Fenómenos de Investigación: Variables, Hipótesis y Diseño
¿Qué son las hipótesis?
Son las guías para una investigación o estudio. Las hipótesis indican qué tratamos de probar y se definen como explicaciones tentativas del fenómeno investigado; deben ser formuladas a manera de proposiciones.
¿En toda investigación cuantitativa debemos plantear hipótesis?
No, no todas las investigaciones cuantitativas plantean hipótesis. El hecho de que formulemos o no hipótesis depende de un factor esencial: el alcance inicial del estudio. Las investigaciones cuantitativas que formulan hipótesis son aquellas cuyo planteamiento define que su alcance será correlacional o explicativo, o las que tienen un alcance descriptivo, pero que intentan pronosticar una cifra o un hecho.
Un ejemplo de estudio con alcance descriptivo y pronóstico sería aquel que únicamente pretenda medir el índice delictivo en una ciudad.
¿Las hipótesis son siempre verdaderas?
Las hipótesis no necesariamente son verdaderas, pueden o no serlo, y pueden o no comprobarse con datos. Son explicaciones tentativas, no los hechos en sí. Al formularlas, el investigador no está totalmente seguro de que vayan a comprobarse.
Ejemplos de Hipótesis
- La proximidad geográfica entre los hogares de las parejas de novios está relacionada positivamente con el nivel de satisfacción que les proporciona su relación.
- El índice de cáncer pulmonar es mayor entre los fumadores que entre los no fumadores.
- Conforme se desarrollan las psicoterapias orientadas en el paciente, aumentan las expresiones verbales de discusión y exploración de planes futuros personales y disminuyen las manifestaciones de hechos pasados.
- A mayor variedad en el trabajo, habrá mayor motivación intrínseca.
¿Qué son las variables?
En este punto es necesario definir qué es una variable. Una variable es una propiedad que puede fluctuar y cuya variación es susceptible de medirse u observarse. Ejemplos de variables son el género, la motivación intrínseca hacia el trabajo, el atractivo físico, el aprendizaje de conceptos, el conocimiento histórico sobre Alejandro Magno, la religión, la resistencia de un material, la agresividad verbal, la personalidad autoritaria, la cultura fiscal y la exposición a una campaña de propaganda política.
¿De dónde surgen las hipótesis?
Si hemos seguido paso por paso el proceso de investigación, es natural que las hipótesis surjan del planteamiento del problema que, como recordamos, se vuelve a evaluar y si es necesario se replantea después de revisar la literatura. Es decir, provienen de la revisión misma de la literatura. Nuestras hipótesis pueden surgir del postulado de una teoría, del análisis de esta, de generalizaciones empíricas pertinentes a nuestro problema de investigación y de estudios revisados o antecedentes consultados.
Las hipótesis pueden surgir aunque no exista un cuerpo teórico abundante
Estamos de acuerdo en que las hipótesis surgidas de teorías con evidencia empírica superan las dos limitaciones que señalan Selltiz y sus colegas (1980), así como en la afirmación de que una hipótesis que nace de los hallazgos de investigaciones anteriores vence la primera de esas limitaciones.
¿Qué características debe tener una hipótesis?
- La hipótesis debe referirse a una situación «real» (a la realidad). Como argumenta Rojas (2001), las hipótesis solo pueden someterse a prueba en un universo y un contexto bien definidos.
- Las variables o términos de la hipótesis deben ser comprensibles, precisos y lo más concretos posible. Términos vagos o confusos no tienen cabida en una hipótesis. Así, globalización de la economía y sinergia organizacional son conceptos imprecisos y generales que deben sustituirse por otros más específicos y concretos.
- La relación entre variables propuesta por una hipótesis debe ser clara y verosímil (lógica). Es indispensable que quede clara la forma en que se relacionan las variables y que esta relación no puede ser ilógica. La hipótesis: «La disminución del consumo del petróleo en Estados Unidos se relaciona con el grado de aprendizaje del álgebra por parte de niños que asisten a escuelas públicas en Buenos Aires», sería inverosímil. No es posible considerarla.
¿Qué tipos de hipótesis se pueden establecer?
