo:

Se trata de estudiar la influencia de la

motivación sobre la comprensión lectora
en estudiantes universitarios.
 Prospectivo complejo

Consiste en estudiar dos o mas variables

independiente mediante la comparación
de grupos diferenciados en dichas
variables, analizando los valores que
presenta la variable dependiente.
 Esquema del diseño prospectivo complejo

Sujeto VI1 VI2 *** VD GRUPOS

1 1 1 7 GRUPO 1
2 1 1 8
3 1 0 6 GRUPO 2
4 1 0 9
5 0 1 5 GRUPO3
6 0 1 2
7 0 0 1 GRUPO 4
8 0 0 0

Donde:
VD, Variable dependiente.
VI, Variables independientes.
Por ejemplo:

Se trata de estudiar la influencia de los

factores cognitivos sobre la comprensión
lectora en estudiantes universitarios.
Diseño prospectivo de grupo
único
Consiste en trabajar con un grupo grande
sujetos, en los cuales se miden diferentes
variables independientes a fin de
establecer su efecto sobre la variable
dependiente.
Esquema del diseño prospectivo de grupo único
sujetos VI1 VI2 VI3 VI4 *** VD
1 1 1 5 4 9
2 1 3 5 1 7
3 1 2 0 3 5
4 1 4 4 2 6
* * * * * *
95 1 2 3 3 3
96 1 4 0 2 4
98 1 1 0 4 0
99 1 2 5 1 1
100 1 3 0 3 3

Donde:
VD, Variable dependiente.
VI, Variables independientes.
Grafico del diseño prospectivo de grupo único

VI1

VI2 VD

VI3

Donde:
VD, Variable dependiente.
VI, Variables independientes.
Por ejemplo:
Se quiere estudiar los factores que influyen
en la depresión, para ello a una muestra
grande de sujetos, se le aplica una batería
de pruebas para medir las variables que
se asumen como independientes y
posteriormente se aplica una prueba de
depresión.
 Diseño prospectivo con mas de
un eslabón causal
Implica trabajar con una muestra grande de
sujetos para estudiar las relaciones de un
conjunto de variables asumidas como
independientes que establecen relaciones
entre si y que influyen sobre la variable
dependiente.
 Grafico del diseño prospectivo con mas de un
eslabón causal
VI1

VI3 VD

VI2

Donde:
VD, Variable dependiente.
VI, Variables independientes.
 Investigaciones de mayor
complejidad
Path Analysis (análisis de senderos): modelos basados
en la regresión, sólo considera variables directamente
observadas.
SEM (structural equation models / modelos de
ecuaciones estructurales) o combinan regresión con
análisis factorial, en una perspectiva confirmatoria.
Incluye variables latentes, no directamente
observadas. Una parte básica es el análisis factorial
confirmatorio.
PLS (partial least square / modelos de mínimos
cuadrados parciales) permiten realizar análisis de
ecuaciones estructurales a partir de modelos de
regresión con variables latentes, no directamente
observadas. Es una perspectiva exploratoria que
funciona bien con muestras pequeñas.
 Símbolos utilizados por LISREL,
AMOS, EQS, MPLUS, WARPPLS

V. Observada
Regresión, Carga factorial

V.
Latente

error
Covarianza / correlación
 Análisis de senderos o
Path-analysis
d2
.807
d1
.909
Academic
Coursework
.310

.267
Ability
.551
.609
.417 .069 Achievement d3

Family
Background .013

.127 Motivation

.972

d4
Análisis factorial confirmatorio
(LISREL)
Modelo de ecuaciones
estructurales (AMOS)
 Modelo de ecuaciones
estructurales (WARP PLS)
Por ejemplo:

Se trata de analizar la influencia de la

motivación y las estrategias
metacognitivas sobre el rendimiento
académico.