Embed Size (px)
Citation preview
Métodos, técnicas y
herramientas de la
investigación cuantitativa
Oscar Federico Nave Herrera
Coordinador del Programa de Asesoría Estadística para Investigación
Contenido
• La sección de Materiales y métodos
• Diseño de la investigación y sus partes
• Alcances de la investigación cuantitativa
• El plan de muestreo
• El plan de recolección de datos
• El plan de tabulación y elaboración de la base de datos
• El plan de análisis
• Tipos de análisis estadístico
¿Qué es la sección de Materiales y métodos?
“If you consider a research study as a delicate dish of knowledge, a paper’s methods section would be like a recipe that lists all the necessary ingredients of the study and how they need to be combined during cooking. Ideally, it allows the dish to be prepared again with the same result.”
Kotz and Cals (2013)
Materiales y métodos
Es la parte del manuscrito que describe con detalle cómo se llevó a cabo el estudio. Características: • Vincula la Introducción con los Resultados • Presenta el enfoque para responder a la pregunta
de investigación • Define la estructura de la presentación de
resultados
* Aquí se incluye la aprobación ética si es necesaria.
Diseño de la investigación
El diseño de una investigación es el conjunto de actividades coordinadas e interrelacionadas que deberán realizarse para responder la pregunta de la investigación.
Diseño de la investigación
• Indicar si se aplicó un diseño en particular.
• Si no se adapta a un tipo de diseño específico, describir los componentes del diseño, cómo seleccionaron y controlaron las variables independientes, existencia de covariables, etc.
• Mencionar la ubicación temporal y espacial del estudio.
• No asumir que los lectores entienden lo que se hizo solo con el nombre de una técnica.
Partes de un diseño
1. Plan de muestreo
2. Plan de recolección de datos
3. (Plan de tabulación)
4. Plan de análisis
* Diseño operativo: métodos y técnicas mediante las cuales los planes especificados anteriormente se van a llevar a cabo.
Investigación cuantitativa
La recolección de los datos se fundamenta en los procesos de medición, en los cuales las respuestas pueden reducirse a “valores”, siendo susceptibles de emplear en ellos operaciones matemáticas y por ende, la aplicación de métodos estadísticos de análisis.
Alcances de la investigación cuantitativa
• Exploratoria
• Descriptiva
• Correlacional (asociativa)
• Explicativa
• Predictiva
• Aplicativa
Investigación exploratoria
Problema poco investigado o con poca información de base.
Sirve para determinar tendencias, identificar relaciones y comportamiento de las variables, llevan a desarrollar nuevas preguntas de investigación.
¿Qué? ¿En quiénes? ¿Dónde?
Investigación descriptiva
Busca determinar el estado en que se encuentra una variable.
Puede generalizarse de la muestra a la población con base en estimadores.
Pueden hacerse cierto tipo de asociaciones y comparaciones.
¿Cuánto hay?
Investigación correlacional (asociativa)
Establece relaciones o asociaciones entre dos o más variables.
Estos estudios son parcialmente explicativos ya que se deducen de ellos una serie de posibles razones de las relaciones encontradas.
Se basa en la medición de índices que miden el grado de relación entre las variables.
¿Existe asociación o relación?
Investigación explicativa
Pretende buscar las causas de los hallazgos (estudios comparativos) o establecer los efectos por los cambios deliberados en las variables independientes (estudios experimentales y cuasiexperimentales).
Está orientada a la comprobación de hipótesis.
¿Cómo cambia, hay efecto, hay diferencia?
Investigación predictiva
Se aplica para estimar la probabilidad de ocurrencia de los eventos o variables.
Pretende formular modelos explicativos y predictivos derivados de la relación causa-efecto entre dos o más variables.
¿Cómo se comportan las variables? ¿Qué resultado obtendré?
Investigación aplicativa
Busca la generación de conocimiento para resolver problemas, generalmente implican algún grado de intervención (procesos, resultados, impacto).
Plan de muestreo
Lo constituyen los elementos a considerar para extraer una muestra de una población.
Se debe definir el número de elementos a tomar y la forma en la cual se obtendrán las unidades muestrales.
Muestra y diseño de muestreo
• Definir la población y sujetos de estudio.
• Los aspectos relacionados con el cálculo del número de muestra deben ser claros.
• El diseño de muestreo debe explicarse con detalle, específicamente sobre los elementos necesarios para interpretar los resultados.