Existen diversas formas de clasificar las hipótesis, aunque en este apartado nos concentraremos en los siguientes tipos: 1) hipótesis de investigación, 2) hipótesis nulas, 3) hipótesis alternativas y 4) hipótesis estadísticas.
¿Qué son las hipótesis de investigación?
Las que a lo largo de este capítulo hemos definido como hipótesis son en realidad las hipótesis de investigación. Estas se definen como proposiciones tentativas acerca de las posibles relaciones entre dos o más variables, y deben cumplir con los cinco requisitos mencionados. Se les suele simbolizar como Hi o H1, H2, H3, etc. (cuando son varias), y también se les denomina hipótesis de trabajo.
A su vez, las hipótesis de investigación pueden ser: a) descriptivas de un valor o dato pronosticado, b) correlacionales, c) de diferencia de grupos y d) causales.
Hipótesis descriptivas de un dato o valor que se pronostica
Estas hipótesis se utilizan a veces en estudios descriptivos, para intentar predecir un dato o valor en una o más variables que se van a medir u observar. Pero cabe comentar que no en todas las investigaciones descriptivas se formulan hipótesis de esta clase o que sean afirmaciones más generales («la ansiedad en los jóvenes alcohólicos será elevada»; «durante este año, los presupuestos de publicidad se incrementarán entre 50% y 70%»; «la motivación extrínseca de los obreros de las plantas de las zonas industriales de Valencia, Venezuela, disminuirá»; «el número de tratamientos psicoterapéuticos aumentará en las urbes sudamericanas con más de tres millones de habitantes»).
Ejemplos
- H1: El aumento del número de divorcios de parejas cuyas edades oscilan entre 18 y 25 años, será de 20% el próximo año. (En un contexto específico como una ciudad o un país.)
- H1: La inflación del próximo semestre no será superior a 0.2%.
Hipótesis correlacionales
Especifican las relaciones entre dos o más variables y corresponden a los estudios correlacionales («el tabaquismo está relacionado con la presencia de padecimientos pulmonares»; «la motivación del éxito se encuentra vinculada con la satisfacción laboral y la moral en el trabajo»; «la atracción física, las demostraciones de afecto, la similitud en valores y la satisfacción en el noviazgo están asociadas entre sí»).
Sin embargo, las hipótesis correlacionales no solo pueden establecer que dos o más variables se encuentran vinculadas, sino también cómo están asociadas. Alcanzan el nivel predictivo y parcialmente explicativo. En los siguientes ejemplos, no solo se establece que hay relación entre las variables, sino también cómo es la relación (qué dirección sigue).
Desde luego es diferente formular hipótesis en las que dos o más variables están vinculadas, que conjeturar cómo son estas relaciones.
En el capítulo «Análisis de los datos cuantitativos», de la segunda parte del libro dedicado al proceso cuantitativo, se explica más a fondo el tema de la correlación y los tipos de correlación entre variables. Por el momento, diremos que cuando se correlacionan dos variables, se le conoce como correlación bivariada; y cuando se correlacionan varias, se le llama correlación múltiple.
Ejemplos
- A mayor exposición por parte de los adolescentes a videos musicales con alto contenido sexual, mayor manifestación de estrategias en las relaciones interpersonales para establecer contacto sexual. (Aquí la hipótesis nos indica que cuando una variable aumenta la otra también; y viceversa, cuando una variable disminuye, la otra desciende.)
- A mayor autoestima, habrá menor temor al éxito. (Aquí la hipótesis nos señala que, cuando una variable aumenta, la otra disminuye; y si esta disminuye, aquella aumenta.)
- Las telenovelas latinoamericanas muestran cada vez un mayor contenido sexual en sus escenas. (En esta hipótesis se correlacionan las dos variables siguientes: época o tiempo en que se producen las telenovelas y contenido sexual.)
- A mayor cultura fiscal, habrá mayor recaudación de impuestos. (Aumenta la cultura fiscal y se incrementa la recaudación tributaria.)
Ejemplos
- H1: A mayor atracción física, menor confianza.
- H2: A mayor atracción física, mayor proximidad física.
- H3: A mayor atracción física, mayor equidad.
- H4: A mayor confianza, mayor proximidad física.
- H5: A mayor confianza, mayor equidad.
- H6: A mayor proximidad física, mayor equidad.
