taller principios de investigación ii - pr.gov - portal ... · pdf filetaller...
Post on 12-Feb-2018
221 Views
Preview:
TRANSCRIPT
2006 @ Wanda I. Altreche Bernal
TallerTallerPrincipiosPrincipios de de
InvestigaciInvestigacióónn IIIICentro de Estudios y Documentación sobre la
Educación Superior PuertorriqueñaConsejo de Educación Superior
31 de marzo de 2006
Wanda I. Altreche Bernal, MS, Ph.D.Catedrática Asociada
2006 @ Wanda I. Altreche Bernal
ObjetivosObjetivosFamiliarizar a los participantes con los diferentes tipos de diseño de investigación cuantitativos, su uso y aplicacióncorrecta
Discutir los conceptos básicos de muestreo
Familiarizar a los participantes con la selección y desarrollo de técnicas apropiadas para recoger los datos
Introducir los métodos para analizar y presentar la informacióncuantitativa de manera significativa y comprensiva
Demostrar como el diseño de investigación, el plan de muestreo, la recopilación de datos, el nivel de medición de los datos y los análisis estadísticos se relacionan entre sí y con la pregunta de investigación
2006 @ Wanda I. Altreche Bernal
CompetenciasCompetenciasDistinguir entre los diferentes diseños de investigación basado en las preguntas de investigación para las que se desea obtener respuesta y en su adecuacidad para controlar las distintas fuentes que amenazan la validez interna
Conocer los elementos que debe incluir el diseño de investigación
Identificar los cinco factores a considerar al planificar el diseño de investigación
Conocer las técnicas para aumentar control y reducir sesgo
2006 @ Wanda I. Altreche Bernal
CompetenciasCompetenciasDefinir los conceptos básicos de muestreo
Diferenciar entre los distintos tipos de muestreo y cuando utilizarlos
Identificar los pasos del proceso de muestreo
Reconocer los diferentes métodos para recopilaciónde datos
Conocer los distintos métodos de análisis de datos y saber cuando se utilizan
2006 @ Wanda I. Altreche Bernal
DiseDiseñño de Investigacio de InvestigacióónnEs el plan general del investigador para darrespuesta a sus interrogantes o para probarsu hipótesis
Desglosa las estrategias básicas que el investigadorutiliza para controlar las variables extrañas y generar información exacta e interpretable
Especifica el procedimiento que será utilizado para obtener la evidencia empírica y el modelo que describe la relación entre las variables que serán estudiadas.
2006 @ Wanda I. Altreche Bernal
DiseDiseñño de Investigacio de InvestigacióónnEl propósito principal es estructurar el estudio para que el investigador pueda determinar el alcance en el cual una variable independiente es responsable por el cambio en la variable dependiente, controlando o restringiendo los elementos extraños que puedan influenciar sobre los resultados del estudio
Especifica el proceso de recopilación de datos, las condiciones bajo las cuales las observaciones se harán y el tipo de análisis y presentación de los datos que serán necesarios para contestar la pregunta de investigación propuesta
2006 @ Wanda I. Altreche Bernal
DiseDiseñño de Investigacio de InvestigacióónnProvee un mecanismo de control para asegurar que los datos son recopilados objetivamente de forma uniforme y con la intervención o sesgo mínimo del investigador
2006 @ Wanda I. Altreche Bernal
ElementosElementos de un de un DiseDiseññoo de de InvestigaciInvestigacióónn
Intervención = variable independiente
Comparaciones
Comparaciones entre dos o más grupos (intersujetos)
Comparaciones de un sólo grupo en dos o más ocasiones(intrasujetos)
Comparaciones de un sólo grupo en diferentes circunstanciaso experiencias (intrasujetos)
Comparaciones basadas en relaciones entre variables
Comparaciones con muestras de otros estudios
2006 @ Wanda I. Altreche Bernal
ElementosElementos de un de un DiseDiseññoo de de InvestigaciInvestigacióónn
Control de variables extrañas o ajenas al problema que se estudia
Programación de la colecta de datos– ¿Cuántas veces?– ¿Cuándo serán recogidos?
Lugar, ambiente y tiempo donde se realizará el estudio, o sea donde se recopilarán los datos y cuando
Comunicación con los participantes – se refiere a la cantidad de información que recibirán los participantes
2006 @ Wanda I. Altreche Bernal
MecanismosMecanismos parapara ControlarControlarFactoresFactores ExtraExtraññosos
Distribución aleatoria– garantiza que los grupos sean iguales respecto a las variables
extrañas. Es el método más efectivo. Es el único que permite controlar todas las posibles variables extrañas, sin que el investigador tenga que conocer cuales son estas
Homogeneidad – se refiere a incluir en el estudio sólo sujetos que son
homogéneos o iguales respecto a las variables extrañas
Grupos aleatorios o bloqueo– en vez de controlar las variables extrañas, estas se incluyen en
el estudio en calidad de variables independientes y se agrupan los sujetos de acuerdo a sus niveles para entonces asignarlosal azar al grupo experimental y el grupo control.
