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

ENFOQUES DISEÑO TIPO ALCANCE

S
Preexperimentos ✓ Grado de control mínimo
Cualitativa
Cuasiexperimentos ✓ Implica grupos intactos

Experimental
✓ Manipulación intencional de variables
independientes
Hernández Experimentos ✓ Medición de variables dependientes
Sampieri, et al Mixtos puros ✓ Control y validez
(2014) ✓ 2 o más grupos de comparación

✓ Exploratorio
Transeccional ✓ Descriptivo
o transversal ✓ Correlacional
Cuantitativo No ✓ Explicativo/causal
experimental ✓ Diseño de tendencia
✓ Diseños de análisis evolutivos
Longitudinal o ✓ (Cohortes)
evolutivo ✓ Diseños de panel
 1.1 TIPO DE ESTUDIO Y DISEÑO DE INVESTIGACIÓN

TIPOS DISEÑO TIPOS DE DISEÑO

Preexperimentos
ENFOQUES
Exploratorio
✓ Cuantitativo
Experimental Cuasiexperimentos
Descriptivo ✓ Cualitativa
Toro & Parra
(2010) Explicativo (predictivo) Experimentos puros

Correlacional
✓ Descriptivo
Transeccional
o transversal ✓ Correlacional
No
experimental ✓ Diseño de tendencia
✓ Diseños de análisis evolutivos
Longitudinal o ✓ (Cohortes)
evolutivo ✓ Diseños de panel
1.2 POBLACIÓN Y MUESTRA / Vara (2010)

población Muestra (n),

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

Define la
Muestreo población o Eta
p
poblaciones Determina si as d
el m
El muestreo es el proceso de realizarás ues
treo
extraer una muestra a partir de muestreo y el
tipo adecuado
una población.
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 muestra / Hernández Sampieri, et al (2014) & Vara (2010)

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:

Parámetros
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 Gauss
Según 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 muestral / Hernández Sampieri, et al (2014) & Vara (2010)

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 probabilístico Probabilístico
Evaluar toda la o intencional
población:
Censo No todos tienen la
posibilidad de ser Tipos Procedimientos
elegidos

La población se
divide en segmentos y • Aleatorio simple • Tómbola
se selecciona una
• Estratificada • Tablas de números
muestra por cada
segmento Las unidades se • Racimos o clusters aleatorios
encuentras encapsuladas • STATS
en determinados 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.

Ejemplo:
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 variables? Vara (2010)

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 / operacional Toro & Parra (2010 p. 236)

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

/ Hernández Sampieri, et al (2014)

Recolectar los datos implica:

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 DATOS/ Hernández Sampieri, et al (2014)

Pasos para analizar los datos:

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

Proceso de investigación
• Explorar los datos obtenidos en la recolección.
cuantitativa
• Analizar descriptivamente los datos por variable.
• 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 • STATS 4. Se evalúa la confiabilidad y validez del o de los instrumentos escogidos
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 centro de
Descriptiva recursos en línea)
El análisis se realiza tomando en cuenta
los niveles de medición de las variables y
mediante la estadística, que puede ser
● Coeficientes de correlación
● Regresión lineal
● Prueba t
● Prueba de la diferencia de proporciones
Análisis paramétrico ● Análisis de varianza
● Análisis de covarianza (en centro de recursos en línea)
Inferencia
Análisis no paramétrico
• Sirve para estimar parámetros y
probar hipótesis ● Chi cuadrada
• Se basa en la distribución ● Coeficientes de Spearman y Kendall
Análisis multivariados ● Coeficientes para tabulaciones cruzadas
muestral
(centro de recursos en línea)
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