Estas hipótesis deben contextualizarse en su realidad (con qué parejas) y someterse a prueba empírica.
Hipótesis de la diferencia entre grupos
Estas hipótesis se formulan en investigaciones cuya finalidad es comparar grupos. Por ejemplo, supongamos que un publicista piensa que un comercial televisivo en blanco y negro, cuyo objetivo es persuadir a los adolescentes que comienzan a fumar para que dejen de hacerlo, tiene una eficacia diferente que uno en colores. Su pregunta de investigación sería: ¿Tendrá igual efecto un comercial televisivo en blanco y negro que uno en colores, cuyo mensaje es persuadir a los adolescentes que comienzan a fumar para que dejen de hacerlo? Y su hipótesis quedaría formulada así:
Ejemplo
- H1: El efecto persuasivo para dejar de fumar no será igual en los adolescentes que vean la versión del comercial televisivo en colores, que el efecto en los adolescentes que vean la versión del comercial en blanco y negro.
- H1: Los adolescentes le atribuyen más importancia al atractivo físico en sus relaciones de pareja, que las adolescentes en las suyas.
- H1: El tiempo que tardan las personas contagiadas por transfusión sanguínea en desarrollar el SIDA, es menor que las que adquieren el VIH por transmisión sexual.
Hipótesis que establecen relaciones de causalidad
Este tipo de hipótesis no solamente afirma la o las relaciones entre dos o más variables y la manera en que se manifiestan, sino que además propone un «sentido de entendimiento» de las relaciones. Tal sentido puede ser más o menos completo, esto depende del número de variables que se incluyan, pero todas estas hipótesis establecen relaciones de causa-efecto.
Ejemplos
- H1: La desintegración del matrimonio provoca baja autoestima en los hijos e hijas. (En el ejemplo, además de establecerse una relación entre las variables, se propone la causalidad de esa relación.)
- H1: La falta de preparación de asesores contables genera una menor cultura fiscal.
- H1: Un clima organizacional negativo crea bajos niveles de innovación en los empleados.
¿Qué son las hipótesis nulas?
Las hipótesis nulas son, en cierto modo, el reverso de las hipótesis de investigación. También constituyen proposiciones acerca de la relación entre variables, solo que sirven para refutar o negar.
Ejemplo
- H0: El aumento del número de divorcios de parejas cuyas edades oscilan entre los 18 y 25 años no será de 20% el próximo año.
- H0: No hay relación entre la autoestima y el temor al éxito. (Hipótesis nula respecto de una correlación.)
- H0: Las escenas de la telenovela Sentimientos no presentarán mayor contenido sexual que las de la telenovela Las damas del primer Piso, ni estas tendrán mayor contenido sexual que las escenas de Mi último amor. Esta hipótesis niega la diferencia entre grupos y también podría formularse así: No existen diferencias en el contenido sexual entre las escenas de las telenovelas Sentimientos, Las damas del primer Piso y Mi último amor. O bien, el contenido sexual de Sentimientos, Las damas del primer Piso y Mi último amor es el mismo.
- H0: La percepción de la similitud en religión, valores y creencias no provoca mayor atracción. (Hipótesis que niega la relación causal.)
¿Qué son las hipótesis alternativas?
Como su nombre lo indica, son posibilidades alternas ante las hipótesis de investigación y nula: ofrecen otra descripción o explicación distintas de las que proporcionan estos tipos de hipótesis. Si la hipótesis de investigación establece: «esta silla es roja», la nula afirmara: «esta silla no es roja», y podrían formularse una o más hipótesis alternativas: «esta silla es azul», «esta silla es verde», «esta silla es amarilla», etc. Cada una constituye una descripción distinta de las que proporcionan las hipótesis de investigación y nula.
Ejemplos
- H1: El candidato A obtendrá en la elección para la presidencia del consejo escolar entre 50 y 60% de la votación total.
- H0: El candidato A no obtendrá en la elección para la presidencia del consejo escolar entre 50 y 60% de la votación total.
- Ha: El candidato A obtendrá en la elección para la presidencia del consejo escolar más de 60% de la votación total.
- Ha: El candidato A obtendrá en la elección para la presidencia del consejo escolar menos de 50% de la votación total.