2006 @ Wanda I. Altreche Bernal
MecanismosMecanismos parapara ControlarControlarFactoresFactores ExtraExtraññosos
• Pareo – consiste en constituir grupos de comparación con
sujetos que poseen las mismas características. Supone que el investigador conoce de antemano las características de los sujetos que pueden afectar los resultados del estudio
Control estadístico– se refiere a utilizar procedimientos estadísticos para
controlar las variables no deseadas. Permiten controlar múltiples variables extrañas a la vez. Ej. analisis de covarianza
2006 @ Wanda I. Altreche Bernal
Cinco Factores a Considerar al Cinco Factores a Considerar al Planificar el DisePlanificar el Diseñño de o de
InvestigaciInvestigacióónn1. Sesgo - influencia que distorsiona los resultados de
un estudio y por lo tanto afectan la confiabilidad de hacer conclusiones
Instrumentos (selección y diseño inadecuado)Procedimiento inadecuado para recopilar los datosProceso de selección de la muestra – diferencias entre los participantes que integran los grupos con respecto a la variable que está siendo estudiadaConocimiento previo de los investigadores puede sesgar la colecta de datos de forma objetiva La subjetividad de los entrevistadores
2006 @ Wanda I. Altreche Bernal
Cinco Factores a Considerar al Cinco Factores a Considerar al Planificar el DisePlanificar el Diseñño de o de
InvestigaciInvestigacióónn
2. Manipulación – es el proceso de manipular la variable independiente para observar el efecto que tiene sobre la variable dependiente
3. Control – procedimientos que se establecen para tratar de minimizar la influencia de variables extrañas sobre los resultados del estudio o la variable dependiente
2006 @ Wanda I. Altreche Bernal
Cinco Factores a Considerar al Cinco Factores a Considerar al Planificar el DisePlanificar el Diseñño de o de
InvestigaciInvestigacióónn
Se controla a través de:Aleatoriedad
selección al azar de los sujetosasignación al azar de los sujetos a los grupos
Desarrollo cuidadoso de protocolos experimentales
Grupo control
2006 @ Wanda I. Altreche Bernal
Cinco Factores a Considerar al Cinco Factores a Considerar al Planificar el DisePlanificar el Diseñño de o de
InvestigaciInvestigacióónn4. Validez (si los hallazgos del estudio logran reflejar el
propósito para lo que fue diseñado el estudio)
Validez interna - se refiere a si los resultados de un estudio son función de la intervención o variable independiente estudiada y no de otras causasValidez externa – se refiere a la capacidad para generalizar los hallazgos y desarrollar inferencias de la muestra a la población bajo estudio
* La validez interna y la validez externa están inversamente relacionadas
2006 @ Wanda I. Altreche Bernal
Cinco Factores a Considerar al Cinco Factores a Considerar al Planificar el DisePlanificar el Diseñño de o de
InvestigaciInvestigacióónn
5. Confiabilidad “Reliability”se refiere a la solidez del diseño de investigación, de manera que pueda dar los mismos resultadossi se repite bajo las mismas circunstancias y segúnfue planificado y ejecutado.
2006 @ Wanda I. Altreche Bernal
Siete Factores que Amenaza Siete Factores que Amenaza la Validez Internala Validez Interna
Historia – se refiere a eventos o acontecimientos externos que ocurren a la misma vez que la variable que esta siendo manipulada (variable independiente) y que pueden afectar el comportamiento de la variable dependiente
Selección - incluye el sesgo que resulta de las diferencias preexistentes entre los grupos
Si los grupos no son equivalentes, cabe la posibilidad de que cualquier diferencia en la variable dependiente sea el resultado de las diferencias que existían entre los grupos más que al efecto de la variable independiente
2006 @ Wanda I. Altreche Bernal
Siete Factores que Amenaza Siete Factores que Amenaza la Validez Internala Validez Interna
• Maduración – se refiere al proceso de cambio que ocurre en los sujetos que están participando en un estudio como resultado del transcurso del tiempo y no a causa de la variable independiente o intervención
• Sensibilización – o efecto de prueba. Se refiere al efecto que tiene una pre - prueba sobre el desempeño de los individuos en la post prueba.
2006 @ Wanda I. Altreche Bernal
Siete Factores que Amenaza Siete Factores que Amenaza la Validez Internala Validez Interna
• Instrumentación – se refiere al sesgo relacionado con las medidas u observaciones que hace el investigador
Puede ocurrir: * cuando el instrumento de medición o los procesos de
observación utilizados no son precisos en su medida (no miden lo que se quiere medir)
* cuando el instrumento de medición es responsable de los resultados y no la variable independiente (ej. usar diferentes instrumentos para tomar las medidas)
* cuando los observadores o entrevistadores cambian la forma en que recogen y registran los datos
- porque son más diestros - porque están cansados - porque consiente o inconscientemente intentan aumentar
la probabilidad de los resultados deseados.
