Modulo Curso Investigación Cuantitativa PDF

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Sociales, Artes y humanidades.

Programa de Psicologa 2014
CURSO INVESTIGACIN CUANTITATIVA
401533
2014
La edicin de material didctico del curso Investigacin Cuantitativa,

diseado por Sandra Melo Zipacn del programa Psicologa estuvo a
cargo de la Escuela de Ciencias Sociales Artes y Humanidades de la
Universidad Nacional Abierta y a Distancia (UNAD).
Derechos reservados:
2014, Universidad Nacional Abierta y a Distancia - UNAD
Vicerrectora de Medios y Mediaciones Pedaggicas, Bogot D.C.
3443700 Calle 14 # 14- 22 sur.
Programa de Psicologa
TABLA DE CONTENIDO
OBJETIVO DIDACTICO DEL MODULO
UNIDAD DIDCTICA 1.
Fundamentacin y diseo de la investigacin cuantitativa.
Presentacin.
Objetivos Especficos de la unidad.
Evaluacin diagnstica.
Captulo 1. Aspectos generales de la investigacin cuantitativa.

Leccin 1. Referentes epistemolgicos de la investigacin cuantitativa.
Leccin 2. Criterios metodolgicos de la investigacin cuantitativa.
Leccin 3. Caractersticas y diferencias de investigacin cuantitativa y cualitativa.
Leccin 4. Diseo y tipos de la investigacin cuantitativa.
Leccin 5. Aspectos ticos de la investigacin psicolgica.
Momento reflexivo: Cules son los aportes de la investigacin cuantitativa a la

psicologa?.
Captulo 2. Medicin de lo psicolgico

Leccin 1: Caractersticas del paradigma positivista.
Leccin 2: Hiptesis.
Leccin 3: Variables, constructos y definicin operacional.
Leccin 4: Medicin de variables y tipos de variables.
Leccin 5: Muestra y tipos de muestreo.
Momento reflexivo: Por qu el problema de la cuantificacin en la investigacin

psicolgica?
Captulo 3. Tcnicas y escalas de actitud.

Leccin 1. La encuesta.
Leccin 2. La entrevista.
Leccin 3. La observacin.
Leccin 4. Anlisis de contenido.
Leccin 5. Escalas de actitudes.
Momento reflexivo: Cul es la importancia de elegir la tcnica adecuada para la

investigacin?
Autoevaluacin de la unidad.
Referencias bibliogrficas.
UNIDAD DIDCTICA 2.
Tratamiento y anlisis de datos en el proceso de investigacin cuantitativa.
Presentacin.
Objetivos especficos de la unidad.
Evaluacin diagnstica.
Captulo 1. Resumen y descripcin de datos

Leccin 1. Procedimiento para el anlisis de datos y tipos de datos.
Leccin 2. Codificacin y matriz de datos
Leccin 3. Mtodos grficos
Leccin 4. Probabilidad
Leccin 5. Significacin estadstica
Momento reflexivo: Cmo proceder al tratamiento de datos?

Captulo 2. Anlisis Estadstico

Leccin 1. Concepto bsico de estadstica.
Leccin 2. Anlisis Univariado
Leccin 3. Anlisis Bivariado
Leccin 4. Anlisis multivariante
Leccin 5. Software para el anlisis estadstico de datos.
Momento reflexivo: Cuales son las dificultades y ventajas que ofrece la estadstica ante
el anlisis de datos?.
Captulo 3. Meta anlisis

Leccin 1. Definicin de meta anlisis
Leccin 2. Etapas del meta anlisis
Leccin 3. Limitaciones metodolgicas del meta anlisis
Leccin 4. Presentacin de los resultados del meta anlisis.
Leccin 5. Utilidad de la aplicacin del meta anlisis.
Momento reflexivo: De qu manera el meta-anlisis permite una mayor generalizacin

de sus resultados respecto de los estudios individuales?
Autoevaluacin de la unidad
OBJETIVO GENERAL DEL MODULO:

Brindar al estudiante elementos conceptuales y didcticos que permitan satisfacer las
necesidades de aprendizaje a travs de la activacin de esquemas organizados y
secuenciales de los temas propuestos y sugeridos con el fin de posibilitar el alcance de
las intencionalidades formativas expuestas en el protocolo acadmico del curso.
En este punto inicial del curso, se invita a que ingresen al siguiente enlace
http://youtu.be/g5OcFz_e6c8 en el cual se presenta un video de saludo y presentacin
de aspectos generales del curso.
UNIDAD DIDCTICA 1.
FUNDAMENTACIN Y DISEO DE LA INVESTIGACIN CUANTITATIVA.
Presentacin:
La investigacin es un proceso riguroso, cuidadoso y sistematizado en el que se busca
resolver problemas, es un proceso organizado y garantiza la produccin de
conocimiento o de alternativas de solucin viables. Esta primera unidad del curso
denominada perspectiva epistemologa se basa en la presentacin de los aspectos
tericos, metodolgicos y ticos de investigacin, especialmente en el rea de las
ciencias sociales con el fin de orientar un proceso de aprendizaje en torno la
coherencia y pertinencia de eleccin de un enfoque de investigacin, el respectivo
diseo metodolgico, el impacto a nivel de la generacin de conocimiento y los
parmetros ticos en torno acercamiento a las personas y las comunidades. Por tanto,
apreciado estudiante y prximo profesional de psicologa es importante tenga en
cuenta que desde el cdigo tico y deontolgico que regula esta profesin en Colombia
se define la psicologa como una ciencia sustentada en la INVESTIGACIN, por tanto
la invitacin es que realice la lectura de cada uno de los temas, analizando los
conceptos, igualmente desarrolle los ejercicios planteados en cada leccin con el fin de
reforzar y contextualizar los temas.
Estas dos actividades son fundamento del aprendizaje, permitir mejores logros en las
actividades evaluativas y de trabajo colaborativo, por ende permitir una mayor de
cualificacin como profesional, y ms an, conducen a un ejercicio tico, esttico y
pragmtico que orientado por el principio de la autonoma y la solidaridad lograran la
consolidacin de procesos de gestin en comunidad y calidad de vida en las personas,
aspectos que en la sociedad actual son el reto a la labor y campo de accin
profesional.
Objetivos especficos de la unidad:
- Brindar referentes conceptuales sobre los aspectos tericos, metodolgicos y ticos

de la investigacin a travs de la presentacin de las caractersticas de conocimiento
cientfico, generalidades del cdigo deontolgico y enfoques y diseos de investigacin.
- Generar a travs de la comprensin de los temas y el desarrollo de los ejercicios

niveles de contextualizacin sobre las situaciones reales del contexto en el cual cada
estudiante interacta.
- Aplicar estrategias pedaggicas, didcticas y evaluativas en cada captulo con el fin

de promover las competencias cognitivas y contextuales basado en las fases de
aprendizaje de reconocimiento, profundizacin y trasferencia.
Evaluacin diagnstica
Apreciado estudiante, este es un momento preliminar para dar inicio a la lectura de la

unidad 1. Este curso requiere de unos conocimientos previos y bsicos sobre
metodologa de la investigacin, tcnicas de investigacin, e igualmente aspectos
sobre presentacin de propuesta de investigacin, y paradigmas y enfoques de
investigacin, por tanto es importante responda las preguntas expuestas.
Preguntas:
1. Conozco la definicin de paradigma de investigacin?.

Si____ Cual :______________________________________________
_________________________________________________________
_________________________________________________________
No____
Es importante conocerla?
Si____ No______
Por qu ____________________________________________________
__________________________________________________________
2. Conozco cules son los tipos de investigacin cuantitativa?

Si_____ Nmbralos:
________________________
________________________
________________________
No_____
Es importante indagar sobre ellos?
Si______ No________
Dnde o con quin puedo Investigar:_____________________________
3. Conozco los parmetros ticos de la profesin de psicologa en Colombia ?
Si_____
De un concepto general:
__________________________________________________________
__________________________________________________________
No_____
Es importante conocerlos como eje temticos del curso Investigacin Cuantitativa:
Si______ No_______
Por qu?____________________________________________________
___________________________________________________________
___________________________________________________________
4. He revisado de forma juiciosa el protocolo acadmico del curso.

Si______
Qu elementos son importantes:
___________________________________________________________
___________________________________________________________
Es importante revisarlo?
Si_______ No_______
Por qu:___________________________________________________
5. Valoro el impacto de la labor de investigacin desde la psicologa.

Si______ No_______
Por qu?____________________________________________________
___________________________________________________________
Captulo 1. Aspectos generales de la investigacin cuantitativa..

Apreciado (a) estudiante es importante tenga en cuenta que el proceso de aprendizaje
se basa en una fases, que desde la UNAD se contemplan como reconocimiento,
profundizacin y trasferencia. En ese orden de ideas, se inicia con la fase de
reconocimiento del captulo 1. Es importante tenga en cuenta que esta actividad que
emprende se basa en los principios del aprendizaje autnomo y significativo.
Leccin 1. Referentes epistemolgicos de la investigacin cuantitativa.
Los enfoques cuantitativos pretenden moverse en el campo de la prediccin y la

explicacin, tratando de encontrar nexos lgicos entre hechos y causas o entre estas y
sus efectos, en una realidad social objetivada, vista desde afuera y considerada en sus
aspectos generales
El mtodo cuantitativo nos permite concluir que la base de la investigacin parte de los
referentes tericos aceptados por la comunidad cientfica. Ello implica la formulacin
de las hiptesis, que sern puestas a prueba, tomando a las variables como conceptos
empricos y medibles. La clasificacin y anlisis de los datos permitirn la obtencin de
resultados y establecer el grado de significacin entre las relaciones de los fenmenos
en estudio.
En la investigacin una vez identificada la ndole de un problema y definidos los
objetivos que persigue, es el de escoger el modelo de mtodo que ms se adecua,
tanto al problema como al logro de los objetivos. Sin embargo, valga la pena aclarar
que es difcil escoger un mtodo como el ideal y nico camino para realizar una
investigacin, pues muchos de ellos se complementan y relacionan entre si. Para ello
dispone de un amplio men de posibilidades, dentro del cual se encuentra:
-El modelo lgico - deductivo.

Es un tipo de modelo por lo general empleado en las ciencias naturales, aunque no
exclusivamente en ellas. Tiene la estructura formal de un razonamiento deductivo en el
cual el explicandum es una consecuencia lgicamente necesaria de las premisas
explicativas por consiguiente, en las explicaciones de este tipo, las premisas expresan
una condicin suficiente (y a veces aunque no siempre, necesaria) de la verdad del
explicandum. Este tipo de explicacin ha sido estudiado intensamente desde la
antigedad, considerado como el paradigma de toda explicacin genuina" y a
menudo ha sido adoptado como la forma ideal a la cual deben tender todos los
esfuerzos por hallar explicaciones.
Para algunos acadmicos el mtodo ms completo de investigacin es el mtodo
DEDUCTIVO ya que en l se plantea una hiptesis que se puede analizar deductiva o
inductivamente y posteriormente comprobar experimentalmente, es decir que se busca
que la parte terica no pierda su sentido, por ello la teora se relaciona posteriormente
con la realidad. Una de las caractersticas del mtodo deductivo es que incluye otros
mtodos, como el inductivo, el deductivo y el experimental, lo cual es opcional. La
deduccin, tiene a su favor que sigue pasos sencillos, lgicos y obvios que permiten el
descubrimiento de algo que hemos pasado por alto. Mediante este modelo, se aplican
los principios descubiertos, representados en proposiciones generales, a casos
particulares, a partir de un enlace de juicios. El rol de la deduccin en la investigacin
es doble:
a. Primero consiste en encontrar principios desconocidos, a partir de los ya
conocidos.
Una ley o principio puede reducirse a otra ms general que la incluya. Si, por ejemplo,
un cuerpo cae, decimos que pesa porque es un caso particular de la gravedad.
b. Tambin sirve para descubrir consecuencias desconocidas, de principios conocidos.
Si sabemos que la frmula de la velocidad es v=e/t, por deduccin podremos calcular la
velocidad de un avin. La matemtica es la ciencia deductiva por excelencia, que parte
de axiomas y definiciones aplicables a los casos particulares.
El proceso de la deduccin vara en ciencia y en filosofa. Las investigaciones en
ciencia y filosofa son de carcter terico porque su dinmica es la bsqueda de la
verdad en alas de resolver problemas tericos.
Ej. En filosofa
Se parte de una premisa general y se llega a una premisa particular.
En ciencia
Se parte de hiptesis o conjeturas y se van depurando con la experimentacin.

En un razonamiento deductivo se pretende que sus cuyas premisas suministren
pruebas, concluyentes para afirmar la verdad de su condicin. La teora de la
deduccin trata explicar la relacin entre las premisas y las conclusiones de un
razonamiento vlido y de establecer tcnicas para juzgar los razonamientos
deductivos, es decir, para discriminar entre las deducciones vlidas y las que no lo
son. El tratamiento clsico o aristotlico, de la deduccin se centraba en los
razonamientos que contenan proposiciones de un tipo especial llamados
proposiciones categricas.
Cuadro 1: Aspectos epistemolgicos
Leccin 2. Criterios metodolgicos de la investigacin cuantitativa.

La investigacin cuantitativa corresponde a una metodologa que exige la
determinacin de variables, de tcnicas de recoleccin de informacin mediante
instrumentos objetivos y estandarizados; adems, requiere de la interpretacin de la
informacin obtenida por medio de tcnicas estadsticas para realizar generalizaciones
en la cuantificacin de las caractersticas observadas. En este tipo de investigacin la

validez interna y la fiabilidad son los requisitos de rigor y credibilidad cientfica.
En l se exige a la investigacin el uso de tcnicas que en general son cuantitativas
dado que tiene como finalidad la elaboracin de leyes de algn nivel de generalidad y
desecha lo particular en tanto que a partir de unos pocos casos no se puede inferir
nada sobre lo universal.
El siguiente cuadro muestra cmo el paradigma cuantitativo se preocupa por los hechos
estticos que abarca en su totalidad, los asume como atemporales y los sita en
contextos de una amplitud considerable.
Cuadro 2 Metodologa de la investigacin cuantitativa.

Metodologa de la investigacin cuantitativa
La realidad es nica, se puede controlar y predecir dado que se caracteriza por un
orden mecnico y estable.
Es un diseo cerrado lgico deductivo conformado por conceptos, definiciones

operacionales, recolecciones de datos, comprobacin de hiptesis, anlisis e
informes para ratificar o desechar la hiptesis.
Busca identificar relaciones causales predominantes previamente establecidas con

base en un marco terico.
Se establecen generalidades como afirmaciones verdaderas y con

independencia del contexto, con base en las relaciones de causalidad dado que cada
accin es el resultado de otra que la precede.
El investigador emplea conceptos y definiciones operacionales de los

mismos.
El papel del investigador debe ser neutro y acrtico por lo tanto debe eliminar toda
subjetividad y mantenerse al margen del hecho investigado. En este paradigma
la relacin sujeto objeto no debe existir.
Utiliza informacin previamente delimitada y reducida solamente a las variables que se
deben observar. Esta delimitacin es establecida solamente por el investigador.
Transmite informacin por medio de nmeros y medidas requiriendo garantizar la
objetividad; para ello utiliza procedimientos estticos y sin la intervencin del
investigador.
La informacin se entrega en un reporte final que se expresa en un informe
objetivo y ajeno tanto al investigador como al investigado.
Cuadro 3. Criterios metodolgicos
Leccin 3. Caractersticas y diferencias de investigacin cuantitativa y cualitativa.
Uno de los aspectos ms relevantes, tenidos en cuenta en el debate epistemolgico de

los ltimos aos, ha sido el relacionado con los nexos entre los diseos cuantitativos y
cualitativos de la investigacin cientfica. Los defensores de una y otra posicin asumen
con frecuencia posturas radicales en relacin con los puntos de vista que consideran
los modelos defendidos y hasta se llega a posturas excluyentes y de rechazo de la
posicin no compartida. Pocas veces asumen la posibilidad de conjugar ambas formas
del diseo en un mismo proceso investigativo, cuando la realidad dice que lo cualitativo
y lo cuantitativo no son compartimentos estancos y excluyentes.
Las diferencias entre la investigacin cuantitativa y la cualitativa, no estriban tanto en

que la una elabore sus conclusiones a partir del anlisis de cifras o que trabaje con
datos numricos, mientras la otra lo hace a partir de la evaluacin de conceptos. Los
dos tipos de diseos se diferencian ms bien en el punto de partida, en el diseo
metodolgico, en los objetos abordados y en el desarrollo del proceso. Igualmente, se

puede decir que hay diferencias en lo referente al tratamiento de las fuentes y el uso
de la informacin obtenida, adems de otros aspectos relacionados. Lo anterior tiene
implicaciones en la fase de planeacin o elaboracin de la propuesta, proyecto o plan
de la investigacin, lo mismo que en la ejecucin del plan por cuanto para los
proyectos cuantitativos el diseo es ms riguroso y prospectivo, pues requiere de una
previsin de todos y cada uno de los pasos que se van a ejecutar y las actividades
planeadas se cumplen con cierto rigor, pues se trata de pautas de estricto
cumplimiento, si se quiere llegar a los resultados previstos.
En general, los enfoques cuantitativos pretenden moverse en el campo de la

prediccin y la explicacin, tratando encontrar nexos lgicos entre hechos y causas o
entre estas y sus efectos, en una realidad social objetivada, vista desde afuera y
considerada en sus aspectos generales. Mientras que en la investigacin cualitativa,
los esfuerzos se orientan ms a comprender la realidad social como el resultado de
un proceso histrico siempre en construccin, visto con los lentes de la lgica, pero
sin prescindir de los aspectos valorativos de sus protagonistas todo lo cual pone de
presente la existencia de diferentes propsitos y diferentes lgicas.
En los procesos cualitativos por tanto, se presenta una situacin totalmente diferente
a la que plantean los diseos cuantitativos, especialmente en lo que tiene que ver con
el o los momentos de identificacin del problema, la exploracin y uso de la literatura
disponible, el muestreo, la metodologa, las tcnicas y estrategias a emplear para la
recoleccin de los datos, lo mismo que en el empleo de estos a lo largo del proceso y
en el momento final. Si se intenta establecer las diferencias bsicas entre los dos
tipos de diseo, se encuentra que entre ellas hay rasgos distintivos que en general se
pueden representar de manera a sinttica en lo que se indica en el siguiente cuadro
comparativo:
Cuadro 4. Comparacin de los enfoques

INVESTIGACIN CUANTITATIVA INVESTIGACIN CUALITATIVA
Son analticos. Asumen aspectos parciales de Tienen carcter holstico. Mediante un enfoque
la realidad para abordarlos mediante el anlisis totalizador de la realidad estudiada, buscan
de sus componentes, los cuales reduce a variables. afrontarla con una visin integral o de conjunto,
como un todo.
Experimentales. Mediante el sistema de creacin Constructivistas. Se atienen a la realidad dada,
de condiciones especiales, controlan y manipulan de la cual intentan hacer una lectura, sin
variables para medir resultados. intervenir para modificarla.
Probabilsticos. Sus conclusiones se infieren a Heursticos. Mediante un trabajo comprensivo,
partir del nmero de posibilidades. A partir de las cuales se convierte en una bsqueda de hechos,
un resultado se puede dar en condiciones especficas. significados, y esfuerzo por llegar a la naturaleza
del objeto estudiado.
Deductivistas Universalistas. Inductivistas Particularistas.
A partir de hiptesis o principios generales Del estudio de casos y hechos particulares, su
o universales busca llegar a inferencias y aplicaciones intencin es llegar a conclusiones universales.
a casos particulares.
Extensivos. A partir de las deducciones alcanzadas, Intensivos. Centraliza si inters en el foco de
buscan incluir universos de individuos en sus estudio que la ocupa y circunscribe a l sus
conclusiones. conclusiones.
Empiristas. Sus conclusiones solo pueden provenir del Racionalistas. Adems de las sugerencias
dictado experiencial que suministran los datos de la de la realidad estudiada, el investigador
realidad estudiada. No hay mucho campo para la aporta su propia racionalidad e interpretacin,
subjetividad. a partir de su formacin y experiencia.
Leccin 4. Diseo y tipos de la investigacin cuantitativa.

