Niveles de Investigación

Transcripción

1 Niveles de investigación Basado en la conferencia del Dr. José Supo Niveles de Investigación 1

2 Tema 1: TIPOS DE ESTUDIOS EN. 1 EXPLORATORIO Se plantean cuando no existe un cuerpo teórico abundante que ilumine el estudio de un fenómeno observado; y los resultados que se obtengan sean un aporte al reconocimiento e identificación de los problemas. No hay preguntas que conduzcan a problemas precisos, se exploran áreas problemáticas. Se trata de una descripción y análisis teórico; por lo que no se requiere de manejo estadístico. Tema 1: TIPOS DE ESTUDIOS EN. 1 EXPLORATORIO Qué es un estudio exploratorio? Qué condiciones o características debe cumplir un estudio exploratorio? Un estudio exploratorio se usa cuando un tema de investigación ha sido escasamente estudiado, existen muchas dudas de él o no se ha abordado antes. Los estudios exploratorios: Parten de un tema de investigación general y el cual no ha sido profundizado. El método de sistematización de obtención de la información puede ser a partir de observación directa o indirecta. Implica una amplia revisión de la literatura existente del tema. 2

3 Tema 1: TIPOS DE ESTUDIOS EN. 2 DESCRIPTIVO Describe fenómenos sociales o clínicos en una circunstancia temporal y geográfica determinada. Desde el punto de vista cognoscitivo su finalidad es describir y desde el punto de vista estadístico su propósito estimar parámetros. La estadística descriptiva consiste en estimar frecuencias y/o promedios y otras medidas univariadas. Ejm. los estudios de frecuencia de la enfermedad: Incidencia y Prevalencia. Tema 1: TIPOS DE ESTUDIOS EN. 2 Qué es un estudio descriptivo? Cuál es su objetivo? Qué condiciones o características debe cumplir un estudio descriptivo? DESCRIPTIVO Un estudio descriptivo se usa cuando se tiene como objetivo describir situaciones o eventos que han sido investigados previamente. En este tipo de estudio ya existe una selección de variables (a diferencia de los exploratorios), las cuales se miden de manera aislada e independiente y de esta misma manera se presentan sus resultados. Los estudios descriptivos: Se centran en descripciones de eventos y situaciones. Se busca identificar problemas o justificar condiciones actuales. A partir de sus resultados existen elementos para hacer comparaciones o evaluaciones descriptivas. NO se busca encontrar relaciones, probar hipótesis o hacer predicciones. 3

4 Tema 1: TIPOS DE ESTUDIOS EN. 3 RELACIONAL/COMPARACIÓN No son estudios de causa y efecto; porque las pruebas estadísticas solo demuestran dependencia entre diferentes eventos; aquí podemos encontrar los estudios de asociación sin relación de dependencia; y las correlaciones espurias. Tema 1: TIPOS DE ESTUDIOS EN. Qué es un estudio correlacional? Cuál es su objetivo? 3 Qué condiciones o características debe cumplir un estudio correlacional? RELACIONAL/COMPARACIÓN Un estudio correlacional se usa para saber el grado de relación entre 2 o más variables (se conoce cómo se comporta una variable a través del comportamiento de otras) Los estudios correlacionales: Permiten la medición de 2 o más variables Explican relaciones y prueban hipótesis Muestran poco nivel de control de la Variable Independiente Existe la posibilidad de encontrar modelos correlacionales poco válidos NO muestran o prueban una relación causa-efecto 4

5 Tema 1: TIPOS DE ESTUDIOS EN. 4 EXPLICATIVO Su finalidad es explicar el comportamiento de una variable en función de otra(s); aquí se plantea una relación de causa-efecto, y tiene que cumplir otros criterios de causalidad (Bradford Hill); requiere de control tanto metodológico como estadístico. La estadística multivariada; tiene por finalidad descartar asociaciones aleatorias, casuales o espurias entre la variable independiente y dependiente. Ejm. Chi 2 de Mantel - Haenszel. Tema 1: TIPOS DE ESTUDIOS EN. 4 Qué es un estudio explicativo? Cuál es su objetivo? Qué condiciones o características debe cumplir un estudio explicativo? EXPLICATIVO Los estudios explicativos se usan para explicar porqué ocurre un fenómeno y en qué condiciones (implica la exploración, la descripción y la correlación de lo investigado) En los estudios explicativos: Se explica, comprende e interpreta el porqué ocurre un fenómeno, en qué condiciones y responde a la pregunta de por qué están correlacionadas 2 o más variables independientes (hay una explicación causaefecto) 5

6 Tema 1: TIPOS DE ESTUDIOS EN. 4 Qué es un estudio explicativo? Cuál es su objetivo? Qué condiciones o características debe cumplir un estudio explicativo? EXPLICATIVO Los estudios explicativos se usan para explicar porqué ocurre un fenómeno y en qué condiciones (implica la exploración, la descripción y la correlación de lo investigado) En los estudios explicativos: Se explica, comprende e interpreta el porqué ocurre un fenómeno, en qué condiciones y responde a la pregunta de por qué están correlacionadas 2 o más variables independientes (hay una explicación causaefecto) Tema 1: TIPOS DE ESTUDIOS EN. EJERCICIO 1 La investigación titulada Opinión de estudiantes sobre el uso de las Tecnologías de Información y Comunicación (TICs) en un curso universitario tiene como propósito conocer la opinión de los estudiantes de un curso universitario que tomaron un curso en línea. Para este propósito, después de haberles impartido el curso, se les administró una encuesta de opinión para conocer los índices de aceptación del curso en general y los principales métodos usados en éste. 6

7 Tema 1: TIPOS DE ESTUDIOS EN. EJERCICIO 2 En un estudio se realizó una evaluación de los niveles de ansiedad en 60 estudiantes de quinto año de primaria con la intención de saber si existe una asociación entre esta problemática y el rendimiento escolar (promedio general) que tuvieron en el ciclo escolar Hipótesis 7

