Metodología II - webdelprofesor.ula.ve
Transcript of Metodología II - webdelprofesor.ula.ve
Metodología II
Tema 2: El Proyecto de Investigación,su Estructura, Fases y ComponentesOPERACIONALIZACION Y MUESTREOProf. Reinaldo Mayol
OPERACIONALIZACIÓN
Operacionalización
La operacionalización de conceptos es el proceso que va de la definición de un concepto al instrumento de medida. Ej.
Concepto: Ausentismo escolar Definición Teórica: Ausencia de un estudiante de la
escuela en horario escolar. Definición Operacional: Número de días al mes que el
alumno falta a la escuela.
Pasos para la operacionalización
Representación teórica del concepto Especificación del concepto
descomponiéndolo en distintas dimensiones Seleccionar indicadores ( o variables
empíricas ) que “indiquen” la extensión que alcanza la dimensión
Sintetizar los indicadores mediante la elaboración de índices. A cada indicador se le asigna un peso según su importancia.
Selección de indicadores
La selección de los indicadores ES CRÍTICA para la investigación y se realiza según los objetivos de esta.
Debe realizarse una lista con la mayor cantidad de indicadores posibles y luego eliminar aquellos que sean menos significativos.
De ser posible utilizar indicadores previamente validados en otra investigación.
Creación de Índices
Que es medir?
Medir es contar, comparar una unidad con otra, dar una valoración numérica, asignar un valor, asignar números a los objetos.
Que es medir?
Todo lo que existe está en una cierta cantidad y se puede medir. Estos no se asignan de forma arbitraria sino que se rigen por ciertas reglas, se establece un sistema empírico y éste da lugar a un sistema formal..
La medición nos permite alejarnos de la realidad para formarla a partir de números. Las propiedades del sistema numérico y del sistema empírico han de ser iguales. El sistema formal, tiene que reunir dos criterios: Igualdad. Formal.
Que es una variable?
Variable es cualquier característica del objeto de investigación que puede cambiar de valor y expresarse en diferentes categorías.
En todo proyecto de investigación se trabaja con variables.
Tipos de Variables
Nominal. Determinación de igualdad.
Ordinal. Determinación de mayor a menor.
Intervalo. Determinación de igualdad entre intervalos.
Razón. Determinación de la igualdad de razón.
Variables Nominales
En este nivel de medición se establecen categorías distintivas que no implican un orden especifico. Por ejemplo, si la unidad de análisis es un grupo
de personas, para clasificarlas se puede establecer la categoría sexo con dos niveles: masculino (M) y femenino (F), los participantes en el experimento solo tienen que señalar su género, no se requiere de un orden real.
Variables Nominales
Si se asignan números a estos niveles solo sirven para identificación y puede ser indistinto: 1=M, 2=F o bien, se pueden invertir los números sin que afecte la medición: 1=F y 2=M.
En resumen en la escala nominal se asignan números a eventos con el propósito de identificarlos. No existe ningún referente cuantitativo.
Variables Ordinales
Se establecen categorías con dos o mas niveles que implican un orden inherente entre si.
La escala de medición ordinal es cuantitativa porque permite ordenar a los eventos en función de la mayor o menor posesión de un atributo o característica. Por ejemplo, en las instituciones escolares de nivel básico
suelen formar por estatura a los estudiantes, se desarrolla un orden cuantitativo pero no suministra medidas de los sujetos.
La relación lógica que expresa esta escala es A > B (A es mayor que B).
Variables Ordinales
Una forma común de variables ordinales son ítems (reactivos) actitudinales estableciendo una serie de niveles que expresan una actitud de acuerdo o desacuerdo con respecto a algún referente.
Variables Ordinales
Por ejemplo, ante el ítem: La economía venezolana debe dolarizarse, el respondiente puede marcar su respuesta de acuerdo a las siguientes alternativas:
___ Totalmente de acuerdo___ De acuerdo___ Indiferente___ En desacuerdo___ Totalmente en desacuerdo
Variables Ordinales
Las anteriores alternativas de respuesta pueden codificarse con números que van del uno al cinco que sugieren un orden preestablecido pero no implican una distancia entre un número y otro.
Las escalas de actitudes son ordinales pero son tratadas como variables continuas (Therese L. Baker, 1997).
Variables de Intervalos
La medición de intervalo posee las características de la medición nominal y ordinal.
Establece la distancia entre una medida y otra. La escala de intervalo se aplica a variables
continuas pero carece de un punto cero absoluto. Un ejemplo representativo de este tipo de medición es la
medición de la temperatura, cuando registra cero grados centígrados de temperatura indica el nivel de congelación del agua y cuando registra 100 grados centígrados indica el nivel de ebullición, el punto cero es arbitrario no real, lo que significa que en este punto no hay ausencia de temperatura.