En el proceso de construccin y reconstruccin del conocimiento en el campo de las
ciencias sociales hablamos de diseos cuantitativos y cualitativos. El diseo que utiliza
como base, preferiblemente una informacin expresada en forma numrica y factible de
cuantificar es el cuantitativo. Se apoya en categoras numricas y permite realizar el
anlisis de los fenmenos a travs de diferentes formas estadsticas.
-Diseo cuantitativo
- Se aplica a planteamientos operacionales.
- A referentes empricos observables.
- Se trata de entender el cunto.
Pero en la prctica existe interaccin de diferentes factores que se deben tener en
cuenta: sociales, psicolgicos y culturales que influyen en las personas.
Hoy en la investigacin social, se pueden integrar las herramientas estadsticas y la

informtica como instrumentos auxiliares.
Cuadro 5. Clasificacin de diseos de investigacin.

La investigacin, independiente de cual diseo tenga mayor nfasis, se entiende como

un proceso social donde se debe integrar al anlisis: la creatividad, el compromiso, la
imaginacin, las ideas, la argumentacin, la perspicacia y la sagacidad. Utilizando
instrumentos vlidos y confiables.
As por su nivel de profundidad se pueden clasificaren estudios exploratorios,
descriptivos, correlacinales y explicativos.
-Los estudios exploratorios, observacin documental, a fin de rastrear la informacin

con estrategias que impliquen trabajo de campo, pueden tener como alcance la
realizacin de un sondeo de opinin, en una muestra limitada, de suerte tal que le
permita descubrir otras alternativas que no pudo detectar desde la bibliografa y
documentacin relevada, como as tambin podr dar sugerencias para aplicar otras
tcnicas y profundizar en la investigacin que se propone.
En general este tipo de estudios, metodolgicamente no se exige rigurosidad alguna,
que, aunque tiene un perfil acotado, puede dar las bases de lo que hasta el momento
no se contaba.
-Los estudios descriptivos, por el contrario, colocan al investigador frente a un objeto de

estudio el cual ser descrito y obligan a la medicin de las variables que entran en
juego. Esta medicin podr ofrecer un estado de situacin de las variables sin
profundizar en las relaciones que se establecen. Desde ese punto de vista se responde
al cmo es, ms que al por qu es.
Los estudios descriptivos, nos sitan ante las taxonomas, Las mismas procuran lograr
un esquema o clasificacin de cualquier cuestin de incumbencia social, para nuestro
caso. Desde luego que en las Ciencias Naturales se encuentran estudios que
clasifican un determinado factor de la naturaleza con lo cual se puede tener una
referencia del mismo, sin que por ello se ofrezcan explicaciones.
En las Ciencias Sociales existen muchos ejemplos que podran citarse, desde los
estudios de Parsons y Smelser- respecto de la distincin entre oferta y demanda es un
caso especial entre sancin y accin en un sistema social hasta los sistemas de
categoras establecidas.
En cualquiera de los casos, no se trata de estudios relacinales, tan slo, son, pero no
por ello menos importante, diagnsticos sobre el objeto de estudio que se aborde.
El mtodo que se instrumente tendr un fuerte sesgo cuantitativo, en el sentido de
procurar la medicin de variables especficas y generalmente aplicadas a reas
geogrficas de mayor extensin que, para acceder a ellas, se necesitaran de tcnicas
de corte cuantitativo, como los cuestionarios estructurados o el denominado mtodo
por encuesta, que tienen como particularidad la precisin de los aspectos sobre los que
se quiere indagar. Si bien no tiene un grado de profundidad, desde el punto de vista de
las potenciales explicaciones que del diagnstico pueden derivarse, igualmente sus
resultados tienen relevancia sustantiva. Las investigaciones descriptivas adoptan
tambin el mtodo cualitativo. Sobre estudios de caso, que es a lo que el enfoque
cualitativo se orienta, en el sentido del hecho particular, lo que se obtenga de una
investigacin de esa naturaleza, es una descripcin basada en variables nominales. El
modelo de los "tipos ideales," antes sealado, se presenta como un caso sobresaliente
de investigacin comprensiva-interpretativa, de la que Weber no slo pudo propiciar
una sobrada caracterizacin de la sociedad de su tiempo, sino que sienta las bases de
una construccin terica que tiene resonancia hasta nuestros das, dicho lo cual, los
criterios sostenidos respecto de los grados de profundidad conforme los modelos que
se exponen, entran en un tono de relatividad que no puede ser obviado.
-Los estudios correlacinales: nos acercan a los estudios explicativos en tanto medir el
grado de influencia que una variable tiene sobre otra, aunque no tengamos, a travs de
tal respuesta, precisiones acerca de por qu se puede dar tal o cual hecho o fenmeno
y cules pueden ser sus efectos.
No obstante son estudios muy utilizados por cuanto, muchas veces, la composicin de
las hiptesis es realizada sobre ms de dos variables respecto de las unidades de
anlisis que se tengan en consideracin. En el esquema que sintetiza los tipos de
proposiciones segn relaciones establecidas entre determinantes y resultados, pueden
observarse diferentes maneras de provocar las mismas. Entre otras: Si P ------ Q es la
relacin que ms conocemos, pero, tambin, frecuentemente usamos ms de dos

variables en nuestras investigaciones con lo cual los tipos que pueden establecerse
son muy diversos.
Por su parte, tambin en Zetterberg85, "las relaciones que puedan intentar nos pueden
llevar a configurar sistemas de hiptesis", en los que podemos fijar relaciones a travs
de:
A) Listado de determinantes: "Todos los factores que afectan ciertos factores estn
ligados a un conjunto de determinantes".
B) Listado de Resultados: "La determinante es una y la misma, pero en la que las
variables dependientes son diferentes, es un inventario de resultados".
C) Secuencia de proposiciones encadenadas: "Cuando en dos o ms proposiciones
secuenciales en las cuales el resultado de una vuelve a aparecer como determinante
en otra, permiten su ordenamiento en cadena. Las relaciones establecidas dan lugar a
observar que la variable que aparece como efecto en una, luego se presenta como
determinante en otra".
Damos a entender de ese modo las diversas opciones que en materia de relaciones
pueden establecerse entre variables y que dejamos para el lector ampliar sobre el
tema.
-Los Estudios Explicativos: son aquellos que alcanzan mayor profundidad y, como ya
sealramos, son los que permiten responder al por qu de las hiptesis. Se
configuran a travs de un sistema de hiptesis que mediante su comprobacin dan
lugar a la obtencin de generalizaciones tericas de mayor relevancia.
Otra clasificacin importante de las investigaciones cuantitativas se basa en la

posibilidad que tiene el investigador de controlar la variable independiente y otras
situaciones del estudio (como conformar por su cuenta el grupo o los grupos que sern
objetos de su estudio). De acuerdo con este criterio se distinguen los siguientes tipos
generales de investigaciones:
a) experimentales
b) cuasi experimentales
c) no experimentales.
Investigaciones experimentales
En las investigaciones experimentales el investigador tiene el control de la variable
independiente o variable estmulo, la cual puede hacer variar en la forma que sea ms
apropiada a sus objetivos. De igual manera, puede controlar la conformacin de los
grupos que necesita para su estudio.
En trminos generales, las investigaciones experimentales permiten determinar:
a) El efecto de una variable independiente (llamada tambin causal, estmulo o
tratamiento) sobre una variable dependiente (por ejemplo, el efecto de la autoimagen
creada experimentalmente sobre el rendimiento en la solucin de problemas de
aprendizaje).
b) Los efectos diferenciales de dos o ms modalidades de una variable independiente
sobre otra dependiente (por ejemplo, comparar el estudio individual con el estudio en
grupo .dos modalidades de la variable estudiar. sobre los niveles de aprendizaje).
c) El efecto conjunto de dos o ms variables independientes sobre otra (como sera el
caso de determinar el efecto combinado de dos mtodos de enseanza con dos formas
de organizacin del trabajo en el aula sobre el rendimiento escolar).
Antes de pasar a la presentacin de los principales tipos especficos de la
investigacin experimental, cuando se trata de utilizar estos diseos en educacin, de
manera especial, pero no exclusivamente, conviene tener en cuenta estas
recomendaciones:
1. La investigacin debe realizarse, en la medida de lo posible, en la misma escuela o
ambiente en el cual se pretende generalizar los resultados obtenidos en una muestra:
de alumnos, profesores, etc.
2. Deben utilizarse diversos contextos educacionales (escuelas de diversos niveles
socioeconmicos, etc.) con las respectivas muestras experimentales cuando se desea,
por ejemplo, validar un cierto recurso instruccional: una gua didctica, un nuevo texto,
un mtodo de enseanza diferente, etc.
3. Al efectuar un experimento, el investigador debe prestar atencin a las conductas de
las personas sometidas al estudio con el propsito de utilizar, si procede, sus opiniones
y comentarios al interpretar los resultados obtenidos. (Podra servirse de una entrevista
individual en profundidad, con lo cual utiliza una tcnica cualitativa con una tcnica
cuantitativa, como lo es el estudio experimental).
4. En muchas ocasiones, es til darle instrucciones un tanto ms detalladas que las
usuales a las personas que participan en el experimento, sin llegar a inducir las
respuestas o reacciones buscadas. Este procedimiento puede convenir cuando las
condiciones en las cuales se va a realizar el estudio son muy diferentes a aquellas en
las cuales se desenvuelven habitualmente tales personas.
A continuacin pasamos a presentar los tipos especficos ms usados de la
investigacin experimental, propiamente tal.
a) Diseo con un grupo experimental, un grupo de control y mediciones antes y
despus en ambos grupos.
Este diseo constituye la forma clsica de la investigacin experimental. En l, los
sujetos del estudio son asignados aleatoriamente al azar al grupo experimental y al
grupo de control. Luego se siguen los pasos siguientes:
1. En ambos grupos se hace una medicin antes (pre-test) de la variable dependiente,
es decir, del fenmeno o caracterstica en el cual se desea determinar el efecto de la
variable independiente (llamada, tambin, como ya dijimos, variable estmulo,
experimental o tratamiento).
2. Luego, se aplica la variable independiente slo en el grupo experimental (por
ejemplo, se expone a los sujetos de este grupo un video sobre el tema que se est
estudiando).
3. Se hacen mediciones despus (postest) en ambos grupos.
4. Finalmente, se hacen comparaciones, en ambos grupos entre las mediciones antes y
las respectivas mediciones despus.
La aplicacin de la variable independiente puede ser de corta o de mediana duracin.
Un ejemplo del primer caso es la aplicacin de un video, ofrecer una conferencia, etc.
Del segundo, podra ser la enseanza durante algunas semanas con un nuevo mtodo
al grupo experimental. En este caso, debe cuidarse especialmente la influencia posible
de factores externos al experimento que pudieran afectar a las personas involucradas
en l.
Dicho lo mismo en trminos metodolgicos: que pudieran afectar la validez interna del
experimento con lo cual sera difcil afirmar que los cambios producidos en el grupo
experimental se deben a la variable experimental, de manera directa. (Para el concepto
de validez interna y de los factores que pueden invalidarla, conviene que usted recurra
al libro de Campbell y Stanley Diseos experimentales y cuasi-experimentales en la
investigacin social, que citamos en la bibliografa).
De acuerdo con la terminologa introducida por los dos autores que acabamos de
mencionar, el diseo experimental clsico se representa en la forma siguiente:
E: designa al grupo experimental.
A: quiere decir que el grupo se ha conformado al azar
C: indica al grupo de control
O: significan mediciones antes y despus
X: indica la introduccin o aplicacin de la variable independiente o tratamiento utilizado
por el investigador:
La conformacin aleatoria de los dos grupos permite eliminar, al nivel del azar, las
diferencias que pudieran existir entre sus sujetos componentes; las mediciones antes y
despus en ambos grupos y sus comparaciones en cada uno de ellos permiten
constatar si ha habido diferencias entre ellos, y si stas fueran a favor del grupo
experimental, entonces el investigador podra decir que ellas se deben a la accin de
la variable independiente o tratamiento que slo fue aplicado a ese grupo.
Debido al mismo hecho de utilizar el azar, en la formacin de los grupos se controlan
los factores de seleccin (no hay eleccin intencionada) y el de mortalidad (si los
grupos son prcticamente iguales, los dos deberan tener, de ocurrir, similar nmero de
personas que no completan el experimento). Por usar un grupo de control, el
experimento clsico controla tambin los factores de historia (efecto de circunstancias
externas al experimento que pueden influir en sus resultados, el cual debera ser similar
para los dos grupos) y el de maduracin (cambios biolgicos y psicolgicos que se
daran en ambos grupos de manera semejante mientras se hace el experimento).
Para la constatacin de las posibles diferencias entre los grupos experimental y de
control, una vez terminado el experimento, se debe utilizar anlisis de la covarianza con
los puntajes antes (pretest) como covariable. Este procedimiento permite ajustar las
diferencias de los sujetos de ambos grupos, dejando solamente los cambios de la

variable independiente como causa de las modificaciones que se daran entre ellos. Es
frecuente, sin embargo, especialmente si hay bases para asegurar que las condiciones
de los dos grupos en lo que se refiere a su valores en la variable dependiente son
iguales en el momento de iniciar el estudio, que se utilice en el anlisis de los datos la
estadstica o el anlisis de la varianza. Este diseo, como el que exponemos a
continuacin, puede utilizarse con ms de un grupo experimental.
b) Diseo con un grupo experimental y un grupo de control con mediciones slo
despus. Es un diseo que slo se diferencia del clsico que acabamos de ver en
cuanto, por alguna razn o impedimento, no se hacen mediciones antes de la variable
dependiente en ninguno de sus dos grupos. Comprende los siguientes pasos:
Conformacin aleatoria de los grupos experimental y de control (puede utilizarse ms

de un grupo experimental, por ejemplo, al comparar dos mtodos de exposicin sobre
las drogas).
2) Aplicacin de la variable independiente, tratamiento o prueba slo al grupo
experimental.
3) Medicin despus (postest) de la variable dependiente (por ejemplo, actitud frente a
las drogas) en ambos grupos.
4) Comparacin de las dos mediciones despus.
La representacin simblica del diseo es la que sigue:
El diseo controla los factores que pueden actuar contra la validez interna del
experimento, como lo son la historia y la maduracin, por utilizar un grupo de control.
Tambin controla los factores de la seleccin (sesgos) y de la mortalidad experimental.
Debido al hecho que no se hacen mediciones antes no puede haber efecto sobre la
prueba que se utiliza en la medicin despus. Pero, precisamente, por no utilizar
medicin antes, el diseo tiene varias desventajas, entre las cuales se destacan las
siguientes:
1) No es posible usar el anlisis de la covarianza para controlar las diferencias inciales
que podran tener los grupos experimental y de control.
2) Si se retiran sujetos de cualquiera de los dos grupos, y como no tenemos

mediciones antes., no sabemos si las diferencias, de producirse, entre las situaciones
finales del grupo experimental y de control se deben a la influencia del tratamiento
(variable independiente) en el primero de estos grupos o bien se deben a las
diferencias que pudieron existir al comienzo del experimento entre los sujetos de
ambos grupos.
3) El anlisis de los resultados (puntajes, en general) se hace comparando la
diferencia entre los puntajes despus de ambos grupos mediante la estadstica t. Si se
utilizan ms de dos grupos, se debe utilizar el anlisis de la varianza.
c) Diseo de dos grupos apareados con mediciones antes y despus. Es una variacin
del diseo clsico en cuanto consiste en aparejar (igualar, en la mayor medida posible)
los sujetos que constituirn el grupo experimental y el grupo de control, con la finalidad
de eliminar o disminuir al mximo las diferencias entre ellos. El apareamiento cumple la
misma funcin que la asignacin al azar utilizada en el diseo clsico con el resultado
que en este nuevo diseo se logra mayor precisin en el momento de analizar los
datos.
El procedimiento metodolgico comprende las siguientes tareas:
1) Se aplica una prueba a un grupo de sujetos, destinada a medir la variable
dependiente (digamos, la actitud hacia la poltica), o una variable estrechamente
correlacionada con ella, cuya modificacin se desea establecer por una cierta variable
independiente.
2) Con base en los puntajes obtenidos por los sujetos en la prueba mencionada en el
paso anterior, se forman pares de sujetos con puntajes iguales o con pequeas
diferencias entre s.
3) De cada par, se asigna un sujeto al grupo que ser el grupo experimental y el otro al
que ser el grupo de control (puede haber ms de un grupo experimental).
4) Se aplica el tratamiento (por ejemplo, una exposicin sobre las funciones de la
poltica en la sociedad) al grupo experimental y, si es necesario, un placebo al grupo de
control.
5) Como medicin despus se aplica a los dos grupos la misma prueba de la medicin
o una prueba equivalente a ella.
6) Finalmente se comparan las diferencias entre los valores despus de los dos grupos.
Para el anlisis de la diferencia anterior se emplea la estadstica como prueba de
significacin estadstica.
Todos los diseos que hemos presentado hasta aqu trabajan con una sola variable
independiente. Sin embargo, se debe tener en cuenta que en muchas investigaciones,
sobre todo de aquellas que se realizan en el campo de la enseanza-aprendizaje en el
aula, se utilizan dos o ms variables independientes, con el propsito de determinar los
efectos combinados de ellas en la variable dependiente del caso. Los diseos
correspondientes a tales investigaciones reciben el nombre de diseos factoriales como
lo son el diseo factorial 2x2, el diseo factorial m x n, el diseo jerrquico, etc.
Un problema diferente al anterior, pero importante de resolver, tiene que ver con el
tamao de los grupos del experimento. En sentido estricto, ese tamao est
determinado por la estadstica que se utilizar en el anlisis de los datos, el nivel de
significacin elegido, la estimacin del tamao de la varianza y la magnitud del error
probable que tendr la diferencia real encontrada. Sin perjuicio de esos criterios, en la
prctica, los investigadores utilizan alrededor de 10 sujetos por grupo, con rangos que
van de 5 a 30 sujetos.
-Investigaciones cuasiexperimentales
En todos los diseos experimentales, propiamente tales, la asignacin a los grupos
experimentales y de control se realiza en forma aleatoria, con la finalidad principal de
lograr una igualacin, lo ms cercana posible, de las caractersticas de los sujetos que
conforman esos grupos. Esto, en definitiva, para descartar variables (propiedades)
distintas a la variable independiente cuyo efecto particular se desea establecer en la
variable dependiente.
Con toda la importancia que tiene la aleatorizacin de los grupos, en muchas
circunstancias no es posible cumplir con el propsito de control sealado
anteriormente. Sin embargo, como lo han sealado Campbell y Stanley, en ausencia de
esa posibilidad, an es posible realizar experimentos que pueden tener validez interna
y externa, si bien no eliminan todos los factores que las debilitan. De manera general,
los diseos en los cuales no se ha podido utilizar el azar en la formacin de los grupos
reciben el nombre de diseos cuasiexperimentales, de los cuales presentamos los de
mayor utilizacin.
a) Diseo con un grupo de control no equivalente.
Es un diseo que se utiliza, no exclusivamente, con grupos naturales, como el
constituido por los alumnos de un cierto grado o de una cierta escuela, personas que
han sido sometidas a una intervencin social (de la cual se podra tomar una muestra),
etc. Tales grupos forman el grupo experimental; el grupo de control se forma con
sujetos, no elegidos al azar, que tengan caractersticas muy semejantes a los sujetos
del grupo experimental. El diseo se representa de la manera siguiente:
La lnea de puntos indica que los grupos no han sido formados al azar.
La principal debilidad del diseo es la no aleatorizacin de los grupos, en la medida que
el grupo de control sea diferente del grupo experimental, ms all de la diferencias
debidas al azar. En esa medida, no podrn controlarse los factores extraos cuyos
efectos podran confundirse con el efecto de la variable independiente, que es el foco
de la investigacin.
Esta situacin, sin embargo, puede resolverse, en buena proporcin, con el uso del
anlisis de la covarianza en el tratamiento final de los datos, con la eleccin de una
covariable adecuada.
b) Diseo de series cronolgicas.
Es un diseo cuasiexperimental que no requiere de grupo de control. Consiste en una
serie de mediciones peridicas que se hacen en las personas en estudio, antes y
despus que se ha introducido la variable experimental. Su representacin simblica es
la que sigue:
Los posibles resultados entre los dos momentos se dan en el grfico siguiente, tomado
de Campbell y Stanley (pg. 78).
Posibles configuraciones de los resultados de introducir una variable experimental en el
punto X, en una serie cronolgica de mediciones, O1 - O8. Salvo en el caso D, la
diferencia O4 - O5 es la misma para todas las series cronolgicas, en tanto que la
legitimidad de inferir un efecto vara mucho, siendo mxima en A y B y totalmente
injustificada en F, G y H.
El principal problema de este diseo es el factor denominado historia, constituido por la

influencia que pudieron tener factores externos al experimento, ocurridos durante su
desarrollo. Otro problema tiene que ver con la eleccin de las tcnicas de anlisis que
permitan establecer el efecto de la variable independiente en los sujetos del estudio. La
mejor frmula es el anlisis de la varianza, que compara el promedio de los valores
antes de la introduccin de la variable independiente con el promedio de los valores
despus.
-Las investigaciones no experimentales

