Anda di halaman 1dari 17

T. 2 - Algunos conceptos básicos en Análisis y Proceso de Datos

  • 1. Entidades, variables, datos y tablas de datos.

  • 2. Población y muestra.

  • 3. Parámetros y estadísticos.

  • 4. La selección de la muestra.

  • 5. Metodología de investigación.

1. Entidades, variables, datos y tablas de datos.

• Una entidad o unidad de observación es cada uno de los elementos sobre los que se desea recoger información en un determinado estudio. Los siguientes términos suelen también ser utilizados con frecuencia para referirse a las entidades implicadas en la recogida de datos en un estudio:

participantes, casos y sujetos. Ésta última denominación es adecuada cuando las unidades de observación son personas, lo cual, aunque frecuente, no es siempre el caso: por una parte, las unidades de observación pueden ser díadas (p. ej., madre-hijo, parejas) o grupos (p. ej., familias, asociaciones, colegios, empresas); por otra parte, pueden ser animales (como es típico en la

investigación psicofisiológica) u objetos (p. ej., juguetes, anuncios radiofónicos

...

).

• Una variable es el conjunto de valores resultantes de medir una característica (propiedad, atributo) en las distintas unidades de observación objeto de estudio.

• Un dato (valor observado, observación) es un valor que proporciona información de una entidad para una variable concreta.

Ejercicio: En un estudio con un grupo de 45 personas que habían sido tratadas psicológicamente por problemas de ansiedad, se preguntó a las mismas cuántas veces habían sufrido un ataque de ansiedad desde que terminó el tratamiento recibido. También se les preguntó si consideraban que había mejorado su calidad de vida a raíz del tratamiento psicológico que recibieron.

¿Cuántas entidades y variables aparecen implicadas en este estudio?, ¿cuántos datos se habrán obtenido en la recogida de da tos?, ¿qué distintos valores adopta cada una de las variables (modalidades de cada variable)?

• Existen diferentes formas de organizar los datos recogidos en un estudio, los cuales es común que sean cuantiosos dado que es frecuente obtener datos de diversas variables para un conjunto amplio de entidades. A estas formas de organización de los datos se les suele conocer como estructuras de datos, siendo la más utilizada en la práctica la conocida como tabla de datos (también denominada matriz de datos): se trata de una organización bidimensional en que las filas representan a las entidades y las columnas a las variables, constituyendo el cruce de una fila y una columna cualesquiera de la tabla, el valor observado (dato) correspondiente a una entidad concreta en una determinada variable.

1.1. Tipos de variables

a) En función de cómo se mida (la escala de medida):

Variables cuantitativas o numéricas: aquéllas en que los valores resultantes de la medición son números que indican el grado o cantidad de lo que se está midiendo. Las variables cuantitativas se caracterizan por tener unidades de medida.

De las variables cuantitativas se hace una diferenciación adicional en función de que sean continuas (la variable puede tomar cualquier valor numérico) o discretas (la variable sólo puede tomar ciertos valores concretos).

En cualquier caso, hay que tener en cuenta que la precisión limitada de los instrumentos de medida provoca que en la práctica todas las variables cuantitativas sean medidas de un modo discreto aunque algunas, por su naturaleza, sean en realidad variables cuantitativas continuas.

Variables cuasi-cuantitativas u ordinales: aquéllas en que los valores observados son números que indican el orden o posición de las entidades en lo que se esté midiendo. El dato correspondiente a una determinada entidad tan sólo representa en que grado se es mayor o menor que otras entidades que tienen, respectivamente un valor inferior o superior en aquello que se esté midiendo.