Variables de Razón
Una escala de medición de razón incluye las características de los tres anteriores niveles de medición anteriores (nominal, ordinal e intervalo). Determina la distancia exacta entre los intervalos de una categoría.
Variables de Razón
Adicionalmente tiene un punto cero absoluto, es decir, en el punto cero no existe la característica o atributo que se mide.
Las variables de ingreso, edad, número de hijos, etc. son ejemplos de este tipo de escala. El nivel de medición de razón se aplica tanto a variables continuas como discretas.
Validez de la medición
Hace referencia a la relación que ha de existir entre el concepto teórico y el indicador.
El investigador ha de comprobar si los indicadores elegidos realmente “retratan” lo que se pretende que indiquen. Ej. Si se emplea la variable “nivel de ingreso”
como indicador de “status social” habría que comprobar si efectivamente es válido hacerlo.
Validez de la medición
Depende de cómo se haya definido y operacionalizado el concepto que se analiza.
Existen 3 modalidades básicas de validez de la medición: Validez del Criterio Validez del Contenido Validez del Constructo
Validez de Criterio
La validez se comprueba comparando los resultados con algún criterio ( o medida anteriormente aceptada) que se haya empleado para medir el mismo concepto. Ej. Comparar datos socioeconómicos obtenidos
mediante encuesta con los del último censo. Si ambos coinciden, los datos de la encuesta se consideran válidos.
Críticas a la validez de criterio
Se asumen que el criterio de referencia es válido y puede no serlo.
Puede no existir un criterio de referencia.
Validez de contenido.
Concierne al grado en que una medición empírica cubre la variedad de significados incluidos en un concepto. Ej. Si el concepto que se mide es racismo habría
que considerar si se han comprendido las diversas manifestaciones del mismo o si por el contrario la medición solo se circunscribe a pocos aspectos del mismo.
Validez del constructo
Cuando se compara una medida particular con aquellas que teóricamente habría de esperar. Si se mide “delincuencia” por los datos policiales
es probable que estos corroboren las teorías que enfatizan que la mayor comisión de delitos se realizan en las clases desfavorecidas.
Si se mide por encuestas de autodenuncia el resultado puede variar.
En resumen
Si no existe ningún acuerdo de cómo medir un concepto, mídelo de varias formas distintas. Si el concepto tiene dimensiones diferentes mídelas todas. Y, por encima de todo, tienes que saber que el concepto no tiene ningún significado distinto del que le dimos. (Babbie, 1992)
Fiabilidad de la medición
Se refiere a la capacidad de obtener resultados consistentes en mediciones sucesivas del mismo fenómeno.
Una forma de medir la fiabilidad consiste en aplicar el mismo procedimiento en diferentes momentos para, posteriormente, observar si se obtienen los mismos resultados.
EL DISEÑO DE LA MUESTRA
Una vez definido el problema a investigar, formulados los objetivos y delimitadas las variables se hace necesario determinar los elementos o individuos con quienes se va a llevar a cabo el estudio o investigación.
Conceptos Iniciales
Población: Conjunto de unidades de las que se desea obtener cierta información. Unidades: Personas, Familias, Viviendas,
Escuelas, Organizaciones, Artículos de Prensa Muestra: Selección de unas unidades
concretas de la población que representen la característica que se quiere medir.
Población vs. Universo
“El término universo designa a todos los posibles sujetos o medidas de un cierto tipo... La parte del universo a la que el investigador tiene acceso se denomina población”. (Fox, 1981: 368)
Criterios importantes para la selección de la muestra1. No importa el tamaño de la población, por
razones económicas rara vez se observan a todas las unidades de la población.
2. Se debe diseñar una muestra que constituya una representación a pequeña escala de la población a la que pertenece
3. Cualquier diseño muestral comienza con la búsqueda de la información que ayude a la identificación de la población bajo estudio.
Importancia de la utilización de muestras
La importancia del muestreo radica en que no es necesario trabajar con todos elementos de una población para comprender con un nivel “razonable” de exactitud la naturaleza del fenómeno estudiado.
Este conocimiento se puede obtener a partir de una muestra que se considere representativa de aquella población
Condiciones que debe cumplir una “buena” muestra “Que comprendan parte de la población y
no la totalidad de ésta. Que su amplitud sea estadísticamente
proporcionada a la magnitud de la población. Esta condición se halla en relación con el punto práctico de determinación del tamaño de la muestra y sirve para decidir si, según las unidades que comprende respecto a la población, una muestra es o no admisible.