8 Tema 2: HIPÓTESIS. Definición Son conjeturas que plantea el investigador; afirmaciones aun no demostradas y que nacen de la experiencia o de la deducción luego del análisis de los antecedentes investigativos. Deben referirse a una situación real, en términos comprensibles, precisos, concretos y deben estar relacionadas con técnicas disponibles para probarlas. Tema 2: HIPÓTESIS. Qué es una hipótesis? Qué requisitos deben cumplir? Una Hipótesis es una proposición tentativa, la cual no es todavía verificada pero si probable, acerca de la relación existente entre 2 o más variables. (En el proceso de investigación, debe derivarse del planteamiento del problema y los objetivos). Los requisitos que deben cumplir las hipótesis son las siguientes: -Se refieren a una situación real -Las variables que contiene deben ser comprensibles, precisas y concretas (observables y medibles) -La relación entre las variables debe ser clara y verosímil -Las hipótesis deben estar relacionadas con técnicas para probarlas 8

9 Tema 2: HIPÓTESIS. Hipótesis Estadísticas (De trabajo) Tema 2: HIPÓTESIS. Qué es una hipótesis de investigación o trabajo? La hipótesis de investigación o de trabajo es una propuesta tentativa acerca de un problema planteado y que al final del proceso de investigación puede ser confirmada o rechazada Ejemplos: Hi (de trabajo): La percepción de similitud en las creencias (VI) provoca MAYOR atracción física entre las personas (VD). 9

10 Tema 2: HIPÓTESIS. Qué es una hipótesis nula? Las hipótesis nulas son proposiciones que sirven para refutar o negar lo que afirma la hipótesis de investigación (Ho) Ejemplos: Ho (nula): La percepción de similitud en las creencias (VI) NO provoca mayor atracción física entre las personas (VD). Tema 2: HIPÓTESIS. Qué es una hipótesis alternativa? Las hipótesis alternativas son posibilidades alternativas ante las hipótesis de investigación y nula. Ofrecen otra descripción, explicaciones distintas a las que proporcionan los ya mencionados tipos de hipótesis, estas sólo pueden formularse cuando efectivamente hay otras posibilidades adicionales a las hipótesis de investigación y nula. Ejemplos: H2 (alternativa): La percepción de similitud en las creencias (VI) provoca MENOR atracción física entre las personas (VD). 10

11 Tema 2: HIPÓTESIS. Qué es una hipótesis de trabajo? Cuáles son sus elementos? Qué condiciones debe cumplir? Una hipótesis de trabajo es una propuesta tentativa acerca de un problema planteado y que al final del proceso de investigación puede ser confirmada o rechazada Sus elementos son: -Unidades de análisis (sujetos, grupos, objetos, etc.) -Variables (ejemplo, niveles de depresión, tipos de tratamiento, etc.) -Enlaces lógicos (por ej. Si A, entonces B) Las principales condiciones que debe cumplir son las siguientes: -Ser clara y fácilmente comprensible -Plantear una relación susceptible de comprobarse empíricamente -Mostrar una conexión con logros teóricos anteriores Tema 2: HIPÓTESIS. Hipótesis Según el Nivel de Investigación 11

12 Tema 2: HIPÓTESIS. Hipótesis según el nivel Investigativo EXPLORATORIA Los estudios exploratorios no contienen hipótesis, porque no se puede presuponer sobre algo que apenas se comienza a conocer. Su función es precisamente generar hipótesis. Tema 2: HIPÓTESIS. Hipótesis según el nivel Investigativo DESCRIPTIVA Qué es una hipótesis descriptiva? Cuáles son sus elementos? Qué condiciones debe cumplir? 3.3 Las hipótesis descriptivas proponen o describen el valor de las variables (por lo general son de 1 sola variable). Por ej., la ansiedad será elevada, la participación disminuirá con respecto al curso pasado por lo menos un 70% de los estudiantes aprobarán el curso 12

13 Tema 2: HIPÓTESIS. Hipótesis según el nivel Investigativo RELACIONAL Las hipótesis relacionales o empíricas son afirmaciones respecto a las relaciones entre dos o más variables sin fundamento, porque nacen de la observación y la experiencia, siempre deben estar sujetas a comprobación empírica. Solamente buscan concordancia entre hechos y generan la necesidad de plantear hipótesis explicativas. Tema 2: HIPÓTESIS. Qué es una hipótesis correlacional? Cuáles son sus elementos? Qué condiciones debe cumplir? Hipótesis según el nivel Investigativo RELACIONAL Las hipótesis correlacionales especifican la relación entre dos o más variables. Las hipótesis correlacionales se simbolizan de la siguiente manera: X Y Ejemplo: -Hi: A mayor autoestima, menor temor de logro. La hipótesis indica que cuando una aumenta la otra disminuye y viceversa. Las hipótesis correlacionales no sólo pueden establecer que dos o más variables se encuentran relacionadas, sino cómo están asociadas. Alcanzan el nivel predictivo y parcialmente explicativo. Se establece que hay relación entre las variables y se dice cómo es esa relación (qué dirección sigue). Correlación bivariada = Cuando se correlacionan dos variables. Correlación múltiple = Cuando se correlacionan varias variables. Nota. En hipótesis de correlación NO es importante el orden en que coloquemos las variables (ninguna antecede a la otra; no hay relación de causalidad). El orden de los factores (variables) no altera el producto (la hipótesis). En la correlación NO se habla de variables independientes y dependientes. 13

