Diseño de Investigación (Diapositivas)

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


• 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


X(Exposición a

publicidad negativa)

Y(Decisión de votar)

Relación causal

-

Z(Educación)

Relación espuria

- +

X(Exposición a



Diseño experimental

• Controlar la exposición a una variable experimental (VI)

• Asignar los sujetos a diferentes grupos

• Observar y medir la respuesta o comportamiento (VD)


• Dos grupos:– Grupo experimental (expuesto al estímulo)– Grupo de control (no expuesto al estímulo)


• 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


• 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%


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 ) (?)


• Maduración: cambio de los sujetos en el tiempo– Cansancio– Confusión– Distracción– Aburrimiento


• “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.


• 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


X(Exposición a



Relación causal

-

Z(Educación)

Relación espuria

- +

X(Exposición a



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

Diseño de Investigación (Diapositivas)

Documents