METODOLOGIA DE LA INVESTIGACION: MATRIZ MAPIC Proyecto Centro de Estadística Aplicada CESA METODOLOGIA DE LA INVESTIGACION: MATRIZ MAPIC Expositor: Ms. Sc. Luis Villarroel P. Cochabamba, mayo 2004

CONTENIDO I. Introducción – Objetivos – problemas en investigación II. Bases metodológicas para el diseño de la investigación – Matriz MAPIC III. Herramientas para el análisis e interpretación de datos. IV. Conclusiones

INTRODUCCION - OBJETIVOS Presentar PROBLEMAS EN INVESTIGACION Comprender las BASES METODOLÓGICAS PARA EL DISEÑO DE LA INVESTIGACIÓN – MATRIZ MAPIC. Comprender el rol de la ESTADISTICA en la investigación científica (análisis e interpretación de datos).

II. BASES METODOLOGICAS PARA EL DISEÑO DE LA INVESTIGACIÓN COLECTA DE DATOS Observación Experimentación

II. PROBLEMAS DE PLANIFICACION ESTUDIO POR OBSERVACION   Definición de objetivos - Resultados Esperados Definición de las Unidades de Observación y de la Población Definición de las Variables Selección de un Método de Colecta de datos (Cualitativo – Cuantitativo) Selección del Plan de Muestreo Definición del Tamaño de la Muestra Selección y esbozo del Método Estadístico

II. PROBLEMAS EN INVESTIGACION ESTUDIO POR EXPERIMENTACIÓN   Definición de Resultados Esperados y condiciones experimentales. Definición de Factores. Definición de las Unidades Experimentales Definición de Observaciones (variable de respuesta) Definición del Diseño Experimental. Definición del Método Matemático.

II. BASES METODOLOGICAS PARA EL DISEÑO DE LA INVESTIGACIÓN ESTUDIO POR OBSERVACION  

1. DEFINICIÓN DE RESULTADOS ESPERADOS Modelo conceptual – Resultados esperados Objetivos – Resultados Esperados Necesidad de información El resultado esperado puede estar formulado bajo la forma de : PREGUNTA o RESPUESTA (hipótesis)    Al finalizar esta etapa se dispone: Lista de resultados Ri.

2. DEFINICIÓN DE LA POBLACIÓN Y UNIDADES DE OBSERVACIÓN - Conjunto de “individuos” a los cuales nos interesamos - Población finita o infinita Unidades de observación - “Individuos” que son observados - Ejemplo: Personas, familias, empresas, marcas, etc.

3.DEFINICION DE LAS VARIABLES ¿Que es una variable? Características o atributos de los “individuos” a estudiar Existen dos problemas a resolver -Número de variables - Naturaleza del dato

3. DEFINICION DE LAS VARIABLES Variables categóricas y variables reales Variables categóricas o cualitativas son aquellas que toman un número limitado de modalidades. Ejemplo : el sexo, estado civil, etc. A cada modalidad corresponde una categoría de individuos; estas categorías forman una partición de la población. Variables reales o cuantitativas son las que toman valores reales para los cuales podemos calcular resúmenes numéricos ( media, varianza,... ). Ejemplo : edad, ingreso,rendimiento, etc.

3.DEFINICION DE LAS VARIABLES Tipos de datos: Datos cuantitativos Datos de medición – continuos Datos de conteo - discreta Datos cualitativos Datos binarios Datos ordinales Datos nominales

3. DEFINICIÓN DE VARIABLES Número de variables RESULTADOS ESPERADOS VARIABLES – TIPO DE VARIABLE R1 X1 (Cuantitativa, Continua) X2 (Cualitativa, Binaria) R2 X3 (Cualitativa, Ordinal) X4 (Cualitativa, Nominal) R3

4. DEFINICIÓN DEL METODO DE COLECTA Fuentes de información Primarias Cualitativas Reuniones de grupo Entrevistas en profundidad Observación Cuantitativas Encuestas Experimentos Secundarias Internas Registros Informes Internos Externas Publicaciones Estadísticas sectoriales Informes Externos

INVESTIGACIÓN CUANTITATIVA INVESTIGACION CUALITATIVA 4. DEFINICIÓN DEL METODO DE COLECTA Métodos de colecta primarios INVESTIGACIÓN CUANTITATIVA INVESTIGACION CUALITATIVA Busca las causas sin recurrir a la interpretación subjetiva Interés por comprender el comportamiento humano Aproximación lógico-positivista Aproximación fenomenológica Medición controlada Medición observacional natural, sin control Objetivismo, perspectiva externa Subjetivismo, perspectiva iterna Orientación verificacionista, confirmatoria, reduccionista, inferencial Orientación hacia el descubrimiento, exploratoria, descriptiva, inductiva Orientación hacia el resultado Orientación hacia el proceso Importancia de la formalidad, datos exactos y rigurosos Importancia del contenido, datos reales Particular – Intenta analizar General – Intenta sintetizar

4. DEFINICIÓN DEL METODO DE COLECTA Investigación cualitativa y sus métodos Directos Entrevistas en profundidad Reuniones de grupo Semidirectos Phillips 66 Delphi Indirectos Técnicas proyectivas Técnicas de creatividad Observación Personal Análisis de Contenido Auditoria

4. DEFINICIÓN DEL METODO DE COLECTA Investigación cuantitativa y sus métodos Encuestas Personal Postal Telefónica Encuestas periódicas

5. DEFINICIÓN DEL PLAN DE MUESTREO ¿Qué es un plan de muestreo? PProcedimientos de selección de “individuos” de la población. Población Censo Población Muestra Muestreo En el caso de un plan de muestreo se plantean dos preguntas: ¿cómo elegir la muestra? ¿cómo extrapolar a la población entera los resultados que se observaron sobre la muestra?