¿Qué son las hipótesis estadísticas?
Las hipótesis estadísticas son exclusivas del enfoque cuantitativo (o si se tiene un componente considerable de este) y representan la transformación de las hipótesis de investigación, nulas y alternativas en símbolos estadísticos. Se pueden formular solo cuando los datos del estudio (que se van a recolectar y analizar para probar o rechazar las hipótesis) son cuantitativos (números, porcentajes, promedios). Es decir, el investigador traduce su hipótesis de investigación y su hipótesis nula (y cuando se formulan hipótesis alternativas, también estas) en términos estadísticos. Básicamente hay tres tipos de hipótesis estadísticas, que corresponden a clasificaciones de las hipótesis de investigación y nula: 1) de estimación, 2) de correlación y 3) de diferencias de medias. A continuación, mencionaremos y daremos ejemplos de cada una de ellas.
Hipótesis estadísticas de estimación
Corresponden a las que, al hablar de hipótesis de investigación, se les denomina hipótesis descriptivas de un dato que se pronostica. Sirven para evaluar la suposición de un investigador respecto del valor de alguna característica en una muestra de individuos, otros seres vivos, sucesos u objetos, y en una población.
Hipótesis estadísticas de correlación
Estas hipótesis tienen por objetivo traducir en términos estadísticos una correlación entre dos o más variables. El símbolo de una correlación entre dos variables es “r” (minúscula) y entre más de dos variables, “R” (mayúscula). La siguiente hipótesis: a mayor cohesión en un grupo, mayor eficacia en el logro de sus metas primarias, se traduciría tal como se muestra en el esquema.
Hipótesis estadísticas de la diferencia de medias u otros valores
En estas hipótesis se compara una estadística entre dos o más grupos. Supongamos que un investigador plantea la siguiente pregunta de estudio: ¿Difieren los periódicos Telex y Noticias en cuanto al promedio de editoriales mensuales que dedicaron, durante el último año, al tema del terrorismo internacional? Su hipótesis de investigación podría ser: «existe una diferencia entre el promedio de editoriales mensuales que dedicó, durante el último año, al tema del terrorismo internacional el diario Telex, y el que dedicó el diario Noticias«.
¿En una investigación se formulan hipótesis de investigación, nula, alternativa y estadística?
Al respecto no hay reglas universales, ni siquiera consenso entre los investigadores. Se puede leer en un artículo de alguna revista científica un reporte de investigación donde solo se establezca la hipótesis de investigación; y, en otra, leer un artículo donde únicamente se plantea la hipótesis nula. Un artículo en una tercera revista, en el cual se puedan encontrar solamente las hipótesis estadísticas de investigación y nula, o nada más una de ellas. En una cuarta publicación, otro artículo que contenga la hipótesis de investigación y las alternativas traducidas en términos estadísticos.
¿Cuántas hipótesis se deben formular en una investigación?
Cada investigación es diferente. Algunas contienen gran variedad de hipótesis porque el problema de investigación es complejo (por ejemplo, pretenden relacionar 15 o más variables), mientras que otras contienen una o dos hipótesis. Todo depende del estudio que habrá de llevarse a cabo. La calidad de una investigación no necesariamente está relacionada con el número de hipótesis que contenga. En este sentido, se debe tener el número de hipótesis necesarias para guiar el estudio, y ni una más ni una menos. Desde luego, la investigación es compleja y no resulta extraño leer estudios con múltiples hipótesis; pero de ningún modo es un requisito.
¿En una investigación se pueden formular hipótesis descriptivas de un dato que se pronostica en una variable; también hipótesis correlacionales, de la diferencia de grupos y causales?
La respuesta es sí. En una misma investigación es posible establecer todos los tipos de hipótesis, porque el problema de investigación así lo requiere. Supongamos que alguien ha planteado un estudio en una ciudad latinoamericana y sus preguntas de investigación e hipótesis podrían ser como las preguntas de la tabla 6.2.
¿Qué es la prueba de hipótesis?
Como se ha venido mencionando a lo largo de este capítulo, las hipótesis del proceso cuantitativo se someten a prueba o escrutinio empírico para determinar si son apoyadas o refutadas, de acuerdo con lo que el investigador observa. De hecho, para esto se formulan en la tradición deductiva.