Tanto los instrumentos de medición como las personas que recogen los datos debenpermanecer constantes a través del tiempo y de los grupos o condiciones estudiadas.
2006 @ Wanda I. Altreche Bernal
Siete Factores que Amenaza Siete Factores que Amenaza la Validez Internala Validez Interna
• Mortalidad – se refiere al efecto que tiene sobre los resultados del estudio la perdida de sujetos antes de que el mismo se complete
Los sujetos que se dan de baja en un estudio pueden ser diferentes en cuanto a condiciones que son relevantes a la variable dependiente de aquellos que permanecen
• Regresión – se refiere al efecto del fenómeno estadístico en el cual las medidas extremas tienden a regresar alrededor de la media o el promedio en repeticiones de la observación o medición
Cuando se seleccionan los sujetos o grupos en base a “scores” extremos con respecto a una variable particular, problemas de regresión pueden ocurrir
2006 @ Wanda I. Altreche Bernal
DiseDiseñños de Investigacios de Investigacióónn
Notación:
X – variable independiente o intervenciónO – variable dependiente, observación o
medición R – aleatoriedadG - grupo
2006 @ Wanda I. Altreche Bernal
Tipos de DiseTipos de Diseñño de o de InvestigaciInvestigacióónn
Experimental Verdadero
R O X O Grupo experimentalR O O Grupo control
Los sujetos son seleccionados de la población al azary asignados a los grupos al azar
Los sujetos no son seleccionados al azar, pero si son asignados al azar a los grupos. Esta forma de aleatoriedad limita las generalizaciones del estudio
2006 @ Wanda I. Altreche Bernal
CaracterCaracteríísticassticas del del DiseDiseññooExperimental Experimental VerdaderoVerdadero
Aleatoriedad - el investigador selecciona y/o asigna los sujetos al azar
Control – el investigador introduce uno o más controles en el estudio, incluyendo el uso de un grupo control
Manipulación de la variable – el investigador modificade alguna manera la variable independientepara observa el efecto de esta manipulaciónsobre la variable dependiente
2006 @ Wanda I. Altreche Bernal
VentajasVentajas y y DesventajasDesventajas del del DiseDiseññoo Experimental Experimental VerdaderoVerdadero
Controlan todos o la mayoría de los siete factores que amenazan la validez internaOfrece el mayor grado de control y validez internaEs el método disponible más poderoso para probar hipótesis de relación causal entre la variable dependiente e independienteNos permite inferir las relaciones causales entre fenómenos con mayor confianza
Ventajas
DesventajaNo es apropiado para investigaciones donde la variable independiente es una intervención o tratamiento que porrazones éticas es imposible dejar algun grupo sin el mismo.
2006 @ Wanda I. Altreche Bernal
Tipos de DiseTipos de Diseñño o Experimental VerdaderoExperimental Verdadero
Grupo Control Posttest – OnlyG1: R X O1
G2: R O2
Ventaja:Valioso cuando el propósito de la investigación es buscar relación causal y no es apropiado o posible realizar una prepruebaControla todos los factores que amenazan la validez interna y todas las fuentes de sesgo
Desventaja:La ausencia de una pre prueba hace imposible determinar si la asignación al azar logró exitosamente equivalencia entre el grupo control y el grupo experimental con respecto a la variabledependiente que esta siendo estudiada
2006 @ Wanda I. Altreche Bernal
Tipos de DiseTipos de Diseñño o Experimental VerdaderoExperimental Verdadero
Grupo Control Pretest - Post testG1: R O1 X O2
G2: R O3 O4
Ventaja:Valioso cuando se quiere determinar el grado de cambio o efecto diferencial de la variable independiente o intervención entre los grupos
Controla para historia, maduración, regresión, selección y mortalidad
Desventaja:No controla para sensibilización o efecto de prueba
2006 @ Wanda I. Altreche Bernal
Tipos de DiseTipos de Diseñño o Experimental VerdaderoExperimental Verdadero
Solomon Four GroupG1 : R O1 X O2
G2 : R O3 O4
G3 : R X O5
G4 : R O6
Ventajas: - Elimina la influencia del aprendizaje que ocurre cuando se
toman las medidas o pruebas antes y después de la intervención o variable independiente
- Habilidad para detectar efectos de la interacción entre la participación en el grupo experimental y la pre prueba
- Aumenta la posibilidad de entender resultados más complejos
Desventaja:- Requiere más grupos, haciéndolo más costoso y que consuma
más tiempo
2006 @ Wanda I. Altreche Bernal
Tipos de DiseTipos de Diseñño o Experimental VerdaderoExperimental Verdadero
Diseño factorial Son modificaciones de los diseños “post test only” y pretest - post test, con la complicación de variables independientes adicionales
G1: R X Y1 O1G2: R Y1 02G3: R X Y2 03G4: R Y2 04
G1 : R O1 X Y1 O2
G2 : R O3 Y1 O4
G3 : R O5 X Y2 O6
G4 : R O7 Y2 O8
2006 @ Wanda I. Altreche Bernal
Tipos de DiseTipos de Diseñño o Experimental VerdaderoExperimental Verdadero
Diseño factorialVentajas:
- Posee las mismas ventajas que los diseños básicos “pretest – only” y “pretest-posttest”
- Hace posible manipular y estudiar más de una variable independiente a la vez
- Permite determinar el efecto separado de cada variable independiente, así como el efecto simultaneo o en conjunto de dos o más variables independientes
- Permite realizar múltiples comparaciones y probar múltiples hipótesis a la vez.