Las investigaciones no experimentales sobre la variable independiente, que es una de
las caractersticas de las investigaciones experimentales y cuasiexperimentales, como
tampoco conforma a los grupos del estudio. En estas investigaciones, la variable
independiente ya ha ocurrido cuando el investigador hace el estudio. O sea, ha ocurrido
un cierto fenmeno, que es tomado como variable independiente (por ejemplo, la
exposicin a la televisin) para un estudio en el cual el investigador desea describir esa
variable como tambin los efectos que provoca sobre otro fenmeno, que es la variable
dependiente (por ejemplo, conductas delictivas). Por esta caracterstica distintiva en lo
que se refiere a la ocurrencia de la variable independiente, las investigaciones en las
que se da esta circunstancia reciben el nombre de investigaciones ex post facto
(despus del hecho). A este tipo de investigaciones pertenecen, entre las principales se
encuentra la encuesta social, el estudio de casos, el estudio de cohortes, la
observacin estructurada, la investigacin accin participativa y la investigacin
evaluativa.
Segn el tiempo durante el cual se realiza el estudio se distinguen las investigaciones
sincrnicas o transversales, que se refieren al objeto de investigacin en un mismo
perodo de tiempo. Y, las investigaciones diacrnicas o longitudinales, en las cuales los
individuos se analizan durante un cierto tiempo, de manera ms o menos continua. A
este tipo pertenecen los estudios de cohortes constituidas por personas que tienen uno
o ms rasgos comunes (por ejemplo, estudiantes egresados de un cierto nivel
educativo en un mismo ao), los estudios de paneles (un mismo grupo estudiado en
varios momentos), etc.
Leccin 5. Aspectos ticos de la investigacin psicolgica.
Es importante considerar que todo profesional debe acogerse a unos parmetros ticos
y se retoma los principios como un conducto que regula toda accin profesional entre
ella la investigacin, igualmente es importante reconocer este cdigo con el fin de
orientar y servir como regla de conducta profesional, en el ejercicio de la psicologa en
cualquiera de sus modalidades, proporcionando principios generales que ayuden a
tomar decisiones informadas en la mayor parte de las situaciones con las cuales se
enfrenta el profesional de la Psicologa, fundamentado en los principios de
beneficencia, no maleficencia, autonoma, justicia, veracidad, solidaridad, lealtad y
fidelidad, adems de las contempladas en la ley.
El ejercicio de la profesin de psicologa debe ser guiado por criterios, conceptos y

elevados fines que propendan a enaltecer su profesin; por lo tanto, estn obligados a
ajustar sus actuaciones profesionales a las disposiciones de las siguientes normas que
constituyen su Cdigo Deontolgico y de Biotica. Los psiclogos en todas sus
especialidades, para todos los efectos del Cdigo y Biotico y su rgimen disciplinario
contemplado en esta ley se denominarn los profesionales.
Como componentes fundamentales est el uso de la informacin, el respeto, la

igualdad, la prudencia, la crtica, igualmente aspectos legales de uso de la profesin a
nivel pblico, la imparcialidad, el secreto profesional, la confidencialidad de informacin
del consultante, tales como datos de la entrevista, resultados de pruebas psicotcnicas,
aspectos que pueden consultarse de forma ms puntual en la ley 1090 de 2006 en los
artculos 14 hasta el 32.
En este tema es importante revisar y comprender la definicin de la psicologa, tal y

como se contempla en la ley 1090, como una ciencia sustentada en la investigacin y
una profesin que estudia los procesos de desarrollo cognoscitivo, emocional y social
del ser humano, desde la perspectiva del paradigma de la complejidad, con la finalidad
de propiciar el desarrollo del talento y las competencias humanas en los diferentes
dominios y contextos sociales tales como: La educacin, la salud, el trabajo, la justicia,

la proteccin ambiental, el bienestar y la calidad de la vida. Con base en la
investigacin cientfica fundamenta sus conocimientos y los aplica en forma vlida,
tica y responsable a favor de los individuos, los grupos y las organizaciones, en los
distintos mbitos de la vida individual y social, al aporte de conocimientos, tcnicas y
procedimientos para crear condiciones que contribuyan al bienestar de los individuos y
al desarrollo de la comunidad, de los grupos y las organizaciones para una mejor
calidad de vida. Tal artculo presenta la siguiente observacin: La definicin de salud
por parte de OMS; En la que se subraya la naturaleza biopsicosocial del individuo, que
el bienestar y la prevencin son parte esencial del sistema de valores que conduce a la
sanidad fsica y mental, que la Psicologa estudia el comportamiento en general de la
persona sana o enferma. Se concluye que, independientemente del rea en que se
desempea en el ejercicio tanto pblico como privado, pertenece privilegiadamente al
mbito de la salud, motivo por el cual se considera al psiclogo tambin como un
profesional de la salud.
Retomando nuevamente la definicin de la psicologa como una ciencia sustentada en

la investigacin, la ley 1090 de 2006 define de forma puntual el proceso que debe
seguir el profesional que se dedica a esta labor, invito en este punto a detenernos un
momento y hacer un anlisis y reflexin, realmente se debe comprender que la
actividad investigativa va ms all de la formulacin de problemas, indagacin y
bsqueda de respuesta bajo un estudio que aborda los fenmenos, en nuestro caso,
sociales; esta ley le da el realce como una actividad que promueve la produccin
cientfica, la propiedad intelectual y la gestin de conocimiento, por lo cual contempla el
uso adecuado de metodologas, la planeacin, el manejo adecuado de la informacin
recolectada, el consentimiento de las personas o comunidades, la prctica de los
principios bsicos definidos por la Unesco y la APA para guiar ticamente la
investigacin con animales, el derecho a la propiedad intelectual sobre los trabajos que
elabore en forma individual o colectiva, en general guiarse por los principios ticos que
generan de forma crtica y objetiva el anlisis de las problemticas y el respeto por el
ser humano. Estos aspectos pueden ser revisados de forma puntual en los artculos 49
y 55 establecidos en el cdigo deontolgico y biotico de psicologa.
Para ampliar el tema y dar revisin completa al cdigo biotico y deontolgico, revisar
la ley 1090 de 2006. Que pueden consultar en el siguiente enlace:
http://www.colpsic.org.co/portal/tribunales_normatividad.php
Momento reflexivo: Cules son los aportes de la investigacin cuantitativa a la

psicologa?.
Captulo 2. Medicin de lo psicolgico
Leccin 1: Caractersticas del paradigma positivista.

En psicologa abundan los paradigmas de investigacin y por tanto los mtodos para
abordar los fenmenos que le interesan a cada uno. Gracias a esa diversidad, tambin
son frecuentes los debates y apuntes que hacen los representantes de un paradigma
hacia otro. Cabe aclarar que las ideas que se emiten de un lado hacia otro estn llenas
de matices, y en varias ocasiones estas opiniones estn basadas en concepciones
antiguas, dogmticas o que simplemente no estn acordes con la realidad. Para que
una disciplina avance deben hacerlo sus mtodos, teoras y discurso; los debates y
opiniones respecto a otros paradigmas y disciplinas no se pueden quedar en
malentendidos. Con el presente texto se pretende aclarar algunas de las crticas que se
le hacen a ciertos enfoques en psicologa que usan como su mtodo principal lo
cuantitativo; crticas hechas especialmente por las reas de la psicologa, la enfermera
y otras disciplinas sociales que prefieren el uso de los mtodos de corte cualitativo.
El Enfoque Cuantitativo es Positivista: Segn Zamora (2003) el positivismo, sea viejo o

nuevo, sostiene que los nicos mtodos vlidos de obtencin de conocimiento son la
demostracin formal y la contrastacin emprica. Estos datos son reinterpretados a la
luz de una teora al igual que se hara en cualquier metodologa investigativa, de tal
forma que sean coherentes con las ideas cientficas.
El enfoque cuantitativo es Penetrantes no Naturalista: Cook y Reichardt (1997)

mencionan que algunos mtodos como la observacin participativa, de uso frecuente
en la investigacin cualitativa, es de hecho un mtodo penetrante; adicionalmente hay
mtodos cuantitativos que son naturalistas.
El enfoque cuantitativo es objetivo e Ignora la Subjetividad: Cook y Reichardt (1997),

citando a Scriven (1972), afirman que los significados del trmino subjetivo pueden ser
dos a saber, influido por el juicio humano o que toma en cuenta los sentimientos y
creencias humanos, se supondra que lo objetivo sera lo contrario. Cos mtodos
cuantitativos no se pretende ignorar la subjetividad sino que sta sea lo ms precisa y
coherente con los datos que se presentan en la realidad, los mtodos cuantitativos nos
son antihumanistas (Zamora, 2003), las conclusiones de un trabajo tienen
afirmaciones a la luz de los datos y teoras, hiptesis respecto a lo que an no tiene
una explicacin consistente y por ltimo opiniones y especulaciones respecto a lo que
se podra encontrar en otros estudios.
Los mtodos cuantitativos son confirmatorios y deductivos y no se fundamentan en la

realidad: En la investigacin de corte cuantitativo existe una forma de investigacin
denominada exploratoria que no est interesada en confirmar una hiptesis sino, como
su nombre lo indica, explorar y describir un fenmeno, y poder hacer ajustes para
abordarlo de la forma ms apropiada.
Estudios Carentes de Validez: Se supone que no son vlidos porque ignoran la

individualidad, La pregunta que evidentemente hacen los investigadores cualitativos a
los cuantitativos es cun particularizables son tus generalidades...? (Pita y Prtegas,
2002). Es innegable que cada persona en el mundo es diferente a otra, pero resulta,
que as como hay diferencias, las similitudes entre personas que comparten ciertos
grupos sociales tambin son bastantes, y es gracias a esos puntos en comn que se
pueden hacer generalizaciones y adems afirmar que esas generalizaciones son

correctas; no se niega la individualidad ni se promedian subjetividades se parte de
puntos comunes entre los sujetos para explicar una situacin.
Ignoran la Totalidad: Es prcticamente imposible abarcar un fenmeno en su totalidad,

y ms an si es un fenmeno social, la cantidad de variables es tal (familia, entorno,
ambiente, biologa (gentica, nutricin, salud), economa, creencias, educacin) que
su manejo se convertira en un problema ms difcil de resolver que el objeto de estudio
como tal, hay un dicho popular que dice que el que mucho abarca poco aprieta en
ese orden de ideas se hablara de estudios que tienen en cuenta ms o menos
factores.
Consideran una Realidad Inmutable: En los estudios sociales con mtodos

cuantitativos se registran los factores relevantes para el lugar, comunidad y momento
objetivo, decir que la investigacin cuantitativa y las disciplinas que hacen uso de ella
consideran la realidad inmutable es equivalente a decir que ignoran el contexto, y eso
es algo que definitivamente no ocurre con este tipo de investigacin, as como tampoco
en la cualitativa.
Se Sirve de los Sujetos no se Comunica con Ellos:Esta posicin tomada del texto de
Mendoza (2006), asume que la investigacin que utiliza una metodologa cuantitativa
no se comunica con los sujetos sino que les extrae informacin. Gran parte de la
investigacin cuantitativa o emprico analtica busca obtener datos para ms adelante
proponer programas para la solucin de ciertos problemas, si el inters no es la
solucin de un problema sino dar cuenta de un fenmeno podra decirse que tanto la
investigacin cuantitativa como la cualitativa extraen informacin de los sujetos, pero
si se tiene un inters acadmico el trmino extraer no tiene un carcter peyorativo
como se presenta en el texto de Mendoza (2006).
Explica no Comprende: Segn Guerrero (2007) una explicacin es un respuesta

eficaz, en relacin con una teora, a peticin de informacin sobre ciertos hechos
relevantes. Se explican los fenmenos de la naturaleza de carcter predecible y

repetible, al contrario las actividades humanas son hechos nicos, sin causa (sino con
propsito) que no se explican sino se comprenden. Esta dicotoma entre explicacin y
comprensin, ms que aportar al conocimiento y abordaje de lo que es relevante para
la psicologa, lo que hace es crear confusin; al respecto hay que preguntar a los
investigadores que hacen uso de los mtodos cualitativos si el comportamiento es algo
que se puede explicar o solamente comprender, y si el que es capaz de explicar algo
no lo comprende tambin.
Los anteriores planteamientos son tomados a modo de lo ms relevante del artculo

Los que explican pero no comprenden? Una reflexin en torno a las crticas que
hacen otras metodologas a los abordajes cuantitativos. vila, J (2008), psiclogo
Universidad Nacional de Colombia, es importante dar la revisin al todo el artculo,
pueden ubicarlo por el nombre.
Leccin 2: Hiptesis
Las hiptesis como una suposicin o conjetura sobre caractersticas con las cuales se
da en la realidad el fenmeno social en estudio; o bien como una conjetura de las
relaciones que se dan entre caractersticas o variables de ese fenmeno. Como un
problema de investigacin es una pregunta que se plantea el investigador con el
propsito de darle una respuesta correcta, tambin se puede decir que la hiptesis es
la respuesta anticipada que el investigador propone a tal pregunta, respuesta que
someter a verificacin emprica con los datos que recoja, ya sea de manera directa o
indirecta. Agreguemos, todava, que no toda suposicin es una hiptesis: lo es cuando
ella se formula dentro de un conjunto de conocimientos ya acumulados sobre el objeto
de investigacin o dentro de la problemtica terica o prctica que lo rodea. En tal
caso, esos conocimientos constituyen la fundamentacin de la hiptesis.
Ejemplo de un objetivo formulado como hiptesis.
Objetivo: En las escuelas bsicas de un municipio, determinar el efecto que produce

sobre el logro escolar la inversin per cpita por alumno en capacitacin de los
profesores en tcnicas actuales de enseanza - aprendizaje.
Hiptesis: En las escuelas bsicas de un municipio, la inversin per cpita por alumno
aumenta el logro escolar cuando la inversin se hace en la capacitacin de los
profesores en tcnicas actuales de enseanza - aprendizaje.
Clasificacin de las hiptesis.
Existen varios criterios para clasificar las hiptesis. Aqu elegimos la relacin que, se
supone, tiene la hiptesis con las principales funciones que ella, con las principales
funciones de la investigacin. Segn este criterio, se distinguen cinco tipos de
hiptesis: descriptivas, tipolgicas, relacionales, explicativas y estadsticas.
Hiptesis descriptivas: Se refieren a caractersticas que se daran en el objeto

estudiado: .En un grupo heterogneo en su composicin socioeconmica, las personas
con mayores niveles son menos autoritarias que las personas con menores niveles.
Hiptesis tipolgicas: Proponen clasificaciones de las personas u objetos estudiados:

.En relacin con la modernizacin del currculum, los profesores pueden clasificarse
en: a) innovadores; b) conformistas; c) opositores totales; d) opositores parciales.
Hiptesis relacionales: Suponen relaciones entre dos o ms propiedades o variables

que se dan en las personas del objeto estudiado: .La correlacin entre el nivel de
escolaridad de la madre y el nivel de escolaridad que logran sus hijos es mayor que la
correlacin que se da entre este nivel y la escolaridad del padre.
Hiptesis explicativas o causales: Suponen causas o factores determinantes de un

cierto fenmeno: .La causa principal de la desercin en las escuelas bsicas es la
diferencia que existe entre el cdigo lingstico que se usa en la escuela y el cdigo
lingstico de los alumnos en el cual han sido socializados en sus hogares.
Si bien muchas de las hiptesis explicativas o causales proponen un solo factor (el
cdigo lingstico, en el ejemplo), en la complejidad del mundo social sobre todos y
cada uno de los fenmenos se dan mltiples influencias. Como reconocimiento de esta
situacin, estas hiptesis deberan enunciarse con la clusula .en igualdad de otras
condiciones.. As se dira, por ejemplo: .En igualdad de condiciones econmicas las
personas que respetan principios religiosos son ms autoritarias que aquellas que no
se rigen por tales principios.. El investigador debe elegir las condicin (es) que se
igualar (n) en cuanto tambin podra tener efecto en el fenmeno estudiado (el
autoritarismo, en el ejemplo).
Hiptesis estadsticas : Las hiptesis estadsticas son supuestos hechos por el

investigador acerca del valor que puede tener una cierta medida estadstica en una
muestra probabilstica tomada de una determinada poblacin. Estas hiptesis se
formulan con una cierta probabilidad del margen del error que puede tener ese valor.
Dentro de estas hiptesis estadsticas tienen especial importancia las llamadas
hiptesis nulas y la correspondiente hiptesis alternativa. As, en un estudio realizado
en una muestra en la cual se han calculado dos medios aritmticos, la hiptesis nula
dir que, si fuera el caso, no existe una diferencia estadsticamente significativa entre el
promedio de salarios de los hombres y de las mujeres en una cierta profesin. La
hiptesis alternativa, por su lado, dir que s existe diferencia. Para aceptar o rechazar
una u otra de las alternativas, se deber conocer cul es la probabilidad de darse tal
valor y cul es la probabilidad propuesta por el investigador para eso.
Leccin 3: Variables y Constructos y definicin operacional.
Las variables son las caractersticas de un objeto o evento que tenga a los menos dos
atributos (categoras o valores); los atributos son distintas categoras o valores que
componen la variable, en funcin de ellos se clasifican los objetos. Variables como
edad, ingresos econmicos, altura, toman valores numricos; pero las variables cono
sexo, estado civil, adoptan categoras.
A continuacin encuentra un cuadro esquemtico de los tipos de variables y

posteriormente encuentra la definicin y ejemplos.
Cuadro 6. Tipo de variables.
Se invita a ver el siguiente vnculo. http://www.youtube.com/watch?v=4x3iI-oj53k
- Variable independiente: es el atributo, propiedad o caracterstica que el investigador