¿Cuál es la utilidad de las hipótesis?
Es posible que alguien piense que con lo expuesto en este capítulo queda claro qué valor tienen las hipótesis para la investigación. Sin embargo, creemos que es necesario ahondar un poco más en este punto, mencionando las principales funciones de las hipótesis.
¿Qué ocurre cuando no se aporta evidencia en favor de las hipótesis de investigación?
No siempre los datos apoyan las hipótesis. Pero el hecho de que los datos no aporten evidencia en favor de las hipótesis planteadas de ningún modo significa que la investigación carezca de utilidad.
¿Deben definirse las variables de una hipótesis como parte de su formulación?
Al formular una hipótesis, es indispensable definir los términos o variables incluidos en ella. Esto es necesario por varios motivos:
- Asegurarnos de que las variables pueden ser medidas, observadas, evaluadas o inferidas, es decir, que de ellas se pueden obtener datos de la realidad.
- Confrontar nuestra investigación con otras similares. Si tenemos definidas nuestras variables, podemos comparar nuestras definiciones con las de otros estudios para saber «si hablamos de lo mismo». Si la comparación es positiva, confrontaremos los resultados de nuestra investigación con los resultados de las otras.
- Evaluar más adecuadamente los resultados de nuestra investigación, porque las variables, y no solo las hipótesis, se contextualizan.
Definición conceptual o constitutiva
Una definición conceptual trata a la variable con otros términos. Así, inhibición proactiva se podría definir como: «la dificultad de evocación que aumenta con el tiempo»; y poder como: «influir más en los demás que lo que estos influyen en uno».
Definiciones operacionales
Una definición operacional constituye el conjunto de procedimientos que describe las actividades que un observador debe realizar para recibir las impresiones sensoriales, las cuales indican la existencia de un concepto teórico en mayor o menor grado (Reynolds, 1986, p. 52).
¿Qué es un diseño de investigación?
Una vez que se precisó el planteamiento del problema, se definió el alcance inicial de la investigación y se formularon las hipótesis (o no se establecieron debido a la naturaleza del estudio), el investigador debe visualizar la manera práctica y concreta de responder a las preguntas de investigación, además de cubrir los objetivos fijados. Esto implica seleccionar o desarrollar uno o más diseños de investigación y aplicarlos al contexto particular de su estudio. El término diseño se refiere al plan o estrategia concebida para obtener la información que se desea.
¿Cómo debemos aplicar el diseño elegido o desarrollado?
Dentro del enfoque cuantitativo, la calidad de una investigación se encuentra relacionada con el grado en que apliquemos el diseño tal como fue preconcebido (particularmente en el caso de los experimentos). Desde luego, en cualquier tipo de investigación el diseño se debe ajustar ante posibles contingencias o cambios en la situación (por ejemplo, un experimento en el cual no funciona el estímulo experimental, este tendría que modificarse o adecuarse).
¿Qué es un experimento?
El término experimento tiene al menos dos acepciones, una general y otra particular. La general se refiere a «elegir o realizar una acción» y después observar las consecuencias (Babbie, 2001). Este uso del término es bastante coloquial; así, hablamos de «experimentar» cuando mezclamos sustancias químicas y vemos la reacción provocada, o cuando nos cambiamos de peinado y observamos el efecto que suscita en nuestras amistades dicha transformación. La esencia de esta concepción de experimento es que requiere la manipulación intencional de una acción para analizar sus posibles resultados.
¿Cuál es el primer requisito de un experimento?
El primer requisito es la manipulación intencional de una o más variables independientes. La variable independiente es la que se considera como supuesta causa en una relación entre variables, es la condición antecedente, y al efecto provocado por dicha causa se le denomina variable dependiente (consecuente).
¿Cómo se define la manera de manipular las variables independientes?
Al manipular una variable independiente es necesario especificar qué se va a entender por esa variable en el experimento (definición operacional experimental). Es decir, trasladar el concepto teórico a un estímulo experimental (una serie de operaciones y actividades concretas a realizar). Por ejemplo, si la variable independiente a manipular es la exposición a la violencia televisada (en adultos), el investigador debe pensar cómo va a transformar ese concepto en una serie de operaciones experimentales.