Variables categóricas o nominales: aquéllas en que las observaciones son valores que no tienen ningún significado numérico, tan sólo diferencian a los casos en distintas categorías de pertenencia. Las variables categóricas pueden ser dicotómicas (dos valores posibles) o politómicas (más de 2 valores posibles)

• A tener en cuenta en relación a las variables:

o

Una variable no es de un tipo u otro per se, sino que va a depender del modo en que se

o

lleve a cabo su medición (p. ej., la edad o el consumo de tabaco pueden ser medidas de diferentes modos dando lugar a variables de diferente tipo). Las valores que toma una variable no siempre dependen de los propios sujetos: en algunos

o

casos, los valores de una variable son asignados a los sujetos de forma arbitraria o circunstancial por parte de quien lleva a cabo el estudio (p. ej., la dosis de un fármaco administrada o el grupo al que se ha sido asignado en un estudio). Se trata de las conocidas como variables manipuladas por el investigador. A un atributo que en su medición adopta los mismos valores para todas las entidades se le

o

conoce como una constante. No se habla en este caso de variable dado que falta la variabilidad en los valores observados inherente a este término. Destacar que una misma característica puede ser variable o constante en función del estudio (p. ej., la variable Sexo en un estudio sobre la depresión post-parto y en un estudio sobre la ansiedad). El tipo de variable (cuantitativa, cuasi-cuantitativa, categórica) es determinante en la selección del método de análisis estadístico a aplicar.

Ejercicio: ¿de qué tipo son las siguientes variables en función de la escala de medida? (Botella et al., 2001)

  • - Tiempo en segundos invertido en resolver un determinado problema.

  • - Nacionalidad.

  • - Número de hijos.

  • - Capacidad de memoria medida a través del número de palabras correctamente recordadas.

  • - Agresividad medida como ordenación de un grupo de niños realizada por un observador en la hora de recreo en función de la agresividad manifestada por los mismos.

  • - Clasificación de un grupo de pacientes en función de su cuadro clínico (depresión, esquizofrenia, ansiedad, etc.).

  • - Nivel de ingresos económicos medido como altos, medios o bajos.

  • - Distancia tolerable hasta el objeto fóbico (medida en cm.).

  • - Clasificación de un grupo de 8 estudiantes en función de su rendimiento académico: un 1 al de mayor rendimiento y un 8 al de menor rendimiento.

  • - Nivel de tabaquismo medido por el número de cigarrillos que en promedio se fuma al día.

  • - Grupo al que se pertenece en la realización de una investigación (tratamiento/control).

  • b) En función de qué se mide:

En los estudios en el contexto de la psicología son habituales las dos siguientes categorías de contenidos en las variables con que se trabaja, si bien, otros son posibles:

Variables socio-demográficas: aquéllas que hacen referencia a aspectos biológicos y sociológicos tales como la edad, el sexo, el lugar de residencia, el nivel de estudios alcanzado, el estado civil ...

Variables psicológicas: son variables que hacen referencia a aspectos como la personalidad, la inteligencia, conocimientos, hábitos, aptitudes, actitudes y habilidades, entre otras facetas de la psicología.

  • c) En función de su papel en el diseño de la investigación:

• En algunos estudios se considera la existencia de influencia entre las variables, por ejemplo, una investigación podría plantearse la influencia de la introversión/extraversión sobre la conducta solidaria. En estos casos se habla de una variable explicativa que se hipotetiza que es la causa de una variable de respuesta. En la literatura aparece cierta diversidad en la forma en que estos dos tipos de variables son nombrados, tal como se pone de manifiesto en la siguiente tabla:

Variable explicativa Variable independiente (VI) Variable predictora Variable X

Variable de respuesta Variable dependiente (VD) Variable criterio Variable Y

• Cabe destacar que una misma variable puede aparecer como explicativa en un estudio y de respuesta en otro estudio diferente, por ejemplo, una variable como la introversión/extraversión puede ser la variable de respuesta en un estudio del efecto del estilo educativo recibido sobre esta variable, mientras que la variable explicativa en un estudio del efecto de esta variable sobre la conducta altruista.

• En otras investigaciones no está claro a priori cuál es la variable explicativa y cuál es la variable de respuesta y, por tanto, el objetivo se ciñe a analizar si hay relación entre las variables, dado que no hay una hipótesis sobre la dirección de esa relación. En estos casos se habla de relación simétrica entre las variables, frente a la relación asimétrica que se daba en el caso anterior. Este sería el caso, por ejemplo, de un estudio en que aparecieran implicadas las variables “Autoestima” y “Habilidades sociales”, caso en el que no hay relación de causalidad entre ambas que esté clara a priori (puede darse en los dos sentidos).

