DISEÑOS ESTADÍSTICOS: principios de la inferencia científica. REPRESENTATIVIDAD, ALEATORIZACIÓN Y REALISMO LESLIE KISH Estadístico y Sociólogo (1910 – 2000) Origen: Austro-Húngaro Presentación a cargo de: - Leonardo Cuello - Ana Lía Macedo

RECAUDOS a la hora de elegir la naturaleza y la estructura de los diseños de investigación: Distinguir los diseños de estudios observacionales, del muestreo de encuestas y del diseño experimental. Elegir entre estos tipos de diseños pone en juego compromisos referidos a: Cómo hacer inferencias a grandes poblaciones, a universos infinitos y a sistemas causales, a partir de muestras reducidas de observaciones sujetas además a errores diversos y a fluctuaciones aleatorias. La elección de alguno de los diseños implica siempre transacciones entre lo deseable y lo posible.

TRANSACCIONES FUNDAMENTALES: 3 problemas básicos de la investigación científica. En cuanto al realismo de las variables explicativas elegidas: variables predictoras (de tratamiento) y pronosticadas (de respuesta). Decisiones y dificultades en torno a las técnicas ideales y las viables, así como respecto a los criterios de eficacia de las respuestas. Respecto de la aleatorización: en cuanto a la asignación aleatoria de los sujetos a los distintos tratamientos. La representatividad de las unidades de muestreo: soluciones de compromiso tanto de la elección de la población objetivo como de la selección de las unidades de muestreo.

RELACIÓN CRITERIOS - DISEÑOS La forma de aplicación de los tres criterios y el énfasis en alguno de ellos tiende a producir: Realismo Estudios observacionales controlados Aleatorización Experimentos Representatividad Encuestas por muestreo

CUATRO TIPOS DE VARIABLES Facilita la elección del diseño, discutir sobre cuatro tipos de variables que intervienen en la investigación empírica: Variables Explicativas (experimentales) Predictoras (X) Pronosticadas (Y) Variables Controladas Variables Perturbadoras Variables Aleatorizadas

VARIABLES EXPLICATIVAS (E) (experimentales) Expresan los objetivos del diseño de la investigación, entre las cuales el investigador desea encontrar y medir alguna relación preestablecida. PREDICTORAS (X) Incluyen las causas buscadas de las relaciones. También denominadas: independientes estímulo tratamiento causa - determinantes PRONOSTICADAS (Y) Describen los efectos de la predicción. También denominadas: dependientes respuesta criterio efecto - consecuencias Materializan los objetivos de la investigación

a los objetivos de la investigación VARIABLES EXTRAÑAS a los objetivos de la investigación CONTROLADAS (C) Variables controladas mediante el diseño de investigación. A través del: - Procedimientos de selección; Técnicas de estimación en el análisis estadístico. Simultaneando ambos procedimientos. Las técnicas para controlar las variables extrañas tienen por objeto disminuir: errores aleatorios (tipo A), o efectos de sesgo de las var. perturbadoras (tipo P), o ambos. PERTURBADORAS (P) Las que no pueden ser controladas, que pueden ser confundidas con las variables explicativas (tipo E) La principal desventaja y preocupación de los diseños no experimentales reside en el fallo en trasladar todas estas variables P bien al tipo C, de variables controladas, o bien al tipo A de variables aleatorizadas. ALEATORIZADAS (A) Variables no controladas que son tratadas como errores aleatorios. En los experimentos “ideales” se hace que sean de hecho y operacionalmente aleatorizadas; en las encues- tas y otras investigaciones sólo se supone que están Aleatorizadas. Aleatorización= forma de control experimental.

FIGURA 1.1. Efectos de tres tipos (C, A, P) de variables extrañas sobre las variables explicativas (E) (X Y) Predictoras = X Controladas = C Aleatorizadas = A Perturbadoras = A Pronosticadas = Y Y a Y c Y b Y Encuesta por Muestreo Estudio observacional Experimento X c X b X a X

EXPERIMENTOS Potentes en cuanto al control de las variables explicativas, por medio de la aleatorización de las variables predictoras de los sujetos (es decir, la asignación de los sujetos a tratamiento). Ventajas - Eliminan sesgos Clarifican la dirección y la naturaleza de la relación Potente manipulación estadística Desventajas A veces no es posible llevarlos a cabo. Diversas dificultades (ética, practicidad, imposibilidad de asignar predictores). Es complejo que sean representativos de una población específica importante. A veces no es factible reproducir el deseado realismo de un entorno natural.

ENCUESTAS Gracias a la teoría del muestreo , las encuestas son potentes en su inferencias a grandes poblaciones. Ventajas - Permiten inferencias estadísticas a grandes poblaciones definidas (Representatividad) Es posible realizar las mediciones en entornos naturales Desventajas Debilidad en la falta de control de las variables explicativas.

ESTUDIOS OBSERVACIONALES Con frecuencia se suelen elegir diseños de investigaciones controladas. Esta elección responde a cuestiones de costo, viabilidad para mantener el deseado realismo de las mediciones. Pero, o sin el muestre probabilístico. Ventajas - Cuestiones de costo (muchas veces no son viables o prácticas las encuestas o experimentos Viabilidad para mantener el deseado realismo de las mediciones. “Entornos naturales” Desventajas No cuentan con la aleatorización de los experimentos (control de las variables) o sin el muestreo probabilístico de las encuestas (representatividad)

SELECCIÓN DEL DISEÑO No es posible satisfacer los tres criterios (aleatoriedad, representatividad y realismo). No existe una jerarquía entre los tres criterios. La estrategia seleccionada debe responder a un ajuste de los objetivos, los recursos y los costos. Un método puede ser mejor o más práctico que los otros según la situación, es fundamental conocer los puntos débiles y fuertes de cada uno de ellos para tomar una decisión acertada.