¿Cuál es el segundo requisito de un experimento?
El segundo requisito consiste en medir el efecto que la variable independiente tiene en la variable dependiente. Esto es igualmente importante y como en la variable dependiente se observa el efecto, la medición debe ser válida y confiable. Si no podemos asegurar que se midió de manera adecuada, los resultados no servirán y el experimento será una pérdida de tiempo.
¿Cuántas variables independientes y dependientes deben incluirse en un experimento?
No hay reglas para ello; depende de cómo se haya planteado el problema de investigación y de las limitaciones que existan.
¿Cuál es el tercer requisito de un experimento?
El tercer requisito que todo experimento debe cumplir es el control o la validez interna de la situación experimental. El término «control» tiene diversas connotaciones dentro de la experimentación.
Fuentes de invalidación interna
Se trata de explicaciones rivales frente a la explicación de que las variables independientes afectan a las dependientes.
Ejemplos
- Historia
- Maduración
- Inestabilidad
- Administración de pruebas
- Instrumentación
- Regresión estadística
- Selección
- Mortalidad experimental
- Difusión de tratamientos experimentales
- Actuaciones anormales del grupo de control
¿Cómo se logran el control y la validez interna?
El control en un experimento logra la validez interna, y el control se alcanza mediante: 1) varios grupos de comparación (dos como mínimo) y 2) equivalencia de los grupos en todo, excepto en la manipulación de la o las variables independientes.
¿Cómo se logra la equivalencia inicial?: asignación al azar
Existe un método muy difundido para alcanzar esta equivalencia: la asignación aleatoria o al azar de los participantes a los grupos del experimento (en inglés, randomization). La asignación al azar nos asegura probabilísticamente que dos o más grupos son equivalentes entre sí.
Simbología de los diseños experimentales
- R: Asignación al azar o aleatoria. Cuando aparece quiere decir que los sujetos han sido asignados a un grupo de manera aleatoria (proviene del inglés randomization).
- G: Grupo de sujetos (G1, grupo 1; G2, grupo 2; etcétera).
- X: Tratamiento, estímulo o condición experimental (presencia de algún nivel o modalidad de la variable independiente).
- O: Una medición de los sujetos de un grupo (prueba, cuestionario, observación, etc.). Si aparece antes del estímulo o tratamiento, se trata de una preprueba (previa al tratamiento). Si aparece después del estímulo se trata de una posprueba (posterior al tratamiento).
- —: Ausencia de estímulo (nivel «cero» en la variable independiente). Indica que se trata de un grupo de control o testigo.
¿Cuáles pueden ser los contextos de los experimentos?
En la literatura sobre la investigación del comportamiento se distinguen dos contextos en los que llega a tomar lugar un diseño experimental: laboratorio y campo. Así, se habla de experimentos de laboratorio y experimentos de campo. Kerlinger y Lee (2002) definen al experimento de laboratorio como: Un estudio de investigación en el que la varianza [efecto] de todas, o de casi todas, las posibles variables independientes que tienen influencia, sin pertenecer al problema de investigación inmediato, se mantienen reducidas [reducido el efecto] al mínimo.
¿Qué alcance tienen los experimentos y cuál es el enfoque del que se derivan?
Debido a que analizan las relaciones entre una o más variables independientes y una o más dependientes, así como los efectos causales de las primeras sobre las segundas, son estudios explicativos (que obviamente determinan correlaciones).
¿Qué otros experimentos existen?: Cuasiexperimentos
Los diseños cuasiexperimentales también manipulan deliberadamente, al menos, una variable independiente para observar su efecto y relación con una o más variables dependientes, solo que difieren de los experimentos «puros» en el grado de seguridad o confiabilidad que pueda tenerse sobre la equivalencia inicial de los grupos.
¿En una investigación siempre tenemos una muestra?
No siempre, pero en la mayoría de las situaciones sí realizamos el estudio en una muestra. Solo cuando queremos realizar un censo debemos incluir en el estudio a todos los sujetos o casos (personas, animales, plantas, objetos) del universo o la población. Por ejemplo, los estudios motivacionales en empresas suelen abarcar a todos sus empleados para evitar que los excluidos piensen que su opinión no se toma en cuenta. Las muestras se utilizan por economía de tiempo y recursos.