va a observar bajo condiciones controladas, proceso denominado manipulacin de la
variable en una investigacin experimental, para valorar y medir la incidencia en la
variable dependiente; es la causa en la relacin causa-efecto.
- Variable Dependiente: en una investigacin es una caracterstica cuyo valor cambia
porque se manifiesta de diferentes formas, o aparece y desparece cuando el
experimentador introduce, reitera o cambia la variable independiente. Es la
consecuencia en la relacin causa-efecto y no se manipula sino que se mide para ver
el efecto de la manipulacin de la variable independiente sobre ella; por lo tanto se

debe definir para saber qu se va a medir u operacionalizar.
- Variables Intervinientes: son aquellas que pueden modificar os valores de la variable
dependiente pero que no son controladas por el investigador.
Segn el tipo de valor:
- Variables cualitativas son aquellas que toman como valores cualidades o categoras
que representan la pertenencia a una clase de cosas.
- Variables cuantitativas: toman como valores numricos aunque no representan
cantidades, como es el caso de los cdigos.
-Variables Continuas: son variables cuantitativas cuyos valores cambian en forma
progresiva y no a asaltos o de una a otra categora, tienen un orden que no puede
alterarse y sobre ellas se pueden hacer anlisis estadsticos descriptivos a travs de
medidas de tendencia central y medidas de dispersin.
- Variables Discretas: son aquellas cuyos valores corresponden a clases
independientes, no admiten valores intermedios y por lo tanto, no tiene sentido hablar
de promedios o de otros estadsticos descriptivos.
Segn tcnicas u operaciones estadsticas (Escalas):
- Variables nominales: se refieren a nombres, no proporcionan informacin referente a
un atributo, excepto en trminos de equivalencia o no equivalencia. Son excluyentes y
si se asignan nmeros slo se utilizan para distinguir unos objetos sociales de otros.
- Variables ordinales: se refiere a la distribucin de objetos segn su lugar relativo con
respecto a otros, de un tributo especifico. Los atributos o caractersticas se ordenan de
acuerdo con algn criterio, sin embargo no dice que tanto es mayor el atributo con
respecto a otro nivel. El criterio para clasificar a las personas u objetos en un grupo u
otro no obedece a operaciones matemticas sino a criterios establecidos por el
investigador que construyo la escala o prueba) Ver modulo Psicometra o Medicin
Psicolgica).
- Variables de intervalo: los nmeros asignados corresponden a la intensidad con la
cual se da una variable en las personas u objeto de estudio. Especifican el rango de
ordenamiento de los objetos o atributos y la distancia entre dichos objetos.
- Variables de proporcin o de razn: cumplen todos los requisitos anteriores, excepto

que aqu el cero si es racional, es decir el cero indica ausencia del atributo o
caracterstica que se est midiendo.
Los constructos se definen como propiedades subyacentes, que no pueden medirse en

forma directa, sino mediante manifestaciones externas de su sexo, la ocupacin, etc.,
que, como se ve, corresponden a grados diferentes o iguales de darse una cierta
propiedad en las personas o de darse en modalidades diferentes.
Los constructos se definen como propiedades subyacentes, que no pueden medirse en
forma directa, sino mediante manifestaciones externas de su existencia, es decir,
mediante indicadores. En otras palabras, los constructos son variables subyacentes,
por lo cual, habitualmente, caen en la denominacin comn de variables.
A partir de esa definicin, es importante buscar procedimientos que permitan su

medicin indirecta mediante manifestaciones externas, empricas y observables. Tales
manifestaciones o expresiones reciben el nombre de indicadores. En el caso de una
cierta actitud, son indicadores de ella las respuestas que pueda dar un sujeto a una o
ms preguntas que se supone se relacionan con la correspondiente variable
subyacente. O, tambin como ejemplo, el ingreso de una persona es un indicador de su
posicin social, o bien su nivel de instruccin formal, etc. Como se ve en estos
ejemplos, los indicadores dicen la forma cmo ser medida una cierta variable.
La seleccin de indicadores objetivos para medir una variable subyacente o compleja
corresponde a la definicin operacional de esa variable. De manera abreviada, y si
corresponde, una definicin operacional consiste en sealar el instrumento con el cual
ser medida la variable. As, la inteligencia queda definida operacionalmente cuando
decimos que ser medida por el test de Raven.
Otras definiciones operacionales se dan en los prrafos que siguen.

. Definicin operacional de la variable posicin socioeconmica. En este caso, se dir
que la variable ser medida con los siguientes indicadores con sus respectivos valores
ordinales:
Ocupaciones no manuales = 2
Ocupaciones manuales = 1
Educacin universitaria = 5
Educacin secundaria = 3
Educacin primaria = 1
De acuerdo con esta definicin operacional, una persona con una ocupacin no manual
y con educacin secundaria tendr una posicin socioeconmica de valor .5.; otra con
ocupacin manual y educacin primaria tendr un valor .2. Cabe hacer notar que esos
valores corresponden a una variable ordinal: los nmeros slo indican que uno de ellos
es mayor que el otro. Lo mismo vale para otros ejemplos que damos a continuacin.
. Definicin operacional de actitud autoritaria. La actitud ser medida con las
respuestas y ponderaciones dadas a las siguientes preguntas:
- Debe ensersele a los nios que la obediencia es siempre un comportamiento
positivo.
De acuerdo = 3 Indiferente=2 En desacuerdo=. 1
Definicin operacional de flexibilidad laboral a nivel de la empresa. Se medir la

flexibilidad laboral de las empresas con el nmero de trabajadores que salen de ellas
anualmente. (Ntese que segn el problema que se investiga, este mismo indicador
podra serlo de .inseguridad laboral.).
Directamente relacionado con los indicadores se encuentra la medida de una variable
compleja que no se puede medir directamente, denominada ndice. En forma de
definicin, un ndice es una combinacin de dos o ms variables o de sus indicadores
elegidos por el investigador que propone como procedimiento para medir una cierta
variable de la naturaleza indicada antes.
Por lo dicho, un ndice puede estar representado por los indicadores que se utilizan en
la definicin operacional de una variable. De esta manera, un ndice de posicin
socioeconmica sera la combinacin de valores o ponderaciones asignados a las
categoras distinguidas, por ejemplo, en la ocupacin y en la educacin.
Leccin 4: Medicin de variables y tipos de escalas de medicin.

Una variable puede adoptar varios valores, tal vez muchos de ellos en cierto rango. El
valor suele ser numrico, aunque no necesariamente. Los diferentes valores son
nombres; ese tipo de variable se conoce como variable categrica, porque cada valor
de ella es una categora diferenciada. Si bien es posible decir porque partido vota una
persona, esto no mide una actitud poltica en una escala; de igual modo, se puede
preguntar a los individuos si son casados o solteros, pero no es posible decir que tan
casados estn. Las variables como la estatura, el tiempo y la cantidad de hermanos
que se tiene, eso s representa una un valor concreto y se conocen como variables
medidas, puesto que se vale de un numero para indicar en qu parte de una escala se
encuentra la persona en esa variable. Una de las principales tareas al tratar de evaluar
las variables psicolgicas, a menudo consiste en pasar de una variable categora, de
acuerdo/ desacuerdo a una variable de medida que tan de acurdo esta.
Algunas variables son fciles de medir y uno esta familiarizado con el tipo de
instrumento de medicin necesario. Algunas variables son familiares en trminos
conceptuales, pero medirlas en forma numrica es algo difcil de hacer, como en el
caso de la actitud, la ansiedad, o los sentimientos. Sin embargo, aunque a las personas
suele agradarles pensar que no hacen mediciones psicolgicas de las personas, hay al
menos cierta medicin implcita en afirmaciones como por ejemplo se opone
fuertemente al consumo del cigarrillo, y quien puede oponerse solo un poco.
En psicologa se trabaja con variables como la actitud y la ansiedad, es necesario en
posibilidades de especificarlas con precisin, en parte porque se desea ser exacto en la
medicin de sus cambios y en parte porque es importante comunicar a los dems los
hallazgos. Si se aspira que estos trabajos se tomen con seriedad, debe existir la
posibilidad de que los dems los repliquen con la ayuda de los mismos procedimientos
de medicin que uno utiliz y que obtengan los mismos resultados.
La medicin de una variable consiste precisamente en el proceso de asignar valores o

categoras a las distinta caractersticas que conforman el objeto de estudio, para que se
realice adecuadamente la medicin, se recomienda tres aspectos; el primero, la
exhaustividad; es decir, que comprenda el mayor nmero de atributos, el propsito es

que ningn atributo quede sin poder clasificarse, en un cuestionario la opcin -otros-
corresponde a aquellas en las que caben otras respuestas diferentes a las del
cuestionario; el segundo; la exclusividad, los distintos atributos que componen la
variable deben ser mutuamente excluyentes y el tercero; la exactitud, que establece la
precisin y claridad.
-Tipos de escalas de medicin

Todos los datos son en ltima instancia resultado de un proceso de medicin.
Podemos distinguir cuatro niveles de medicin: escala nominal, escala ordinal, escala
de intervalo, escala de razn.
Escala nominal: corresponde a los datos cualitativos, cuando se clasifican en

categoras que no implican orden.
Es propietario de automvil?: S No
Escala ordinal: cuando los datos cualitativos se clasifican en categoras distintas en las
que existe algn orden.
Rango docente: Titular Asociado Adjunto Auxiliar
Escala de intervalo: es una escala ordenada en la cual la diferencia entre las

mediciones es una cantidad que tiene significado preciso. Por ejemplo, si una persona
mide 1,65 m, entonces tiene 5 cm ms que otra que mide 1,70 m. Estos 5 cm
representan la misma diferencia entre una persona que mide 1,82 m y otra que mide
1,77m.
Escala de razn: En este caso, adems de que las diferencias son significativas e
iguales en todos los puntos de la escala, existe un cero real, de modo que se pueden
considerar cocientes de mediciones. Por ejemplo, una persona que mide 180 cm tiene
el doble de altura de otra que mide 90 cm, mientras que una temperatura de 80C no
significa precisamente el doble de otra de 40C.
Leccin 5: Muestra y tipos de muestreo.

Cuadro 7. Tipos de muestreo
La muestra es una parte de la poblacin que de acuerdo con la seleccin que se haga
representa la poblacin y es la suficiente y necesaria para obtener la informacin
requerida. Axial la muestra son los grupos de individuos, acontecimientos o situaciones,
que se incluirn en la investigacin. La muestra es siempre una parte representativa de
la poblacin dada y de ella se obtiene efectivamente la informacin. El problema
principal consiste en asegurar que la muestra sea representativa de la poblacin, de
manera que permite generalizar las conclusiones a sta. En ocasiones, cuando la
investigacin no es muy extensa, puede tomarse la totalidad de la poblacin como
muestra.
Establecer la Unidad de Observacin, es un paso inevitable. Esta nos conduce a las
Unidades de Anlisis, las cuales se configuran por las instituciones, grupos de
individuos, personas individuales, etc, las que por su parte se ubican en un espacio
geogrfico y temporal.
Por ejemplo, estudiantes universitarios, organizaciones gubernamentales, jefes de

hogar, otros.
La pregunta que aparece frente a tales Unidades de Anlisis es todos los estudiantes
secundarios?, todas las ONG?.. .Naturalmente, la respuesta remite a considerar que
"todos" es el universo de la poblacin, que exigir el diseo de una muestra, lo que
implica la seleccin de unidades concretas.
Como ya se dijo, depender de los objetivos de la investigacin. Si la decisin es un
estudio de caso, como se plantear en apartados prximos, la muestra en cuestin, se
limita a la seleccin de aquellas personas, grupos, instituciones que sern constituidas
como "el caso", para lo cual se avanzar con un procedimiento diferenciado.
Mientras que si el inters es realizar una encuesta, es necesario una muestra, la cual
est determinada por un subconjunto del conjunto total que es el universo.
El propsito perseguido es establecer generalizaciones sobre lo que se est
investigando, los elementos que conforman la muestra y obtener conclusiones con un
mnimo de error. Se basa en la teora estadstica y fundamentalmente en el clculo de
probabilidades, en los diferentes tipos de distribucin de probabilidades y el de prueba
de hiptesis.
Para que una muestra sea representativa, se necesita:
Determinar el tamao de la muestra: implica calcular el nmero de personas a
entrevistar con base en criterios de fabilidad de resultados y optimizacin de costos y
tiempo.
La forma de muestreo: elegir el tipo que se utilizar conforme la teora estadstica que
sea viable de aplicar (muestras probabilsticas, muestras no probabilsticas)
Determinar las unidades mustrales: establecida la muestra, obtener las unidades
(personas, instituciones, etc) sobre las que se aplicar.
-El Tamao de la Muestra

Conforme la fuente citada cumple con el primer paso significa que se debe tener en
cuenta que las unidades seleccionadas sean representativas, conlleven el menor costo
y otorguen la mayor confianza. Ello implica tener en cuenta tres funciones:
1. La varianza poblacional, que refiere a la heterogeneidad u homogeneidad de la

poblacin. A mayor homogeneidad, menor ser el nmero de elementos y,
contrariamente, a mayor heterogeneidad, o dispersin de la poblacin, ser exigida
mayor proporcin, a fin de garantizar la representatividad.
2. El nivel de confianza, que se alcanza a travs de la distribucin de los elementos
sobre la base de la campana de Gauss. En el ejemplo anterior, distribuiramos a la
poblacin, si se pretende reconocer nivel de estudios alcanzados, conforme la
frecuencia de jvenes con estudios de nivel bsico, de nivel medio y de nivel superior.
De ello se obtendra que la mayor parte se ubica en el nivel bsico y medio y una
minora estara en el nivel superior. El grado de confianza se alcanza teniendo en
cuenta que la poblacin sea representativa de cada nivel de aprendizaje, de manera
que se puedan establecer intervalos de confianza siguiendo reglas estadsticas
preparadas para tal fin.
3. El mximo de error: Implica estimar hasta dnde es posible tener un sesgo de
error, que se define por algo que ya se apunt: cuanto mayor es el tamao de la
muestra, menor el error muestral y viceversa. Este ltimo, generalmente ya est
establecido por el investigador, el cual oscila entre 2.5% al 2%.98
-Clases de muestras: La seleccin de una muestra se hace en funcin del

problema, objetivos, hiptesis, variables y tipos de estudio.
Una muestra debe satisface dos condiciones:
En ella debe ser posible poner a prueba las hiptesis, es decir, las relaciones
entre variables.
Debe ser posible la generalizacin, es decir, inferencias validas con un grado de
incertidumbre conocido.
-Tipos de muestreo:
- Probabilstica: o al azar. Para que un muestreo sea Probabilstico se requiere que
todo y cada uno de los elementos de la poblacin tnganla misma probabilidad de ser
seleccionados. Se divide en:
- Aleatorio simple: todos los elementos tienen las mismas probabilidades de ser
seleccionados.
- Muestreo sistemtico: tiene las mismas caractersticas del aleatorio simple, solo
difiere en el procedimiento de seleccin de las unidades de muestra.
- Estratificado: se utiliza cuando la poblacin es demasiado heterognea con respecto a
las caractersticas que se desean estudiar; en este caso se agrupan los elementos
dentro de grupos o estratos. Se puede estratificar por sexo, edad, nivel
socioeconmico, ubicacin geogrfica etc.
- Conglomerado: se divide a la poblacin de acuerdo con caractersticas especficas, se
escogen los grupos que se requiere para el estudio y en cada uno de ellos se hace una
seleccin al azar conservando la misma proporciona en todos.
- No probabilstico: no sigue el proceso aleatorio o al azar no es representativa de una
poblacin, se caracteriza porque el investigador selecciona su muestra siguiendo
algunos criterios identificados para los fines de la investigacin que desea realizar.
Dentro de ste se encuentra el muestreo por conveniencia y el muestreo por cuotas.
La estadstica inferencial se ocupa de este problema y determine si la muestra es o no
representativa; cuando ello sucede, se puede predecir el resto de la poblacin tambin
cumple con la misma ley enunciada en la hiptesis.
Momento reflexivo: Por qu el problema de la cuantificacin en la investigacin

psicolgica?
Captulo 3. Tcnicas y escalas de actitud.
Leccin 1. La encuesta.
Una vez que se decide el tipo de muestreo a utilizar en la investigacin, resulta
necesario armar el de recoleccin de informacin. Una definicin tcnica de la
encuesta es que es una tcnica estandarizada que permite obtener informacin acerca
de una muestra de poblacin total. Para Cecilia Blanco ( 2011) la encueta es un
mtodo cientfico de recoleccin de datos de carcter cuantitativo que permite recopilar
informacin sobre opiniones , creencias y/o actitudes de los sujetos estudiados e
indagar acerca de temas mltiples, tales como pautas de conducta, prejuicios,

tendencias polticas: Esta tcnica brinda informacin acerca de cmo se manifiestan
muchas propiedades ( categoras, variables, atributos) en innumerables individuos y se
aplican mbitos diversos, comercial, poltico, acadmico.
En el mundo acadmico, la encuesta adquiri importancia en la dcada de los 40,
especialmente en reas de sociologa y comunicacin, esta tcnica se convirti
prontamente en una de las ms utilizadas en la investigacin social emprica en los
Estados Unidos. La encueta resulto ser una de los ms potente mtodos cuantitativos
puesto que permite obtener datos validos en un plazo relativamente corto y as realizar
inferencias y estimaciones, ( Marradi, Archenti y Piovani, 2010).
La base estadstica de la encuesta permite establecer predicciones representativas

respecto de las caractersticas de grandes poblaciones a partir del anlisis de datos
obtenidos en estudios a pequea escala de pequeas muestras probabilsticas
adecuadamente seleccionadas. La encuesta permite describir como e manifiestan
determinadas propiedades de una poblacin, a partir del anlisis del comportamiento
de las variables de una muestra.
Leccin 2. La entrevista.
La recoleccin de la informacin igualmente puede ser mediante otras tcnicas,
especialmente para reas de las ciencias sociales existe diversas formas de
aproximarse a las personas, entre ellas la entrevista, esta es una forma de tener un
encuentro cara a cara y utilizan una variedad de preguntas dese las cerradas hasta las
abiertas, y las diverso tipos, estructuradas o semiestructuradas, para el caso de la
investigacin cuantitativa se den tratar que sea una entrevista lo ms estructurada
posible, porque al no ser as, el anlisis de respuestas es un proceso algo, complejo y
es de un orden ms interpretativo. Al tener un inters en la cuantificacin se deben
generar categoras que prioricen la informacin recolectada.
Los tipos de entrevista de acuerdo al texto de Hugh, C. (2005), son 5: no directiva,

informal, semi estructurada, estructurada abierta, completamente estructurada; a
continuacin se presenta algunos aspecto relevante de cada una.
Entrevista no directiva: El entrevistado puede hablar de lo que quiera, se trata de que
se aumente los conocimientos acerca de si mismo y de manejar sus problemas
personales.
Entrevista Informal: El objetivo es reunir datos de investigacin, bajo un atmosfera
cordial y ms relajada, pero centrada en un tema especfico, adems no se ve limitada
por una respuesta fija.
Entrevista semiestructurada: Tiene en cuenta un ambiente informal, pero es guiada,
porque el entrevistador puede ofrecer respuesta que conlleven a nuevas preguntas o a
omitir otras, dado que ya ha dado la respuesta; este tipo de entrevista se emplea ms
en la investigacin cualitativa, o puede conllevar a anlisis de contenido cuando la
informacin es relevante y amplia para la investigacin.
Entrevista estructurada pero abierta: A fin de evitar la indefinicin, se utiliza un
procedimiento estandarizado el cual consiste en hacer la pregunta un el orden
predeterminado y garantiza mayor consistencia en cuanto los datos que se renen.
Las preguntas son abiertas. Cunteme, dgame
Entrevista completamente estructurada: Las preguntas tienen un formato
preestablecido y las opciones de respuesta estn establecidas, por ejemplo a veces,
casi nunca, brinda la opcin de manejo de datos especficos, pero no es muy usada en
ciencias sociales dado que de alguna manera se distancia de una conversacin, por
esta razn, este tipo de entrevista puede hacerse por telfono y no necesariamente
cara a cara.
Leccin 3. La observacin.
Esta tcnica va ms all del registro de datos observados, en cierto sentido, los datos
que proviene de las personas se obtienen por medio de alguien tipo de observacin,
para ello puede tomarse datos en ambientes naturales o en ambientes artificiales, as
mismo donde puede darse un control total de las variables, por tanto la observacin
como tcnica de investigacin implica un amplio significado, porque comprende toda
una preparacin del ambiente y de elementos que permitan ese registro, un registro de
las conductas; por ello puede usarse en estudio de orden descriptivo y en estudios de
orden experimental y para estos ltimos es donde representa ese proceso de medican
de variables, la variable independiente y la variable dependiente.
Por consiguiente se usa como tcnica de recoleccin de datos, pero, cabe aclarar que
puede usarse como diseo general de la investigacin. Como tcnica, pretende medir
las variables o describir las conductas; como diseo busca contrastar los datos con
otras investigaciones en particular de orden experimental, pero en ambiente naturales,
es decir, no se manipula variables, que es lo que se hace en entornos de laboratorio o
artificiales.
Esta tcnica igualmente tiene formas de realizar la observacin, por un lado esta la
observacin participante y no participante, la primera permita al investigador hacer
parte del grupo de sujetos observados, mientras que la no participante el investigador
debe observa a distancia. Cuando se emplea esta tcnica, el investigador de acuerdo
al estudio puede informar o no las intencionalidades de la investigacin, lo que permita
los comportamiento naturales de las personas y no afecte la recoleccin de datos.
De otro se encuentra la observacin estructurada o sistemtica, cuyas caractersticas
son; la definicin de categoras conductuales a registrarse, el muestreo de la conducta,
de manera consistente y la capacidad del investigador en ese ejercicio observacional,
en especial orientadas por un sistema de codificacin de los datos.
Esta tcnica se apoya en instrumentos de recoleccin necesariamente, porque no se

puede dejar solo lo observado a percepcin o recuerdo del investigador, por ello se
sugiere que se tenga una hoja de registro, que puede ser el diario de campo, como
otras hojas de codificacin, as mismo se recomienda y resalta la importancia de hacer
uso de instrumentos como la grabacin en vio que permitir la totalidad de registro y las
ventajas para analizar varios factores luego de la situacin observada.
Leccin 4. Anlisis de contenido.