Desventaja:- Requiere de una muestra grande, haciéndolo más costoso y que
consuma más tiempo - Cada factor o variable independiente debe tener dos o más niveles
El análisis estadístico que utiliza es el análisis de varianza
2006 @ Wanda I. Altreche Bernal
Tipos de DiseTipos de Diseñño o Experimental VerdaderoExperimental Verdadero
Diseño de ContrapesoG1: R O1 X1 O2 X2 O3
G2: R O4 X2 O5 X1 O6
Ventaja:- Se usa cuando se estudia más de una variable independiente
o intervención y el orden de estas es manipulado
- Además de permitir determinar el efecto combinado de dos o másintervenciones, también permite determinar el efecto de orden
- Ayuda a eliminar las amenazas de validez interna causadas por la interacción de las variables independientes
Desventaja:Consume mucho tiempo
2006 @ Wanda I. Altreche Bernal
DiseDiseñño Casi experimentalo Casi experimental
Características- poseen sólo 2 elementos del diseño
experimental verdadero: la manipulaciónde la variable independiente y el control
- carece de aleatoriedad
2006 @ Wanda I. Altreche Bernal
DiseDiseñño Casi experimentalo Casi experimentalVentajas:
- Se utilizan en situaciones donde es imposible o difícil seleccionar y asignar los sujetos al azar
- Son prácticos y viables y hasta cierto punto brindan información útil para la generalización
- Permiten introducir algunos controles alternos para las variables externas, que compensan la ausencia de aleatoriedad
Desventajas:- Debido a que carecen de la asignación al azar, el investigador tiene
que evitar hacer inferencias causales
- Pueden surgir varias hipótesis rivales, que compiten con la hipótesisoriginal, para explicar los resultados observados
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñño casi experimentalo casi experimentalGrupo control no equivalente
G1: O X O G2: O O
Ventajas: - las observaciones o mediciones antes de la intervención permiten,
en cierta medida, determinar si las características del grupo control y el experimental son similares
Desventajas:- no se debe usar para apoyar causalidad, solo para explicar cambios
en los grupos - al carecer de aleatoriedad, no se puede garantizar que los grupos son
equivalentes, aun cuando la pre prueba arroje resultados similaresentre los grupos
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñño casi experimentalo casi experimental
Series de tiempo interrumpidasG1: O1 O2 O3 X O4 O5 O6
Características: - Son medidas u observaciones repetidas de la variable
dependiente antes y después de introducir la variableindependiente
- No hay grupo control o de comparación
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñño casi experimentalo casi experimentalSeries de tiempo interrumpidasVentajas:
- Son útiles cuando sólo un grupo está disponible para el estudio
- Las múltiples medidas antes y después de la VI controlan los factores de validez interna como: maduración, efecto de prueba, instrumentación, regresión y mortalidad.
- Como sólo utiliza un grupo controla para selección - Permiten determinar la naturaleza del cambio a través del
tiempo
Desventajas: - No puede apoyar relación causal- No controla el sesgo por historia
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñño casi experimentalo casi experimentalSeries de tiempo equivalentes
G1: X1 O1 X0 O2 X1 O3 X0 O4
Ventajas:- Permite introducir y reintroducir la intervención e
intercalarla con alguna otra experiencia (X0) cuando no se está introduciendo la intervención
- Es superior al diseño de series de tiempo ininterrumpidas- Permite controlar el sesgo por historia
Desventajas: - No puede apoyar relación causal
2006 @ Wanda I. Altreche Bernal
DiseDiseñños os prepre -- experimentalesexperimentales
Características
- dos de los 3 criterios del diseño experimental verdadero (control, aleatoriedad y manipulación) no están presentes
- es valioso para responder a preguntas descriptivas o para generar evidencia exploratoria
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñños os prepre--experimentalesexperimentales
One-Shot Case StudyG1: X O1
Ventaja: - es valioso para responder a preguntas descriptivas
o para generar evidencia exploratoria
Desventajas:- no explica relación causal- es afectado por los siete factores que amenazan la
validez interna de un estudio
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñños os prepre--experimentalesexperimentales
Pretest – Post testG1: O1 X O2
Ventaja: - valioso para descubrir que ocurre después que
se introduce la variable independiente
Desventajas:- no controla el efecto de maduración, historia,
mortalidad, instrumentación, sensibilización o efecto de prueba y regresión
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñños os prepre--experimentalesexperimentales
Static Group ComparisonG1: X O1
G2: O2
Ventaja: - al tener un grupo de comparación, ofrece más control sobre factores
extraños que el “one-shot” y el “pre-test-posttest”- controla los factores de historia y maduración al tener un grupo control
Desventajas:- no controla el efecto de selección, efecto de prueba, mortalidad e
instrumentación. Ni controla satisfactoriamente los demás factores de invalidez interna
- no hay base para juzgar la equivalencia inicial de los grupos. - no podemos concluir que la intervención o variable independiente es
responsable de las diferencias entre los grupos, si la hubiese, ya que estas diferencias podrían haber estado desde antes de la intervención
2006 @ Wanda I. Altreche Bernal
DiseDiseñños Noos No--experimentalesexperimentales
Características– No posee ninguno de los criterios del diseño
experimental verdadero
– se usa para explorar, un concepto o constructoo relaciones entre estos y predecir que puede haber causalidad , si la relación es bien fuerte
– cualquier manipulación de variables se hace luego a través de los análisis estadísticos
2006 @ Wanda I. Altreche Bernal
DiseDiseñños Noos No--experimentalesexperimentales
Ventajas:- Habilidad para examinar y cuantificar un fenómeno
que ocurre naturalmente- No se manipula la variable independiente, pero se
examina su relación a una o mas variables para propósitos descriptivos y predictivos
- Se pueden incluir un gran número de sujetos y examinar eventos y fenómenos que ya han ocurrido.