14 Tema 2: HIPÓTESIS. Qué es una hipótesis de comparación o diferencia de grupos? Cuáles son sus elementos? Qué condiciones debe cumplir? Hipótesis según el nivel Investigativo COMPARACIÓN Las hipótesis de comparación o diferencias de grupos establecen diferencias entre la comparación de grupos específicos (la dirección se basa en la teoría) La hipótesis de diferencia de grupos se puede establecer como direccional o no direccional. La direccional especifica la naturaleza de la relación o la diferencia pronosticada. Por ej.: Los niños que tienen un alto Coeficiente Intelectual manifestarán más ansiedad en el salón de clase que los niños que tienen menor Coeficiente Intelectual. La no direccional establece que existe relación o diferencia pero no especifica la naturaleza del hallazgo que se espera. Por ej.: Existe diferencia entre el aprendizaje de lenguas extranjeras obtenido en mujeres y hombres. NOTA: esta cualidad direccional o no, también aplica en las hipótesis correlacionales Tema 2: HIPÓTESIS. Hipótesis según el nivel Investigativo EXPLICATIVA Qué es una hipótesis causal? Cuáles son sus elementos? Qué condiciones debe cumplir? Las hipótesis causales establecen relaciones de causa-efecto y cómo se dan. Correlación y causalidad son conceptos asociados pero distintos. Dos variables pueden estar correlacionadas sin que ello implique que una es causa de la otra. Para poder establecer causalidad, antes debe haberse demostrado que hay correlación. Además, la causa debe ocurrir antes que el efecto ( los cambios en la causa deben provocar cambios en el efecto). A las supuestas causas se les conoce como variables independientes y a los efectos como variables dependientes. Solamente se puede hablar de variables independientes y dependientes cuando se formulan hipótesis causales o hipótesis de la diferencia de grupos, siempre y cuando en estas últimas se explique cuál es la causa de la diferencia hipotetizada. 14

15 Tema 2: HIPÓTESIS. Hipótesis según el nivel Investigativo EXPLICATIVA Tipos Tipos: Hipótesis causal bivariada: La percepción de similitud en las creencias (VI) provoca mayor atracción física entre las personas(vd). Aquí se plantea una relación entre una variable independiente y otra dependiente. Hipótesis causal multivariada. Aquí se plantea una relación entre varias variables independientes y una dependiente. O una independiente y varias dependientes: La cohesión(vi1) y la centralidad (VI2) en un grupo sometido a una dinámica y el tipo de liderazgo(vi3) que se ejerza dentro del grupo, determinan la efectividad de éste para alcanzar sus metas primarias(vd). Tema 2: HIPÓTESIS. Ejercicio Identifica la hipótesis de tu artículo de investigación y escribe cuál sería la hipótesis de trabajo y la hipótesis nula. En la hipótesis de trabajo señala cuáles serían sus principales componentes. Identifica qué tipo de hipótesis es de acuerdo al tipo de investigación (justifica tu respuesta) Menciona cuál sería la definición operacional de la hipótesis o de qué manera se medirán o cuantificarán las variables que están presentes en dicha investigación. 15

16 Tema 2: HIPÓTESIS. Definición de Hipótesis Qué es la definición conceptual de una hipótesis? Qué es la definición operacional de una hipótesis? La definición conceptual de una hipótesis se refiere a definirla de acuerdo a la literatura especializada. La definición operacional se refiere a definirla de tal manera que indique de que manera se puede medir. TEMA 3: Variables 16

17 Tema 3: VARIABLES. Qué es una variable? Una variable es una propiedad que puede variar y cuya variación es susceptible de medirse. Ejemplos de variable: método de enseñanza, aprovechamiento escolar, edad, género, inteligencia, motivación, ingreso económico, violencia, etc. Tema 3: VARIABLES. Qué es una variable cuantitativa? Qué es una variable cualitativa? Una variable cuantitativa es aquella que tiene magnitud: puede medirse; es continua: puede tomar cualquier valor numérico (por ej., estatura); y es discreta: establece categorías en términos de números enteros (por ej., número de sujetos que asistieron a un evento). Una variable cualitativa NO presenta una cualidad de magnitud, se incluye en categorías. 17

18 Tema 3: VARIABLES. Qué es una variable dependiente? Qué es una variable independiente? Una variable dependiente es la que varía a partir de la acción o manipulación realizada a la variable independiente. Es la variable que queremos explicar. La variable independiente se establece como control o como susceptible de ser manipulada por el investigador. Se pretende descubrir cómo influye en la variable dependiente. Cuando se manipula se considera como una variable atributiva y cuando no es manipulada se considera una variable activa. Tema 3: VARIABLES. Qué es una variable dependiente? Qué es una variable independiente? Una variable dependiente es la que varía a partir de la acción o manipulación realizada a la variable independiente. Es la variable que queremos explicar. La variable independiente se establece como control o como susceptible de ser manipulada por el investigador. Se pretende descubrir cómo influye en la variable dependiente. Cuando se manipula se considera como una variable atributiva y cuando no es manipulada se considera una variable activa. 18

19 Tema 3: VARIABLES. Qué es una variable activa o experimental? Qué es una variable atributiva? Qué es una variable extraña? Una variable activa o experimental es aquella que es susceptible de manipulación directa por parte del experimentador (por ej., el tipo de tratamiento psicológico) Una variable atributiva es aquella que muestra una característica o atributo de los sujetos que NO puede ser manipulada (por ej., el género) Una variable extraña es aquella que NO está relacionada con la investigación (se puede controlar, manteniendo constantes la condición experimental/reexperimental). (por ejemplo, los hábitos de lectura en la familia, con respecto al nivel de rendimiento escolar en una población) Tema 3: VARIABLES. Qué es una variable activa o experimental? Qué es una variable atributiva? Qué es una variable extraña? Una variable activa o experimental es aquella que es susceptible de manipulación directa por parte del experimentador (por ej., el tipo de tratamiento psicológico) Una variable atributiva es aquella que muestra una característica o atributo de los sujetos que NO puede ser manipulada (por ej., el género) Una variable extraña es aquella que NO está relacionada con la investigación (se puede controlar, manteniendo constantes la condición experimental/reexperimental). (por ejemplo, los hábitos de lectura en la familia, con respecto al nivel de rendimiento escolar en una población) 19

20 Tema 3: VARIABLES. A qué se refiere el nivel de medición nominal? (Ejemplo) La escala de medida nominal tiene como fin nombrar y categorizar con el fin de distinguir, puede considerarse la escala de nivel más bajo (las categorías NO indican orden ni jerarquía). Se trata de agrupar objetos en clases. Las categorías únicamente reflejan diferencias en la variable. Ejemplo: sexo: 1=Femenino; 2=Masculino Tema 3: VARIABLES. A qué se refiere el nivel de medición ordinal? (Ejemplo) La escala ordinal presenta varias categorías que mantienen un orden de mayor a menor, las etiquetas de las categorías indican jerarquía. Estas escalas, recurren a la propiedad de «orden» de los números. Las medidas ordinales tienen imprecisas diferencias entre valores consecutivos, pero un orden interpretable para sus valores. Ejemplo: Posición jerárquica de una empresa: 10=presidente; 9= vicepresidente; 8= director general; 7= gerente de área; 6= subgerente; 5= jefe; 4= empleado 20