• Indicar criterios de inclusión y exclusión.
Cálculo del número de muestra
Incluir los datos inherentes al cálculo de la muestra: • Tamaño de la población • Variable principal o de diseño • Variabilidad estimada • Nivel de confianza, nivel de significancia y/o poder • Margen de error, precisión, diferencia o tamaño del
efecto esperados • Otros: Proporción, odds ratio, riesgo relativo o
coeficiente de correlación esperados
* No es necesario incluir fórmulas.
Aspectos adicionales
• Indicar la ubicación temporal y espacial del estudio, sobre todo si estos son aspectos importantes del diseño.
• En ciertos estudios se requiere la indicación de técnicas específicas de muestreo (transectas, parcelas, muestreo por lotes, muestreo 30x7, etc.).
Plan de recolección de datos
Plan que el investigador propone para la obtención de los datos a fin de dar respuesta a la pregunta de investigación o para probar hipótesis.
Incluye la aplicación de un diseño que represente un arreglo particular de las unidades muestrales o experimentales, así como los métodos, técnicas e instrumentos para la medición.
Métodos y procedimientos
• Ser lo suficientemente claros en las definiciones y operacionalización de las variables.
• Indicar qué se midió y cómo se midió con suficiente detalle para que el estudio pueda ser replicado.
• Citar referencias sobre la precisión de instrumentos y métodos específicos.
Plan de tabulación
Definir las variables y la forma en que se van a medir para preparar la base de datos.
Se debe prever los cuadros que, de acuerdo con los objetivos e hipótesis, permitan la presentación de la información en forma clara y sistemática sobre qué variables se presentarán solas, cuáles se cruzarán, etc.
Elaborar una base de datos para el análisis.
Crítica, corrección y codificación
Una vez recolectada la información se procede a fase de crítica, corrección y codificación de la misma, esto permite clasificar la información como: correcta, incorrecta pero corregible o inservible.
Así también, nos da la pauta para establecer si se puede re-muestrear o repetir algún proceso.
Base de datos
• Se realiza en una hoja electrónica (Excel)
• Columnas: Identificación y variables medidas. Las cuantitativas van con sus respectivos valores y cifras significativas, las nominales escritas con las mismas palabras o codificadas.
• Filas: Sujetos de estudio (muestras, réplicas)
En la primera fila se deben identificar los nombres de cada columna y unidades de medida.
Plan de análisis
Exposición del plan que se deberá seguir para el análisis y presentación de los datos, lo que incluye el tratamiento estadístico.
Está relacionado con el nivel de medición de las variables.
Plan de análisis
• El nivel de análisis debe corresponder con los objetivos, tipo de variables y muestra.
• No deben obviarse elementos indispensables para la correcta interpretación de los resultados (nivel de confiabilidad, nivel de significancia, comprobación de supuestos, etc.).
• El uso de software no es requisito.
Plan de análisis
• Proveer suficiente detalle de las técnicas estadísticas usadas y no asumir que los lectores entienden lo que se hizo solo con el nombre de una técnica.
• Si se tiene una pregunta primaria y otras secundarias, debe presentarse en ese orden el análisis.
Análisis de la información
El análisis de la información se efectúa con los datos obtenidos para obtener resultados.
El tipo de análisis o métodos estadísticos a aplicar depende de las variables, los objetivos e hipótesis de la investigación (alcance).
Se recomienda el uso de paquetes de computación con facilidades estadísticas (Excel) o paquetes especializados (R, SPSS, STATA, etc.).
Enfoque/alcance
Plan de muestreo
Plan de recolec-ción de datos
Plan de tabulación
Plan de análisis
Aprobación ética
Clases de estadística
• Descriptiva (deductiva). Es la fase de descripción, organización, síntesis y análisis de la información de interés, pero sin llegar a conclusiones fuertes o profundas sobre la misma.
No va más allá de lo que la muestra nos dice.
• Estadísticas descriptivas Estadística numérica: Medidas de tendencia
central, medidas de posición, medidas de dispersión.
Análisis de frecuencias. Análisis de series de tiempo. Estadística gráfica. Análisis exploratorio de datos.
Clases de estadística
• Inferencial (inductiva). Esta fase busca obtener conclusiones sólidas y más profundas que una simple descripción de la información, basados en el trabajo con muestras y su posterior generalización.
• Se obtiene información sobre una población de datos mediante el estudio de una muestra de los mismos.
