Diseo de investigacin Diseo de investigacin Plan o

Diseño de investigación

Diseño de investigación • Plan o estrategia para recolectar y analizar información con el fin de llegar a conclusiones basadas en evidencia sólida y no en un razonamiento defectuoso o en meras opiniones

Diseño de investigación • • Qué se va a hacer Cómo se piensa hacerlo Por qué se da cada paso así y no de otra forma

Diseño de investigación Elementos básicos • Pregunta de investigación • Teorías o hipótesis que van a ser sometidas a prueba • Unidad de análisis apropiada • Variables • Operacionalización y medición • Observación • Procedimientos analíticos

Diseño de investigación Tipos básicos • Exploratorio: más flexibilidad que precisión • Descriptivo: – Medición precisa de fenómenos – Diseño debe evitar el sesgo en la observación

Diseño de investigación Tipos básicos • Explicativo – Observación confiable, no sesgada – Diseño debe servir de base para inferir la influencia causal de una(s) variable(s) sobre otra(s) – Posibilidad de evaluar la hipótesis central vs. hipótesis alternativas

Diseño de investigación Limitaciones • • Éticas Presupuestales De tiempo De falta de datos

Diseño causal • Permite inferir relaciones causales entre las variables • Define el dominio de generalizabilidad • Un mal diseño puede llevar a conclusiones insignificantes o erróneas, aun si las ideas o las hipótesis son brillantes

Diseños causales • Buscan: – Establecer una relación entre dos o más variables – Demostrar que los resultados son generalmente ciertos en el mundo real – Revelar si un fenómeno precede a otro en el tiempo – Eliminar tantas explicaciones alternativas como sea posible

Diseños causales • Requisitos: – Covariación – Proceso lógico – Precedencia en el tiempo – Eliminar la posibilidad de relación espuria

Relaciones causales y espurias Relación causal Y X Relación espuria Z X Y

Ejemplo: publicidad negativa • Hipótesis: La publicidad negativa cansa y frustra a los posibles votantes y los hace pensar que ningún candidato merece su voto • Diseño: – Encuesta postelectoral con una muestra de ciudadanos – Pregunta: ¿Ha visto publicidad negativa? (X) – Pregunta: ¿Votó en la última elección? (Y)

Ejemplo: publicidad negativa • Resultados: Y ¿Votó? Sí No X Expuesto No expuesto 100%

¿Diseño causal? • • • Requisitos Covariación Proceso lógico Precedencia en el tiempo Eliminar la posibilidad de relación espuria

Relaciones causales y espurias Relación causal X (Exposición a publicidad negativa) Y (Decisión de votar) Relación espuria Z (Educación) X (Exposición a publicidad negativa) + Y (Decisión de votar)

Diseño experimental • Controlar la exposición a una variable experimental (VI) • Asignar los sujetos a diferentes grupos • Observar y medir la respuesta o comportamiento (VD)

Diseño experimental • Dos grupos: – Grupo experimental (expuesto al estímulo) – Grupo de control (no expuesto al estímulo)

Diseño experimental • Asignación aleatoria de individuos a los grupos – Pertenencia al azar, no por autoselección – Los grupos son prácticamente idénticos en todos los aspectos – Esto es lo que hace tan poderosos los experimentos

Diseño experimental • Control de la administración del estímulo (dónde, cuándo, bajo qué circunstancias) • Medición de la VD antes y después del estímulo • Control del entorno – Exclusión de factores o influencias extraños que puedan afectar la VD – Misma hora del día, mismas condiciones, etc.

Ej. Publicidad negativa • División de la muestra en grupos aleatoriamente • Cuestionario sobre características demográficas, creencias y opiniones políticas (incluyendo la VD) • Los grupos deberían ser similares en todas las características. Si hay diferencias, son por azar (error de muestreo), no sistemáticas

Ej. Publicidad negativa • El propósito del estudio se oculta: “Proyecto sobre noticieros” – 15 minutos de noticieros – 30 segundos de publicidad • Negativa (grupo experimental) • Crema dental (grupo de control) – 15 minutos de noticiero • (Parte del) cuestionario de nuevo

Resultados Grupo Pre-test Medición de intención de voto Post-test Medición de intención de voto Experimental 70% 20% De control 68% 66% • Covariación • Proceso lógico • Precedencia temporal

Resultados Grupo Pre-test Medición de intención de voto Post-test Medición de intención de voto Experimental 70% 20% De control 68% 66% • Descarte de posibles explicaciones alternativas y de relaciones espurias – Selección aleatoria – Manipulación del experimento – Los grupos (en promedio) sólo difieren en la exposición al tratamiento La diferencia en la intención de voto es atribuible a la publicidad negativa

Diseño experimental Post. Test Pre-test Grupo experimental (aleatorio) Yexp 1 Grupo de control (aleatorio) Ycont 1 X Efecto experimental = (Yexp 2 - Yexp 1 ) - (Ycont 2 - Ycont 1 ) 0 Yexp 2 Ycont 2

Validez interna • En qué medida el diseño garantiza que la posible relación encontrada es causal, no espuria

Condiciones que afectan la validez interna • Historia: eventos que ocurren entre las mediciones pre- y post-test pueden afectar la VD Pre-test Post-Test Grupo experimental (aleatorio) Yexp 1 Z Grupo de control (aleatorio) Ycont 1 Z Efecto experimental = (Yexp 2 - Yexp 1 ) - (Ycont 2 - Ycont 1 ) X Yexp 2 Ycont 2 (? )

Condiciones que afectan la validez interna • Maduración: cambio de los sujetos en el tiempo – Cansancio – Confusión – Distracción – Aburrimiento

Condiciones que afectan la validez interna • “Efecto de la prueba” (testing): la medición pre- puede afectar la medición post– Las preguntas políticas pueden alertar al individuo sobre el propósito del estudio y, por consiguiente, alterar su respuesta post.