21 Tema 3: VARIABLES. A qué se refiere el nivel de medición intervalar? (Ejemplo) En la escala de intervalos además del orden o la jerarquía entre categorías, se establecen intervalos iguales en la medición, por lo que permite determinar la magnitud de los intervalos (distancia) entre todos los elementos de la escala.; está caracterizada por una unidad de medida común y constante. Es importante destacar que el punto cero en las escalas de intervalos iguales es arbitrario, y no refleja en ningún momento ausencia de la magnitud que estamos midiendo (por ej., las mediciones de coeficiente intelectual o temperatura en grados Celsius). Ejemplo: una prueba de matemáticas: si Ana resolvió 10 problemas, Laura 20 y Abigail 30, la distancia entre Ana y Laura, es la misma que entre Laura y Abigail. Tema 3: VARIABLES. A qué se refiere el nivel de medición de razón? (Ejemplo) La escala de coeficientes o Razones es el nivel de medida más elevado y se diferencia de las escalas de intervalos iguales únicamente por poseer un punto cero propio como origen (además de tener las otras propiedades: períodos iguales entre las categorías, etc.); es decir que el valor cero es real y absoluto (significa ausencia de la magnitud que estamos midiendo). Ejemplo: número de minutos viendo la TV o usando el Internet; número de hijos, ventas de un producto, ingreso, etc. 21

22 TEMA 4: Diseño de Investigación 22

23 Tema 4: Diseños de Investigación. Qué es un diseño de investigación? El diseño es el plan o estrategia que se desarrolla para obtener la información que se requiere para una investigación. Su objetivo es analizar la certeza de la hipótesis. Tema 4: Diseños de Investigación. Qué es un diseño experimental? Los diseños experimentales son aquellos estudios en el que se manipulan intencionalmente una o más variables independientes (supuestas causas), para analizar las consecuencias que la manipulación tiene sobre una o más variables dependientes (supuestos efectos), dentro de una situación control. 23

24 Tema 4: Diseños de Investigación. Cuáles son las características de los diseños experimentales? Cuáles son los tipos de Diseño Experimental? Las características principales es que contienen: a) un grupo de control o de comparación (es posible llevar a cabo la investigación con un solo grupo, proporcionando todos los tratamientos a los mismos sujetos, y también es posible tener tres o más grupos); b) se manipula de manera activa (intencional) la variable independiente; c) se basa en la aleatorización, es decir, se asigna al azar a los sujetos a los grupos con el fin de garantizar su equivalencia (en ocasiones, esto no es posible, debido a que los grupos están ya constituidos o no es posible realizar la asignación al azar). Los tipos de diseño experimental son: a) preexperimentales; b) cuasiexperimentales; c) experimentales puros. Tema 4: Diseños de Investigación. Cuáles son los tipos de diseños experimentales puros? Los principales tipos son: a) Con posprueba únicamente y grupos de control G1-----X1----O1 G2----X2----O2 (X2=sin tratamiento) b) Con preprueba/posprueba y grupo de control G1---O1---X1---O2 G2---O3---X2---O4 (X2=sin tratamiento) c) 4 grupos de Solomon G1---O1---X1---O2 G2---O3---X2---O4 (X2=sin tratamiento) G3---O5---X3---O6 (O5=sin test o medición) G4---O7---X4---O8 (O7=sin test; X4= sin tratamiento) G= grupo X= tratamiento (VI) O= test o medición (VD) 24

25 Tema 4: Diseños de Investigación. Qué son los diseños cuasiexperimentales? Cuáles son los tipos de diseño cuasiexperimentales? Los diseños cuasi-experimentales NO hay asignación aleatoria ni emparejamiento, la muestra se elige de grupos ya formados antes del tratamiento. En estos diseños falta un grupo control o el control es incompleto en los grupos observados. Los principales tipos son: a) Series cronológicas: G-O1-O2-O3-X-O4-O5-O6 b) Muestras cronológicas: G-X1-O1-X0-O2-X1-O3-X0-O4 (X0= sin tratamiento) c) 2 o más grupos con pretest y postest G1-O1-X1-O2 G2-O2-X0-O2 (X0= sin tratamiento) d) 2 con solo postest G1-X1-O2 G1-X0-O2 (X0= sin tratamiento) G= grupo X= tratamiento (VI) O= test o medición (VD) Tema 4: Diseños de Investigación. Qué es un diseño pre-experimental? Los diseños pre-experimentales son diseños de un solo grupo donde el grado de control es mínimo. Cuáles son los tipos de Diseño Pre-Experimental? Los principales tipos son: a) Estudios de caso con una sola medición G---X---O b) Diseño de pre-prueba/pos-prueba con un solo grupo G---O1---X---O2 G= grupo X= tratamiento (VI) O= test o medición (VD) 25

26 Tema 4: Diseños de Investigación. Qué son los diseños no experimentales? Qué son los diseños no experimentales transaccionales o transversales? En los diseños no experimentales NO hay una manipulación deliberada de variables, sólo se observan los fenómenos en su ambiente laboral y luego se analizan. En los diseños transversales o transaccionales se recopilan datos en un momento único (pueden ser exploratorios, descriptivos, correlacionales o causales). Qué son los diseños no experimentales longitudinales o evolutivos? En los diseños longitudinales o evolutivos se recopilan datos en diferentes momentos a lo largo de un período determinado de tiempo. TEMA 5: Muestreo 26

27 HIPÓTESIS. H0: Hipótesis Nulas: Niegan lo que afirman las hipótesis de investigación y existen tantas hipótesis nulas como hipótesis de investigación. Es a la Nula a la que se le rechaza o no se le rechaza: Si el p-valor es menor a 0.05; rechazamos Ho por lo tanto concluimos en que hipótesis alterna es verdadera. Si el p-valor no es menor a 0.05; no rechazamos Ho; sin embargo esto no significa que debemos aceptarla; sino que, simplemente no hemos podido rechazarla. TEMA 5: MUESTREO. Qué es el muestreo? El muestreo es la técnica para la selección de una muestra a partir de una población. 27