Ejercicio (Portell et al. 2003): Para cada una de las siguientes hipótesis:

Identificar la variable o variables implicadas en la hipótesis.

Si se plantea una relación de causalidad, identificar la variable explicativa y la de respuesta.

Cuando haya información suficiente, señalar el tipo de variable en función de la escala de medida.

En una situación de examen, el formato de respuesta (abierta o tipo test) influye sobre la

Las calificaciones obtenidas en la asignatura “Análisis y Proceso

están relacionadas con las

ansiedad del examinando. La proporción de fumadores es similar en hombres y mujeres.

A la semana del nacimiento, los recién nacidos reconocen la voz de su madre.

La posición de los productos en las estanterías de un supermercado influye sobre la decisión de

comprar. La mayoría de universitarios valencianos habla más de 2 idiomas.

Los jóvenes que padecen problemas de tipo alimentario tienen una autoestima más baja que los

jóvenes que no los padecen. Los introvertidos y extravertidos difieren en su capacidad de razonamiento abstracto.

obtenidas en “Psicobiología”. El número de accidentes laborales es inversamente proporcional a la experiencia del trabajador.

El tratamiento A contra la depresión es superior a los tratamientos B y C entre los pacientes

más jóvenes (edad inferior a 30 años). En niños de 2 años, el juego en parejas es más habitual que el juego en solitario o en grupos.

2.

Población y muestra

2.1. Población

• “Se llama población estadística al conjunto de todos los elementos que cumplen una o varias características o propiedades” (Botella et al., 2001).

La anterior es una definición correcta pero poco precisa acerca de su fin como concepto estadístico. Otra propuesta de definición: Conjunto de entidades objeto de interés en un estudio.

Anotaciones acerca del concepto de población:

• En cuanto que conjunto, sus elementos tendrán alguna característica(s) en común que es la que va a determinar su pertenencia a ese conjunto. La definición de la población en un estudio debe expresar con precisión esas características, pues éstas representan el criterio de pertenencia a la misma, permitiendo discernir con claridad quién y quién no forma parte de la población objeto de estudio. Ejemplos:

  • - la población de mujeres de entre 25 y 35 años de la CV criterios de pertenencia: ser mujer, tener entre 25 y 35 años (ambos inclusive?) y ser de la CV (vivir, haber nacido?).

  • - los estudiantes del grupo 1ºD de la Facultad de Psicología de la UVEG del presente curso académico criterio de pertenencia: ...

  • - los colegios privados o concertados de la ciudad de Valencia criterio de pertenencia: ...

• La población que se especifique como objeto de estudio va a determinar de quién se va a recoger datos (ya sea de todos sus elementos o de una parte de ellos) y, también, sobre quién van a recaer las conclusiones derivadas del estudio. Es por ello que su especificación representa un aspecto crucial en el desarrollo de cualquier investigación.

• En la difusión de los resultados de un estudio deben detallarse las características de la población objeto de estudio. Ello no es siempre lo habitual en las noticias sobre estudios o investigaciones

difundidas en medios de comunicación de masas (prensa, radio, TV

...

).

En algunos casos, ese

ocultamiento u omisión está motivado por la premura de espacio y tiempo que estos medios tienen para informar, pero esta premura acaba convirtiéndose a veces en una excusa para omitir o esconder información de forma malintencionada. Los oyentes o lectores expertos serán escépticos ante un informe en que se omita esa información, pero no ocurrirá lo mismo con otros receptores no expertos, que pueden creer que los resultados hacen referencia a una población amplia cuando, en realidad, puede que no sea éste el caso. Es un deber ético el ser transparente en un aspecto tan crucial como es el de la descripción de las características de la población objeto de estudio y las de los participantes de los que se haya recogido datos, pues ello va a permitir valorar la capacidad de generalización de los resultados obtenidos con éstos a aquélla.