Es la descripcin objetiva, sistemtica y cuantitativa del contenido manifiesto de la
comunicacin cuya finalidad es interpretarla. Actualmente se lo entiende, como el
conjunto de procedimientos interpretativos y de tcnicas de comprobacin y verificacin

de hiptesis aplicadas a productos comunicativos (mensajes, textos o discursos), o a
interacciones comunicativas que previamente registradas, constituyen un documento,
con el objeto de extraer y procesar datos.
En este apartado, diferenciaremos el Anlisis de Contenido teniendo en cuenta la
"Semntica Cuantitativa" o de base no gramatical en la concepcin de Duverger.
Para ello se tiene en cuenta:
Constituir un universo (Un libro; un capitulo, un discurso, las editoriales publicadas en
una fecha determinada por un N determinado de peridicos, etc) que exige, una clara
delimitacin
Establecer las Unidades de Anlisis. La palabra, la unidad ms sencilla, el tema,
conformado frecuentemente como una oracin; el tem, definido como la unidad de
anlisis que es usada por los productores de material simblico (pueden ser un libro,
una editorial, un programa); las medidas de espacio-tiempo (N de pginas dedicadas a
la seccin economa y a la seccin; centmetros que ocupa una columna; etc.).
Conformar las Categoras. Los niveles en los que se clasifican las unidades de
anlisis en las que Duverger, (pp. 182) distingue: Categoras de materia que
comprende: Los temas tratados(los diferentes programas televisivos; las diferentes
materias del plan de estudios; los fenmenos polticos -propuestos por Lasswell- las
personas; los grupos y las comunidades; las organizaciones; la poltica; las ideologas-
los mtodos o tcnicas, son una variedad de las categoras basada en los temas;
Categoras de Forma. Como su nombre sugiere, se refiere al modo en que son tratados
los temas: De forma propiamente dicha. La distincin entre los hechos, las
declaraciones de preferencia y las declaraciones de identificacin ("El Plan Econmico
se pone en vigencia el prximo mes", es una declaracin de hecho; las Polticas
sociales estn bien instrumentadas -o no- es una declaracin de preferencia; El Diario
Pas de Espaa llega a la toda L.A, es una declaracin de identificacin. De Intensidad.
Es el efecto que provoca la comunicacin. Requiere de la definicin de conceptos
emocionales que midiendo su frecuencia intenta conocer la intensidad del hecho. Las
repercusiones de un hecho policial transmitido en la TV. Las estratagemas. El anlisis
de un texto en el que se encubre otro mensaje, por ej. Una propaganda. Las
Categoras de Apreciacin. Se clasifican las U.A. segn las estimaciones que hace el
autor: toma de posicin (aprobacin-desaprobacin; afirmacin - negacin); los valores
(bien-mal; Justo-injusto; fuerte-dbil); las autoridades, las personas, grupos, etc, en
cuyo nombre se hace la declaracin. Las Categoras de Personas y de Actores. Se
separan los que responden a las personas, su caractersticas personales, de los que
refieren a los documentos.
Respecto del estatus personal y rasgos de carcter discierne sobre: sexo; edad;
educacin; nivel de ingresos. Se pueden aadir otras condiciones: preferencias,
atractivo personal; o bien disponindose de informacin de las caractersticas
personales: por ej. Cuntas veces se dice que el funcionario es leal para con sus
votantes y coherente en su conducta con las decisiones que toma? Un anlisis de ese
tipo, lleva al investigador a contar las veces que tales trminos se repiten en las
preguntas abiertas, en un cuestionario que busque informacin sobre el escaso xito
de las polticas sociales, es frecuente la respuesta: "los polticos no hacen nada. Solo
vienen cuando hay que votar"
Esa respuesta el analista la puede connotaren una expresin que la identifique, junto
con otras expresiones parecidas y, categorizarla como "lealtad". En otras palabras el
investigador est codificando a travs de una operacin que le permite "contar" las
veces que el cdigo en cuestin se repite. Respecto de los actores, indica las
personas, grupos, presentados en los documentos como protagonistas principales. Las
Categoras de Origen y Destino. Alude a la procedencia y a destinatarios del
documento. El trabajo consiste en analizar durante un tiempo determinado, el origen de
la noticia, por ejemplo, si es de una provincia, de un municipio, de otro pas. El destino
es la categora que procura determinara quien se dirige la noticia, el discurso, la
propaganda, etc. Analizar, por ej. A quin est dirigido el discurso del Presidente?: a
los banqueros, a los empresarios, a los ms necesitados, etc.; o la propaganda de una
marca de cigarrillos: a los ms jvenes, a las mujeres, etc.
El anlisis de contenido en las categoras que han sido descritas, es el medio por el
cual se realiza luego la codificacin de un documento, tcnica a la que nos hemos
referido. Es decir que codificacin y anlisis de contenido se encuentran relacionados,
y a su vez, ambas estn estrechamente vinculadas con el cuestionario y las escalas de

medicin de opinin y actitudes.
Leccin 5. Escalas de actitudes.
Las actitudes pueden considerarse como una relativamente duradera organizacin de

creencias, sentimientos y tendencias de conducta hacia objetos, grupos, eventos o
smbolos socialmente significativos; una predisposicin adquirida, un sentimiento
general de evaluacin (positiva o negativa), sobre personas, objetos o asuntos. De esta
definicin, se desprende el ABC de los componentes de las actitudes:
AFECTIVOS: Respuesta emocional, positiva o negativa
DE CONDUCTA (BEHAVIOURAL). Intencin de realizar una accin
COGNITIVOS: Creencias que moldean los componentes anteriores, estos
componentes siempre trabajan conjuntamente, jugando un papel importante en la
determinacin de la conducta.
Este enfoque involucra la conversin de algo abstracto, como lo es la actitud, en alguna
clase de escala numrica, dando mayor facilidad al manejo de los datos y subsecuente
anlisis estadstico. Algunas de las ms utilizadas son:
-Escala de Likert: denominada as en honor de Rensis Likert, quien dise este mtodo
en 1932. En general, se plantean una serie de afirmaciones, juicios o preguntas
(proposiciones), ante las cuales el individuo debe mostrar su acuerdo usando
palabras que implican grados crecientes (o decrecientes) del mismo; es pues, una
escala de tipo ordinal, que se desarrollar ms ampliamente en este reporte.
-Diferencial semntico: mtodo desarrollado por Osgood, Suci, y Tannenbaum en 1957,
se basa en usar un par de adjetivos opuestos, representando valores extremos en una
opcin bipolar, como bueno/malo, til/intil, adecuado/inadecuado, seguro/peligroso,
etc. Se asume que hay un espacio semntico hipottico, entre los cuales debera estar
situada la verdadera actitud del sujeto, que se evala de manera grfica. Ejemplo:
qu le parece el contenido de esta gua?
Obviamente, el investigador debe elegir, previamente, la forma de codificar cada

respuesta. Este tipo de escala permite la medicin simple de las actitudes hacia
aspectos muy generales
- Escala o escalograma de Guttman: Planteada por Luis Guttman en 1944. Se
presentan una serie de planteamientos similares a los de la escala de Likert, pero
asumindose que cada escalograma est dirigido a estudiar un solo detalle de cada
aspecto en particular, siendo entonces unidimensionales.
En este tipo de escalas hay gradacin interna y externa, la interna respecto al grado de
concordancia con el planteamiento propuesto y externa en el sentido de que hay
diversos planteamientos similares que varan en intensidad, por lo que se asume que el
aceptar el de mayor intensidad es equivalente a aceptar todos los dems y viceversa.
Los tems deben construirse y validarse con especial cuidado, debiendo ser
presentados en orden creciente o decreciente de intensidad. Ejemplo: si una persona
responde que le gustan todas las frutas, entonces debera decir tambin que le gustan
las manzanas, ya que esta afirmacin es de menor intensidad que la primera.
-Escala de Bogardus: es una escala acumulativa, como la de Guttman, en el sentido de
que hay diversos planteamientos similares que varan de grado, por lo que se asume
que el aceptar un determinado implica aceptar todos los que tengan un grado menor.
La diferencia con la de Guttman estriba en que se usa un escalamiento de intervalos.
-Escala de Thurstone y Chave: realizada con temes que valoran opiniones con valores
fluctuantes entre 0 y 11, los cuales, sin embargo, no se muestran a los participantes,
quienes slo deben seleccionar la opinin con la que concuerden ms. Los valores de
1 a 11 se obtienen promediando los valores o pesos que se asignan por un grupo de
expertos, implicando que esta escala tiende a representar una medicin de intervalos.
Momento reflexivo: Cul es la importancia de elegir la tcnica adecuada para la

investigacin?
Autoevaluacin de la Unidad:
Apreciado estudiante, luego de la lectura, anlisis y comprensin de los temas de la

unidad 1, es importante el proceso de autoevaluacin, entendida como una oportunidad
para hacer la revisin y reflexin autocrtica de procesos, aprendizaje y productos del
proyecto de formacin que est desarrollando en su rol de estudiante.
Conteste las siguientes preguntas de acuerdo con la siguiente escala valorativa:
5: Totalmente de acuerdo.
4: De acuerdo
3: Nivel medio
2: Desacuerdo
1: Totalmente desacuerdo.
Competencia cognitiva 1 2 3 4 5
1-Comprende los conceptos y temas presentados en el mdulo.
2-Identifica la importancia de los objetivos de aprendizaje.
3-Reconoce las caractersticas epistemolgicas de investigacin.
4- Reconoce las caractersticas metodolgicas de investigacin cuantitativa.
5- Reconoce los aspectos ticos de investigacin en psicologa.
Competencia metodolgica 1 2 3 4 5
1-Organiz su tiempo para el desarrollo de lectura y ejercicios.
2-Demostr dominio en los ejercicios de cada captulo
3-Desarrol habilidades en el proceso de diseo metodolgico.
4-Consult otras fuentes bibliogrficas.
5-Gener estrategias para alcanzar las metas de aprendizaje.
Competencia contextual 1 2 3 4 5
1-Reconoce el impacto social de la investigacin cuantitativa.
2-Relaciona el aprendizaje con situaciones reales del contexto.
3-Identifica los campos de accin en los que puede intervenir.
4-Genera aportes conceptuales ante los problemas del contexto.
5-Valora el desempeo profesional ante el servicio a la comunidad.
Competencia comunicativa 1 2 3 4 5
1-Gener dialogo claro y oportuno con el tutor y compaeros.
2-Comprendi las instrucciones para la elaboracin de trabajos.
3-Expres inquietudes sobre el tema o actividades del curso.
4- Intercambi ideas y opiniones sobre los temas del curso.
5-Establece pautas de interaccin apropiadas a su rol.
Avila, J. (2008). Los que explican pero no comprenden? Una reflexin en torno a las
crticas que hacen otras metodologas a los abordajes cuantitativos. Indago. Nmero 2.
Universidad Nacional de Colombia.
Blanco, C. (2011). Encuesta y estadstica. Mtodos de investigacin cuantitativa en
ciencias sociales y comunicacin. Editorial Brujas. Argentina.
Clark-Carter, David. (2002). Investigacin cuantitativa en psicologa, del diseo
experimental al reporte de la investigacin. Universidad de Oxford.
Hugh, C. (2005). Mtodos de investigacin y estadstica en psicologa. 3a Ed. Manual
Moderno. Mxico.
UNIDAD DIDCTICA 2.
TRATAMIENTO Y ANLISIS DE DATOS EN EL PROCESO DE INVESTIGACIN
CUANTITATIVA.
Presentacin:
La investigacin cuantitativa parte de entidades tericas de amplio reconocimiento por
parte de la comunidad cientfica, los estudios desde esta investigacin generalmente
examinan los datos numricos tomados de un fenmeno observado especialmente con
el apoyo de disciplinas como la estadstica. A partir de la cual se hacen demostraciones
de los aspectos separados de su todo, a los que se asigna significado numrico y se
logran inferencias causales, por tanto en esta segunda unidad en la cual se tiene en
cuenta el proceso propio de la investigacin cuantitativa se presentara de forma puntual
los aspectos de diseo de investigacin cuantitativa, la recoleccin de informacin y el
tratamiento y anlisis de datos desde esa misma perspectiva de la investigacin
cuantitativa. Por tanto es importante en primer lugar reconocer que la investigacin
cuantitativa no es de ninguna manera una investigacin en contraposicin de la
investigacin cualitativa, solo se presenta como una forma diferente de abordar
estudios o problemticas y que desde esa perspectiva brinda opciones especificas
tales como ms rigurosidad, objetividad, generalidad y especialmente la deduccin,
formas que se basan en mtodos y estrategias de cuantificacin de la informacin.
La invitacin en este punto es que como profesionales de psicologa se adquiera

igualmente un aprendizaje sobre las caractersticas de la investigacin cuantitativa, sus
diseos y sus formas de recoleccin y tratamiento de datos, para lo cual es importante
realizar la lectura de cada uno de los temas, igualmente abordar las lecturas
complementarias sugeridas, as mismo el desarrollo de los ejercicios y actividades de
autoevaluacin, con el fin de generar competencias metodolgicas y contextuales que
contribuyan al conocimiento y especialmente la intervencin en los contextos sociales,
a partir de una mirada del mtodo lgico deductivo que igualmente exigir el dominio
de las teoras o enfoques psicolgicos.
Objetivos especficos de la unidad:
- Presentar de forma organizada referentes conceptuales sobre diseos metodolgicos,

formas de recoleccin y tratamiento de informacin a partir de la investigacin
cuantitativa.
- Establecer actividades reflexivas que promuevan actitudes valorativas y competencias

contextuales en torno los procesos de gestin de conocimiento investigacin y el
anlisis de las realidades desde la investigacin cuantitativa.
- Orientar un proceso de aprendizaje a partir de las respectivas fases de

reconocimiento, profundizacin y trasferencia basado en estrategias pedaggicas,
didcticas y evaluativas de cada captulo.
Evaluacin diagnstica:
Seor estudiante, es importante tenga en cuenta que para realizar la lectura de los
ejes temticos que integran la segunda unidad, se requiere que previamente haya
cumplido la lectura, ejercicios y trabajo colaborativo de la Unidad 1, es decir, se
requiere de bases conceptuales y dominio en los aspectos tericos, metodolgicos y
ticos de la investigacin, por tanto es un momento para reconocer las fortalezas y
reforzar aquellas en las cuales se detect dificultad dada la autoevaluacin de la
Unidad 1. Responda las siguientes preguntas:
Preguntas:
1. Conozco la definicin de estadstica?.
Si____ Cules?: ______________________________________________
_________________________________________________________
_________________________________________________________
No____
Es importante conocerlos?
Si____ No______
Por qu ____________________________________________________
__________________________________________________________
2. Conozco el significado y la funcin de los datos en un proceso de investigacin?

Si_____ Nmbralas:
________________________
________________________
________________________
________________________
No_____
Es importante investigar sobre ellas?
Si______ No________
Dnde o con quin puedo Investigar: _____________________________
3. Conozco en trminos conceptuales los diferentes mtodos estadsticos para organizar

datos?
Si_____
Cules?:
_________________________________________________________
__________________________________________________________
__________________________________________________________
No_____
Es importante conocerlos?.
Si______ No_______
Por qu?____________________________________________________
___________________________________________________________
4. Conozco en trminos prcticos algunos mtodos estadsticos para organizar datos?
Si______
Cules?:
___________________________________________________________
___________________________________________________________
No_____
Es importante revisarlo?
Si_______ No_______
Por qu:___________________________________________________
__________________________________________________________
5. Identifico el procedimiento para la construccin de unidades y categoras de anlisis.