28 TEMA 5: MUESTREO. Cuáles son las características de los dos principales tipos de muestreo? (Probabilístico y No probabilístico) El muestreo probabilístico requiere determinar el tamaño de la muestra y seleccionar elementos muestrales (todas con la misma probabilidades de ser elegidos). El muestreo no probabilístico se basa en una selección informal y arbitraria de los sujetos, donde no todos tienen la misma posibilidad de ser elegidos (depende de la decisión del investigador). TEMA 5: MUESTREO. Cómo se realiza un muestreo probabilístico aleatorio? Cómo se realiza un muestreo probabilístico estratificado? Cómo se realiza un muestreo probabilístico por racimos o conglomerados? El muestreo probabilístico aleatorio se realiza mediante un sorteo o tabla de números. El muestreo probabilístico estratificado se realiza a partir de una división de la población en estratos o categorías. El muestreo probabilístico por racimos o conglomerados se realiza a partir de seleccionar los racimos (lugares geográficos o físicos) donde se encuentran los sujetos y posteriormente seleccionarlos al azar, 28

29 TEMA 5: MUESTREO. Cómo se realiza un muestreo No probabilístico de sujetos voluntarios? Cómo se realiza un muestreo No probabilístico de sujetos tipo? Cómo se realiza un muestreo No probabilístico de muestra de expertos? Cómo se realiza un muestreo No probabilístico de muestra por cuotas El muestreo NO probabilístico de sujetos voluntarios se usa con individuos que deciden participar en el estudio. El muestreo NO probabilístico de sujetos tipo se usa con los sujetos que cubren con ciertas características fijadas por el investigador. El muestreo NO probabilístico de muestra de expertos se usa cuando es necesario la opinión de sujetos expertos. El muestreo NO probabilístico de muestra por cuotas se basa en fijar determinadas proporciones de sujetos o cuotas según variables demográficas. HIPÓTESIS. H1: Hipótesis Alternas: Esta hipótesis se da por verdadera cuando rechazamos la hipótesis de trabajo (Ho) o cuando por alguna razón no podemos aceptar la nula. En el ritual de la significancia, procedemos a establecer las hipótesis estadísticas comenzando por al del investigador (H1) y luego la Nula (Ho); para proceder a trabajar con la Nula. El investigador procede a rechazar la Nula (Ho); para quedarse con la Alterna (H1), que es su planteamiento original; siendo que puede cometer un, entonces la estadística consiste en calcular ese error al tomar tal decisión. Ese es el p-valor 29

30 5 PREDICTIVO Se encarga de la estimación probabilística de eventos generalmente adversos, como puede ser las complicaciones de la enfermedad, la mortalidad, etc. La línea investigativa debe haber pasado previamente por los otros niveles. Se aplican un conjunto de técnicas estadísticas. Ejm. La validación de una prueba diagnóstica requiere: Alfa de Cronbach, Índice Kappa, ANOVA, Curvas ROC. 6 APLICATIVO Plantea resolver problemas de la vida cotidiana o a controlar situaciones prácticas. Puede ser programática o no programática, de manera que enmarca a la innovación técnica, artesanal e industrial como la propiamente científica. Las técnicas estadísticas apuntan a evaluar el éxito de la intervención, como medidas de impacto sobre los principales indicadores de salud: tasas, coberturas, rendimiento, etc. 30

31 Escalas de Medición de la Variables Tipos de Investigación 31

32 1 Según la intervención del investigador OBSERVACIONAL No existe intervención del investigador; los datos reflejan la evolución natural de los eventos, ajena a la voluntad del investigador. EXPERIMENTAL Siempre son prospectivos, longitudinales, analíticos y de nivel investigativo explicativo (causa efecto); además de ser controlados. 2 Según la planificación de la toma de datos PROSPECTIVO Los datos necesarios para el estudio son recogidos a propósito de la investigación (primarios). Por lo que, posee control del sesgo de medición. RETROSPECTIVO Los datos se recogen de registros donde el investigador no tuvo participación (secundarios). No podemos dar fe de la exactitud de las mediciones. 32

33 3 Según el número de ocasiones en que mide la variable de estudio TRANSVERSAL Todas las variables son medidas en una sola ocasión; por ello de realizar comparaciones, se trata de muestras independientes. LONGITUDINAL La variable de estudio es medida en dos o más ocasiones; por ello, de realizar comparaciones (antes después) son entre muestras relacionadas. Diseños de Investigación 33

34 2 EXPERIMENTALES Requiere de dos condiciones básicas: intervención y asignación aleatoria. Siendo de nivel investigativo explicativo tienen control metodológico. Pre-experimento: La intervención sobre las unidades de estudio, no es apropósito de la investigación; sino que obedece a las necesidades terapéuticas del sujeto. Cuasi-experimento: Cuando no hay grupo control, no es posible realizar la asignación aleatoria de los sujetos, puesto que no se puede dejar sin tratamiento a los pacientes. Experimento verdadero: Cumple con la asignación aleatoria e intervención. Las variables según su relación 34

35 Introducción Esta clasificación de las variables se fundamenta en la búsqueda de obtener explicación causal que puede ser observacional o experimental y correspondiente al nivel investigativo explicativo. Su estructura responde a la necesidad de realizar el control metodológico y/o estadístico de la relación causa-efecto. Variable Independiente Es aquella cuya existencia es autónoma, no depende de otra, más bien de ella depende otras, representa los factores que constituirán la causa, siendo que previamente ha demostrado ser factor de riesgo para el problema que se estudia. En este sistema de variables se plantea solamente una variable independiente 35

36 Variable Dependiente En este sistema de variables representa a la variable de interés o variable de estudio, es la que para su existencia y desenvolvimiento depende de otra independiente, su modo de ser, está condicionada por otros aspectos de la realidad. Es la que mide o describe el problema que se estudia. Variable de Confusión Su participación puede intensificar o antagonizar la relación aparente entre el problema y una posible causa, creando confusión en el investigador. Su influencia se da tanto sobre la variable independiente como en la dependiente. Su control se debe realizar mediante análisis estratificado. 36