Algunas posibles fuentes de confusión acerca del concepto de población:

• Audiencias no expertas pueden entender el concepto estadístico de población en su acepción geográfica, en cuanto que pueblo, ciudad o similar.

• Que una población sea concebida como algo necesariamente numeroso, de gran tamaño. Ejemplo: “Precisamente el hecho de que las poblaciones, por lo general, sean infinitas o estén formadas por un gran número de elementos, hace que la descripción exacta de sus propiedades sea un objetivo prácticamente inaccesible.” (Pardo y San Martín, 2001).

El tamaño de la población dependerá de los objetivos del estudio que se plantee llevar a cabo. Por ejemplo, el estudio de la eficacia de un método determinado de lecto-escritura puede tener como población de interés simplemente a los escolares de un aula de un colegio, como sería el caso si el objetivo no fuese otro que obtener evidencia de la eficacia de ese método en ese contexto concreto, que es en el que estamos desarrollando nuestro trabajo como psicólogos.

2.2. Muestra

• “Una muestra es un subconjunto de los elementos de una población” (Botella et al., 2001).

Tal vez se podría añadir: ...

sobre

el que obtener la información que nos permita inferir alguna

característica(s) de esa población.

Anotaciones acerca del concepto de muestra:

• Principal ventaja de trabajar con muestras: economía de recursos.

• Una ventaja mal entendida que se atribuye a trabajar con una muestra, frente a trabajar con la población correspondiente, es el problema de la accesibilidad a los elementos de la población. Ejemplo: “Las poblaciones que habitualmente interesa estudiar en Psicología o son infinitas o son tan grandes que, normalmente resulta muy difícil (si no imposible) tener acceso a todos sus elementos. Bajo estas circunstancias, es de las muestras de donde podemos obtener la información

necesaria

(Pardo y San Martín, 2001).

... En realidad, no se suele tratar tanto de un problema de tener acceso sino del costo que

representa acceder a todos los casos de una población numerosa.

• Una fuente de confusión bastante frecuente al considerar el concepto de muestra es asociarlo a un conjunto de elementos de tamaño reducido. Ejemplo: “Al contrario de lo que ocurre con las poblaciones, que suelen ser conjuntos de elementos de gran tamaño, las muestras suelen ser conjuntos de elementos de tamaño reducido.” (Pardo y San Martín, 2001).

3. Parámetros y estadísticos

  • 3.1. Parámetro

• “Un parámetro es un valor numérico que describe una característica de una población” (Botella et al., 2001) Otra propuesta de definición: Es el valor de un índice estadístico obtenido a partir de los datos de una población que describe alguna característica de la misma. Otra más operativa: “Existen valores numéricos como la media, la varianza o la proporción (además de otros muchos más) que cuando se refieren a alguna característica poblacional reciben el nombre de parámetros.” (Botella et al., 2001)

  • 3.2. Estadístico

• “Un estadístico es un valor numérico que describe una característica de una muestra” (Botella et al., 2001) Otra propuesta de definición: Es el valor de un índice (estadístico) obtenido a partir de los datos de una muestra que nos va a permitir inferir el valor de alguna característica de la población a la que esa muestra representa.

Algunos comentarios acerca de ambos conceptos:

• Mientras que el valor obtenido para un parámetro es una constante, el obtenido para un estadístico es una variable dado que para diferentes muestras de una misma población se obtendrán diferentes valores.

• Es costumbre representar a los parámetros con letras griegas minúsculas

X

,σ

X

,π

X

...

) , mientras

que a los estadísticos con letras latinas mayúsculas ( X , S x , P x

).

• Relacionando conceptos:

 
   

Muestra

Población

Est. Descriptiva

Ok.

Ok. ( parámetros)

Est. Inferencial

( estadísticos) Ok. ( estimaciones de parámetros)

×

POBLACIÓN Parámetros: µ, π, σ Muestreo Teoría de la Probabilidad Estadística Inferencial MUESTRA Estadísticos: X ,P,
POBLACIÓN
Parámetros: µ, π, σ
Muestreo
Teoría de la
Probabilidad
Estadística
Inferencial
MUESTRA
Estadísticos: X ,P, S
POBLACIÓN Parámetros: µ, π, σ Muestreo Teoría de la Probabilidad Estadística Inferencial MUESTRA Estadísticos: X ,P,

4. La selección de la muestra

• Condición para que a partir de la información contenida en una muestra se puedan describir las

propiedades de la población?

