Post on 09-Mar-2015
Diseño de investigación
Diseño de investigación
• Plan o estrategia para recolectar y analizar información con el fin de llegar a conclusiones basadas en evidencia sólida y no en un razonamiento defectuoso o en meras opiniones
Diseño de investigación
• Qué se va a hacer
• Cómo se piensa hacerlo
• Por qué se da cada paso
• Por qué se da cada paso así y no de otra forma
Diseño de investigaciónElementos básicos
• Pregunta de investigación• Teorías o hipótesis que van a ser
sometidas a prueba• Unidad de análisis apropiada• Variables• Operacionalización y medición• Observación• Procedimientos analíticos
Diseño de investigaciónTipos básicos
• Exploratorio: más flexibilidad que precisión
• Descriptivo: – Medición precisa de fenómenos– Diseño debe evitar el sesgo en la observación
Diseño de investigaciónTipos básicos
• Explicativo– Observación confiable, no sesgada– Diseño debe servir de base para inferir la
influencia causal de una(s) variable(s) sobre otra(s)
– Posibilidad de evaluar la hipótesis central vs. hipótesis alternativas
Diseño de investigaciónLimitaciones
• Éticas
• Presupuestales
• De tiempo
• De falta de datos
Diseño causal
• Permite inferir relaciones causales entre las variables
• Define el dominio de generalizabilidad
• Un mal diseño puede llevar a conclusiones insignificantes o erróneas, aun si las ideas o las hipótesis son brillantes
Diseños causales
• Buscan:– Establecer una relación entre dos o más
variables– Demostrar que los resultados son
generalmente ciertos en el mundo real– Revelar si un fenómeno precede a otro en el
tiempo– Eliminar tantas explicaciones alternativas
como sea posible
Diseños causales
• Requisitos:– Covariación– Proceso lógico– Precedencia en el tiempo– Eliminar la posibilidad de relación espuria
Relaciones causales y espurias
X Y
Relación causal
X Y
Z
Relación espuria
Ejemplo: publicidad negativa
• Hipótesis: La publicidad negativa cansa y frustra a los posibles votantes y los hace pensar que ningún candidato merece su voto
• Diseño: – Encuesta postelectoral con una muestra de
ciudadanos– Pregunta: ¿Ha visto publicidad negativa? (X)– Pregunta: ¿Votó en la última elección? (Y)
Ejemplo: publicidad negativa
• Resultados:
Y X
¿Votó? Expuesto No expuesto
Sí 100%
No 100%
¿Diseño causal?
• Requisitos
• Covariación
• Proceso lógico
• Precedencia en el tiempo
• Eliminar la posibilidad de relación espuria
Relaciones causales y espurias
X(Exposición a
publicidad negativa)
Y(Decisión de votar)
Relación causal
-
Z(Educación)
Relación espuria
- +
X(Exposición a
publicidad negativa)
Y(Decisión de votar)
Diseño experimental
• Controlar la exposición a una variable experimental (VI)
• Asignar los sujetos a diferentes grupos
• Observar y medir la respuesta o comportamiento (VD)
Diseño experimental
• Dos grupos:– Grupo experimental (expuesto al estímulo)– Grupo de control (no expuesto al estímulo)
Diseño experimental
• Asignación aleatoria de individuos a los grupos– Pertenencia al azar, no por autoselección– Los grupos son prácticamente idénticos en
todos los aspectos– Esto es lo que hace tan poderosos los
experimentos
Diseño experimental
• Control de la administración del estímulo (dónde, cuándo, bajo qué circunstancias)
• Medición de la VD antes y después del estímulo
• Control del entorno– Exclusión de factores o influencias extraños
que puedan afectar la VD– Misma hora del día, mismas condiciones, etc.