37 Variable Intermedia Esta variable aparece de manera incalculada durante el proceso de una observación o inesperada dentro de un experimento, entre el factor causal y el efecto. Ocurre cuando no ha habido una buena elección de los factores de riesgo. El procedimiento más idóneo para su neutralizar su participación es el análisis multivariado. Variable de Control Es una variable con una fuerte influencia sobre la variable dependiente, pero ningún efecto reconocido sobre la variable independiente Habitualmente se reconoce su participación en el momento de la planeación. Su control se realiza métodológicamente mediante los criterios de exclusión. 37

38 Formulación del Problema Introducción Se trata de sintetizar la cuestión proyectada a investigar, generalmente a través de un interrogante. Los problemas de Investigación se formulan con los 5 componentes a continuación: 38

39 Variables Debe mencionarse al menos la variable de estudio; pueden también mencionarse todas las variables involucradas; o cuando las variables son muy numerosas suele usarse términos que resuman de manera lógica un grupo de variables. Unidades de Estudio Unidades de observación, unidades experimentales, unidades de análisis. Reciben distintos nombres según el diseño de la investigación; y deben mencionarse, aunque a veces su presencia en el enunciado resulta implícita. 39

40 Diseño del Estudio Propósito estadístico, Especificidad, etc. Es muy variable de acuerdo a la investigación; es importante utilizar términos que den por aludido el diseño de la investigación, el nivel investigativo, el tipo de estudio, etc. Ubicación Espacial Es ineludible cuando se tratan de estudios descriptivos y se encuentra relacionado con el tamaño de la muestra; siendo que los fenómenos varían de un lugar a otro; se debe especificar sobre que población se realizará la inferencia estadística. 40

41 Ubicación Temporal Al igual que en el criterio espacial, se requiere especificarlo cuando el fenómeno varía según el tiempo. En los estudios descriptivos sobre poblaciones infinitas o desconocidas habitualmente se encuentra relacionado con el muestreo accidental. Nivel de Significancia 41

42 Introducción Al plantear un estudio sobre una población, idealmente debemos estudiar a todos los individuos que la conforman; pero no siempre podemos acceder a todos, entonces tenemos que escoger una muestra; sin embargo los resultados obtenidos de esta manera nunca serán exactamente iguales, a los que se obtendrían de estudiar a toda la población; es decir, siempre va a haber un margen de error. Nivel de Significancia Antes de realizar el estudio debemos plantearnos; que proporción de error estamos dispuestos a aceptar para dar por válido nuestro resultado. El error es el objetivo principal del estudio. El análisis estadístico consiste en calcular la probabilidad de cometer este error y esperamos que sea menor al planteado preliminarmente como nivel significancia. 42

43 Nivel de confianza Es la confianza que debemos alcanzar para generalizar el resultado de una muestra hacia toda la población. Es el complemento del nivel de significancia; es la confianza que tenemos, de que la conclusión a la que hemos llegado es cierta. Una probabilidad elevada nos da la tranquilidad de que lo que hemos calculado es cercano a lo real y no debida al azar Niveles convenidos a) α = 5%. Existe 5% (0.05) de probabilidad de equivocarse y 95% (0.95) de confianza. b) α = 1%. Existe 1% (0.01) de probabilidad de equivocarse y 99% (0.99) de confianza. 43

44 Definición de términos El error tipo I: Ocurre cuando afirmamos la hipótesis del investigador, siendo que es falsa. Por lo tanto, es un juicio de valor equivocado. El p-valor: Es la probabilidad de equivocarse al aceptar nuestra hipótesis del investigador como verdadera; es decir la probabilidad de cometer un error tipo I. El nivel de significancia: Es la máxima probabilidad de error que estamos dispuestos aceptar para dar como válida nuestra hipótesis del investigador. Ritual de la Significancia Estadística 44

45 1. Formulación de Hipótesis Consiste en traducir la hipótesis metodológica en una hipótesis estadística de acuerdo al siguiente sistema: Ho: Hipótesis nula ó hipótesis de trabajo H1: Hipótesis alterna ó hipótesis del investigador El primer paso es colocar la hipótesis del investigador como Hipótesis Alterna (H1) y formular la Hipótesis Nula (Ho) que viene a ser la negación de la alterna. Se precisa este artificio porque es a la Hipótesis Nula a la que se le somete a contraste. 2. Establecer el nivel de significancia El nivel de significancia denotado por la letra griega alfa es la probabilidad de rechazar la hipótesis nula cuando es verdadera a lo cual se le denomina error de tipo I. Según Fisher, el nivel de significación estadística equivale a la magnitud del error que se está dispuesto a correr de rechazar una hipótesis nula verdadera. Para la mayoría de los propósitos, el nivel de significación previamente establecido suele ser de

46 3. Elección de la prueba estadística El estadístico de prueba elegido está intrínsecamente relacionado con el objetivo estadístico correspondiente para su nivel investigativo; para esto debemos considerar la naturaleza de las variables y el comportamiento de los datos que corresponde a su distribución para los de naturaleza cuantitativa y las frecuencias esperadas para los de naturaleza cualitativa. 4. Toma de la decisión Luego de desarrollar la prueba estadística elegida se toma una decisión en función a la regla previamente establecida según las que se acepta o se rechaza la hipótesis nula para lo cual es imprescindible determinar el Valor critico, que es un número que divide la región de aceptación y la región de rechazo, según el valor de la probabilidad que se haya adoptado como nivel de significación estadística. 46

47 5. Interpretación del p-valor Este último paso en el ritual de la significancia estadística no fue planteado originalmente por Fisher, pero cobra vital importancia con la aparición de los software estadísticos que nos calculan directamente el p-valor, el cual cuantifica el error tipo I y nos ayuda a tomar una decisión de rechazo a la hipótesis nula (Ho) cuando es menor al nivel de significancia y de no rechazo cuando su valor es mayor al alfa planteado. Error Tipo I y II 47