Que la muestra sea representativa de esa población.

• Pero, ¿qué quiere decir en la práctica que una muestra sea representativa de una población? – Que las propiedades que caracterizan a la población se distribuyen de forma análoga en la

muestra. Por ejemplo, sea la población los estudiantes de la Facultad: si el 25% son de primero (y

así

...

),

que en la muestra ídem; si en la población la mitad son varones y la otra mujeres, pues en la

muestra ídem.; etc.

Factores asociados a la consideración de la representatividad de una muestra:

(1) El procedimiento de selección de los elementos de la población. (2) El tamaño de la muestra. (3) El contenido de la investigación.

4.1. Respecto al procedimiento de selección de los elementos de la población.

Muestreo: conjunto de técnicas asociadas a la selección de una muestra de una población.

• Subrayar que el muestreo no es algo exclusivo de la estadística; es, en realidad, una estrategia muy utilizada en la vida cotidiana. El conocimiento que nos formamos del mundo está con frecuencia basado en el muestreo, y es razonable que así lo hagamos por economía de recursos. A modo de

ejemplo, la cata de una cucharada de un guiso en marcha es una forma de muestreo del guiso orientado a conocer el sabor del mismo.

• Existen diferentes procedimientos o técnicas que satisfacen -con mayor o menor éxito- los dos objetivos que podemos considerar básicos del muestreo: (1) obtener una muestra que sea tan representativa de la población como sea posible; y (2) plantear una forma de recogida de datos que se ajuste a los recursos (económicos, temporales…) con que se cuente.

• En términos probabilísticos, ¿la satisfacción de qué criterio va a determinar la selección de una

muestra representativa?

El que todos los elementos de la población tengan la misma

probabilidad de formar parte de la muestra.

• A la estrategia a seguir en la selección de los elementos de una muestra se conoce como técnica de muestreo, existiendo un extenso repertorio de ellas, algunas de gran sofisticación.

• A las técnicas de muestreo que satisfacen el criterio anteriormente planteado, se les conoce como técnicas de muestreo probabilístico, siendo la más conocida por su sencillez y eficacia, el muestreo aleatorio simple. Algunas variantes de la anterior, de mayor utilización en la práctica son el muestreo aleatorio estratificado y el muestreo por conglomerados.

El muestreo aleatorio simple (m.a.s.) Consiste en la selección al azar de los elementos de la muestra de entre todos los de la

población. Requiere la identificación y listado de todos los elementos de la población, algo no siempre factible, por lo que su utilización resulta limitada en la práctica.

El muestreo aleatorio estratificado Supone forzar que se mantenga en la muestra la misma distribución que en la población de una determinada variable(s). Por ejemplo, si en la población de estudiantes de la UVEG hay un 60% de mujeres y un 40% de varones, en una muestra de la misma se forzaría para que se mantuviesen esos porcentajes. Se llaman estratos a las categorías de la variable en función de la que se estratifique el muestreo –el sexo, en nuestro ejemplo. Pasos principales: determinar la proporción de cada estrato en la población para la variable de estratificación; fijar el número de elementos que se deben seleccionar de cada estrato en la muestra (afijación); extraer mediante m.a.s. de cada estrato de la población el nº de casos establecido en el paso anterior.

Ejemplo de aplicación del muestreo aleatorio estratificado en la obtención de una muestra (n = 1000) de la población de alumnos de la ESO en la CV:

Ejemplo de aplicación del muestreo aleatorio estr atificado en la obtenci ón de una muestra (
Ejemplo de aplicación del muestreo aleatorio estr atificado en la obtenci ón de una muestra (

El muestreo por conglomerados Se trata de una forma de m.a.s. en que la unidad de muestreo no son los elementos de la población, sino agrupaciones de éstos que de forma natural existan en aquélla (conglomerados), por ejemplo, colegios, hospitales, secciones del censo electoral ...

