LESLIE KISH STATISTICAL DESIGN FOR RESEARCH

El autor se propone abarcar los tres métodos de investigación, esto es, los estudios experimentales, las investigaciones probabilísticas y los estudios de la observación controlada en un marco común, separando los tratamientos específicos de los tres métodos, para incrementar la potencialidad heurística de las analogías identificables en los mismos y la “portabilidad” entre los tres métodos.

Los criterios Su propuesta es que la opción entre los tres métodos de investigación sea la elección estadística primaria, basada en los criterios de representación, aleatorización y realismo. Realismo en la elección de las variables explicativas, variables independiente y dependiente -predictor y predictand-. La aleatorización implica confianza en la validez de la inferencia científica y hace a la validez interna de la investigación. La representatividad tiene que ver con la elección de la muestra en el universo elegido. Los tres criterios imponen, dice el autor, el compromiso del investigador entre lo deseable y lo posible, dada la dificultad en satisfacer estos tres criterios en forma conjunta.

Las variables Kish da cuenta de las cuatro variables implícitas en una investigación. La variable explicativa, (en el texto, Clase E) también llamada variable experimental, que comprende a las variables independiente y variable dependiente, engloba los objetivos de la investigación y se designa sobre bases sustantivas y teorías científicas. Las variables de control, usadas para disminuir los errores aleatorios ( en el texto, variables clase R) o para reducir los efectos de sesgo ( en el texto, clase D), por medio de técnicas estadísticas o por procedimientos de selección.

Las otras variables Las variables confusoras son variables que no pueden ser controladas y que pueden ser confundidas con las variables clase E. El problema de no poder remover estas variables hacia la clase R o a la clase C es la primera desventaja de los diseños experimentales. Las variables aleatorias son variables extrañas incontroladas, que se tratan como errores aleatorios. En los estudios experimentales están verdaderamente aleatorizadas, pero en las muestras probabilísticas y en las investigaciones cualitativas sólo se asume que lo están. La aleatorización puede ser vista como una forma de control experimental pero diferente de las formas usadas para variables clase C. Kish argumenta que a través de los diseños eficientes, es factible práctico y económico colocar la mayoría de las variables extrañas como clase C o como clase R, no obstante lo cual sin aleatorización, no es posible eliminar completamente todas las variables confusoras (en el texto, Clase D).

Los tres métodos según Kish Investigación experimental o experimentos: por esta denominación el autor entiende los experimentos ideales en los cuales todas las variables extrañas han sido controladas o aleatorizadas. Por muestreo probabilístico se refiere a las investigaciones en las cuales todos los miembros de una población definida tienen una probabilidad positiva conocida de selección en la muestra. Por investigación controlada, la recolección de datos, usualmente con considerable control, sin aleatorización ni muestreo probabilístico. Las diferencias entre los tres métodos de investigaciones, dice Kish, no son la consecuencia del análisis estadístico sino que resultan de diferentes diseños para introducir las variables y para seleccionar los sujetos de la población.

Ventajas y Limitaciones de los tres métodos La investigación experimental es robusta en el control de las variables explicativas, pero débil en materia de representación y en el realismo en las mediciones. Los estudios de muestreo probabilístico son robustos en la representación, pero débiles en el control de las variables. Las investigaciones cualitativas son débiles en el control y muy a menudo en la representación. Su prevalencia, dice Kish, se debe a la conveniencia relativa del bajo costo de estas investigacione y en ocasiones, a la necesidad de factibilidad y realismo de las mediciones en “escenarios naturales”. (el subrayado es del autor). El investigador, enfrentado al dilema de satifacer los tres criterios en una investigación, debe elegir en cuál de ellos pone el acento.

Algunas reflexiones En ocasiones, en los estudios experimentales, suele ser difícil o imposible diseñar un experimento ideal. Por ejemplo los periódicos traen frecuentemente informes del éxito en el uso de una nueva droga y más tarde este supuesto efecto curativo es olvidado o cae en desuso. Por otra parte, los problemas con el control experimental, llevaron a Pavlov a creer temporariamente que tenía una prueba sobre la herencia de una habilidad adquirida para aprender. No obstante durante el Congreso internacional XIII de Boston, en agosto de 1929, Pavlov explicó que al valorar estos experimentos había hallado que el mejoramiento aparente en la habilidad de aprender en sucesivas generaciones de ratones, se debía realmente a un mejoramiento en la habilidad de enseñar pero de parte del investigador. En consecuencia, la distinción entre la investigación experimental y no experimental no es absoluta y las ventajas de los diseños experimentales sobre las encuestas por permitir mejores tratamientos, son solamente relativas.