Condiciones que debe cumplir una “buena” muestra La ausencia de distorsión en la elección de los elementos de la
muestra. Si esta elección presenta alguna anomalía, la muestra resultará por este mismo hecho viciada.
Que sea representativa o reflejo fiel del universo, de tal modo que reproduzca sus características básicas en orden a la investigación. Esto quiere decir que si hay sectores diferenciados en la población que se supone ofrecen características especiales, a efectos de los objetivos de la investigación, la muestra también deberá comprenderlos y precisamente en la misma proporción, es decir, deberá estar estratificada como el universo”. (Sierra Bravo, 1988: 175)
Tamaño de la muestra
Es el número de unidades a incluir en la muestra.
Existen varios factores que influyen en el: Tiempo y recursos disponibles Modalidad de muestreo Tipo de Análisis Previsto Varianza o heterogeneidad de la población Margen de Error máximo admisible Nivel de confianza de la estimación muestral
Modalidad de Muestreo Seleccionada
La selección de las modalidades de muestreo ( probabilísticos y no probabilísticos) se halla determinada por la confluencia de 3 factores: los objetivos, los recursos y el tiempo.
Los diseños no probabilísticos demandan un tamaño muestral menor.
Diversidad de los análisis de datos prevista
La técnica de análisis influye en el tamaño de la muestra, Ej. Técnicas multivariables implican tamaños de
muestras mayores, pues implica reducción de errores y por lo tanto aumento del poder predictivo del modelo obtenido.
Varianza o heterogeneidad poblacional
Cuanto mas heterogénea sea la población mayor será su varianza poblacional lo que implicará mayores tamaños muestrales.
Cuando se desconoce el valor de la varianza poblacional se recurre al supuesto mas desfavorable, asumiendo una varianza poblacional igual a 0,5.
Errores, Errores, ERRORES
Aleatorio Muestral Sistemático
Error Aleatorio
El error aleatorio no se suele ajustar a ninguna pauta, varía normalmente, en cada caso distinto, en su sentido y magnitud, y por ello tiende a anularse cuando se trata de un número elevado de casos
Error Muestral
Cuando se extrae una muestra de una población es frecuente que los resultados obtenidos de la muestra no sean exactamente los valores reales de la población.
El error de muestreo ocurre al estudiar una muestra en lugar de la población total.
La diferencia entre el valor del parámetro de una población y el obtenido de una muestra recibe el nombre de error muestral.
Error Muestral Por muy perfecta que sea la muestra siempre
habrá grado de divergencia entre los parámetros estimados usándola y los de la verdadera población.
En el cálculo del error intervienen: Tamaño de la muestra Varianza poblacional Nivel de confianza Tipo de muestreo
Margen de error admisible
Los incrementos en el tamaño de la muestra repercuten en una mayor precisión y por consiguiente en menor error muestral.
El error muestral interviene en el cálculo del tamaño de la muestra solo si el diseño es probabilístico.
En el MP el investigador fija el error máximo admisible a priori y sobre esa base realiza el cálculo del tamaño de la muestra.
Errores Sistemáticos
Modo de elección defectuoso de una muestra que hace que ésta no sea representativa.
La dependencia del método de muestreo de una característica de las unidades del universo a elegir. Ej. Ello puede llevar a una hiper/sub-representatividad de
la muestra. Este sería el caso de un muestreo aleatorio sistemático realizado cada cinco elementos, cuando en la base de la muestra también uno de cada cinco son individuos con una característica determinada.
Errores Sistemáticos
Las tendencias subjetivas conscientes o inconscientes del investigador.
Sustituciones, según criterio propio del investigador, de unidades de la muestra que habían sido elegidas al azar.
Insuficiente observación del conjunto de la muestra, que lleva a atenerse a los primeros resultados.
Tamaño de la muestra vs. Error muestral
Nivel de Confianza en la estimación
Expresa el grado de probabilidad que el investigador tiene en que su estimación se ajuste a la realidad.
Cálculo del Tamaño de la Muestra *
n=Z2 pq/ e2
Z2 = puntuación correspondiente al nivel de confianza elegido. Por ejemplo, para un riesgo de 5%
(Z = 1.96) P: Probabilidad de que la
característica buscada se encuentre en la muestra
Q: Probabilidad de que la característica buscada NO se encuentre en la muestra
* Para poblaciones infinitas (mas de 100.000 elementos)
Ejemplo del cálculo del tamaño de la muestra (población infinita) Estimando qué proporción de sujetos poseen
una característica al nivel de confianza del 99.7% (Z=3) y un error de admitido del 2%, será:
32*50*50n = ------------------- = 5625
22
POR QUÉ P y Q valen 50 % ?