Desventajas:- Sesgo que puede limitar la validez interna- No se puede establecer relación causal
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñños no os no experimentalesexperimentales
Ex post facto Características
El investigador examina el efecto de una variable independiente que ocurre de forma natural después que esta ha ocurrido y trata de relacionar esta variable “after-the fact” con un resultado o variable dependiente
Con este diseño se pretende comprender las relaciones entre los fenómenos tal como ocurren en la naturaleza, sin que el investigador manipule la variable independiente
Se les conoce también como investigación correlacional
Presentan algunas características estructurales y de diseño propias de la investigación experimental verdaderas, casi experimental y preexperimental
Utiliza los mismos diagramas de los diseños anteriores, con la excepción de que la variable independiente X no es manipulada
2006 @ Wanda I. Altreche Bernal
Tipos de diseTipos de diseñños no os no experimentalesexperimentales
Ex post factoVentajas:
- muchos de los problemas que necesitan ser estudiados en las ciencias educativas, sociales y del comportamiento no pueden ser analizados mediante procedimientos experimentales
- permite determinar la existencia de una relación entre dos variables y sugerir una posible causalidad (si la relación es bien fuerte)
- es un medio eficiente y efectivo para obtener gran cantidad de datos de un problema de interés
- muy realista y es atractivo para la solución de problemas prácticos
Desventaja:- débiles en cuanto a su capacidad para poner al descubierto relaciones causales
2006 @ Wanda I. Altreche Bernal
DefinicionesDefinicionesPoblación - grupo de elementos o personas que
comparten un conjunto de características similares y sobre los cuales deseamos hacer inferencia ygeneralizaciones
Población objeto o accesible- es el grupo ideal del cualse es capaz de seleccionarla muestra
2006 @ Wanda I. Altreche Bernal
CaracterCaracteríísticassticas de de unaunapoblacipoblacióónn objetoobjeto de de estudioestudio
Debe poseer todas las características que el investigador identificó como criterio de inclusiónNo debe poseer ninguna de lascaracterísticas que identificó como criteriode exclusiónDebe estar disponible, al menos en teoría, para ser seleccionado en la muestra
2006 @ Wanda I. Altreche Bernal
DefinicionesDefiniciones
Muestra - subconjunto de una población que se incluye en el estudio
Muestreo - proceso de selección de la muestra
Elemento - es la unidad de análisis de la poblaciónsobre el cual se toman las medidas
2006 @ Wanda I. Altreche Bernal
DefinicionesDefinicionesCriterios de elegibilidad
El investigador es el que define o escoge las características o parámetros de los elementos de la población que son importantes en el estudio
- Criterios de inclusión - especifican las características que los elementos o individuos deben poseer para formar parte de esapoblación o muestra.
- Criterios de exclusión - especifica las características que sus miembros no deben tener para poder pertenecer a la población o muestra.
2006 @ Wanda I. Altreche Bernal
DefinicionesDefiniciones
Representatividad – es una medida de cuanto seaproximan las característicasclaves de la muestra a las dela población
Error de muestreo – es la diferencia entre los valoresobtenidos de una muestra de la población y los valores que existen en otras muestras de la población. Refleja el grado en que la muestra es representativa
2006 @ Wanda I. Altreche Bernal
Error de Error de MuestreoMuestreoDiferencia entre los valores obtenidos de unamuestra y los valores que existen de otrasmuestras de la misma población
Refleja el grado de representatividad de la muestra
A mayor error, menos representativa es la muestra y más limitada la validez externa
Puede ser causado por: errores al azar o porsesgo sistemático
2006 @ Wanda I. Altreche Bernal
Dos Dos tipostipos de error de de error de muestreomuestreo
Errores al azar de muestreo - ocurren por casualidad. No se puede hacer mucho con este error durante el muestreo. Ej. no respuestas, respuestaserróneas.