Los tres diseños Kish apunta que con esfuerzo se pueden solucionar las debilidades de las tres clases de diseño y recomienda que como la debilidad principal las muestras probabilísticas es la falta de control sobre los tratamientos, los investigadores deberían mejorar la recolección de datos y el uso de variables auxiliares como control de las variables confusoras. Deberían estar más alerta a los cambios sociales y usarlos para medir los efectos de los “experimentos naturales” y deberían además, explorar los datos con técnicas analíticas multivariadas.. Asimismo refiere que las investigaciones experimentales y las investigaciones controladas pueden ser mejoradas especificando sus poblaciones más claramente y haciendo sus resultados más representativos de la población. Por lo general se puede hacer mucho más para ensanchar la base de datos para facilitar la inferencia estadística y para aumentar y hacer más significativa la población, ya que con mucha frecuencia los investigadores se dedican a trabajar con poblaciones pequeñas.En verdad, afirma el autor, los investigadores deberían evaluar la población base en términos del costo de los factores y los componentes de la variación y luego ensanchar la base de la inferencia estadística tanto como los recursos lo permitan.

Aleatorización de los tratamientos y de la población Kish parte de la premisa de que todas las relaciones en el mundo físico entre la variable independiente y la variable dependiente están condicionadas por los elementos de la población sujeta a investigación, entonces, todas las relaciones estímulo - respuesta dependen de los sujetos involucrados. El autor reclama que el hecho de que la relación estímulo respuesta no sea constante, no sea uniforme y no sea determinista debería ser obvia en todas las observaciones, de otro modo no necesitaremos la estadística y argumenta que las variaciones inherentes en esas relaciones resultan en errores que no son suficientemente pequeños como para ser despreciables.

Aleatorización y representatividad en el estímulo – respuesta Kish subraya que sería filosóficamente difíciI creer que las diferencias observadas en los grupos experimentales no existan también entre grupos potenciales. En resumen, dice, las relaciones tratamiento – efecto o estímulo – respuesta, dependen de los sujetos y tales relaciones no están aleatoriamente distribuidas (IID (Independently and Iddentically distributed). Las inferencias sobre la representación dependen de la representatividad (validez externa). La aleatorización de la poblacion (validez interna) es necesaria, dice el autor, porque no podemos asumir que los valores de la población hayan sido previamente aleatorizados. Resume las razones de la aleatorización como sigue: 1. Las teorías estadísticas y probabilísticas se basan en variables aleatorias 2. Las poblaciones o universos poblacionales, no llegan al investigador pre aleatorizados y por el contrario, se caracterizan por guesas irregularidades. 3. En consecuencia, los investigadores deben suplir lo que la naturaleza no hizo por por sus muestreos poblacionales. Esto sólo puede lograrse a través de la aletorización mecánica.

Contexto y Realismo Para agregar realismo y completitud a la investigación, dice Kish, deberíamos introducir el contexto ( o situación) como factores condicionantes de las relaciones entre las variables. Y también en nuestro entendimiento, para otorgar validez científica a los hallazgos, en cuanto toda explicación es válida bajo ciertas condiciones. Los efectos del contexto, dice, pueden ser incluidos en las variables independientes o en la definición de los elementos, pero siempre debe recordarse que los mismos elementos pueden tener distintas relaciones x-y en circunstancias distintas. Como el caso de los genes causantes de la anemia falsiforme, que resultaron beneficiosos en geografías acosadas por la malaria. En consecuencia, su propuesta es, no utilizar modelos population-free o population –bound, sino modelos basados en la población y en este sentido propone denotar a los individuos con el sufijo i, en la fórmula de la regresión: yi = f(x,) + ei and yi = 6, + b,x, + b,x,... bkxk + ei,

Estudios experimentales y representación Por ultimo, el autor reflexiona, que las selecciones humanas no son al azar aún cuando lo intentan honestamente. Diversas pruebas han demostrado, apunta Kish, que el juicio humano produce sesgos aún en tareas simples. Por ejemplo, al seleccionar piedras en una pila, existe un sesgo relativo que se denota ( j j - Y)/Y = ( )/1.91 = 0.22) (en onzas). Además, rubrica, que los sesgos no son confiables, pues varían entre observador y observador, entre las fechas de distintos experimentos, y en diferentes situaciones. Finalmente, el autor ofrece dos justificaciones para la ausencia de una amplia representación en los estudios experimentales. En principio la dificultad para alcanzarla. En segundo término, muchos experimentos arrojan resultados aceptables a partir de muestras pequeñas y aisladas. El clásico modelo simple Y, = + T, + e, aunque filosóficamente ingenuo, dice Kish, proporciona resultados aceptables, especialmente a través de la replicación.