Supone seleccionar al azar uno o más conglomerados, recogiéndose datos de todos los elementos de esos conglomerados. Suele resultar mucho más fácil acceder a las unidades de los conglomerados, normalmente próximos entre sí, que a elementos individuales dispersos geográficamente.

• A las técnicas que no se encuadran en las dos categorías anteriores se las conoce como de muestreo no probabilístico. Son ejemplos el muestreo accidental (o casual) y el muestreo a propósito.

• Los tipos de muestreo anteriores no son excluyentes, se puede secuenciar la utilización de diferentes técnicas de muestreo dando lugar a lo que se conoce como un muestreo polietápico. Ejemplo de muestreo en 2 etapas, estratificado (1ª etapa) y por conglomerados (2ª etapa):

Ejemplo de aplicación del muestreo aleatorio estr atificado en la obtenci ón de una muestra (

• Si en una investigación la muestra es representativa de la población, es lícito generalizar los resultados obtenidos en la muestra a la población origen y se dice entonces, en términos metodológicos, que la investigación tiene validez externa.

Ejercicio: ¿Qué técnica de muestreo aparece aplicada en los siguientes enunciados?

  • 1. Se solicita a las personas que entran y salen a un centro comercial que contestan a una serie de

cuestiones relativas a un estudio sobre comunicación social.

  • 2. De entre los asegurados de una compañía de seguros se selecciona al azar a 500 de ellos, a los

que se envía una carta con un cuestionario para evaluar una campaña de seguridad promovida por esa compañía entre sus asegurados.

  • 3. Un estudiante realiza una encuesta con el fin de explorar las actitudes solidarias de los alumnos

de psicología de su facultad. Sabe a partir de un estudio previo que, de los estudiantes de su

facultad, el 25% está comprometido con alguna ONG, mientras que el 75% restante no lo está. Así, decide seleccionar al azar a 200 estudiantes, 50 de entre los comprometidos con una ONG y 150 de entre los que no.

  • 4. Tras discutirse en un programa de radio en torno a la posibilidad de reducir la jornada laboral, se

invita a sus oyentes que llamen para expresar su opinión al respecto. Al final del programa, la presentadora afirma que los resultados de la encuesta muestran que el 80% de los que han llamado a la emisora prefieren que se reduzca la jornada laboral.

  • 5. En un estudio que pretende poner de manifiesto la influencia de la deseabilidad social al contestar

tests psicológicos, el investigador pasa a sus conocidos y familiares una serie de cuestionarios.

  • 6. Un psicólogo está interesado en explorar los hábitos de sociabilidad de las personas de la tercera

edad que viven en residencias. Para ello, obtiene una muestra aleatoria de diez residencias de su

comunidad autónoma y en cada una de ellas selecciona al azar a 30 personas.

  • 7. Un psicólogo industrial pretende estudiar la relación entre el turno de trabajo y la productividad

de los operarios en las cadenas de montaje de una gran empresa. Dado que algunos estudios previos ponen de manifiesto que existe relación entre la productividad y el sexo, y teniendo en cuenta que en la empresa hay un 50% de hombres y un 50% de mujeres, decide que en la muestra de 100 sujetos haya 50 mujeres y 50 hombres, seleccionados aleatoriamente de entre las mujeres y hombres que trabajan en esa empresa.

  • 8. En un estudio a nivel nacional sobre las estrategias de aprendizaje de estudiantes de la ESO se

seleccionan al azar a 30 centros y dentro de éstos a 4 grupos, realizándose una entrevista a todos los

estudiantes de los grupos seleccionados.

  • 9. En la realización del censo en España.

4.2. Respecto al tamaño de la muestra

• Cuanto mayor sea el tamaño de la muestra mayor será la probabilidad de que ésta sea representativa de la población, sin embargo, no hay que olvidar que, también será mayor el esfuerzo implicado en la recogida de los datos.

