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
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 encuestas 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)
Controladas = C
Aleatorizadas = A
Perturbadoras = A
Pronosticadas = Y
Predictoras = X
Xa
Encuesta por
Xb
Muestreo
Xc
Estudio
observacional
Experimento
Ya
Yc
Yb
Y
X
X
Y
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.
Descargar

Presentación Kish