Sesgo sistemático o de muestreo - se debe a defectos en el proceso de muestreo en el cual los sujetos difieren sistemáticamente de los de la población
2006 @ Wanda I. Altreche Bernal
PropPropóósitosito del del muestreomuestreo
Aumentar la capacidad de quepodamos formular conclusionesprecisas sobre la poblaciónestudiando sólo un grupo pequeñode sus elementos
2006 @ Wanda I. Altreche Bernal
Dos Dos formasformas parapara limitarlimitar el el alcancealcance de la de la investigaciinvestigacióónn
Limitando el número de variableLimitando los sujetos que seránestudiados
2006 @ Wanda I. Altreche Bernal
ConsideracionesConsideraciones al al seleccionarseleccionarel el tipotipo de de muestreomuestreo
Propósito del estudio
Naturaleza de la pregunta de investigación
Diseño de investigaciónAcceso al objeto de estudio
Tiempo y dinero
2006 @ Wanda I. Altreche Bernal
SelecciSeleccióónn de la de la MuestraMuestra
Diseños de Muestreo
ProbabilísticoNo probabilístico
2006 @ Wanda I. Altreche Bernal
MuestreoMuestreo ProbabilProbabilíísticostico
Es el único método viable para obtener muestras representativas en estudios cuantitativos
Los parámetros de la población se conocen
Cada miembro o elemento tiene la misma probabilidad de ser seleccionado
Se conoce la probabilidad de que cada elemento sea incluido
2006 @ Wanda I. Altreche Bernal
MuestreoMuestreo ProbabilProbabilíísticosticoSe puede calcular la magnitud del error de muestreo por anticipado
El propósito es reducir el error de muestreo y aumentar la validez externa
Requiere que se desarrolle un “sampling frame” o marco conceptual
Selección al azar
El muestreo probabilístico es la escencia de la mayor parte de las pruebas estadísticas
2006 @ Wanda I. Altreche Bernal
TiposTipos de de muestreomuestreoprobabilprobabilíísticostico
Muestreo al azar simple
Muestreo sistemático
Muestreo al azar estratificadoProporcionalNo proporcional
“Cluster Sampling”
2006 @ Wanda I. Altreche Bernal
EstratasEstratas o o SubpoblacionesSubpoblaciones
- son segmentos mutuamente excluyentes de unapoblación establecidos a base de uno o másatributos o características
- las características son escogidas para estratificación asumiendo que ellas tendrán algún efecto sobre la variable bajo estudio
- garantiza que los diferentes segmentos de la población estén adecuadamente representados.
2006 @ Wanda I. Altreche Bernal
MuestreoMuestreo No No ProbabilProbabilíísticostico
No se puede hacer selección al azar
Los parámetros de la población no se conocen
No es ético o factible desarrollar un “sampling frame”
No se puede identificar un “sampling frame”
2006 @ Wanda I. Altreche Bernal
TiposTipos de de muestreomuestreo no no probabilprobabilíísticostico
• Por conveniencia
• Avalancha o Bola de nieve
• Intencional o deliberado
• Por Cuota
2006 @ Wanda I. Altreche Bernal
ProcesoProceso de de MuestreoMuestreo
Identificar la poblaciónDefinir características de la poblaciónCriterios de inclusiónCriterios de exclusión
Desarrollar el plan de muestreoMétodo para seleccionar la muestra(probabilístico o no probabilístico) Tamaño de la muestra
2006 @ Wanda I. Altreche Bernal
DefiniendoDefiniendo la la poblacipoblacióónnqueque serseráá estudiadaestudiada
Preguntas de investigación
Revisión de literaturaClarificar y establecer parámetrosIdentificar características que deben ser excluidas
Dos formas distintas de definir la poblaciónpueden llevar a resultados diferentes
2006 @ Wanda I. Altreche Bernal
ProcesoProceso de de MuestreoMuestreo
Seleccionar la muestra
Comparar los valores críticos dela muestra con los de la población
2006 @ Wanda I. Altreche Bernal
CaracterCaracteríísticassticas de la de la muestramuestra
Representativa
La representatividad de la muestra y la validezexterna están directamente relacionadas
Tamaño adecuado
2006 @ Wanda I. Altreche Bernal
TamaTamaññoo de la de la MuestraMuestraElementos a considerar para determinar el tamaño:
Análisis estadísticosNivel de significancia ( α = .05, .01, .001 )El poder estadístico (1- β = .75 a .85 ) –inversamente relacionado al tamaño de la muestra“Effect Size” ( γ ) – se refiere a la fuerza de la relación entre las variables. Inversamenterelacionado al tamaño de la muestra
2006 @ Wanda I. Altreche Bernal
CuatroCuatro DecisionesDecisiones EstadisticasEstadisticas
Situación Real de la Ho
Verdadera Falsa
Decisión correctaProbabilidad = 1-α
Error de Tipo IIProbabilidad = β
Error Tipo IProbabilidad = α
Decisión CorrectaProbabilidad = 1- β
Verdadera
Acepta Ho
Dec
isió
nde
l I n
vest
igad
or
Falsa