Calculo de Tamaño de la Muestra para poblaciones finitas.
Z2 * p * q * Nn = -------------------------- e2 (N-1) + Z2 p q
Ej. El número óptimo para un estudio de 60.000 personas estableciendo un nivel de confianza de 95.5%, y el margen de error en el 3%, sería
4 * 50 * 50 * 60.0 n = --------------------------------- 9 (60.000-1) + 4 * 50 * 50
n= 1091
Tipos de Muestreos
PROBABILÍSTICOSPROBABILÍSTICOS NO PROBABILISTICOSNO PROBABILISTICOS
•Cada unidad tiene igualprobabilidad de participar enla muestra.•La elección de cada unidad muestral es independiente de lasdemas•Se puede calcular el error muestral
•Cada unidad NO tiene igualprobabilidad de participar enla muestra.•No se puede calcular el error muestral•Alto riesgo de invalidez producido por la introducción de sesgos •Mas fácil de ejecutar•No precisa de un marco muestral
Usos de cada tipo de muestreo
Muestreo Probabilísticos Estimación de
Parámetros Comprobación de
Hipótesis
Muestreos No Probabilísticos
Estudios Pilotos Estudios Cualitativos Investigaciones en
poblaciones de difícil registro y localización ( Ej. Marginales, prostitutas, enfermos de VIH, etc…)
Tipos de muestreos Probabilísticos
Simple Sistemático Estratificado Por Conglomerados De rutas aleatorias
Tipos de muestreos NO Probabilísticos
Por Cuotas Estratégicos “Bola de Nieve”
ES ESTE CURSO NOS DEDICAREMOS A LOS MUSTREOS PROBABILÍSTICOS, POR RAZONES DE TIEMPO!
Muestreos Probabilísticos: Simple
Se realiza utilizando un generador de números aleatorios.
Supone que cada miembro de la población tiene un número que lo identifique y mediante el cual puede ser elegido si ese número “sale” en el generador de números aleatorios.
Muestreos Probabilísticos: Simple
Ventajas Facilidad en los cálculos
estadísticos Elevada probabilidad de
lograr equiparidad entre las características de la muestra y las correspondientes a la población
Desventajas Cada que cada
miembro de la población pueda ser identificado
complicado en poblaciones elevadas
Alto costo
Muestreos Probabilísticos: Muestreo Aleatorio Sistemático Similar al muestro simple salvo que:
1. Solo la primera unidad de la muestra se elige al azar siempre que el número seleccionado sea mayor que el coeficiente de elevación.
Coeficiente de Elevación = N/ n Donde
N: Tamaño de la población n : Tamaño de la muestra
2. Los restantes elementos de la muestra se hayan sumando, sucesivamente el coeficiente de elevación.
Muestreos Probabilísticos: Muestreo Aleatorio Estratificado Presupone el conocimiento de las
características de las unidades que forman la población para poder dividirla en grupos ( estratos)
Se eligen los miembros de la muestra en cada estrato creado siguiendo algún tipo de muestreo de los vistos anteriormente.
Muestreos Probabilísticos: Muestreo Aleatorio Estratificado cont… El objetivo de este tipo de muestreo es garantizar la
representatividad equitativa de los estratos ( que implica representación equitativa de las características de la población).
Se logra si: Son máximas las diferencias entre los estratos Son mínimas las diferencias entre los miembros de un
mismo estrato. Los criterios de división de la población en estratos se
hallen relacionadas con los objetivos de la investigación.
Muestreos Probabilísticos: Muestreo Aleatorio Estratificado cont… Los criterios de estratificación más comunes
son: edad y sexo. Otros criterios pueden ser : nivel
educacional, nivel socioeconómico, raza, etc.
Muestreos Probabilísticos: Muestreo Aleatorio Estratificado cont…
Los tamaños de cada estrato pueden ser: Los mismos ( Afiliación simple) Proporcional al peso relativo del estrato dentro de
la población (Proporcional) En función de la heterogeneidad de cada estrato (
Optima)
Representatividad de la Muestra
La representatividad es la característica más importante de una muestra.
El muestreo adquiere todo su sentido en cuanto que garantiza que las características que se quieren observar en la población quedan reflejadas adecuadamente en la muestra
Problemas de Representatividad
Si no se ha logrado representatividad en una o varias variables, el investigador tiene dos opciones: a) trabajar con la muestra no representativa y
contar con ese límite b) seleccionar más elementos de la población,
con la esperanza de que una muestra mayor sí sea representativa, aunque el estudio tenga una muestra mayor de buscada inicialmente.