METODOLOGÍA DE LA

INVESTIGACIÓN
SEGÚN: Hernández et al, Toro & Parra, Vara.
MATERIALES Y MÉTODOS
1.1 Tipo de estudio y diseño de la investigación
1.2 Población y muestra
1.2.1 Tamaño de la muestra
1.2.2 Selección del muestreo
1.2.3 Criterios de inclusión y exclusión
1.3 Variables
1.3.1 Definición conceptual / operacional
1.4 Plan de recolección de datos e instrumentos
1.5 Plan de análisis y procesamiento de datos
1.6 Ventajas y limitaciones
1.7 Aspectos éticos
1.8 Aspectos administrativos
1.9 Cronograma de actividades
 Hernández
Sampieri, et al
(2014)
 1.1 TIPO DE ESTUDIO Y DISEÑO DE INVESTIGACIÓN

ENFOQUE DISEÑ TIPO ALCANCE

S O S
Preexperimento ✓ Grado de control mínimo
Cualitativ s
Cuasiexperimento ✓ Implica grupos intactos
a
s
Experiment
✓ Manipulación intencional de
al variables independientes
Hernández Experimentos ✓ Medición de variables
Sampieri, et Mixto puros dependientes
al s ✓ Control y validez
✓ 2 o más grupos de comparación
(2014)
✓ Exploratorio
Transeccional ✓ Descriptivo
o transversal ✓ Correlacional
Cuantitativ No ✓ Explicativo/causal
o experimenta ✓ Diseño de tendencia
l Longitudinal o
✓ Diseños de análisis evolutivos
✓ (Cohortes)
evolutivo ✓ Diseños de panel
 1.1 TIPO DE ESTUDIO Y DISEÑO DE INVESTIGACIÓN

TIPOS DISEÑ TIPOS DE

O DISEÑO
Preexperimento
s ENFOQUE
Exploratorio S
✓ Cuantitativo
Experiment Cuasiexperimento
Descriptiv al s ✓ Cualitativa
Toro & Parra o
(2010) Explicativo Experimentos
puros
(predictivo)
Correlacional
✓ Descriptiv
Transeccional
o
o transversal ✓ Correlacional
No
experimenta ✓ Diseño de tendencia
l ✓ Diseños de análisis evolutivos
Longitudinal o ✓ (Cohortes)
evolutivo ✓ Diseños de panel
1.1 TIPO DE ESTUDIO Y DISEÑO DE INVESTIGACIÓN

TIPOS DISEÑOS

Por su
desarrollo:
Básic
a
Exploratorio
Vara
(2010)
Aplicada Descriptivo
Experimentales
Explicativo
Cuasi - experimentales
1.2 POBLACIÓN Y MUESTRA/ Vara (2010)

població
n
La población es el conjunto de sujetos o
cosas que tienen una o más propiedades en
común, se encuentran en un espacio o terri-
torio y varían en el transcurso del tiempo
Vara (2010).
Muestra
(n),
es el conjunto de casos extraídos de la
población, selecciona-dos por algún método
racional, siempre parte de la población. Si
se tienen varias poblaciones, entonces se
tendrán varias muestras Vara (2010).

Define la
Muestr población Eta
eo
o Determina si mu pas d
El muestreo es el proceso poblacione est e
s
realizarás reo l
de extraer una muestra a muestreo y
el tipo
partir de una población. adecuado
Calcula el
tamaño
muestral Identifica el
marco
poblacional Selecciona a
los
individuos de
tu muestra
1.1.1 TAMAÑO DE LA MUESTRA
Relación entre error y tamaño de/ Hernández Sampieri, et al (2014) & Vara (2010)

muestra
Margen de error, nivel de confianza y tamaño de la muestra siempre van de la mano. Si quiero obtener un
margen de error y un nivel de confianza determinado (por ejemplo, error del 5% con confianza 95%) necesitaré un tamaño
de muestra mínimo correspondiente. Modificar cualquiera de los 3 parámetros, altera los restantes:

Parámetr
os
1. Reducir el margen de error obliga a aumentar el tamaño de la muestra.
2. Aumentar el nivel de confianza obliga a aumentar el tamaño de la muestra.
3. Si aumenta el tamaño de mi muestra, puedo reducir el margen de error o incrementar el nivel de confianza.

Campana de
Según Gauss
el gráfico, para una
distribución normalizada (media
0, desviación 1) si queremos englobar
los valores que cubren el 95% de los
casos, tengo que definir un margen de
error entre -1,96 y +1,96 de la media. Si
quiero cubrir el 99% de los casos, el
margen debe alejarse hasta +-2,58.
Fórmula para el tamaño / Hernández Sampieri, et al (2014) & Vara (2010)

muestral
Donde:

n = El tamaño de la muestra que queremos calcular

N = Tamaño del universo (Ej. 136 millones de brasileños entre 15 y 65
años)
Z = Es la desviación del valor medio que aceptamos para lograr el nivel
de confianza deseado. En función del nivel de confianza que busquemos,
usaremos un valor determinado que viene dado por la forma que tiene la
distribución de Gauss. Los valores más frecuentes son:

Nivel de confianza 90% -> Z=1,645

Nivel de confianza 95% -> Z=1,96
Nivel de confianza 99% -> Z=2,575

e= Es el margen de error máximo que admito (p.e. 5%)

p= Es la proporción que se speramos encontrar. Este parámetro suele
confundir bastante a primera vista: ¿cómo voy a saber qué proporción
espero, si justamente estamos haciendo una encuesta para conocer esta
proporción? Punto de
saturación
1.2.2 SELECCIÓN DEL MUESTREO
¿Mi investigación necesita
muestreo? Todos tienen la
misma posibilidad
de ser elegidos
No S
í

No Probabilístic
Evaluar toda probabilístico o
la población: o intencional
Censo No todos tienen
la posibilidad de Tipo Procedimiento
ser elegidos
s s
La población se
divide en • Aleatorio simple • Tómbola
segmentos y se
• Estratificada • Tablas de
selecciona una
muestra por cada Las unidades se • Racimos o números
segmento encuentras
clusters aleatorios
encapsuladas en
determinados
• STATS
lugares físicos • Selección
sistemática
1.2.3 CRITERIOS DE INCLUSIÓN Y EXCLUSIÓN
/ Hernández Sampieri, et al (2014) & Vara (2010)

Criterios de inclusión y
exclusión
Lista de características que limitan el tamaño final de tu población, en función de los objetivos
del estudio.

Ejempl
o:
Muestra:

❑ Población objetivo:
La población está constituida por contribuyentes y personal de Aduanas que laboran por más de cinco años, en el caso de
Aduanas en el área de operaciones situada en el Callao, en el caso de los contribuyentes que laboren en empresas
informales en Lima Metropolitana, durante el período de investigación.

❑ Los criterios de inclusión y exclusión

considerados para delimitar mi población son los siguientes:
✓ Sexo: ambos.
✓ Edad: comprendidas entre 25 a 40 años.
✓ Que laboren en Aduanas del Callao en el área de operaciones. (Personal de Aduanas)
✓ Que laboren en empresas informales, ubicados
1.3 VARIABLES
/ Hernández Sampieri, et al (2014) & Vara (2010)

Una variable es una propiedad que puede fluctuar y cuya variación es susceptible de medirse u
observarse (Hernández Sampieri, et al 2014, p.105)

La variable es todo aquello que puede asumir diferentes valores; es cualquier dato que puede variar
(Ej. la edad, la inteligencia, el rendimiento laboral, la eficiencia, las horas de trabajo, la
remuneración, entre otros) (Vara 2010 p. 272)

Las variables son todo aquello que vamos a medir, registrar, controlar y estudiar en la tesis. Por lo
tanto, es importante que sepas cuáles son las variables que vas a medir o registrar y cómo lo harás.
Es decir, las variables siempre deben ser:

✓ susceptibles de medición, registro u observación.

✓ Una variable que no puede medirse, registrarse u observarse, no es una variable científica, sino
una variable “metafísica”, poco útil para la ciencia.
✓ Si no se puede medir, registrar u observar, no sirve para la tesis.
¿Cómo identifico las Vara
(2010)
variables?
Las variables principales se identifican desde los primeros momentos de la
investigación; desde la idea inicial, pero siempre se las puede extraer desde las
hipótesis. Por eso, para identificar tus variables, busca en cada hipótesis que has
formulado. Si tus hipótesis están bien elaboradas, entonces, las variables serán
fáciles de identificar (Vara 2010 p. 272).

Independientemente del proyecto de investigación, ya sea exploratorio,

descriptivo, correlacional, explicativa, cualitativa, cuantitativa, experimental,
plan de negocio, proyecto de innovación, o cual fuere; siempre tendrás hipótesis
y dentro de ellas siempre tendrás variables (Vara 2010 p. 273).

Observa la siguiente tabla de

ejemplos:
1.3.1 Definición conceptual /
Toro & Parra (2010 p. 236)

operacional
Existen 4 aspectos relacionados a lo que respecta a las variables:

1. Definir como entiende y la significancia de la variable para el investigador y de esta manera evitar discrepancias o
mal interpretaciones a cerca de la variable en una investigación.

2. Asegurarnos de que las variables pueden ser evaluadas en la realidad a través de los sentidos.

3. Revisar bibliografía sobre como los antecedentes en diferentes investigaciones

conciben la variable de interés para de esta manera realizar una comparación
satisfactoria.

4. Evaluar mas adecuadamente los resultados de nuestra investigación, porque las variables (y no sólo hipótesis) han
sido contextualizadas.
Definición conceptual

Son definiciones de diccionarios o libros especializados. Sin embargo, son insuficientes para definir las variables de la
investigación, porque no nos relaciona directamente con la realidad.