Rechaza Ho
2006 @ Wanda I. Altreche Bernal
TamaTamaññoo de la de la MuestraMuestraOtras Consideraciones
Homogeneidad de la población AtriciónNúmero de variables incluidas Análisis de subgruposSensibilidad de las mediciones El número de unidades en el “sampling frame”Tiempo y recursos
2006 @ Wanda I. Altreche Bernal
RecopilaciRecopilacióónn de de datosdatosLos datos que se recopilan y la forma en que se obtienen determinan el proceso analítico y el tipo de conocimiento que se genera
Datos Existentes vs. datos nuevosRegistros – recolección de datos con fines no investigativos (es necesario codificar y manipular datos) Análisis secundarios Meta análisis- datos de investigaciones publicadas (es necesario codificar y manipular datos)Ventajas de datos existentes: ahorro en tiempo y dinero
2006 @ Wanda I. Altreche Bernal
RecopilaciRecopilacióónn de de datosdatos• Dimensiones de los métodos de colecta
• Estructura – plan estructurado donde se define la información que debe obtenerse y la forma de hacerlo
• Cuantificación – la información recopilada debe poder ser cuantificada si se van a realizar análisis estadísticos
• Conocimiento de participación – si los participantes están consiente de que participan en un estudio pueden modificar sus respuestas y comportamiento
• Objetividad – capacidad del investigador para emitir juicios no sesgados acerca del comportamiento o los atributos del participante
2006 @ Wanda I. Altreche Bernal
RecopilaciRecopilacióónn de de datosdatosMétodos de recopilación de datos:
Auto informes- preguntar directas (entrevistas y
cuestionarios);- Ventaja: permiten obtener información
retrospectiva y visión prospectiva - Desventajas: validez y exactitud
2006 @ Wanda I. Altreche Bernal
RecopilaciRecopilacióónn de de datosdatosMétodos de recopilación de datos:
Observación- Ventaja: permiten captar directamente conductas y sucesos
- Desventaja: implicaciones éticas, manifestación de comportamientos distorsionados, negación a ser observado, sesgos del investigador
Obtener y examinar materiales
2006 @ Wanda I. Altreche Bernal
RecopilaciRecopilacióónn de de datosdatosMétodos de recopilación de datos:
Mediciones biofisiológicas- Ventaja: objetividad porque la medición se toma con instrumentos y equipos especializados, precisión y sensibilidad
- Desventaja: el efecto del instrumento en las variables que mide, el que maneje el instrumento tiene que saber como usar el mismo
2006 @ Wanda I. Altreche Bernal
AnAnáálisislisis de de DatosDatos……Se refiere a la aplicación de métodos estadísticos para describir y analizar sistemática y matemáticamente los datos de manera que se facilite la interpretación de los mismos y se puedan formular conclusiones válidas y realizar decisiones correctas
2006 @ Wanda I. Altreche Bernal
Antes de Antes de comenzarcomenzar los los ananáálisislisis estadestadíísticossticos……..
Codificar los datos
Asignar una localización única acada variable en la programación
Se crea registro de codificación
Entrar los datos
Limpiar los datos
Reducir los datos
2006 @ Wanda I. Altreche Bernal
DeterminanDeterminan el el tipotipo de de ananáálisislisis estadestadíísticossticos::
La pregunta de investigación y el nivel de conocimiento que se generará
El nivel de medición de las variables
El número de variable dependientes e independientes
La calidad de la información recopilada
2006 @ Wanda I. Altreche Bernal
MediciMedicióónn
Se refiere a asignar valores numéricos al atributo que estásiendo observado
El proceso de medición determina el tipo de datos que se obtendrán y el tipo de análisis que se puedan realizar
2006 @ Wanda I. Altreche Bernal
CaracterCaracteríísticassticas de los de los nivelesnivelesde de medicimedicióónn de de laslas variablesvariables
Categorías MutuamenteExcluyentes
OrdenFijo
IgualEspacio oDistancia
CeroAbsoluto
Nominal X
Ordinal X X
Intérvalo X X X
Razón X X X X
2006 @ Wanda I. Altreche Bernal
DeterminanDeterminan el el tipotipo de de ananáálisislisis estadestadíísticossticos::
El procedimiento y diseño de muestreo utilizado
El tamaño de la muestra obtenida
Cantidad de muestras o grupos con que trabajaráel investigador
El diseño de investigación
Las hipótesis u objetivos de la investigación
2006 @ Wanda I. Altreche Bernal
TiposTipos de de AnAnáálisislisisEstadEstadíísticossticos
Descriptivo
Inferencial
Asociación
2006 @ Wanda I. Altreche Bernal
EstadEstadíísticas sticas DescriptivasDescriptivas
Nos permiten reducir grandes cantidades de datos a conjuntos pequeños que nos faciliten entender e interpretar los datos sin sacrificar información esencial