Ej. Publicidad negativa
• División de la muestra en grupos aleatoriamente
• Cuestionario sobre características demográficas, creencias y opiniones políticas (incluyendo la VD)
• Los grupos deberían ser similares en todas las características. Si hay diferencias, son por azar (error de muestreo), no sistemáticas
Ej. Publicidad negativa
• El propósito del estudio se oculta: “Proyecto sobre noticieros”– 15 minutos de noticieros– 30 segundos de publicidad
• Negativa (grupo experimental)• Crema dental (grupo de control)
– 15 minutos de noticiero
• (Parte del) cuestionario de nuevo
Resultados
• Covariación
• Proceso lógico
• Precedencia temporal
Grupo
Pre-testMedición de intención
de voto
Post-testMedición de intención
de voto
Experimental 70% 20%
De control 68% 66%
Resultados
• Descarte de posibles explicaciones alternativas y de relaciones espurias– Selección aleatoria– Manipulación del experimento– Los grupos (en promedio) sólo difieren en la exposición al
tratamiento
La diferencia en la intención de voto es atribuible a la publicidad negativa
Grupo
Pre-testMedición de intención
de voto
Post-testMedición de intención
de voto
Experimental 70% 20%
De control 68% 66%
Diseño experimental
Pre-test Post-Test
Grupo experimental (aleatorio) Yexp1 X Yexp2
Grupo de control (aleatorio) Ycont1 Ycont2
Efecto experimental = (Yexp2 - Yexp1 ) - (Ycont2 - Ycont1 )
0
Validez interna
• En qué medida el diseño garantiza que la posible relación encontrada es causal, no espuria
Condiciones que afectan la validez interna
• Historia: eventos que ocurren entre las mediciones pre- y post-test pueden afectar la VD
Pre-test Post-Test
Grupo experimental (aleatorio) Yexp1 Z X Yexp2
Grupo de control (aleatorio) Ycont1 Z Ycont2
Efecto experimental = (Yexp2 - Yexp1 ) - (Ycont2 - Ycont1 ) (?)
Condiciones que afectan la validez interna
• Maduración: cambio de los sujetos en el tiempo– Cansancio– Confusión– Distracción– Aburrimiento
Condiciones que afectan la validez interna
• “Efecto de la prueba” (testing): la medición pre- puede afectar la medición post-– Las preguntas políticas pueden alertar al
individuo sobre el propósito del estudio y, por consiguiente, alterar su respuesta post.
Condiciones que afectan la validez interna
• Sesgos de selección
• Regresión a la media
• Mortalidad experimental (deserción que desequilibre los grupos)
• Alteración del instrumento antes y después
Validez interna del diseño experimental
• A pesar de todo esto, el diseño experimental es el más sólido en cuanto a su validez interna
Validez externa del diseño experimental
En qué medida los resultados son generalizables a:– Poblaciones más amplias– Momentos diferentes– Condiciones diferentes
Diseño experimental:
• La muestra original no es representativa
• Las condiciones son artificiales
Otros tipos de diseño experimental
• Diseño post-test simple– Grupos virtualmente idénticos (selección
aleatoria, grupos grandes)– Sólo se hace medición post– No hay efecto de prueba
Otros tipos de diseño experimental
• Series de tiempo experimentales (cuando no se sabe cuánto tiempo tarda en aparecer el efecto)
• Diseño multigrupo (cuando se miden varios niveles de la VI)
• Experimentos de campo o cuasi-experimentos
Inferencia causal en diseños no experimentales
• Un solo grupo
• No hay control sobre la asignación de sujetos
• No hay control sobre la aplicación del estímulo (VI)
Inferencias causales menos fuertes que en los diseños experimentales
Ejemplos de diseños no experimentales
• Encuestas
• Grupos focales
• Datos agregados – ej. resultados electorales
Ejemplos de diseños no experimentales
• Análisis documental o de contenido– ej. asignación de un puntaje en la escala
ideológica de magistrados de la Corte Suprema a partir de editoriales de diarios que comentan su nominación
• Estudios de caso
Series de tiempo
• Varias mediciones de la VD tomadas antes y después de la “introducción” de la VI
• Tendencias pre-test
• Mediciones post
• ¿Cambian las tendencias?