Condiciones que afectan la validez interna • Sesgos de selección • Regresión a la media • Mortalidad experimental (deserción que desequilibre los grupos) • Alteración del instrumento antes y después

Validez interna del diseño experimental • A pesar de todo esto, el diseño experimental es el más sólido en cuanto a su validez interna

Validez externa del diseño experimental En qué medida los resultados son generalizables a: – Poblaciones más amplias – Momentos diferentes – Condiciones diferentes Diseño experimental: • La muestra original no es representativa • Las condiciones son artificiales

Otros tipos de diseño experimental • Diseño post-test simple – Grupos virtualmente idénticos (selección aleatoria, grupos grandes) – Sólo se hace medición post – No hay efecto de prueba

Otros tipos de diseño experimental • Series de tiempo experimentales (cuando no se sabe cuánto tiempo tarda en aparecer el efecto) • Diseño multigrupo (cuando se miden varios niveles de la VI) • Experimentos de campo o cuasiexperimentos

Inferencia causal en diseños no experimentales • Un solo grupo • No hay control sobre la asignación de sujetos • No hay control sobre la aplicación del estímulo (VI) Inferencias causales menos fuertes que en los diseños experimentales

Ejemplos de diseños no experimentales • Encuestas • Grupos focales • Datos agregados – ej. resultados electorales

Ejemplos de diseños no experimentales • Análisis documental o de contenido – ej. asignación de un puntaje en la escala ideológica de magistrados de la Corte Suprema a partir de editoriales de diarios que comentan su nominación • Estudios de caso

Series de tiempo • Varias mediciones de la VD tomadas antes y después de la “introducción” de la VI • Tendencias pre-test • Mediciones post • ¿Cambian las tendencias?

Series de tiempo

Series de tiempo • Funciona mejor cuando la VI ocurre en un momento dado – Ej. : Evaluación de la introducción de una política pública o un programa • Cambios en el instrumento amenazan la validez interna – Ej. : Medición del desempleo

Series de tiempo • Se pueden crear grupos cuasiexperimentales y grupos de cuasi-control – Ej. : Programas de paz y desarrollo (municipios con y municipios sin) • A veces se mide en el tiempo no sólo la VD sino también la VI – Ej. : Hipótesis: “las variaciones en la opinión pública afectan los cambios en las decisiones de las altas cortes”

Series de tiempo

Diseño transversal (cross-section) • Mediciones de las VI y VD tomadas (aprox. ) al mismo tiempo • No hay control sobre – Aplicación del tratamiento – Asignación de sujetos a grupos – Condiciones de aplicación de la VI

Diseño transversal (cross-section) • Técnicas estadísticas para producir grupos cuasi -experimentales y de cuasi-control posttratamiento • Más realista = mayor validez externa • Ej. : Hipótesis: “Quienes tienen mayores niveles de educación formal reciben mayores ingresos” – No es susceptible de diseño experimental – El control se logra midiendo factores alternativos y controlándolos estadísticamente

Relaciones causales y espurias Relación causal X (Exposición a publicidad negativa) Y (Decisión de votar) Relación espuria Z (Educación) X (Exposición a publicidad negativa) + Y (Decisión de votar)

Diseño transversal Ej. Publicidad negativa • Encuesta a muestra representativa • Preguntas – Exposición a publicidad – Decisión de voto – Nivel educativo • Se descarta la relación espuria entre exposición y abstención (vía educación) controlando este factor mediante técnica estadística (regresión)

Diseño transversal Problemas • No hay garantía de precedencia temporal – Especialmente cuando las variables son actitudes o creencias • Es difícil incluir medidas de todas las explicaciones alternativas posibles – Puede haber “sesgo de variable omitida” – Las diferencias entre los “grupos” pueden ser sistemáticas, no al azar

Diseño de panel • Diseño transversal + dimensión temporal • Hay un pre-test • Ej. : Estudio del impacto de las campañas en el comportamiento electoral (Brasil) • Problema: “mortalidad”

Estudio de caso • Examen a uno o unos pocos casos • Más detalle y profundidad • Combinación de varios métodos de recolección de datos – Entrevistas – Documentos – Observación • Considerado por algunos como un diseño inferior para hacer inferencias causales

Estudio de caso • Exploratorio – Cuando se conoce poco el fenómeno – Sugerir explicaciones generales posibles hipótesis que pueden ser probadas más sistemáticamente observando más casos

Estudio de caso • Descriptivo – Averiguar y describir qué sucedió en una o unas cuantas situaciones – No se buscan explicaciones generales • Explicativo – Probar hipótesis deducidas de teorías existentes

Estudio de caso Ventajas en prueba de hipótesis • Determinar si una correlación hallada en un análisis transversal es causal o no • Analizar el proceso que conecta la VI con la VD • Es central la selección de casos

Estudio de caso Ventajas en prueba de hipótesis • Caso único – Caso típico – Caso excepcional – Prueba de fuego • Más de un caso – Mayor poder explicativo – No son una “muestra” – Seleccionados por la presencia o ausencia de factores que según la teoría son importantes (ej. Moore, Skocpol)

Estudio de caso Problemas • Falta de rigor en la presentación de las evidencias – Sesgo en el uso de la evidencia – El investigador es el instrumento (observación e interpretación) – No es replicable • No es posible generalizar • Pueden ser dispendiosos y conducir a informes muy largos

Otras estrategias de investigación • Modelos formales (ej. Modelo espacial) • Simulaciones (ej. veto players)

Diseños causales Requisitos • Covariación • Proceso lógico • Precedencia en el tiempo • Eliminar la posibilidad de relación espuria CONTROL