Ayudan a describir las características principales de los fenómenos estudiados
2006 @ Wanda I. Altreche Bernal
HerramientasHerramientasDescriptivasDescriptivas
Distribución de frecuenciaMedidas de tendencia central
• Media• Mediana• Moda
Medidas de variabilidad• Rango• Varianza• Desviación estándar
Estadísticas descriptivas bivariadas• Tablas de contingencia• Análisis correlacional
2006 @ Wanda I. Altreche Bernal
Seleccionando la medida Seleccionando la medida de tendencia central de tendencia central
apropiadaapropiadaEl propósito de los análisis
Distribución de los valores
2006 @ Wanda I. Altreche Bernal
SeleccionandoSeleccionando la la medidamedidade de tendenciatendencia central central
apropiadaapropiadaSi la distribución es normal, tanto la media como la mediana y la moda tienen el mismo valor
En este caso se recomienda utilizar la media porque es la base para otros cómputos estadísticos
Si la distribución es sesgada “skewed” se debe seleccionar la medida que mejor responda a tu pregunta de investigación
2006 @ Wanda I. Altreche Bernal
HerramientasHerramientasDescriptivasDescriptivas
Distribución de frecuenciaMedidas de tendencia central
• Media• Mediana• Moda
Medidas de variabilidad• Rango• Varianza• Desviación estándar
Estadísticas descriptivas bivariadas• Tablas de contingencia• Análisis correlacional
2006 @ Wanda I. Altreche Bernal
EstadEstadíísticassticasInferencialesInferenciales
Nos permiten determinar cuan representativas de la población son las observaciones obtenidas de la muestra
Se basan en la teoría de probabilidad
Se clasifican en:paramétricasno paramétricas
2006 @ Wanda I. Altreche Bernal
PremisasPremisas de de laslasEstadEstadíísticassticasParamParaméétricastricas
Las muestras provienen de poblaciones que poseen una distribución normal
La varianza entre los grupos es igual
El nivel de medición de los datos es de intervalo
2006 @ Wanda I. Altreche Bernal
EstadEstadíísticas sticas ParamParaméétricastricas
Son las pruebas más robustas del grupo de estadísticas inferenciales.
Robusta - se refiere a que la prueba tiene una mayor probabilidad de detectar un efecto o relación significativa. O sea, aumentar el Poder y disminuir el Error de Tipo II
• Las más conocidas:- Prueba t- Análisis de varianza
2006 @ Wanda I. Altreche Bernal
EstadEstadíísticassticas No No paramparaméétricastricas
Se utilizan para probar hipótesis cuando:No se puede asumir que la población se distribuye normalmenteNo se puede asumir homogeneidad de las varianzasLos datos generados son ordinales o nominalesMuestras pequeñas
Debido a que son menos robustas, estas pruebas no deben ser utilizadas a menos que se sospeche que no se cumplen las premisas de las pruebas paramétricas
• Las más conocidas son:Chi Square, Spearman Rank Order, Sign Wilcoxon Sum, Fisher Exact
2006 @ Wanda I. Altreche Bernal
SelecciSeleccióónn de la de la pruebapruebaestadestadíísticastica
La pregunta de investigación es sobre:–Diferencias–Magnitud de una relación–Intento de predecir
Número de variables dependientes y dependienteNivel de medición de las variablesTipo de variable (continua o no continua)
2006 @ Wanda I. Altreche Bernal
SelecciSeleccióónn de la de la pruebapruebaestadestadíísticastica
Naturaleza de la relación entre las variablesGrupos que serán comparadosPremisas sobre la distribución de la poblaciónTamaño de la muestra
2006 @ Wanda I. Altreche Bernal
EstadEstadíísticassticas de de AsociaciAsociacióónn
Nos permiten identificar la relación entre variables y saber si podemos predecir o inferir características de una variable dependiente conociendo las características de las variables independientes
Buscan predecir resultados de múltiples variables
Las más conocidas son:análisis de factoresfunciones discriminantesregresión múltiple
2006 @ Wanda I. Altreche Bernal
¿¿CuCuáándondo se se utilizanutilizan los los diferentesdiferentes tipostipos de de ananáálisislisis
estadestadíísticostico??Descriptivos
–Con preguntas de investigación descriptivas, exploratorias, explicativas, y predictivas
–Cuando existe poco o nada de conocimiento
2006 @ Wanda I. Altreche Bernal
¿¿CuCuáándondo se se utilizanutilizan los los diferentesdiferentes tipostipos de de ananáálisislisis
estadestadíísticostico??Inferencial
– Con preguntas de investigación explicativas y con pruebas de hipótesis
– Cuando existe poco o nada de conocimiento sobre la relación
– Cuando existe teoría bien definida que necesita ser probada
top related