48 Al establecer un criterio de decisión sobre la hipótesis nula, el investigador puede ponderar los errores que podría cometer en su decisión sobre la hipótesis nula. Una primer forma de error (se conoce como el error tipo I) consiste en rechazar una hipótesis nula verdadera, es decir, descartar el azar como explicación cuando los resultados podrían explicarse razonablemente con base en el mismo. Este es el error que comete el investigador que ve más lo que hay en los datos; es decir, el investigador concluye en que existe una relación real o verdadera entre las variables independiente y dependiente de la investigación, cuando en realidad la relación observada se puede explicar razonablemente como resultado del azar. 48

49 El llamado error tipo I es el error del investigador que se apresura a concluir a favor de su hipótesis de investigación. Fisher no habló de ningún otro error, pues la prueba de la hipótesis nula para él no era otra cosa que un freno a la tendencia natural de un investigador a creer que hipótesis ha sido confirmada por el simple hecho de que los resultados de la investigación siguen la misma dirección de la hipótesis. En la estrategia de Fisher, sólo hay un error posible: rechazar una hipótesis nula verdadera. Una segunda forma de error (se conoce como el error tipo II), introducida por Egon Pearson y Jerzy Neyman consiste en no rechazar una hipótesis nula falsa, es decir, no descartar el azar aun cuando éste no constituye una explicación razonable de los datos. Este es el error que comete el investigador que ve menos que lo que hay en los datos; por miedo a rechazar incorrectamente el azar, el investigador puede exponerse al riesgo de pasar por alto una relación real o verdadera entre las variables de su investigación. Fueron Pearson y Neyman los que, al introducir un segundo tipo de error, bautizaron como error tipo uno al error de que había hablado Fisher. 49

50 Según Fisher, el nivel de significación estadística equivale a la magnitud del riesgo que está dispuesto a correr el investigador, de cometer el error de rechazar una hipótesis nula verdadera (el llamado error tipo I). Para la mayoría de los propósitos, el nivel de significación previamente establecido suele ser de 0.05, aunque en áreas de investigación más rigurosas se trabaja con un nivel de significación de Suponiendo que se trabaja con un nivel de significación de 0.05, se rechazaría la hipótesis nula siempre que la probabilidad de explicar los resultados obtenidos en una investigación como si fueran obra del azar sea igual o menor que En la perspectiva de Pearson y Neyman, para establecer el nivel de significación estadística habría que atender al impacto de cada tipo de error en el objetivo del investigador, y a partir de ahí se decidiría cuál de ellos es preferible minimizar. Pearson y Neyman llamaron alfa al error tipo I y beta al error tipo II; a partir de este último tipo de error, introdujeron el concepto de "poder de una prueba estadística", el cual se refiere a su capacidad para evitar el error tipo II, y está definido por 1-beta, y en estrecha relación con éste se ha desarrollado el concepto de "tamaño del efecto" que algunos han propuesto como sustituto de los valores p en los informes de investigación científica. (Cohen, 1990, 1994; Kraemer & Thiemann, 1987; Murphy & Myors, 2004). 50

51 Objetivo Estadístico Nivel Investigativo Relacional Variable Categórica 1. COMPARAR (Grupos) Es el objetivo estadístico más básico del análisis bivariado; aunque algunos autores piensan que es univariado, porque habitualmente involucra un solo evento aleatorio (diseños ecológicos), donde los grupos se construyen previamente a la ejecución del estudio; sin embargo, su análisis involucra a dos variables y por ello corresponde al nivel investigativo relacional. Su finalidad es identificar las diferencias entre los grupos participantes. La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Homogeneidad. Ho: Las proporciones de los grupos no son diferentes. H1: Las proporciones de los grupos son diferentes. 51

52 2. COMPARAR (Antes-Después) Es la comparación de un mismo grupo antes y después de una intervención o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, es verificar los cambios producidos entre una medida y otra; donde las variaciones pueden adjudicarse a la intervención o al periodo de seguimiento; por ello corresponden a estudios longitudinales. Estas comparaciones siempre son de individuo a individuo. La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de McNemar. Ho: No existe diferencia entre las dos medidas. H1: Existe diferencia entre las dos medidas. 3. ASOCIAR (Categorías) Solamente la comparación de una variable dicotómica en dos grupos nos puede llevar a la asociación; y aunque se puede identificar en las tablas 2 x 2, debemos hacer una medida asociación. Para asociar hay que definir los factores de interés en ambas variables; y es que habitualmente la asociación involucra dos eventos aleatorios. Desde el punto de vista epidemiológico tenemos dos medidas de asociación relevantes: Riesgo Relativo y el Odds Ratio. La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Independencia. Ho: Existe independencia entre los dos eventos (variables). H1: Existe dependencia entre los dos eventos (variables). 52

53 4. CONCORDAR Es una medida de acuerdo entre dos observaciones donde el requisito fundamental es que se trata de un solo grupo y los resultados de la observación tienen las mismas opciones. Tenemos dos casos frecuentes: Cuando las observaciones corresponde a diferentes observadores y cuando las observaciones corresponden a diferentes instrumentos. En este caso el estadístico, es también un índice de concordancia. La prueba de hipótesis se realiza con el estadístico: Índice Kappa de Cohen. Ho: No existe concordancia entre las dos observaciones. H1: Existe concordancia entre las dos observaciones. Objetivo Estadístico Nivel Investigativo Relacional Variable Numérica 53

54 1. COMPARAR (Grupos) Su finalidad es identificar las diferencias entre los grupos participantes; se puede comparar dos o más grupos y habitualmente estos grupos se construyen en la etapa de planificación del estudio. La comparación inicial es a dos colas; pero debe complementarse con un test de una sola cola. Cuando se comparan mas de dos grupos, debe realizarse una prueba post Hoc, con la finalidad de detectarse diferencias entre cada uno de los grupos. La prueba de hipótesis se realiza con el estadístico: t de Student para muestras independientes. Ho: Los promedios de los grupos no son diferentes. H1: Los promedios de los grupos son diferentes. 2. COMPARAR (Antes-Después) Siempre corresponde a estudios individuales, es la comparación de un mismo grupo antes y después de una intervención o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, es detectar cambios entre una medida y otra; donde las variaciones pueden adjudicarse a la intervención o al periodo de seguimiento; por ello corresponden a estudios longitudinales. La hipótesis habitualmente es de una sola cola. La prueba de hipótesis se realiza con el estadístico: t de Student para muestras relacionadas. Ho: No existe variación entre las medidas antes y después de la intervención. H1: Existe variación entre las medidas antes y después de la intervención. 54