Las muestras deben reflejar el verdadero
comportamiento de las poblaciones.
• Estadísticas inferenciales Estimación de valores poblacionales (parámetros). Prueba de hipótesis. Correlaciones y asociaciones. Regresiones. Técnicas de análisis multivariado. Técnicas de análisis espaciales (SIG)
Tipos de pruebas estadísticas
• Estadística paramétrica Aplicable a variables continuas con distribución
normal y se basa en que la muestra representa adecuadamente a uno o más parámetros poblacionales
• Estadística no paramétrica Para variables que no siguen una distribución
normal, variables ordinales o discretas, frecuencias o proporciones y número de muestras pequeño.
Estimación
Consiste en establecer o estimar el verdadero valor poblacional con base en una muestra, empleando la teoría de probabilidades para establecer un margen de precisión (intervalo de confianza).
Se pueden estimar valores para promedio, desviación estándar (varianza), parámetros de regresión, frecuencias, etc.
Pruebas de hipótesis
1. Hipótesis de investigación 2. Hipótesis estadísticas:
• Hipótesis Nula
• Hipótesis Alternativa
Prueba de significación
Con base en datos se procede a establecer la probabilidad de tener un valor al menos igual a (o “tan extremo”) como el que se ha obtenido con la muestra (valor p) bajo la premisa que la Ho es cierta. Si dicha probabilidad es más grande que un nivel de error tipo I pre-establecido (a), la Ho no se puede rechazar; por el contrario, si la probabilidad es menor o igual a dicho nivel de error, la Ho se rechaza.
Pero…
“Se evitará la dependencia exclusiva de las pruebas estadísticas de verificación de hipótesis, tal como el uso de los valores p, que no aportan ninguna información cuantitativa importante.”
(Comité Internacional de Directores de Revistas Médicas. Octubre, 2001. Requisitos uniformes de los manuscritos enviados a revistas biomédicas).
Entonces…
Un estudio debe diseñarse de forma tal que tenga una alta probabilidad de detectar efectos de la magnitud que el investigador considera importantes, si esos efectos realmente existen. Esa probabilidad es lo que se conoce como “potencia estadística”. Alternativas: • Cálculo del tamaño del efecto (diferencia de medias
estandarizada, correlación biserial puntual, eta2, omega2, etc.)
• Intervalos de confianza
Asociación
Conjunto de procedimientos estadísticos que cuantifican y evalúan la relación entre variables, generalmente de tipo cualitativo, aunque también entre variables cuantitativas y cualitativas.
• Razones de oportunidades (odds ratio) para determinar la magnitud.
• Ji cuadrado para determinar la significancia.
Correlación
Procedimiento estadístico que cuantifica y evalúa si existe alguna relación entre dos variables. Cuando las variables son cuantitativas de tipo continuo, el medio estadístico adecuado para medir la asociación y ser expresada como un índice, se conoce como correlación de Pearson (r).
Regresión
Proceso estadístico-matemático, por medio del cual se calcula una ecuación que mejor se ajuste a los datos, explicando con parámetros estadísticos el comportamiento de dos variables cuantitativas continuas, con el objeto de predecir o estimar valores.
Una variable debe depender de la otra (u otras).
Modelos lineales generalizados
Constituyen una generalización de los modelos lineales clásicos (regresión lineal y regresión múltiple).
Incluye la regresión lineal, los modelos de análisis de varianza, modelos probit y logit para ensayos cuantales, modelos log-lineares (logística y Poisson), modelos de respuesta multinomial y modelos de análisis de sobrevivencia.
Estadística bayesiana
La metodología bayesiana está basada en la interpretación subjetiva de la probabilidad y tiene como punto central el Teorema de Bayes. La probabilidad a priori de una hipótesis, Pr (H), se ve transformada en una probabilidad a posteriori, Pr (H|datos), una vez incorporada la evidencia que aportan los datos. Entonces una vez observados los datos, el teorema "devuelve" una nueva distribución, que no es otra cosa que la percepción probabilística original actualizada por los datos.
Análisis multivariado
Métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos en los que se tienen varias variables medidas para cada individuo u objeto estudiado (cualitativas o cuantitativas).
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.
Geoestadística
Es un conjunto de técnicas para el análisis y predicción de valores distribuidos en el espacio y/o en el tiempo, dichos valores se asumen correlacionados entre sí.
Evalúa interacciones espaciales, es decir que los valores de una variable están relacionados con su distribución en el espacio.