Series de tiempo
Series de tiempo
• Funciona mejor cuando la VI ocurre en un momento dado– Ej.: Evaluación de la introducción de una
política pública o un programa
• Cambios en el instrumento amenazan la validez interna– Ej.: Medición del desempleo
Series de tiempo
• Se pueden crear grupos cuasi-experimentales y grupos de cuasi-control– Ej.: Programas de paz y desarrollo
(municipios con y municipios sin)
• A veces se mide en el tiempo no sólo la VD sino también la VI– Ej.: Hipótesis: “las variaciones en la opinión
pública afectan los cambios en las decisiones de las altas cortes”
Series de tiempo
Diseño transversal (cross-section)
• Mediciones de las VI y VD tomadas (aprox.) al mismo tiempo
• No hay control sobre– Aplicación del tratamiento– Asignación de sujetos a grupos– Condiciones de aplicación de la VI
Diseño transversal (cross-section)
• Técnicas estadísticas para producir grupos cuasi-experimentales y de cuasi-control post-tratamiento
• Más realista = mayor validez externa• Ej.: Hipótesis: “Quienes tienen mayores niveles
de educación formal reciben mayores ingresos”– No es susceptible de diseño experimental– El control se logra midiendo factores alternativos y
controlándolos estadísticamente
Relaciones causales y espurias
X(Exposición a
publicidad negativa)
Y(Decisión de votar)
Relación causal
-
Z(Educación)
Relación espuria
- +
X(Exposición a
publicidad negativa)
Y(Decisión de votar)
Diseño transversal Ej. Publicidad negativa
• Encuesta a muestra representativa• Preguntas
– Exposición a publicidad– Decisión de voto– Nivel educativo
• Se descarta la relación espuria entre exposición y abstención (vía educación) controlando este factor mediante técnica estadística (regresión)
Diseño transversal Problemas
• No hay garantía de precedencia temporal– Especialmente cuando las variables son
actitudes o creencias
• Es difícil incluir medidas de todas las explicaciones alternativas posibles– Puede haber “sesgo de variable omitida”– Las diferencias entre los “grupos” pueden ser
sistemáticas, no al azar
Diseño de panel
• Diseño transversal + dimensión temporal
• Hay un pre-test
• Ej.: Estudio del impacto de las campañas en el comportamiento electoral (Brasil)
• Problema: “mortalidad”
Estudio de caso
• Examen a uno o unos pocos casos• Más detalle y profundidad• Combinación de varios métodos de
recolección de datos– Entrevistas– Documentos– Observación
• Considerado por algunos como un diseño inferior para hacer inferencias causales
Estudio de caso
• Exploratorio– Cuando se conoce poco el fenómeno– Sugerir explicaciones generales posibles
hipótesis que pueden ser probadas más sistemáticamente observando más casos
Estudio de caso
• Descriptivo– Averiguar y describir qué sucedió en una o
unas cuantas situaciones– No se buscan explicaciones generales
• Explicativo– Probar hipótesis deducidas de teorías
existentes
Estudio de casoVentajas en prueba de hipótesis
• Determinar si una correlación hallada en un análisis transversal es causal o no
• Analizar el proceso que conecta la VI con la VD
• Es central la selección de casos
Estudio de casoVentajas en prueba de hipótesis
• Caso único– Caso típico– Caso excepcional– Prueba de fuego
• Más de un caso– Mayor poder explicativo– No son una “muestra”– Seleccionados por la presencia o ausencia de
factores que según la teoría son importantes (ej. Moore, Skocpol)
Estudio de casoProblemas
• Falta de rigor en la presentación de las evidencias– Sesgo en el uso de la evidencia– El investigador es el instrumento
(observación e interpretación)– No es replicable
• No es posible generalizar
• Pueden ser dispendiosos y conducir a informes muy largos
Otras estrategias de investigación
• Modelos formales (ej. Modelo espacial)
• Simulaciones (ej. veto players)
Diseños causales
Requisitos
• Covariación
• Proceso lógico
• Precedencia en el tiempo
• Eliminar la posibilidad de relación espuria
CONTROL