Definición operacional

Una definición operacional constituye el conjunto de procedimientos que describe las actividades que un observador
debe realizar para recibir las impresiones sensoriales que indican la existencia de un concepto teórico en mayor o menor
grado. Para Kerllinger, una definición operacional nos dice que medir esta variable hay que hacer esto y esto otro, por
ejemplo inteligencia, podría ser definida como la respuesta a una determinada prueba de inteligencia.
1.4 PLAN DE RECOLECCIÓN DE DATOS E
INSTRUMENTOS
Recolectar los datos implica:
/ Hernández Sampieri, et al (2014)
a) Seleccionar uno o varios métodos o instrumentos disponibles, adaptarlos o desarrollarlos, esto depende del
enfoque que tenga el estudio, así como del planteamiento del problema y de los alcances de la investigación;

b) Aplicar el o los instrumentos, y

c) Preparar las mediciones obtenidas o los datos recolectados para analizarlos correctamente.

• En el enfoque cuantitativo, recolectar los datos es equivalente a medir.

• Medir es el proceso de vincular conceptos abstractos con indicadores empíricos, mediante clasificación o
cuantificación.
• En toda investigación cuantitativa medimos las variables contenidas en la(s) hipótesis.
• Cualquier instrumento de recolección de datos debe cubrir tres requisitos: confiabilidad, validez y “objetividad”.
• La confiabilidad se refiere al grado en que la aplicación repetida de un instrumento de medición, a los mismos
individuos u objetos, produce resultados iguales.
• La validez se refiere al grado en que un instrumento de medición mide realmente las variables que pretende
medir.
• Se pueden aportar tres tipos principales de evidencia para la validez cuantitativa: evidencia relacionada con el
contenido, evidencia relacionada con el criterio y evidencia relacionada con el constructo.
• Los factores que principalmente pueden afectar la validez son: la improvisación, utilizar instrumentos
desarrollados en el extranjero y que no han sido validados para nuestro contexto, poca o nula empatía con los
participantes y los factores de aplicación.
1.5 PLAN DE ANÁLISIS Y PROCESAMIENTO DE/ Hernández
DATOS Sampieri, et al (2014)

Pasos para analizar los datos:

• Decidir el programa de análisis de datos que se utilizará.

Proceso de • Explorar los datos obtenidos en la recolección.
investigación • Analizar descriptivamente los datos por variable.
cuantitativa • Visualizar los datos por variable.
• Evaluar la confiabilidad, validez y objetividad de los instrumentos
de
medición utilizados.
• Analizar e interpretar mediante pruebas estadísticas las
hipótesis planteadas (análisis estadístico inferencial).
• Realizar análisis adicionales.
• Preparar los resultados para presentarlos.
 Cuyo procedimiento es en Fases:
Se realiza mediante programas
1. Seleccionar el programa estadístico para el análisis de datos
computacionales 2. Ejecutar el programa
como: 3. Explorar los datos: analizarlos y visualizarlos por variable del estudio
• SPSS® • Minitab • SAS • 4. Se evalúa la confiabilidad y validez del o de los instrumentos escogidos
STATS 5. Se lleva a cabo análisis estadístico descriptivo de cada variable del estudio
6. Se realizan análisis estadísticos inferenciales respecto a las hipótesis planteadas
7. Se efectúan análisis adicionales
8. Se preparan los resultados para presentarlos

❖ Distribución de frecuencias
Análisis de datos ❖ Media
cuantitativos ❖ Mediana
❖ Medidas de tendencia central ❖ Moda

❖ Rango
❖ Medidas de variabilidad ❖ Desviación estándar
❖ Varianza
❖ Gráficas, puntuaciones z (en
Descriptiva centro de recursos en línea)
El análisis se realiza tomando en
cuenta los niveles de medición de
las variables y mediante la
● Coeficientes de correlación
estadística, que puede ser
● Regresión lineal
● Prueba t
● Prueba de la diferencia de proporciones
● Análisis de varianza
Análisis paramétrico
● Análisis de covarianza (en centro de recursos en
línea)
Inferencia
Análisis no paramétrico
• Sirve para estimar parámetros
y ● Chi cuadrada
probar hipótesis ● Coeficientes de Spearman y Kendall
Análisis multivariados ● Coeficientes para tabulaciones cruzadas
• Se basa en la distribución
(centro de recursos en línea)
muestral
1.6 VENTAJAS Y LIMITACIONES

• Incluyen las ventajas o puntos fuertes del proyecto: novedad científica o metodológica,
brevedad en la obtención de resultados, no dispendiosos en cuanto a recursos y las
limitaciones teóricas o aplicadas del diseño, dificultades en la obtención y análisis de los
resultados
• Ejemplo de limitaciones:
➢ Los test utilizados serán autoaplicados, por lo que los datos brindados pueden ser
falseados al estar sujetos a deseabilidad social. Se tratará de controlar este aspecto
mediante la sensibilización de la población, enfatizando el anonimato de la evaluación
y de su uso para fines únicos de investigación.

➢ Al ser un estudio transversal, los hallazgos serán un referente de la situación actual,

por lo cual no se puede predecir y generalizar los mismos.
1.7 ASPECTOS ÉTICOS

1. Respeto de la confidencialidad y política de protección de datos

2. Respeto de la privacidad
3. No discriminación y libre participación
4. Consentimiento informado a la participación a la investigación
5. Respeto por la calidad de la investigación, autoría y uso de resultados
1.8 ASPECTOS ADMINISTRATIVOS
1.9 CRONOGRAMA DE ACTIVIDADES