55 3. CORRELACIONAR (Unidades) Se puede correlacionar las unidades de dos variables, incluso de diferente dimensión, para ello hay que definir las unidades en ambas variables; que habitualmente esta involucra dos eventos aleatorios. La correlación puede significar el primer paso para la asociación, muy útil cuando se realiza minería de datos. Ejm.: Correlacionar los niveles séricos de sodio con los valores de presión arterial en un grupo de pacientes hospitalizados. La prueba de hipótesis se realiza con el estadístico: Correlación R de Pearson. Ho: Existe independencia entre las dos variables. H1: Existe dependencia entre las dos variables. 4. CORRELACIONAR (Como valor predictivo) Aquí se tiene por descontado la presencia de correlación; por lo que su fin es medir el grado de correlación. Desde el punto de vista de la evaluación de pruebas diagnósticas se utiliza la correlación para evaluar el valor predictivo de una variable sobre la otra. Ej. Hallar el valor predictivo del ponderado fetal recién nacidos a término. En general para la validación de instrumentos se puede utilizar para calcular el Alfa de Cronbach: Correlación Ítem-Total La prueba estadística es el Índice Correlación R de Pearson ó el R 2 Ho: No existe correlación entre las dos medidas. H1: Existe correlación entre las dos medidas. 55

56 Objetivo Comparativo 1. EXPLORATORIO Aquí agrupamos a las comparaciones sin métodos estadísticos, siendo que la investigación cualitativa no hace uso de las herramientas estadísticas, el principal diseño encontrado aquí son las comparaciones múltiples enmarcadas en los diseños comunitarios o ecológicos. Como ejemplo podemos mencionar la comparación de las costumbres a la hora del parto en la Región Quechua y Aymara. Comparación por juicio de expertos en la validación cualitativa de un instrumento. La comparación cualitativa es una opinión. 56

57 2. DESCRIPTIVO Las comparaciones descriptivas ocurren cuando evaluamos dos poblaciones en los estudios comunitarios o ecológicos, en este caso no se requiere aplicar pruebas estadísticas puesto que precisamente estamos estudiando a la población y no hay inferencia estadística. La comparación del rendimiento académico de dos estudiantes al momento de la graduación tampoco requiere de pruebas de hipótesis sino solamente de ver quién es el que tiene el mayor promedio. El objetivo estadístico describir según las variables epidemiológicas es el primer punto de partida para la verdadera comparación. 3. RELACIONAL Recordemos que el contraste de independencia entre dos variables responde a tres modelos matemáticos: - Modelo con los totales marginales de ambos factores fijos (modelo I) - Modelo con los totales marginales de uno de los factores fijos (modelo II) - Modelo con el total muestral fijo (modelo III) Pues bien el objetivo comparativo a nivel bivariado (nivel relacional) corresponde al modelo II con un factor fijo y uno aleatorio. Dependiendo de la naturaleza de la variable se elegirá un determinado estadístico. La comparación puede ser de grupos independientes o de muestras relacionadas. 57

58 4. EXPLICATIVO La finalidad de este nivel es descartar asociaciones aleatorias, casuales o espurias sobre todo cuando hacemos análisis comparativo estratificado cuando queremos realizar el control estadístico en un estudio observacional, ésta es la función del test de Mantel-Haenszel. A nivel experimental podemos plantear objetivos comparativos de grupo aleatorizados; como por ejemplo comparar el efecto sobre la variable efecto en el grupo experimental y el grupo blanco, hablando de estudios epidemiológicos. Dentro de los experimentos verdaderos la factorización de las causas también corresponde al objetivo comparativo. 5. PREDICTIVO Podemos comparar el valor predictivo de dos procedimientos diagnósticos o de dos formas de evaluar una variable predictiva; por ejemplo podemos comparar la eficiencia diagnóstica de dos métodos de detección de una enfermedad. En otro momento podemos comparar el pronóstico de la enfermedad o del tiempo de supervivencia de dos tratamientos en pacientes con cáncer. Incluso hay técnicas comparativas para el análisis de supervivencia de Kaplan-Meier. 58

59 Validez de un Estudio Un estudio es válido si sus resultados corresponden a la verdad. Independientemente del tema y los objetivos de un estudio, lo que siempre se debe perseguir es que el estudio sea válido. La meta fundamental que todo estudio debe perseguir es la calidad de los datos; por ello, todo lo que amenace la calidad de la información deberá ser identificado y corregido. Los elementos que amenazan esta calidad son: El Error Aleatorio y el Error Sistemático. 59

60 1. Error Aleatorio La carencia de error aleatorio se conoce como precisión y se corresponde con la reducción del error debido al azar. Para reducir este error el elemento más importante del que disponemos es incrementar el tamaño de la muestra y con ello aumentamos la precisión. Los intervalos de confianza y el error estándar se reducen al aumentar el tamaño muestral. 2. Error Sistemático Se ha generalizado al término validez como la carencia del error sistemático. Esta validez tiene dos componentes: - La validez interna, es la validez de inferencias de los sujetos estudiados a los sujetos de la población de la cual fueron obtenidos. - La validez externa o generalización en tanto se aplica a individuos que están fuera de la población del estudio. 60

61 2.1. La validez interna La validez interna implica la validez de la inferencia para los propios sujetos de estudio. Es máxima cuando el estudio minimiza los sesgos. Se ve amenazada cuando no podemos controlar los dos tipos de sesgos: de Selección y de Medición. En un estudio comparativo los sesgos que afectan la validez interna surgen siempre que los grupos estudiados difieren en más características que la exposición La validez externa Es la generalización de los resultados de un estudio más allá de los límites de la población considerada en el mismo. Cuando el universo e incluso el marco muestral es demasiado grande como para ser estudiado e incluso muestreado; se estudia una porción deliberada de la población; asumiendo que el conglomerado seleccionado es lo suficientemente homogéneo con otras poblaciones como para que los resultados encontrados puedan ser extrapolados. 61