5. DEFINICIÓN DEL PLAN DE MUESTREO Elemento clave: representatividad de la muestra  Tipos de muestreo: Es posible medir el error No existe un buen conocimiento de la población Planes probabilisticos. La selección de “individuos” se responsabiliza al azar

5. DEFINICIÓN DEL PLAN DE MUESTREO No es posible medir el error La selección de “individuos” se responsabiliza al investigador Planes no probabilísticos Existe un buen conocimiento de la población

5. DEFINICIÓN DEL PLAN DE MUESTREO Planes probabilisticos Plan de muestreo aleatorio y simple Plan de muestreo estratificado Plan de muestreo conglomerados   Planes de muestreo no probabilisticos Plan de muestreo por conveniencia Plan de muestreo por cuotas Plan de muestreo “bola de nieve”

6. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA   - Problema “complejo” - Nivel descriptivo – nivel inferencia - Criterios: Resultados esperados, variables que participan en el resultado, tipo de dato, método estadístico.

7. ANÁLISIS DE LOS DATOS Aprovechamiento de los datos colectados  Análisis descriptivo de los datos: RESUMEN DE LOS DATOS Análisis exploratorio de los datos EDA (Exploring Data Analysis) : CONTROL DE CALIDAD DE LOS DATOS Análisis inferencial de los datos: GENERALIZACIÓN DE LOS DATOS

HERRAMIENTAS PARA EL ANALISIS E INTERPRETACION DE DATOS   • La “caja de herramientas” • El problema de la selección de un método estadístico y el tamaño de muestra. - Problema “complicado”, tema poco desarrollado en la literatura • Factores de selección - Resultados Esperados - Número de Variables - Tipo de los datos

III. HERRAMIENTAS PARA EL ANALISIS E INTERPRETACION DE DATOS Definición de la Estadística Conjunto de métodos que tienen como objetivo, “juntar” y analizar los datos numéricos. DAGNEILLE [1998]. Tiene un rol esencial en las diferentes disciplinas científicas. La Estadística Aplicada Llevar la estadística “a la puerta de las personas que están en la obligación de utilizar”

El Estudio Estadístico: Se descomponen en 2 fases COLECTA DE DATOS Observación Experimentación ANALISIS ESTADISTICO Descriptivo Inferencial (Métodos estadísticos)

Estadística - Herramientas TRATAMIENTO DE DATOS Estadística - Herramientas Cualitativos Cuantitativos 1 Dimensión 1 Dimensión Estadística Inferencial Estadística Descriptiva 2 Dimensiones Estimación Cuantit. Cualit. Mixtos P Dimensiones 2 Dimensiones RESUMIR GENERALIZAR 1 Dimensión Test de Hipótesis Cuantit. Cualit. Mixtos 2 Dimensiones P Dimensiones P Dimensiones

7. ANÁLISIS DE LOS DATOS Análisis exploratorio de los datos   Unidimensional Bidimensional Multidimensional Datos cuantitativos Box Plot Scatter Plot Diagrama de individuos ACP Datos cualitativos Tablas de frecuencia unidimensional Datos mixtos - Box Plot : Cuantitativa-nominal Scatter Plot: Cuantitativa - Ordinal ACP AFC

7. ANÁLISIS DE LOS DATOS Análisis descriptivo de los datos   Unidimensional Bidimensional Multidimensional Datos cuantitativos Gráficas Parametros de posición, dispersión, forma Gráficas, Covarianza Correlación Regresión ACP, CLUSTER Datos cualitativos Tablas de frecuencia AFC

7. ANÁLISIS DE LOS DATOS Análisis inferencial de los datos Run test Wilcoxon Mann-Whitney Kruskall   Unidimensional Bidimensional Multidimensional Estimación Promedios Varianzas Proporciones Correlación Regresión MANOVA Regresión multiple Correlación canónoca Test de hipotesis Test de comparación Test de significación Discriminante Canónico Métodos no parametricos Test Conformidad Test Significación Kernell Redes neuronales Spearman Kendall

CONCLUSIONES La investigación (por encuesta o por experimentación) debe ser objeto de una rigurosa planificación “Investigamos o vamos a la playa” Rol de la estadística en la investigación científica es central. Ningún análisis estadístico “elaborado” no merece ser realizado para datos de mala calidad Cuidado!!!! Con la utilización de los paquetes estadísticos cada vez mas al alcance de los no especialista La necesidad de un trabajo coordinado “investigador - estadístico”, debiera ser una práctica corriente en la investigación científica responsable. Importancia de los servicios de apoyo en aspectos cuantitativos al interior de los centros de investigación.

Evaluar el rendimiento académico en la Facultad EJEMPLO Evaluar el rendimiento académico en la Facultad de Ciencias y Tecnología de la UMSS

n Ejemplo: MATRIZ MAPIC Evaluación del rendimiento académico en la Facultad de Humanidades Resultados Esperados Método Estadístico n Método de colecta (Fuentes de colecta) Variables Estimar el rendimiento promedio de la materia X1: Rendimiento (Cualit. Ordinal) Intervalo de confianza de un promedio Revisión de Registro X1: Rendimiento X2: hrs. de estudio en la casa por día X3: Sexo X4: Tipo de Colegio X5: Edad Registro Entrevista Encuesta Identificación de factores que inciden en el rendimiento académico Regresión Logística Ordinal Comparación del rendimiento por sexo X1: Rendimiento X5: Edad - Mann-Whitney - Paramétrico

GRACIAS POR SU ATENCION GRACIAS POR SU ATENCION!!!! CENTRO DE ESTADISTICA APLICADA CONVENIO CIUF- UMSS