DISEÑO DE INVESTIGACIÓN
CAPÍTULO I : DISEÑOS
Los diseños de investigación dependen del enfoque y del planteamiento de la investigación. En los estudios
cuantitativos, se selecciona el diseño después de especificar el problema, desarrollado la parte teórica,
formulado las hipótesis, es decir se aplica una secuencia de pasos estructurado. Pero si es cualitativo, el
diseño puede concebirse cuando ya se planteó el problema de investigación. Dentro de las modalidades que
mezclan los enfoques cuantitativo y cualitativo por lo general se utilizan dos o más diseños. (Gómez,2006,
p. 86)
Sugiere lo siguiente:
I. Investigación Experimental
II. Investigación No experimental
I. Experimental
1.1 Experimentalmente puro
1.2 Cuasi experimental
1.3 Pre experimental
II. No experimental
2.1 Transeccional
2.2 Longitudinal
Para presentar los diseños se utiliza el sistema de representación universal, parecida a la notación de
Cook y Campbell (1979) y Campbell y Stanley (1963)
R= Aleatorización, azar
O= pretest o posttest
X=Tratamiento
Incluyen procedimientos para sacar las diferencias intersujeto por medio de la formación de grupos al
azar y la manipulación de la variable de tratamiento (independiente).
Diseño sólo de posttest con grupo de control: Ambos grupos (el de control y el experimental) se
forman al azar. Al haberlos formado de este modo no hace falta aplicarles el pretest y se les aplica
directamente el tratamiento sólo al grupo experimental y el posttest a los dos grupos.
1.2 Cuasi experimental
Los diseños cuasi experimentales son una derivación de los estudios experimentales, la asignación no
es aleatoria, aunque el factor de exposición es manipulado por el investigador.
Los diseños que carecen de un control experimental absoluto de todas las variables relevantes debido
a la falta de aleatorización ya sea en la selección aleatoria de los sujetos o en la asignación de los
mismos a los grupos experimental y control, que siempre incluyen un pre prueba para comparar la
equivalencia entre los grupos, y que no necesariamente poseen dos grupos (el experimental y el
control), son conocidos con el nombre de cuasi experimentos. (Segura,2003, p.1).
Clasificación de los diseños cuasi-experimentales:
transversales longitudinales
Les faltan dos o más de las características propias de las investigaciones experimentales, por lo que
algunas características de su validez interna son demasiado débiles y los resultados son difíciles de
interpretar. Por esto, no pueden hacer inferencias causales y se usan para aportar ideas que sean
probadas por otros diseños más sistemáticos. (Ramón, s.f.p.4)
Diseños de solo post test con un grupo:
Se caracteriza por no haber aplicado ningún pretest, pero si el tratamiento y el post test, por lo que no
se puede decidir si la conducta que se está investigando ha cambiado en algo. Sin grupo de control es
difícil conocer la influencia de otros factores dados en el mismo tiempo y que pueden influir en los
valores de la variable dependiente.
Revisando literatura podemos encontrar una clasificación de Bernal (2010), sobre los diseños
experimentales.
Diseño Diseños
con Diseños Diseños de un Diseños Diseños con Diseños de
de Diseños Diseños con con Diseños un grupo
medición con Diseños grupo compara
Solomon de grupos de series de de un de
previa y medición factoria con ción con
para series comparación tiempo caso medición
posterior previa y les medición grupos
cuatro cronoló equivalente interrum único antes y
con grupo de antes y estáticos
grupos gicas pidos después
grupo de control después
control
¿Cuántos estudiantes hay en el Instituto Simón Bolívar, para calcular y gestionar vacantes, para el año
2019?
Estudiar la conducta de los estudiantes de acuerdo a tres zonas geográficas, esta información es
comparada una con otra para establecer diferencias o semejanzas
G1 01
G2 02 = O DIFERENTES
G3 03
T1 T2 T3 T4
M
01 02 03 04
G1
G2
O G3
G4
Encuesta a trabajadores de una empresa, en un solo momento
Diseño Correlacional
OX
M r
OY
OX
M r
OY
III. No experimental
3.1 Transeccional. Los diseños transeccionales correlacionales/causales buscan describir
correlaciones entre variables o relaciones causales entre variables, en uno o más grupas de
personas u objetos o indicadores y en un momento determinado. (Hernández, Fernández y
Baptista, 2010)
Descriptivo
Transeccional
Correlacional
causal
De Tendencia
Longitudinal De evolución
Panel
Analicemos cada ejemplo, desde el título, el problema que refleja y el diseño sugerido
EXPLICATIVO
CORRELACIONAL
DESCRIPTIVO
EXPLORATORIO
N° Pasos
Paso 1 Formulación de la hipótesis nula
Paso 2 Formulación de la hipótesis alterna
Paso 3 Estadístico de la prueba y nivel de significación
Paso 4 Calculo del estadístico de prueba
Paso 5 Decisión estadística, se acepta o rechaza la Hipótesis nula
Se rechaza la hipótesis nula si el p valor es menor a 0.05
Caso 1
a. Descriptivo
Estadísticos
N_horas
Válidos 53
Perdidos 0
Media 29,81
Mediana 30,00
Moda 30
Desv. típ. 9,383
Curtosis -,696
Error típ. de curtosis ,644
Rango 30
Mínimo 15
Máximo 45
Percentiles 25 24,00
Según los resultados observamos que el promedio de horas trabajadas es de 29,81, horas, con una
variabilidad de 9,383, asimismo se observa que la mitad de los trabajadores labora menos de 30
horas, sin embargo, la mayoría de trabajadores cumple con 30 horas de trabajo, también se puede
observar una distribución de datos platicúrtica, una tendencia no normal , siendo la diferencia
entre el número de horas máximo y mínimo de 30 horas, siendo el mínimo de 15 y el máximo de
45 horas, cuyo percentil 25 indica que la cuarta parte, laboran 24 horas
Para la prueba de normalidad: Ruta
Resultados:
a. Descriptivo
Descriptivos
Estadístico Error típ.