Si______ No_______
Por qu?____________________________________________________
___________________________________________________________
Captulo 1. Resumen y descripcin de datos
Leccin 1. Procedimiento para el anlisis de datos y tipos de datos
Una vez concluidas las etapas de coleccin y procesamiento de datos se inicia con una
de las ms importantes fases de una investigacin: el anlisis de datos. En esta etapa
se determina como analizar los datos y que herramientas de anlisis estadstico son
adecuadas para ste propsito. El tipo de anlisis de los datos depende al menos de
los siguientes factores.
a) El nivel de medicin de las variables (los niveles de medicin fueron explicados en la

seccin 2.4 del captulo II).
b) El tipo de hiptesis formulada (ver seccin 2.2, captulo II).
c) El diseo de investigacin utilizado indica el tipo de anlisis requerido para la

comprobacin de hiptesis.
El anlisis de datos es el precedente para la actividad de interpretacin. La

interpretacin se realiza en trminos de los resultados de la investigacin. Esta
actividad consiste en establecer inferencias sobre las relaciones entre las variables
estudiadas para extraer conclusiones y recomendaciones (Kerlinger, 1982). La
interpretacin se realiza en dos etapas; la primera, la interpretacin de las relaciones
entre las variables y los datos que las sustentan con fundamento en algn nivel de
significancia estadstica. La segunda, establecer un significado ms amplio de la
investigacin, es decir, determinar el grado de generalizacin de los resultados de la
investigacin.
Las dos anteriores etapas se sustentan en el grado de validez y confiabilidad de la

investigacin. Ello implica la capacidad de generalizacin de los resultados obtenidos.
Analizar significa establecer categoras, ordenar, manipular y resumir los datos,

(Kerlinger, 1982, p. 96). En esta etapa del proceso de investigacin se procede a
racionalizar los datos colectados a fin de explicar e interpretar las posibles relaciones
que expresan las variables estudiadas.
El diseo de tablas estadsticas permite aplicar tcnicas de anlisis complejas

facilitando este proceso. El anlisis debe expresarse de manera clara y simple
utilizando lgica tanto inductiva como deductiva.
Los resultados de una investigacin basados en datos muestrales requieren de una

aproximacin al verdadero valor de la poblacin (Zorrilla, 1994). Para lograr lo anterior
se requiere de una serie de tcnicas estadsticas. Estas tcnicas se derivan tanto de la
estadstica paramtrica como de la estadstica no paramtrica. La primera tiene como
supuestos que la poblacin estudiada posee una distribucin normal y que los datos
obtenidos se midieron en una escala de intervalo y de razn. La segunda no establece
supuestos acerca de la distribucin de la poblacin sin embargo requiere que las
variables estudiadas se midan a nivel nominal u ordinal (ver Weiers, 1993).
Las tablas diseadas para el anlisis de datos se incluyen en el reporte final y pueden
ser tiles para analizar una o ms variables. En virtud de ste ltimo criterio el anlisis
de datos puede ser univariado, bivariado o multivariado
Tipos de datos
En una investigacin estadstica, se manejan diversas caractersticas, a las que se
denomina variables. Los datos son los resultados que se observan para estas
variables. Bsicamente existen dos tipos de variables, que producen dos tipos de
datos: cualitativos y cuantitativos. Las primeras variables producen respuestas
categricas, en tanto que las segundas producen respuestas numricas. Por otra parte,
los datos cuantitativos pueden ser discretos o continuos.
Los datos cuantitativos discretos son respuestas numricas que surgen de un proceso
de conteo, mientras que los continuos son los que surgen de un proceso de medicin,
en este aspecto deben tener en cuenta las escalas de medicin presentadas en la
primera unidad, capitulo 2, leccin 4.
Leccin 2. Codificacin y matriz de datos:

Realizado el trabajo de campo, es tiempo de proceder al tratamiento y anlisis de la
informacin obtenida. Recordemos que aludir la informacin est ligada a tener del
problema en estudio una base de "datos brutos", los cuales reclaman su clasificacin y
ordenamiento para orientarse a las etapas finales de la investigacin.
Tomada la decisin respecto de lo que se har con la informacin, el investigador
procede a preparar la matriz de datos o la base de datos de su investigacin.
Con el avance tecnolgico que sobre el tema existe, desde el punto de vista del
sistema informtico, no seremos nosotros los que daremos aportes en tal sentido. No
obstante cabe reconocer que es necesaria la elaboracin y ejecucin de un programa
para su aplicacin por computadora. Esto, desde ya, en el entendimiento de que el
anlisis de los datos ya nadie los hace en forma manual.
Sin embargo el conjunto de pasos a seguir, independientemente del procedimiento
informtico, sern por lo menos someramente descritos, ya que el sistema recibe los
insumos que deben ser preparados y cuidadosamente controlados por el investigador.
La Matriz de datos es el espacio en el que converge la informacin que se recolecta y
la que nos da la oportunidad de construir los datos, considerados estos ltimos como la
conjuncin de tres elementos: Unidad de Anlisis; Variable; Valor, los cuales son partes
constitutivas de aquella, tal como ser observado.
Por lo tanto para comprender el proceso de tratamiento de los datos, los criterios que a
continuacin sern expuestos son los seguidos segn la tcnica del cuestionario
semiestructurado, haciendo para esta ocasin un breve punteado de los pasos
principales.
Recolectar la informacin conforme la tcnica ya mencionada.
Proceder a la codificacin de las preguntas cerradas, si es que no se hizo antes de la
salida a campo.
Realizar el trabajo de "limpieza" de los cuestionarios. Esto significa: su numeracin
revisin dejas respuestas, a fin de corregir los errores de toma, por ejemplo si no se ha
pasado de una pregunta a otra, o aquellas que en las que se debe registrar una sola
opcin y aparecen marcadas dos o ms; los casos en que no corresponda preguntar y
por el contrario as ocurri; etc. En otras palabras, proceder a la edicin de los

cuestionarios, tarea inevitable porque de ella dependen los pasos posteriores.
Proceder a la codificacin de las variables y/o preguntas cerradas.

Preparar la muestra para la codificacin de las preguntas abiertas.
Codificar las preguntas abiertas, segn la muestra seleccionada.
Preparar el libro de cdigos
Completar la codificacin.
Resueltas estas instancias cabe completar la matriz, ya sea en forma manual o
informtica. Precisamente el trabajo de codificacin contribuye a identificar con un
nmero o smbolo cada respuesta, a fin de que la misma se traspase a la matriz.
El trabajo con los datos. Hacia la contrastacin de las hiptesis.
a). Procurar que las celdas estn cubiertas. Es decir, cumplir con el principio de
integridad. Si se ha realizado bien el trabajo de campo, el cuestionario no ha tenido
dificultad en su implementacin y si las tareas posteriores como la edicin, ha sido
bien realizada, es de suponer que cada pregunta ha tenido una respuesta. En otras
palabras: cada variable del cuestionario, alcanz un valor, conforme las dimensiones o
la categorizacin otorgada a la misma en el instrumento. Ello motiv la utilizacin del
cdigo que reemplaza el valor de la variable, para ser volcado en la matriz. Los
espacios vacos del ejemplo, estn colocados en las variables edad e ingresos. Para
estas, las recomendaciones que se realizan son: poner tal como ha sido dado el
nmero de aos (32,15, o el que fuera), o bien trabajar la variable y, dado su carcter
cuantitativo, construir intervalos y luego a cada uno de ellos otorgar el valor del cdigo
que corresponda, como lo proponemos en el ejemplo:
-10 aos (1)
11 a 20 (2)
21 a 30 (3)
34 a 40 (4)
41 a 50 (5)
+ de 50 (6)
De igual forma, con la variable ingreso, la cual tambin puede ser ordenada en
intervalos, segn lo valores que se hayan registrado.
b) La matriz sirve para clasificar. Por lo tanto a cada Unidad de Anlisis le corresponde
una variable y un valor de la misma, Es decir se tiene que producir una clasificacin en
la que el par comprendido por la (JA 1V1, por ejemplo, muestre el carcter exclusivo
del valor y a la vez el carcter exhaustivo del mismo. Cada entrevistado debe registrar
una sola respuesta o categora
c) Cada uno de las combinaciones que se realicen debe tener un sentido.
Si se alude a pases, (como unidades de Anlisis), estos no pueden tener valores que
respondan al sexo, o a lugar de residencia. Esta advertencia responde a la posibilidad
de comparacin de las variables entre s.
Lo expuesto corresponde a lo que se denomina "principios bsicos", que como se
observa son los de integridad; clasificacin y comparabilidad.
Tomado de Gloria E. Sobre Tesis y Tesistas. Lecciones de enseanza aprendizaje.

Editorial Espacio. Buenos Aires, Argentina, 2003.
Leccin 3. Mtodos grficos
Existen diferentes formas de resumir grficamente los datos, la ventaja es que

comunica al lector aspectos de los datos como tamao relativo, de manera ms
inmediata. Cabe indicar que presenta dos desventajas, la primera, a veces resulta
difcil obtener los valores exactos de una grfica, segunda, generalmente quien las
elabora no tiene en cuenta que algunos lectores no estn acostumbrados a las
convenciones relacionadas con las grficas.
La mayora de la representacin grafica de datos emplea dos dimensiones o ejes, una

para los valores de la variable independiente y otra para la dependiente. Por
convencin el eje vertical representa la variable dependiente y el horizontal la
independiente. A menudo no hay variables dependiente o independientes obvias, en
ese caso, han de colocarse en los ejes de la manera en que tenga ms sentido a la luz
de la convencin.
-Grficas de barras:
Se utiliza cuando los niveles de la variable independiente se relacionan con categoras,
como en el ejemplo de personas fumadoras y no fumadoras.
Grfica 1. Ejemplo Grafica de barras variable independiente
16
14
12
10
Series1
8
6
4
2
0
Fumadores No fumadores
Ahora, si integramos la variable dependiente como gnero, la grfica corresponde:

Grfica 2. Ejemplo Grafica de barras variable dependiente e independiente
-Histogramas:
Son similares a las grficas de barra, solo que estas se tocan entre s, y tienden a
usarse cuando los niveles de las variables independientes son cuantitativos, por
ejemplo la edad.
Grfica 3. Ejemplo Histograma.
-Grficas de pastel o de sectores:

Etas graficas difieren de la mayora de las grficas porque representan los subtotales
como rea de un pastel correspondientes a una categora.
Nmero de personas en cada grupo de edad:

Grfica 4. Ejemplo 1 grafica de barras
Porcentaje de personas en cada grupo de edad:

Rango especifico 20 a 29 aos:

Tambin resulta factible mostrar ms de un conjunto de datos en graficas de pastel

separadas, de modo que el lector pueda compararlas.
Porcentaje de fumadores y no fumadores entre hombre y mujeres:
Leccin 4. Probabilidad.
En este tema es importante tener en cuenta que ms all de la descripcin de datos,
los resultados resultan tiles para explicar y probar las hiptesis, mas desde un marco
de la probabilidad, porque nunca se puede probar que una hiptesis es verdadera.
Para recordar, la hiptesis se trata de una afirmacin que postula el posible resultado
ante un fenmeno, evento, acontecimiento o situacin.
La expresin formal de una hiptesis de investigacin siempre se realiza en trminos
de dos hiptesis relacionadas. Una es la experimental o alternativa o de investigacin
(a menudo se muestra como H1 o HA). Se trata de una afirmacin que postula el
resultado del estudio o en trminos de la psicologa, la prediccin de que un evento
ocurra o no. La segunda hiptesis es la nula (H0), por lo general es una afirmacin de
que una variable independiente no tiene efecto sobre una variable dependiente o de
que no hay relacin de variables.
Afirmaciones en trminos probabilsticos hacen parte de nuestro lenguaje diario:
chance, riesgo, probable, posible, pueda que ocurra o no, casi cierto y otras ms.
Todas estas son utilizadas para comunicar un cierto grado de incertidumbre aunque su
uso no tcnico no permite establecer una clara diferencia entre probable y verosmil o
entre improbable e imposible. Uno de los objetivos de este captulo es introducir una
medida numrica de incertidumbre.
Los primeros estudios de probabilidad fueron motivados por la posibilidad de acierto o
fracaso en los juegos de azar. La probabilidad es un mecanismo por medio del cual
pueden estudiarse sucesos aleatorios, es decir, operaciones cuyo resultado no puede
ser predicho de antemano con seguridad. Por ejemplo, el lanzamiento de una moneda.
Se asigna entre 0 (absolutamente improbable) y 100 (muy probable).
A partir de este ejemplo de la moneda, y en el contexto de que una amiga dice que
puede influir en el resultado del lanzamiento haciendo que caiga cara, puede
plantearse lo siguiente:
HA: nuestra amiga puede hacer que la moneda caiga en cara.
H0: nuestra amiga no puede influir en la cada de la moneda.
Se sabe que la posibilidad de que una moneda caiga cara por azar es de 0.5: Por tanto,
si la lanzamos y cae cara, sabramos que era muy PROBABLE que esto sucediera por
azar y no se tendran pruebas suficientes para rechazar la hiptesis nula. En realidad,
esta no constituye una prueba justa de nuestras hiptesis, pues ningn resultado del
estudio en particular es suficientemente IMPROBABLE por azar para servir de
evidencia contra la hiptesis nula. Para que la prueba de la hiptesis resultara ms
justa se requiere una situacin en la que fuera improbable que algunos resultados
ocurrieran por azar. Si la situacin se complica, se puede ver que puede tener
probabilidades distintas; por ejemplo no una moneda, sino 5 monedas a la vez, esto
aumenta el nmero de resultados posibles. Las posibilidades van desde que todas
caigan cara hasta que todas caigan sello, pasando por toda la gama de combinaciones
cara y otras sello, con un total 32 combinaciones posibles.
Cuadro 9. Probabilidades de diferentes resultados cuando se lanzan 5 monedas

Nmero de caras Numero de Probabilidad
combinaciones que
se obtiene
5 1 0.031
4 5 0.156
3 10 0.313
2 10 0.313
1 5 0.156
0 1 0.031
Por tanto, los resultados menos probables son que todas las monedas caigan cara o
sello, y las opciones ms probables son las de 3 caras y 2 sellos, y 3 sellos y 2 caras.
Ante el planteamiento de un estudio para probar si nuestra amiga puede influir en las
monedas de modo que caigan solo caras, obtener ese resultado en el primer intento
pudo ocurrir por azar, pero es importante preguntarnos es sufrientemente improbable
que ocurra por azar para arriesgarnos a decir que pensamos que puede rechazarse la
hiptesis nula y sustentar la hiptesis alternativa.
Antes de probar una hiptesis, los investigadores establecen un nivel de probabilidad

crtico, de modo que el resultado de su trabajo debe tener una probabilidad igual o
menor que el nivel crtico antes de rechazar la hiptesis nula de que el resultado ocurri
por azar. Estos investigadores o expertos dicen que el rango de resultados tan
probable o menos probable que la probabilidad critica se encuentra en la regin de
rechazo en otras palabras, es suficientemente improbable que estos resultados ocurran
al azar para rechazar la hiptesis nula.
Si el resultado del estudio se encentra en la regin de rechazo, se dice que el resultado

es estadsticamente significativo, si su probabilidad se halla fuera de la regin de
rechazo, no se considera estadsticamente significativo. Por convencin, en
investigacin, la probabilidad crtica suele fijarse en 0.05. En general, se utiliza el
smbolo (letra griega alfa) para denotar la probabilidad crtica. Por tanto, =0.05, este
valor se ha elegido como un compromiso ente dos tipos de error que los investigadores
llegan a cometer cuando deciden si rechazan la hiptesis nula. Si la probabilidad de
que nuestro resultado haya ocurrido por azar es igual o menor que , no resulta
estadsticamente significativa y no podemos rechazar la H0.
Como la probabilidad de obtener 5 caras por azar es de 0.031, p=0.031, es menor que
=0.05, entonces, se rechaza la hiptesis nula y se acepta la hiptesis alternativa,
concluyendo que nuestra amiga puede hacer que las monedas caigan cara.
Leccin 5. Significacin estadstica
En estadstica, un resultado se denomina estadsticamente significativo cuando no es

probable que haya sido debido al azar. Una "diferencia estadsticamente significativa"
solamente significa que hay evidencias estadsticas de que hay una diferencia entre las
variables estudiadas. No significa que la diferencia sea grande, importante, o
significativa en el sentido estricto de la palabra, slo indica que hay diferencias.
Una de las aplicaciones de la estadstica es hacer inferencias a poblaciones, a partir de

muestras. En la realizacin de este proceso, siempre existe el riesgo de error o
imprecisin ya sea por el azar o la variabilidad del fenmeno a estudiar.
Cualquier resultado puede ser un evento al azar, aun cuando sea muy improbable.
Pero debemos decidir si deseamos arriesgarnos a rechazar la hiptesis nula, pese a la
posibilidad. Como no se puede saber con seguridad que nuestra hiptesis es correcta,
hay cuatro resultados posibles dl proceso de decisin y se basan en las opciones y la
naturaleza de la realidad. Ante este tema, se conocen dos tipos de error, error tipo I,
elegir rechazar la hiptesis nula cuando es verdadera; error tipo II, elegir no rechazar
la hiptesis nula cuando es falsa.
Este aspecto de elegir rechazar o elegir no rechazar la hiptesis nula, conlleva

establecer unos pasos para la prueba de significancia, en su orden son:
1. Expresar una hiptesis nula apropiada para ponerla a prueba.
2. Calcular la probabilidad de que el efecto estadstico ocurra segn la hiptesis
nula.
3. Si esta probabilidad es menor o igual a 0.05 se rechaza la hiptesis nula.
Momento reflexivo: Cmo proceder al tratamiento de datos?
Captulo 2. Anlisis Estadstico
Leccin 1. Concepto bsico de estadstica.

El origen de la Estadstica se remonta a dos tipos de actividades humanas: los juegos
de azar y las necesidades de los Estados: necesidades de describir numricamente
ciudades, provincias, etc. Los juegos de azar llevaron al estudio de la probabilidad, y
ste condujo al tratamiento matemtico de los errores de las mediciones y a la teora
que hoy constituye la base de la estadstica, mientras que la segunda actividad condujo
a la estadstica descriptiva: presentacin de datos en tablas y grficos, aunque en

nuestros das incluye tambin la sntesis de ellos mediante descripciones numricas.
El mtodo estadstico moderno se refiere a la Inferencia estadstica: sta se relaciona
con el desarrollo de mtodos y tcnicas para obtener, analizar e interpretar datos
cuantitativos de tal manera que la confiabilidad de las conclusiones basadas en los
datos pueda ser evaluada objetivamente por medio del uso de la probabilidad. La teora
de la probabilidad permite pasar de datos especficos a conclusiones generales, por
eso desempea un papel fundamental en la teora y aplicacin de la estadstica.
En pocas recientes la inferencia estadstica ha adquirido la importancia que antes
tena la estadstica descriptiva. La inferencia estadstica trata de generalizaciones
basadas en muestras de datos: se aplica a problemas como estimar, mediante
pruebas, la emisin promedio de contaminantes en una turbina, verificar las
especificaciones de un fabricante a partir de mediciones efectuadas sobre muestras de
un producto, etc.
Cuando se hace una inferencia estadstica, debe procederse con cautela: debe
decidirse hasta qu punto pueden hacerse generalizaciones a partir de un conjunto de
datos disponibles, si las generalizaciones son razonables, o si sera preferible disponer
de otro conjunto de datos...
Algunos de los problemas importantes de la inferencia estadstica se refieren
precisamente a la evaluacin de los riesgos y las consecuencias al hacer
generalizaciones. Esto incluye una estimacin de la probabilidad de tomar decisiones
errneas, las posibilidades de hacer decisiones incorrectas y de obtener estimaciones
no comprendidas dentro de los lmites permitidos. Todos estos problemas los aborda
en los ltimos aos la teora de la decisin.
Para clarificar esta definicin, se requieren ten claridad de algunas definiciones:

Poblacin (o universo): es la totalidad de elementos que se consideran.
Muestra: es un subconjunto de una poblacin que se selecciona para su estudio.
Parmetro: es una medida que se calcula para describir una caracterstica poblacional.
Estadstica: es una medida utilizada para describir una caracterstica muestral.
Leccin 2. Anlisis Univariado:

Es un anlisis bsico, primario, en el cual, las caractersticas o propiedades de las
personas o cosas han de medirse una a una, de modo univariado. Los tipos de
medidas que se utilizan en los anlisis univariados son, medidas de tendencia central,
medidas de dispersin y distribucin de frecuencias.
-Medidas de tendencia central:

Consiste en el retomar un listado de los datos brutos, es decir tal como se presentan,
pero para mayor eficacia el investigador utiliza una forma de despliegue que los
presente de forma organizada.
El tipo ms comn es el que trata de presentar alguna especie de valor central de los
datos, el cual se conoce como promedio, existen tres conocidos en este tema
estadstico, la media, la mediana y la moda.
La media, es el valor que se encuentra al sumar las puntuaciones de las respuestas y

dividir entre el nmero total de stas. Por ejemplo, si al sumar valores de un grupo de
participantes, (n=15), la suma total de esas respuestas da 91, ese valor se divide en 15,
lo cual significa que el valor de la media corresponde a 6.066. El smbolo ms comn
para representar la media de una muestra es Los expertos en estadstica emplean
letras minsculas del alfabeto latina para simbolizar estadsticas calculadas a partir de
una muestra.
La mediana, es el valor r que se encuentra en el centro de todos los valores, por tanto,
para encontrarla deben ordenarse los datos de mayor a menor, cuando la muestra es
impar la median es el valor que queda en el medio de eso muestra por ejemplo una
muestra de 15 sujetos, y sus datos son
3, 4, 4, 4, 5, 5, 6, 6, 7, 7, 7, 8, 8, 8, 9. El valor en este caso de la median es 6. Si la
muestra es par, corresponde sumar los dos valores centrales y se divide en 2.
3, 3, 4, 4, 5, 5, 5 , 6, 7, 7, 7, 7, 8, 8, 9, 9 = 15/2= 6.5
La moda, es el valor que ms se presenta entre los participantes, tomando el ejemplo

exactamente anterior, el nmero que ms se presenta es el 7, al ordenar los datos por
magnitud, permite identificar de forma ms sencilla ese valor.
El texto Investigacin cuantitativa en psicologa de (Clark-Carter 2002) se expone que

la media es la medida de tendencia central que los psiclogos emplean ms,
probablemente por tres razones. Su clculo tiene en cuanta todos los valores de los
datos. Se utiliza en muchas pruebas estadsticas. Puede utilizarse junto con otras
medidas para dar una idea del rango de puntuaciones de la mayora.
Ante este mimo uso de la media, es importante indicar que tiene dos desventajas, la
primera, que representa a todo el grupo, pero as mismo el dato obtenido podra
representar a nadie, por ejemplo cuando ante la variable de nmero de hijos, el valor
obtenido es de 2.4, que es un dato matemticamente valido, pero en el caos de la
variable no es posible. La segunda desventaja, radica en que puede afectarse por una
sola puntuacin muy diferente del resto de la muestra, por ejemplo capacidad de
recordar unas palabras, el promedio es 6 palabras, pero puede haber personas que
recuerdan el mnimo 1 palabra o el mximo 30 palabras, que aunque son los extremos
y pueden ser la excepcin, para la investigacin resulta dejar de lado datos que
pueden ser tiles.
Una sola medida de tendencia central no es suficiente para analizar los datos de la
muestra, por ello resulta til reportar alguna medicin de esta dispersin de
puntuaciones, a fin de poner la medida de tendencia central en contexto. Veamos
entonces el tema de medidas de dispersin.
-Medidas de dispersin:
Las medidas de dispersin permiten conocer la variabilidad de un conjunto de datos,
analicemos los siguientes factores:
Mximo y mnimos, precisamente son los valore extremos que representa el menor
valor obtenido y al mayor alcanzado por los sujetos de la muestra. Retomando
nuevamente el ltimo ejemplo de datos que ha ilustrado estos mtodos, el mximo es 9

y el mnimo 3.
Rango, otra forma de hallar el mximo y el mnimo, consiste en restar el mnimo del
mximo para dar el rango de valores. Esta cifra permite que diferentes muestras
tengan rangos similares aun que el valor de los mximos y mnimos difieran. Por
ejemplo, una muestra puede tener un recuerdo mximo de 9 y un mnimo de 9, en tanto
que otra muestra puede tener un mximo de 11 y un mnimo de 3, al reportar el rango
puede notarse claramente que ambas tienen las misma dispersin de 8.
Tanto el rango, como el mximo y el mnimo an tienen problemas para resumir de

manera suficiente al grupo, pues tratan solo con valores extremos; la falla se encuentra
en que no considera si esos extremos son comunes. Por ende, una muestra de 15
personas podra incluir una con una puntuacin de 3, otra de 11 y todo el resto con
puntuacin de 7. En algunos casos, se emplea el rango intercuartilar porque emplea el
valor de puntuacin ms alto del 25% inferior y el valor de puntuacin ms alto del
75% y se anota su diferencia. Tomando como referencia el ejemplo de datos anterior,
3, 3, 4, 4, 5, 5, 5 , 6, 7, 7, 7, 7, 8, 8, 9, 9
25% = 4
75% = 8
La varianza, tiene en cuenta la diferencia entre el valor de cada persona y la media del
grupo, para calcularla se anota cuanto difiere (o se desva) cada puntuacin de la
media. Pero, como es fcil de comprobar, la suma de los desvos de cada valor
respecto a la media es siempre cero, es decir
Una manera de sorterar tal dificultad consiste en elevar al cuadrado las desviasiones
antes de sumarlas, ya que eso elimina los signos negativo. Para complicar el team , los
expertos en estadistica han observado que si tratan de estimar , a apartir de los datos
reunidos, la varianza d ela poblacion de que provienen los aprticipantes , obtiene un
estimado ms exacto si dividen la suma de los cuadrados de las desviaciones entre el
numero de lementos d ela muestra , menos 1. Esta version de la varianza es la que
suelen dar los programas de computo y la que se utiliza en pruebas estadsticas.
La desviacin estndar (s o DE) se vincula directamente con la varianza porque es la

raz cuadrada de esta: por tanto, suele representarse como
S= s
Ante el tema de las medidas de dispersin se prefiere emplear la desviacin estndar

en el resumen de datos por 3 razones. En primer lugar, es igual que la varianza una
medida de dispersin relacionada con la media; por consiguiente cuando se reporta la
media es apropiado notificar la desviacin estndar. En segundo lugar, las unidades
en que se expresa la desviacin estndar es la misma que la medicin original. En
tercer lugar, la desviacin estndar se usa en ciertas circunstancias para indicar la
proporcin de personas de la poblacin que se inscriben en un rango determinado de
valores.
En este mismo tema de mtodos numricos, se encuentra el tratamiento de datos

nominales, lo cual significa la oportunidad de trabajar con variables que tiene niveles en
forma de categoras. Por ejemplo, para reportar el nmero de sujetos que fuman
(digamos 10) y los no fumadores (digamos 15); estos datos se pueden expresar en
cifras como fracciones, proporciones o porcentajes.
Fracciones, para encontrar una fraccin buscamos el nmero total de personas

(Fumadores y no fumadores 25) y se expresa el de fumadores como una fraccin de
ese total 10/25, y el de no fumadores 15/25, esta fraccin puede simplificarse ms,
dado que 10, 15 y 25 Son divisibles entre 5, as que 2/5 eran fumadores y 3/5 no
fumadores.
Proporciones, se pueden encontrar convirtiendo las facciones en decimales, por tanto

al dividir 10/25 o 2/5, el resultado es 0.4, indicando que esa proporcin de la muestra
corresponde a los fumadores, mientras que los no fumadores revelan el valor de 0.6.
Los valores deben someterse a comprobacin, por tanto los valores de los subgrupos
deben sumar 1.
Porcentajes, para encontrar este valor se debe multiplicar una proporcin por 100,
como resultado siguiendo el ejemplo, un 40% de la muestra corresponde a fumadores y
el 60% corresponde a no fumadores, ese porcentaje debe sumar 100.
De otro lado, otro mtodo conocido para el resumen de datos corresponde a las
distribuciones e frecuencia, a continuacin se presenta una descripcin y ejemplos.
-Distribuciones de frecuencia:
Es una ordenacin tabulada de los datos recopilados en una investigacin o estudio, de
acuerdo a la clase o intervalo a que pertenece y con el nmero de veces que se repite.
Una distribucin de frecuencias se represente por medio de tablas de frecuencia y
grficas.
Esta forma de organizacin de datos procede a un agrupamiento desde categoras o

rangos, por ejemplo ante una muestra de 120 personas, se pretende identificar a que
grupo de edad pertenece, para ello se debe presentar una tabla simple:
Edad 20-29 30-39 40-49 50-59 60-69

# personas 15 45 30 20 10
-Clases de frecuencias:
La frecuencia absoluta de una variable estadstica, es el nmero de veces que aparece
en la muestra dicho valor de la variable, la representaremos por .
La frecuencia relativa es una medida til para poder comparar. La frecuencia relativa es
el cociente entre la frecuencia absoluta y el tamao de la muestra. Generalmente se
expresa en porcentaje. Se denota por fr.
La frecuencia absoluta acumulada Para poder calcular este tipo de frecuencias hay que
tener en cuenta que la variable estadstica ha de ser cuantitativa. La frecuencia
absoluta acumulada de un valor de la variable, es el nmero de veces que ha
aparecido en la muestra un valor menor o igual que el de la variable y lo
representaremos por Fi.
La frecuencia relativa acumulada es la frecuencia absoluta acumulada dividida por el

tamao de la muestra, y la denotaremos por Fr.
Cuadro 8: Ejemplo de frecuencias

Pasos para elaborar una distribucin de frecuencias:
1. Ordenar los datos u observaciones, desde el menor hasta el mayor o viceversa

2. Se determina el rango o amplitud de la serie de datos, que es la diferencia entre
el valor mayor y el valor menor.
3. Se determina el nmero de intervalos o clases (K) que se utilizan para agrupar
los datos.
4. En general se recomienda tener, hasta donde sea posible, tener entre 5 y 20
intervalos o clases. Sin embargo, si no se tiene seguridad del nmero de
intervalos a utilizar, se puede aplicar la regla de Sturges, con la cual se obtiene
una aproximacin aceptable sobre el nmero de intervalos necesarios para
agruparlos.
5. Una vez escogido el nmero de intervalos se determina la amplitud de cada
clase o intervalo (C). Esta amplitud es igual al rango de los datos dividida en el
nmero de intervalos. El primer intervalo debe contener el menor valor de los
datos y el ltimo intervalo debe contener el mayor valor de los datos.
6. Se calcula la marca de clase (Xi), que es el valor medio o promedio de cada
intervalo. el cual sirve para facilitar el clculo de algunas medidas de posicin y
de dispersin.
Leccin 3. Anlisis Bivariado:

En las ciencias sociales a menudo se desea determinar la existencia o no de relacin entre
dos variables, para lo cual se realizan diferentes pruebas de significacin estadstica. La
forma en que se relacionan dos variables se denomina asociacin entre dos variables. El
inters de este tipo de anlisis se centra principalmente en la forma en que se distribuye la
variable dependiente en funcin de las diferentes categoras o valores de la variable
independiente. Es decir, la variable que atrae primordialmente la atencin del investigador,
y cuya variacin trata de explicar, se llama variable dependiente, porque se supone que los
valores que toma dicha variable dependen de los valores que presentan otras variables.
Estas variables que se suponen influyen en los valores que toma la variable dependiente
son las variables independientes (explicativas o causales), ya que permiten conocer por
qu vara la variable dependiente de la forma que lo hace en una determinada poblacin

(usualmente una muestra).
Sin embargo, los resultados que aparecen al establecer relaciones significativas entre dos
variables son de naturaleza descriptiva y tales resultados no explican por qu ocurre dicha
relacin. Esto es, una correlacin entre dos variables no implica necesariamente una
relacin causal entre ellas puesto que en cualquier correlacin podra existir una tercera
variable que explique la asociacin entre las dos variables que han sido medidas (relacin
espuria). A su vez, se debe verificar que la variable independiente (causa) anteceda
temporalmente a la variable dependiente (efecto). Del mismo modo, se hace necesaria la
existencia de una teora que nos permita discriminar entre las simples relaciones
estadsticas y las relaciones causales propiamente tales.
El estudio de la relacin entre dos variables se puede caracterizar mediante: i) la existencia
o no de asociacin; ii) la fuerza de dicha asociacin y iii) la direccin de sta. 2 Ciertamente
solamente tiene sentido ii) y iii) si se verifica en i) la existencia de relacin entre las
variables. Para ello se utilizan un conjunto de pruebas de significacin estadstica, las
cuales dependern del nivel de medicin de las variables.
A la base de dicho anlisis se encuentra la teora y las hiptesis que se puedan
desprender de sta. En otras palabras, en el estudio de relaciones entre variables
intentamos testear empricamente hiptesis que nos resultan plausibles a la luz de un cierto
marco terico-analtico. Una hiptesis no es otra cosa que una respuesta tentativa a la
pregunta de investigacin (problema). Es una prediccin respecto del posible resultado que
se espera encontrar. Y, en el estudio de relaciones entre variables, sta guarda relacin
con el hecho de determinar si las variaciones en los valores de la variable independiente se
encuentran o no asociados a las variaciones en los valores de la variable dependiente.
Puesto que una hiptesis requiere de verificacin emprica, se hace necesario realizar una
prueba de significacin estadstica para determinar si la hiptesis planteada se verifica o
no.
-Coeficiente de correlacion
La fuerza de asociacin entre las dos variables puede obtenerse descriptivamente por
medio del coeficiente de correlacin muestral, denotado por R, esta medida es
calculada por la expresin
Los valores de r oscilan entre -1 y 1. Entre ms cercano sea el valor a 1 o -1 mejor es

el ajuste de la recta de regresin. Un valor de r = 0 indica que no existe relacin lineal
entre las dos variables pero puede existir otro tipo de relacin (curvilnea). Un valor
positivo de r indica que la recta sube hacia la derecha; un valor negativo, que la recta
baja hacia la derecha. En la figura 2 se presentan algunas situaciones relacionados con
el tipo de relacin entre dos variables y el coeficiente de correlacin.
-Diagrama de dispersin:
La forma simple de un diagrama consiste de un grfico en el plano cartesiano para

mostrar la relacin entre dos variables. Cuando se analizan proceso, la relacin entre
una variable controlable y una caracterstica de calidad es de frecuente importancia.
Conociendo esta relacin se puede llegar a decidir cmo controlar un conjunto de
variable para llegar a obtener una caracterstica de calidad deseada.
Grafica 7. Ejemplo diagrama de dispersin

-Tablas de contingencia:
En ciertas ocasiones, los elementos de una muestra tomada de una poblacin pueden
clasificarse de acuerdo con dos criterios diferentes. Por tanto, es importante conocer si
estadsticamente los dos mtodos de clasificacin son estadsticamente
independientes. Ejemplo: Una compaa opera cuatro mquinas tres turnos al da. De
los registros de produccin, se obtienen los siguientes datos sobre el nmero de fallas
Mquinas
Turno A B C D
1 4 2 1 1
2 3 1 1 1
3 2 3 2 4
El nmero de fallas es independiente del turno?
El inters en una tabla de contingencia es probar la hiptesis de que los mtodos de

clasificacin rengln-columna son independientes. Si se rechaza la hiptesis entonces
se concluye que existe alguna interaccin entre los dos criterios de clasificacin. En
algunos casos, para propsitos comparativos se diagrama en grafica de barras.
Cuadro 9: procedimiento en Excel para tablas de contingencia
Leccin 4. Anlisis multivariante
El anlisis multivariante no es fcil de definir. En un sentido amplio, se refiere a todos

los mtodos estadsticos que analizan simultneamente medidas mltiples de cada
individuo u objeto sometido a investigacin. Cualquier anlisis simultneo de ms de
dos variables puede ser considerado aproximadamente como un anlisis multivariante.
En sentido estricto, muchas tcnicas multivariantes son extensiones del anlisis
univariante (anlisis de distribuciones de una sola variable) y del anlisis bivariante
(clasificaciones cruzadas, correlacin, anlisis de la varianza y regresiones simples
utilizadas para analizar dos variables). Por ejemplo, una regresin simple (con una
variable predictor) se extiende al caso multivariante para incluir varias variables

predictor. De la misma foma, la variable dependiente que se encuentra en el anlisis de
la varianza se extiende para incluir mltiples variables dependientes en el anlisis
multivariante de la varianza, en muchas ocasiones las tcnicas multivariantes son un
medio de representar en un anlisis simple aquello que requiri varios anlisis
utilizando tcnicas univariantes. Otras tcnicas multivariantes, sin embargo, estn
diseadas exclusivamente para tratar con problemas multivariantes, tales como el
anlisis factorial que sirve para identificar la estructura subyacente de un conjunto de
variables o el anlisis discriminante que sirve para diferenciar entre grupos basados en
un conjunto de variables.
Una de las razones de la dificultad de definir el anlisis multivariante es que el trmino

multivariante no se usa de la misma forma en la literatura. Para algunos investigadores,
multivariante significa simplemente examinar relaciones entre ms de dos variables.
Otros usan el trmino slo para problemas en los que se supone que todas las
variables mltiples tienen una distribucin normal multivariante. Sin embargo, para ser
considerado verdaderamente multivariante, todas las variables deben ser aleatorias y
estar interrelacionadas de tal forma que sus diferentes efectos no puedan ser
interpretados separadamente con algn sentido. Algunos autores afirman que el
propsito del anlisis multivariante es medir, explicar y predecir el grado de relacin de
los valores tericos (combinaciones ponderadas de variables). Por tanto, el carcter
multivariante reside en los mltiples valores tericos (combinaciones mltiples de
variables) y no slo en el nmero de variables u observaciones.
El anlisis multivariante es un conjunto de tcnicas de anlisis de datos en expansin.

Entre las tcnicas ms conocidas esta la regresin mltiple y correlacin mltiple;
anlisis discriminante mltiple; componentes principales y anlisis factorial comn;
anlisis multivariante de varianza y covarianza; correlacin cannica; anlisis cluster;
anlisis multidimensional y anlisis conjunto. Entre las tcnicas emergentes tambin
incluidas estn anlisis de correspondencias; modelos de probabilidad lineal como logit
y probit; y modelos de ecuaciones simultneas/estructurales. En este apartado,

introduciremos cada una de las tcnicas multivariantes.
-Componentes factoriales y anlisis factorial comn
El anlisis factorial, que incluye variaciones tales como el anlisis de componentes y el

anlisis factorial comn, es una aproximacin estadstica que puede usarse para
analizar interrelaciones entre un gran nmero de variables y explicar estas variables en
trminos de sus dimensiones subyacentes comunes (factores). El objetivo es encontrar
un modo de condensar la informacin contenida en un nmero de variables originales
en un conjunto ms pequeo de variables (factores) con una prdida mnima de
informacin.
Si se proporciona una estimacin emprica de la estructura de las variables

consideradas, el anlisis factorial se convierte en una base objetiva para crear escalas
aditivas.
-Regresin mltiple
La regresin mltiple es el mtodo de anlisis apropiado cuando el problema del

investigador incluye una nica variable mtrica dependiente que se supone est
relacionada con una o ms variables mtricas independientes. El objetivo del anlisis
de la regresin mltiple es predecir los cambios en la variable dependiente en
respuesta a cambios en varias de las variables independientes. Este objetivo se
consigue muy a menudo a travs de la regla estadstica de los mnimos cuadrados.
La regresin mltiple es til siempre que el investigador est interesado en predecir la

cantidad o la magnitud de la variable dependiente. Por ejemplo, se puede hacer la
prediccin de los gastos mensuales de cenar fuera de casa (variables dependientes)
con informacin referente a la renta familiar, su tamao y la edad del cabeza de familia
(variables independientes). De la misma forma. el investigador puede intentar predecir
las ventas de una compaa a partir de informacin sobre sus gastos en publicidad, el
nmero de vendedores y el nmero de tiendas que distribuyen sus productos.
-Anlisis discrimante mltiple
Si la nica variable dependiente es dicotmica (es decir, comprador-no comprador) o

multidicotmica (es decir, alto-medio-bajo) y por tanto no mtrica, la tcnica
multivariante apropiada es un anlisis discriminante mltiple (MDA). Como con la
regresin mltiple, las variables independientes se supone que son mtricas. El anlisis
discriminante es til en situaciones donde la muestra total puede dividirse en grupos
basndose en una variable dependiente caracterizada por varias clases conocidas. Los
objetivos primarios del anlisis discriminante mltiple son entender las diferencias de
los grupos y predecir la verosimilitud de que una entidad (persona u objeto) pertenezca
a una clase o grupo particular basndose en varias variables mtricas independientes.
Por ejemplo, el anlisis discriminante puede usarse para distinguir innovadores de no
innovadores de acuerdo a sus perfiles demogrficos y psicogrficos. Otras aplicaciones
incluyen la distincin entre usuarios habituales u ocasionales de un producto,
compradores de marcas de mbito nacional o restringido y el riesgo de crdito bueno
del riesgo de crdito malo. Incluso la Agencia Tributaria utiliza un anlisis discriminante
para comparar las declaraciones seleccionadas con las devoluciones compuestas
hipotticas del contribuyente normal (para distintos niveles de renta) con el fin de
identificar las devoluciones y reas ms prometedoras para la auditoria.
Anlisis multivariante de la varianza y covarianza
El anlisis nmltivariante de la varianza (MANOVA) es una tcnica estadstica que