• Criterios orientativos a la hora de definir el tamaño muestral:

1)

Un primer criterio determinante en la práctica es el de la cantidad de recursos con que se

2)

cuenta para llevar a cabo la recogida de los datos. Un segundo criterio viene determinado por el margen de error que estamos dispuestos a asumir en nuestras inferencias (el error muestral) y por el nivel de confianza con que se establecerán esas inferencias. Este segundo criterio puede concretarse a través de fórmulas específicas que permiten obtener el tamaño muestral en función de esos dos criterios, si bien, otros aspectos suelen aparecer implicados en la aplicación de esas fórmulas:

  • a) el tamaño de la población

  • b) el índice estadístico que vaya a aplicarse (pero, ¿cuál de todos?)

  • c) el valor del índice estadístico en la población para la variable objeto de interés (¿en la población?, pero si es lo que queremos todas?);

conocer...)

(¿variable objeto de interés, cuál de

• A fin de facilitar los cálculos en la aplicación de la citada fórmula, diversos autores han elaborado tablas que, para un índice estadístico concreto, para un valor concreto del mismo en la población, y para un nivel de confianza determinado (habitualmente, el 95 o el 99%), permiten obtener el valor del tamaño muestral a considerar en función de los dos criterios restantes: el tamaño de la población y el valor de error muestral que se está dispuesto a asumir.

o

La tabla que aparece a continuación permite obtener el tamaño de la muestra que

o

deberemos considerar en la recogida de datos para el caso en que se vaya a aplicar el estadístico de la proporción, que se asuma que el valor de ese estadístico en la población para la variable objeto de interés sea 0.5 (P=0.5), y que se asuma un nivel de confianza del 95%. Ejemplo: ¿cuál sería el tamaño de la muestra a considerar en un estudio en que se quiere conocer la proporción de la población española que está a favor de algún tipo de selectividad para acceder a la Universidad, asumiendo un nivel de confianza del 95% y un error muestral del 2%?

4.3. Respecto al contenido de la investigación • Una premisa básica cuando se trabaja con una

4.3. Respecto al contenido de la investigación

• Una premisa básica cuando se trabaja con una muestra a fin de hacer inferencias acerca de una población es que la muestra sea representativa de esa población. Ahora bien, ¿esa representatividad debe darse para todas y cada una de las variables que caracterizan a la población?

• Una condición menos exigente de representatividad, que puede ser considerada razonable en la práctica, es que la representatividad de la muestra lo sea para aquellas variables realmente relevantes en el estudio que se plantee, pero no necesariamente para aquéllas que se considere que no tengan ningún tipo de influencia sobre aquello que se mida.

• La contestación a las dos siguientes cuestiones va a ayudarnos a contrastar si se satisface esta condición en el caso de un muestreo no probabilístico:

  • - ¿En qué es diferente mi muestra de lo que sería una muestra representativa?

  • - En caso de considerarse la existencia de diferencias, ¿pueden éstas tener repercusión sobre

aquella(s) variable(s) que se va a medir en mi estudio? Por ejemplo, la investigación de procesos psicológicos básicos (atención, percepción, algunos estudios no verse muy influida por el tipo de participantes en la misma.

...

) puede en

5. Metodología de investigación

• Clasificación de las metodologías o diseños de investigación utilizados en la investigación psicológica (Portell et al. 2003)

5. Metodología de investigación • Clasificación de las metodologías o diseños de investigación utilizados en la

Control interno: grado de intervención por parte del investigador en la situación objeto de estudio Representatividad: de la muestra de la población objeto de estudio Realismo: correspondencia entre la situación objeto de estudio y la situación natural de interés.

Metodología experimental:

o

Manipulación de la VI

o

Asignación aleatoria: formación de grupos al azar

o

Tipo de investigación con mayor validez interna (posibilidad de establecer relaciones causales entre variables).

Metodología cuasi-experimental:

o

Manipulación de la VI

o

NO asignación aleatoria. Grupos naturales.