¿Qué es la validez externa?
Un experimento debe buscar, ante todo, validez interna, es decir, confianza en los resultados. Si no se logra, no hay experimento «puro». Lo primero es eliminar las fuentes que atentan contra dicha validez.
Fuentes de invalidación externa
Efecto reactivo o de interacción de las pruebas
Se presenta cuando la preprueba aumenta o disminuye la sensibilidad o la calidad de la reacción de los participantes a la variable experimental, lo cual contribuye a que los resultados obtenidos para una población con preprueba no puedan generalizarse a quienes forman parte de esa población pero sin preprueba (Campbell y Stanley, 1966).
Efecto de interacción entre los errores de selección y el tratamiento experimental
Este factor se refiere a que se elijan personas con una o varias características que hagan que el tratamiento experimental produzca un efecto, que no se daría si las personas no tuvieran esas características.
Efectos reactivos de los tratamientos experimentales
La «artificialidad» de las condiciones puede hacer que el contexto experimental resulte atípico, respecto a la manera en que se aplica regularmente el tratamiento (Campbell, 1975).
Racimos
Son sinónimos de clusters o conglomerados.
Muestra probabilística por racimos
Subgrupo en el que las unidades de análisis se encuentran encapsuladas en determinados lugares físicos.
¿Cómo se lleva a cabo el procedimiento de selección de la muestra?
Cuando iniciamos nuestra exposición sobre la muestra probabilística, señalamos que los tipos de muestra dependen de dos cosas: del tamaño de la muestra y del procedimiento de selección.
De lo primero hemos hablado con todo detalle, de lo segundo trataremos ahora.
Se determina el tamaño de la muestra n, pero ¿cómo seleccionar los elementos muestrales? Se precisa el número de racimos necesario y ¿cómo se seleccionan los sujetos dentro de cada racimo? Hasta el momento solo hemos dicho que los elementos se eligen de manera aleatoria, pero ¿cómo se hace esto?
Las unidades de análisis o los elementos muestrales se eligen siempre aleatoriamente para asegurarnos de que cada elemento tenga la misma probabilidad de ser elegido. Se utilizan tres procedimientos de selección.
Marco muestral
Es un marco de referencia que nos permite identificar físicamente los elementos de la población, así como la posibilidad de enumerarlos y seleccionar los elementos muestrales.
¿Cómo y cuáles son las muestras no probabilísticas?
Las muestras no probabilísticas, también llamadas muestras dirigidas, suponen un procedimiento de selección informal. Se utilizan en muchas investigaciones cuantitativas y cualitativas. No las revisaremos ahora, sino en el capítulo sobre muestras cualitativas. Por el momento comentaremos su esencia y utilidad desde una perspectiva cuantitativa y ejemplificaremos la diferencia con las muestras probabilísticas.
Unidades de análisis
Se le denominan también casos o elementos.
Muestra
Subgrupo de la población del cual se recolectan los datos y debe ser representativo de dicha población.
¿Cómo se delimita una población?
Una vez que se ha definido cuál será la unidad de análisis, se procede a delimitar la población que va a ser estudiada y sobre la cual se pretende generalizar los resultados. Así, una población es el conjunto de todos los casos que concuerdan con una serie de especificaciones (Selltiz et al., 1980).
¿Cómo seleccionar la muestra?
La muestra es, en esencia, un subgrupo de la población. Digamos que es un subconjunto de elementos que pertenecen a ese conjunto definido en sus características al que llamamos población.
Tipos de muestra
Muestra probabilística
Subgrupo de la población en el que todos los elementos de esta tienen la misma posibilidad de ser elegidos.
Muestra no probabilística o dirigida
Subgrupo de la población en la que la elección de los elementos no depende de la probabilidad sino de las características de un investigador.
¿Cómo se selecciona una muestra probabilística?
Resumiremos diciendo que la elección entre la muestra probabilística y la no probabilística se determina con base en el planteamiento del problema, las hipótesis, el diseño de investigación y el alcance de sus contribuciones.
Muestra probabilística estratificada
Subgrupo en el que la población se divide en segmentos y se selecciona una muestra para cada segmento.