Media 56,40 ,965
Intervalo de confianza para Límite inferior 54,33
la media al 95% Límite superior 58,47
Media recortada al 5% 56,44
Mediana 57,00
Varianza 13,971
Edad Desv. típ. 3,738
Mínimo 50
Máximo 62
Rango 12
Amplitud intercuartil 7
Asimetría -,325 ,580
Curtosis -1,146 1,121
b. Prueba de normalidad
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Observamos que el resultado es 0, 423 y como es mayor a 0.05 entonces aceptamos Ho,
es decir que la variable edad tiene una distribución Normal con un nivel de significancia
del 5%
Caso 2
1. Plantear hipótesis
H0: El nivel de estrés y el desempeño laboral son independientes.
H0: El nivel de estrés y el desempeño laboral son dependientes.
𝐼 𝐽 2
(𝑂𝑖𝑗 − 𝐸𝑖𝑗 )
𝑋2 = ∑ ∑
𝐸𝑖𝑗
𝑖=1 𝑗01
Salidas del SPSS
Tabla 3
Prueba Chi cuadrado del nivel de estrés y desempeño laboral
Pruebas de chi-cuadrado
Valor Gl Sig. asintótica
(bilateral)
Chi-cuadrado de Pearson 93,965a 4 ,000
Razón de verosimilitudes 93,191 4 ,000
Asociación lineal por
72,460 1 ,000
lineal
N de casos válidos 325
a. 0 casillas (0,0%) tienen una frecuencia esperada inferior a 5. La
frecuencia mínima esperada es 20,92.
Regla de decisión:
Significancia asintótica < nivel de significancia Rechazo H0
Significancia asintótica > nivel de significancia No rechazo H0
4. Decisión y conclusión
Con un nivel de significancia de 0.05 se rechaza la hipótesis nula y se concluye que el
nivel de estrés y el desempeño laboral son dependientes.
Caso 3
Se prueba un nuevo programa de tratamiento del colesterol.
La siguiente tabla muestra los niveles de colesterol en suero para 12 individuos , al principio
del programa ( ANTES) y al final del mismo ( DESPUÉS)
INDIVIDUO 1 2 3 4 5 6 7 8 9 10 11 12
ANTES 201 231 221 260 228 237 226 235 210 267 284 201
DESPUÉS 200 236 216 233 224 216 296 195 207 247 210 209
2. Nivel de significancia
α = 0.05
3. Elección del estadístico
- Estudio Longitudinal
- Variable numérica
- T de Student para muestras relacionadas
4. Lectura del P- valor
Para aplicar el estadístico seleccionado es necesario cumplir dos requisitos
a. Prueba de Normalidad
Para ello se aplica la prueba de Shapiro Wilk o Kolmogorov Smirnov
Pasos:
Ho: Los datos provienen de una distribución normal
H1: Los datos No provienen de una distribución normal
Pasos:
- Vista variable
- Vista de datos
- Ruta para la prueba de normalidad
Los resultados son:
a. Descriptivos
Descriptivos
Estadístico Error típ.
Media 233,42 7,438
Intervalo de confianza Límite inferior 217,05
para la media al 95% Límite superior 249,79
Media recortada al 5% 232,41
Mediana 229,50
Varianza 663,902
ANTES Desv. típ. 25,766
Mínimo 201
Máximo 284
Rango 83
Amplitud intercuartil 42
Asimetría ,655 ,637
Curtosis -,153 1,232
Media 224,08 7,878
Intervalo de confianza Límite inferior 206,74
para la media al 95% Límite superior 241,42
Media recortada al 5% 221,70
Mediana 216,00
Varianza 744,811
DESPUÉS Desv. típ. 27,291
Mínimo 195
Máximo 296
Rango 101
Amplitud intercuartil 28
Asimetría 1,801 ,637
Curtosis 4,002 1,232
b. Pruebas de normalidad
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
ANTES ,195 12 ,200* ,934 12 ,422
DESPUÉS ,200 12 ,200* ,837 12 ,026
*. Este es un límite inferior de la significación verdadera.
a. Corrección de la significación de Lilliefors
La propuesta fue:
Ho: Los datos provienen de una distribución normal ( si el valor del sig. es mayor a 0.05)
H1: Los datos No provienen de una distribución normal ( si el valor del sig. es menor a 0.05)
Conclusión:
Los datos provienen de una distribución normal.
Ahora la prueba T para muestras relacionadas
Resultados:
Glena, N. (1977). Cohortanaíysis. Beverly Huís, CA: Sage Publications Inc. Series:‘Quantitative
Applications in the Social Sciences”, número 5.
Figuras:
Figura 1
Bono, R. (2012) Diseños cuasi-experimentales y longitudinales
Disponible en:
http://diposit.ub.edu/dspace/bitstream/2445/30783/1/D.%20cuasi%20y%20longitudinales.pdf
Figura 2:
Bernal, C. (2010) Metodología de la Investigación: Administración, economía, humanidades
y ciencias sociales.
Disponible:
file:///C:/Users/Usuario/Downloads/Metodologia%20de%20la%20Investigacion%203edici%C3
%B3n%20Bernal.pdf
Figura 3:
Hernandez, R.;Fernández, C. ;Baptista,M. (2010) Metodología de la Investigación, México:
Mc Graw Hill
https://drive.google.com/drive/u/0/folders/0B5UWwjgoW36sQnlPMnNHVTFPWjg?ogsrc=32