Metodología selectiva (correlacional o de encuestas):

o

Estudios de encuestas: re lación entre variables. P.e. encuestas de opinión.

o Diseños “Ex Post Facto”: Las variables explicativas son características de los sujetos (no se pueden manipular). Ejemplo: Efecto optimista/pesimista sobre el tiempo de recuperación enfermedad

Metodología observacional:

o

Recogida de datos en situaciones naturales sin intervención del investigador.

o

Ejemplo: estudio de las conductas agresivas en niños observándolos en el aula.

Señalar que el tipo de conclusión que se puede extraer del análisis de los datos depende la metodología utilizada:

o

Metodología experimental: Relación causal entre VI y VD (validez interna)

o

Metodología no experimental: Relación entre las variables

Ejemplo: Metodología experimental / no experimental y Causalidad

Problema de investigación: ¿Cómo podemos mejorar el tratamiento de la ansiedad?

Hipótesis: El tratamiento psicológico es mejor que el farmacológico.

Tratamiento:

  • - Farmacológico (F)

  • - Psicológico (P)

Metodología observacional: o Recogida de datos en situaciones natura les sin intervención del investigador. o Ejemplo:

Variable explicativa (X)

Metodología observacional: o Recogida de datos en situaciones natura les sin intervención del investigador. o Ejemplo:
Ansiedad
Ansiedad
Metodología observacional: o Recogida de datos en situaciones natura les sin intervención del investigador. o Ejemplo:

Variable de respuesta (Y)

Considérense las dos siguientes posibilidades en el diseño de la investigación:

1.

Experimental:

Asignación aleatoria

  • 2. No experimental (cuasi-experimental): NO asignación aleatoria (2 centros)

   

F

P

 

F

P

6

4

6

4

8

12

8

12

2

4

2

4

...

...

...

...

X = 8

X = 6

X = 8

X = 6

   

Análisis estadístico de los datos: ¿La diferencia observada entre las dos medias es estadísticamente significativa? La media de ansiedad del grupo de pacientes tratados psicológicamente es significativamente menor que la media de ansiedad de los pacientes tratados farmacológicamente.

Ejercicio (adaptado de Gambara, 2002): Para ca da una de las siguientes hipótesis:

o

identificar X e Y

o

¿la metodología para contrastar la hipótesis podría ser experimental?

  • 1. El refuerzo positivo mejora el aprendizaje de las ratas al recorrer un laberinto.

  • 2. En los carteles publicitarios, la posición de la marca anunciante influye sobre la atención que los potenciales compradores prestan a la misma

  • 3. Los sujetos expertos en una materia (p.e. historia) aprenden mejor un material si éste pertenece a su dominio de conocimiento que si no pertenece.

  • 4. Los jugadores de ajedrez profesionales y ocasionales, difieren en su capacidad de memorizar aspectos significativos del juego.

  • 5. Los sujetos dependientes e independientes de campo difieren en su capacidad para resolver problemas espaciales

  • 6. Los niños que reciben un entrenamiento perceptual-motor tendrán una ejecución mejor en tareas de coordinación óculo-manual que los niños que no reciben este entrenamiento.

  • 7. Las caras de las personas de un grupo racial diferente son más difíciles de recordar que las de las personas que pertenecen al mismo grupo racial.

  • 8. En la empresa “ZZZ”, los trabajadores de la sección de producción presentan una mayor satisfacción laboral que los trabajadores de la sección comercial.

Referencias:

Botella, J., León, O. G., San Martín, R. y Barriopedro, M. I. (2001). Análisis de datos en psicología I: teoría y ejercicios. Madrid: Pirámide. Gambara, H. (2002). Métodos de investigación en psicología y educación: Cuaderno de prácticas (3ª ed.). Madrid: McGraw-Hill. Navas, M.J. (2001). Métodos, diseños y técnicas de investigación psicológica. Madrid: UNED. Pardo, A. y San Martín, R. (2001). Análisis de datos en psicología II. Madrid: Pirámide. Portell, M.; Vives, J. y Boixadós, M. (2003). Mètodes d’investigació: recursos didàctics. Bellaterra:

Servei de Publicacions de la UAB. Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103, 677-680.