Diseños de investigación

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

1 Diseños de investigación
Medición y diseño 2017 Diseños de investigación

2 Proceso de investigación
Fase 1: Idea Fase 2: Planteamiento del problema Fase 3: Revisión de la literatura / marco teórico Fase 4: Visualización del alcance del estudio Fase 5: Formulación de hipótesis y definición de variables Fase 10: Elaboración del reporte de resultados Fase 9: Análisis de los datos Fase 8: Recolección de los datos Fase 7: Definición y selección de la muestra Fase 6: Elección del Diseño / Método de investigación

3 ¿Qué tenemos hasta ahora?
Problema de investigación (incluye objetivos, preguntas, antecedentes, justificación) Teoría (argumento) Hipótesis que relaciona variables. Matriz de datos (teórica)

4 La lógica de conceptos y explicaciones: necesario vs. suficiente
X es condición necesaria de Y ≈ Y ⊂ X Elecciones y democracia Fumar y cáncer X es condición suficiente de Y ≈ X ⊂ Y X Y Y X

5 Díada democrática NO SI PAZ 1045 169 GUERRA 36
Ejemplo de condición suficiente: la paz democrática. (Fuente: Russett 1995, 174.) Casos: parejas de países (díadas). Variable independiente: democrática/no democrática Variables dependiente: paz/guerra (dicotómica) Díada democrática NO SI PAZ 1045 169 GUERRA 36 Conversión de enunciados de suficiencia en necesidad Si X es suficiente para Y, entonces ¬ X es necesario para ¬ Y.

6 Formas de explicación Causal laws Exception-less relationships between X and Y. Probabilistic causes With errors, i.e., exceptions. Set-theoretic causes Where X is necessary and/or sufficient for Y. Conjunctures A combination of causes act together to produce an effect. Equifinality Several causes act independently of each other. Proximal/Distal A proximal cause operates immediately. Sequence The effect of X1-3 on Y depends upon the sequence they appear. Causal chain Multiple factors (M) form a chain from X and Y. Path-dependency (aka critical juncture) A single causal intervention has enduring, and perhaps increasing, effects over time.

7 A Basic Causal Diagram A X M Y C B
X: Causal factor (aka explanatory/independent variable, intervention, predictor, treatment) Y: Outcome (aka dependent/endogenous variable, effect, response) M: Causal mechanism (aka pathway, process, mediator, intermediary variable) A: Antecedent cause (aka prior cause) B: Other causes of Y (aka alternate hypotheses, covariates) C: Common-cause confounder

8 El diseño experimental: Babbie cap. 9
EXPERIMENTO – MANIPULACIÓN DE VARIABLES (INDEPENDIENTES) PARA OBSERVAR EFECTOS EN VARIABLE DEPENDIENTE EN UNA SITUACIÓN CONTROLADA. (ALEATORIZACIÓN Y VALIDEZ INTERNA)

9 CUASI EXPERIMENTOS (EXPERIMENTOS NATURALES)
Tipos de experimento PUROS CUASI EXPERIMENTOS (EXPERIMENTOS NATURALES) PRE-EXPERIMENTOS (Un grupo – preprueba/posprueba) VALIDEZ EXTERNA EXPERIMENTOS DE LABORATORIO Y CAMPO

10 Ejemplo de experimento. Fuente Balsa y Cid 2011

11 MODELOS NO EXPERIMENTALES (observacionales)
Sesgos de selección y endogeneidad TIPOS DE ESTUDIO: TRANSVERSAL (Cross-section) LONGITUDINAL (Cross-time) PANEL ESTUDIOS DE CASO

12 Comparability, a simple illustration
Spatial analysis… X=0 (control) X=1 (treatment) Longitudinal analysis… X=0 at T1 (“control”) X=1 at T2 (“treatment”)