Diseño de investigación

Presentación del tema: "Diseño de investigación"— Transcripción de la presentación:

1 Diseño de investigación

2 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

3 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

4 Diseño de investigación Elementos 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

5 Diseño de investigación Tipos básicos
Exploratorio: más flexibilidad que precisión Descriptivo: Medición precisa de fenómenos Diseño debe evitar el sesgo en la observación

6 Diseño de investigación Tipos 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

7 Diseño de investigación Limitaciones
Éticas Presupuestales De tiempo De falta de datos

8 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

9 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

10 Diseños causales Requisitos: Covariación Proceso lógico
Precedencia en el tiempo Eliminar la posibilidad de relación espuria

11 Relaciones causales y espurias
X Y Relación causal X Y Z Relación espuria

12 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)

13 Ejemplo: publicidad negativa
Resultados: Y X ¿Votó? Expuesto No expuesto Sí 100% No

14 ¿Diseño causal? Requisitos Covariación Proceso lógico
Precedencia en el tiempo Eliminar la posibilidad de relación espuria    

15 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)

16 Diseño experimental Controlar la exposición a una variable experimental (VI) Asignar los sujetos a diferentes grupos Observar y medir la respuesta o comportamiento (VD)

17 Diseño experimental Dos grupos:
Grupo experimental (expuesto al estímulo) Grupo de control (no expuesto al estímulo)

18 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

19 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.

20 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

21 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

22 Resultados Covariación Proceso lógico Precedencia temporal Grupo
Pre-test Medición de intención de voto Post-test Medición de intención de voto Experimental 70% 20% De control 68% 66% Covariación Proceso lógico Precedencia temporal

23 Resultados Grupo Pre-test Medición de intención de voto Post-test Medición de intención de voto Experimental 70% 20% De control 68% 66% 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

24 Diseño experimental Pre-test Post-Test Grupo experimental (aleatorio)
Yexp1 X Yexp2 Grupo de control (aleatorio) Ycont1 Ycont2 Efecto experimental = (Yexp2 - Yexp1 ) - (Ycont2 - Ycont1 )

25 Validez interna En qué medida el diseño garantiza que la posible relación encontrada es causal, no espuria

26 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 Ycont2 Efecto experimental = (Yexp2 - Yexp1 ) - (Ycont2 - Ycont1 ) (?)

27 Condiciones que afectan la validez interna
Maduración: cambio de los sujetos en el tiempo Cansancio Confusión Distracción Aburrimiento

28 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.

29 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

30 Validez interna del diseño experimental
A pesar de todo esto, el diseño experimental es el más sólido en cuanto a su validez interna

31 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

32 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

33 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

34 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

35 Ejemplos de diseños no experimentales
Encuestas Grupos focales Datos agregados ej. resultados electorales

36 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

37 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?

38 Series de tiempo

39 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

40 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”

41 Series de tiempo

42 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

43 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

44 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)

45 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)

46 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

47 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”

48 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

49 Estudio de caso Exploratorio Cuando se conoce poco el fenómeno
Sugerir explicaciones generales posibles  hipótesis que pueden ser probadas más sistemáticamente observando más casos

50 Estudio de caso Descriptivo Explicativo
Averiguar y describir qué sucedió en una o unas cuantas situaciones No se buscan explicaciones generales Explicativo Probar hipótesis deducidas de teorías existentes

51 Estudio de caso Ventajas 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

52 Estudio de caso Ventajas 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)

53 Estudio de caso Problemas
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

54 Otras estrategias de investigación
Modelos formales (ej. Modelo espacial) Simulaciones (ej. veto players)

55 Diseños causales Requisitos Covariación Proceso lógico
Precedencia en el tiempo Eliminar la posibilidad de relación espuria  CONTROL