puede ser usada simultneamente para explorar las relaciones entre diversas
categoras de variables independientes (usualmente denominadas como tratamientos)
y dos o ms variables mtricas dependientes. Como tal, representa una extensin del
anlisis univariante de la varianza (ANOVA). El anlisis multivariante de la covarianza
{MANCOVA) puede usarse en conjuncin con MANOVA para eliminar (despus del
experimento) el efecto de cualquier variable independiente no controlada sobre las
variables dependientes. El procedimiento es similar al que se encuentra en la
correlacin parcial bivariante. MANOVA es til cuando el investigador disea una

situacin experimental (manipulacin de varias variables de tratamiento no mtricas)
para comprobar hiptesis concernientes a la varianza de respuestas de grupos sobre
dos o ms variables mtricas dependientes.
Anlisis conjunto
El anlisis conjunto es una tcnica de dependencia emergente que ha introducido una

nueva sofisticacin en la evaluacin de objetos, sean nuevos productos, servicios o
ideas. La aplicacin ms directa est en productos nuevos o desarrollo de servicios,
permitiendo la evaluacin de productos complejos mientras que mantiene un contexto
de decisin realista para el encuestado. El analista de mercado es capaz de evaluar la
importancia de atributos as como los niveles de cada atributo mientras que los
consumidores evalan slo los perfiles de unos pocos productos, que son com-
binaciones de niveles de producto. Por ejemplo, un concepto de un producto que tiene
tres atributos (precio, calidad y color), cada uno de los cuales a tres niveles (por
ejemplo, rojo, amarillo y azul). En lugar de tener que evaluar todas las 27
combinaciones posibles (3 X 3 X 3), se puede evaluar un subconjunto (9 o ms) por su
atractivo para los consumidores: y el investigador sabe no slo cul es la importancia
de cada atributo sino tambin la importancia de cada nivel (el atractivo del rojo frente al
amarillo y frente al azul). Ms aun, cuando se completan las evaluaciones del
consumidor, pueden usarse los resultados del anlisis conjunto en simuladores del
diseo del producto, que mostrarn la aceptacin del cliente para cualquier nmero de
formulaciones de producto y ayudar en el diseo del producto ptimo.
Correlacion cannica
El anlisis de correlacin cannica puede verse como una extensin lgica de un

anlisis de regresin mltiple. Recordemos que el anlisis de regresin mltiple implica
una nica variable dependiente mtrica y varias variables mtricas independientes. Con
el anlisis cannico el objetivo es correlacionar simultneamente varias variables
dependientes mtricas y varias variables mtricas independientes. Mientras que la
regresin mltiple implica una nica variable dependiente, la correlacin cannica

implica mltiples variables dependientes. El principio subyacente es desarrollar una
combinacin lineal de cada conjunto de variables (tanto independientes como
dependientes) para maximizar la correlacin entre los dos conjuntos. O dicho de otra
forma, el procedimiento implica obtener un conjunto de ponderaciones para las
variables dependientes e independientes que proporcione la correlacin nica mxima
entre el conjunto de variables dependientes y el conjunto de variables independientes.
Anlisis cluster
El anlisis cluster es una tcnica analtica para desarrollar subgrupos significativos de

individuo u objetos. De forma especfica, el objetivo es clasificar una muestra de
entidades (personas u objetos) en un nmero pequeo de grupos mutuamente
excluyentes basados en similitudes entre las entidades. En el anlisis cluster, a
diferencia del anlisis discriminante, los grupos no estn predefinidos. Por
consiguiente, se usa la tcnica para identificar los grupos.
Habitualmente, el anlisis cluster implica al menos dos etapas. La primera es la medida

de alguna forma de similitud o asociacin entre las entidades para determinar cuntos
grupos existen en realidad en la muestra. La segunda etapa es describir las personas o
variables pata determinar su composicin. Este paso puede llevarse a cabo aplicando
el anlisis discriminante a los grupos identificados por la tcnica cluster.
Anlisis multidimensional
En el anlisis multidimensional, el objetivo es transformar los juicios de los

consumidores de similitud o preferencia (por ejemplo, preferencias por tiendas o
marcas comerciales) en distancias representadas en un espacio multidimensional. Si
los objetos A y B son en opinin de los encuestados ms similares que el resto de los
pares posibles de objetos, las tcnicas de anlisis multidimensional situarn a los
objetos A y B de tal forma que la distancia entre ellos en un espacio multidimensional
es menor que la distancia entre cualquier otro par de objetos. Los mapas perceptuales
resultantes muestran el posicionamiento relativo entre los objetos, pero es necesario un

anlisis adicional para evaluar qu atributos predicen la posicin de cada objeto.
Anlisis de correspondencias
Para finalizar, el anlisis de correspondencias es una tcnica de interdependencia

recientemente desarrollada que facilita tanto la reduccin dimensional de una
clasificacin de objetos (por ejemplo: productos, personas, etc.,) sobre un conjunto de
atributos y el mapa perceptual de objetos relativos a estos atributos. Los investigadores
se enfrentan constantemente a la necesidad de cuantificar datos cualitativos que
encuentran en variables nominales. El anlisis de correspondencias difiere de otras
tcnicas de interdependencia discutidas antes en su capacidad para acomodar tanto
datos no mtricos como relaciones no lineales.
En su forma ms bsica, el anlisis de correspondencias emplea una tabla de

contingencia, que es la tabulacin cruzada de dos variables categricas. A continuacin
transforma los datos no mtricos en un nivel mtrico y realiza una reduccin
dimensional (similar al anlisis factorial) y un mapa perceptual (similar al anlisis
multidimensional). A modo de ejemplo, las preferencias por una marca de los
encuestados pueden ser tabuladas de forma cruzada con variables demogrficas (por
ejemplo, gnero, categoras de renta, ocupacin) indicando cunta gente que prefiere
cada una de las marcas entra dentro de cada categora de las variables demogrficas.
A travs del anlisis de correspondencias, la asociacin o correspondencia de
marcas y las caractersticas distintivas de aquellos que prefieren cada marca se
muestran en un mapa bi o tridimensional, tanto de marcas como caractersticas de los
encuestados. Las marcas percibidas como similares estn localizadas en una cercana
proximidad unas de otras. De la misma forma, las caractersticas ms distintivas de los
encuestados que prefieren cada marca estn determinadas tambin por la proximidad
de las categoras de las variables demogrficas respecto de la posicin de la marca. El
anlisis de las correspondencias proporciona una representacin multivariante de la
interdependencia de datos no mtricos que no es posible realizar con otros mtodos.
Modelos de probabilidad lineal
Los modelos de probabilidad lineal, a menudo llamados anlisis logit, consisten en una
combinacin de regresin mltiple y anlisis de discriminante mltiple. Esta tcnica es
similar al anlisis de regresin mltiple en que una o ms variables independientes se
usan para predecir una nica variable dependiente. Lo que distingue un modelo de
probabilidad lineal de la regresin mltiple es que la variable dependiente es no
mtrica, como en el anlisis discriminante. La escala no mtrica de la variable
dependiente requiere diferencias en el mtodo de estimacin y supuestos sobre el tipo
de distribucin subyacente, siendo en la mayora de sus otras facetas similar a la
regresin mltiple. Por tanto, una vez que la variable dependiente est especificada
correctamente y se emplea la tcnica de estimacin apropiada, se usan igualmente los
supuestos bsicos considerados en la regresin mltiple. Los modelos de probabilidad
lineal se distinguen del anlisis discriminante en que acomodan todos los tipos de
variables independientes (mtricas y no mtricas) y no requieren el supuesto de
normalidad multivariante. Sin embargo, en muchos casos, particularmente con ms de
dos niveles de la variable dependiente, el anlisis discriminante es la tcnica ms
apropiada.
Modelos de ecuaciones estructurales
El modelo de ecuaciones estructurales, a menudo denominado simplemente como

LISREL (el nombre de uno de los paquetes informticos ms populares), es una
tcnica que permite separar las relaciones para cada conjunto de variables
dependientes. En su acepcin ms simple, el modelo de ecuaciones estructurales
proporciona la tcnica de estimacin ms adecuada y eficiente para series de
estimaciones de ecuaciones simultneas mediante regresiones mltiples. Se
caracteriza por dos componentes bsicos: (1) el modelo estructural y (2) el modelo de
medida. El modelo estructural es el modelo gua, que relaciona variables
independientes y variables dependientes. En tales situaciones, la teora, antes que la
experiencia u otras directrices, permitir al investigador distinguir qu variables
independientes predicen cada variable dependiente. Los modelos previamente
discutidos que incluyen mltiples variables dependientes -anlisis multivariante de la

varianza y correlacin cannica- no son apropiados en esta situacin. dado que
permiten slo una nica relacin entre variables dependientes e independientes.
El modelo de medida permite al investigador usar varias variables (indicadores), para

una nica variable dependiente o independiente. Por ejemplo, la variable dependiente
puede ser un concepto representado por una escala aditiva, tal como el amor propio.
En el modelo de medida el investigador puede evaluar la contribucin de cada tem de
la escala as como incorporar cmo la escala mide el concepto (fiabilidad) en la
estimacin de las variables dependientes e independientes. Este procedimiento es
similar al desarrollo del anlisis factorial (discutido en una seccin posterior) de los
tems de la escala y utiliza las cargas factoriales en la regresin.
Otras tcnicas multivariantes emergentes
El uso generalizado de las herramientas informticas ayud a iniciar la era del anlisis
multivariante tal y como lo conocemos hoy, con un nmero de tcnicas especializadas
que se pueden aplicar a una gama amplia de situaciones. No obstante, ahora nos
encontramos al principio de una era en la cual el anlisis multivariante incorpora
nuevos enfoques para identificar y representar las relaciones multivariantes. Un rea de
desarrollo en el anlisis multivariante es la bsqueda de datos y las redes neuronales.
La bsqueda de datos es el intento de cuantificar las relaciones entre grandes
cantidades de informacin con una especificacin previa mnima de la naturaleza de las
relaciones. Una tcnica que se usa muchas veces junto con la bsqueda de datos son
las redes neuronales, una tcnica de anlisis flexible que es capaz de llevar a cabo una
identificacin de relaciones (parecida a la regresin mltiple o al anlisis discriminante)
o la reduccin de datos y el anlisis estructural (semejante al anlisis factorial o
cluster). Las redes neuronales son diferentes a las tcnicas multivariantes ms
tradicionales citadas previamente tanto en la formulacin del modelo como en los tipos
de relaciones ms complejos que se pueden formular. Otra rea que incluye un
distanciamiento de la teora estadstica inferencial tradicional es el desarrollo de la
tcnica de la muestra repetida o arranque. Esta tcnica elimina la necesidad de
cumplir determinados supuestos estadsticos (como la normalidad), mediante el uso del

ordenador para replicar una muestra repetida de la muestra original, con el
reemplazo y la generacin de una estimacin emprica de la distribucin muestral.
Leccin 5. Software para el anlisis estadstico de datos.
En la mayora de las investigaciones cuantitativas se usan paquetes de programas

estadsticos los cuales son frecuentemente actualizados, con los que el tratamiento de
la informacin se hace ms fcil, sobre todo cuando se trata de un numero amplio de
datos, ya que, como seala Briones (1997), salvo situaciones en las cuales la cantidad
de datos a analizar es pequea y se usan calculadoras manuales, el manejo de la
informacin puede convertirse en un dilema para el investigador.
El manejo de dichos software requiere una preparacin previa y, desde luego, un

conocimiento bsico en estadstica. Entre los paquetes estadsticos ms usados en
investigaciones que manejan datos numricos se encuentran el SAS, SPSS, BMDP,
MINITAB, entre otros, que ofrecen distintas posibilidades de tratamiento de la
informacin:
-Paquete estadstico para las ciencias sociales o SPSS, desarrollado en la Universidad

de Chicago, es uno de los ms difundidos. Posee versiones para Windows, Macintosh
y Unix, en ingls y espaol, aunque debe usarse en computadores que posean la
capacidad necesaria para correr el programa. Contiene dos partes: a) vista de
variables (para definiciones de las variables y consecuentemente, de los datos) y b)
vista de los datos (matriz de datos). La cual contiene comandos para operar en la parte
superior. El programa SPSS trabaja de una manera sencilla y practica: el investigador
usuario ingresa los datos recolectados en la matriz de datos, tal como se hace en otros
programas, selecciona las opciones que considere necesarias, de acuerdo a los
propsitos de su investigacin, ya sea correlacionar dos o ms variables, realizar una
regresin, un anlisis bivariado, etc. El programa posee adems distintas herramientas

para elaborar los grficos estadsticos bsicos.
-El MINITAB es un paquete conocido por su relativamente bajo costo. Incluye

considerable nmero de pruebas estadsticas, y cuenta con un tutorial para aprender a
utilizarlo y practicar; adems, es muy sencillo de manejar. Al igual que el SPSS, el
MINITAB posee una matriz u hoja de trabajo donde se ingresan los datos, se asignan
criterios para los componentes de las variables como nombre, formato (numrico, texto
o fecha), el tamao de las celdas y se define el tipo de escala (nominal, ordinal, de
intervalo o de razn). Los anlisis realizados aparecen en la parte superior de la
pantalla, mientras que -los grficos se reproducen en recuadros-.
-El SAS o sistema de anlisis estadstico, es otro programa frecuentemente usado en el

tratamiento de la informacin recogida en investigaciones cuantitativas. Diseado en la
Universidad de Carolina del Norte, es un paquete muy completo que posee una amplia
variedad de pruebas estadsticas, incluye adems ejercicios para que el usuario pueda
practicar y comprender las pruebas bsicas.
-R es un paquete de software de cdigo interpretado, esto es, tienes que ingresar el

cdigo y en la misma ventana el programa emite los resultados. En ello reside tambin
su fortaleza, porque puedes construir tu propio cdigo para anlisis con base en
funciones de anlisis contruidas por la comunidad que soporta R. Para los que no
pueden vivir sin apretar botones, siempre est la posibilidad de usar R Commander,
una librera extra que permite tener una interfaz de anlisis ms amigable. El poder de
R est en su versatilidad y en que posee una enorme cantidad de rutinas que pueden
ser agregadas a su mdulo base. Lla mayor desventaja es que requiere de mucho
estudio, la curva de aprendizaje es muy larga.
Momento reflexivo: Cuales son las dificultades y ventajas que ofrece la estadstica ante
el anlisis de datos?.
Captulo 3. Metanlisis
Leccin 1. Definicin de meta anlisis
El trmino meta anlisis fue introducido por primera vez en 1976 dentro del campo de
las ciencias de la educacin3, para designar todo anlisis estadstico de un gran
coleccin de resultados de la literatura individual, con el propsito de integrar los
resultados. Puesto que el mtodo utiliza usualmente como datos los estadsticos
resumen derivados de informes publicados de estudios individuales, es un anlisis de
un anlisis estadstico.
El meta anlisis es el equivalente cuantitativo de la descripcin de artculos publicados,

pero con tres ventajas. En primer lugar, permite cuantificar las tendencias presentadas
en las publicaciones, combinando los tamaos de los efectos y las probabilidades
encontradas en varios estudios. En segundo, permite combinar los diferentes
resultados de estudios y se incrementa el poder de la prueba estadstica, en cuyo caso
es posible que, tras combinarse, varios hallazgos no significativos y con la misma
tendencia se tornen significativos. En tercer lugar, el proceso de preparar los
resultados de trabajos anteriores para realizar el meta anlisis obliga a leer los
estudios con mayor detenimiento que si se realizara una resea narrativa.
Leccin 2. Etapas del meta anlisis

-Eleccin del tema e identificacin de la investigacin
Como todo estudio, el psiclogo debe decidir en qu rea concreta centrarse; adems
necesita una hiptesis especfica que comprobar con el meta anlisis; sin embargo, la
naturaleza exacta de la hiptesis podra no ser especifica en un principio y delimitarse
posteriormente, tras establecer el alcance de la investigacin.
Subsiguiente a la eleccin del tema, se procede a la identificacin de las
investigaciones relevantes, pueden hacer mediante sistemas estndar de resmenes;
por ejemplo: PsychLit, Psychological Abstrac y Social Science Citation Index. As
mismo, pueden recolectarse ms artculos en sus listas de referencias. Otra forma, es
retomar el autor que ha trabajado en el rea y que el investigador sabe que es
conocido ante ese campo de investigacin.
Esta fase demuestra la complejidad de este ejercicio, porque puede encontrarse una
mltiple gama de estudios, o grupos; as mismo permite identificar las medidas que se
han tomado; es decir, las variables dependientes utilizadas.
-Eleccin de hiptesis por comprobar

Tras distinguir la amplitud de diseos y medidas, cabe identificar la o las hiptesis
relevantes por comprobar en el meta anlisis. El meta anlisis ofrece la opcin de
realizar, a su vez, meta anlisis de cada variable dependiente o de elegir una definicin
ms global de la variable dependiente que permitir incluir ms estudios en cada meta
anlisis. Por ejemplo el tema de consumo de SPA en nios, consumo de SPA en
adulto, puede combinarse con el ttulo Consumo de Experiencia a cualquier edad.
En cada meta anlisis debe haber una hiptesis direccional por comprobar ; si no se
tuviera en cuenta la direccin del efecto en cada estudio, los resultados que apuntan
hacia un sentido se combinaran con otros que apuntaran en el contrario , lo cual
sugerira que el hallazgo es ms significativo de lo real. De hecho, los efectos positivos
y los negativos tienden a anularse entre s. El termino direccin del hallazgo no implica
que los resultados apoyen la hiptesis general a prueba porque son estadsticamente
significativos, sino si tales resultados han ido en la direccin de la hiptesis o en la
opuesta.
Es irrelevante si los investigadores originales tuvieron hiptesis direccionales o no, peor
en el meta anlisis es totalmente relevante la hiptesis determina la direccin.
-Clasificacin de estudios
Tras recolectar los estudios puede decidirse a cera del meta anlisis por efectuar: Ello
puede realizarse con base en los grupos de comparacin y en las variables
dependientes utilizados. Cuanto ms estudios se incluyen en cierto anlisis, tanto
mejor. Por ello se recomienda utilizar inicialmente un proceso de clasificacin amplio e
identificar despus subcategoras relevantes. Por ejemplo, en el caso de personas
que sufren depresin con cualquier otro grupo, en un caso compararse con pacientes
que sufren otro tipo de trastorno del estado del nimo y otra comparacin con
personas que no la sufren.
El meta anlisis puede componerse de dos anlisis: una de la probabilidad combinada
de todos los estudios y otro del tamao combinado de su efecto: En cada uno de ellos
debe convertirse cada medicin de probabilidad y del efecto a un valor estndar.
En algunos artculos de investigacin se incluyen los resultados de varios sub grupos.
Por ejemplo; en estudios sobre diferencia de gneros en la aptitud para matemticas,
los artculos comprenderan los resultados obtenidos en ms de una escuela e incluso
en ms de un pas.
El meta anlisis permite elegir cmo tratar los resultados de tales artculos. Por otra
parte, los resultados de cada submuestra pueden incluirse como un elemento
separado en el meta anlisis; no obstante, quiz se diga que ello significara dar un
peso indebido a un artculo y a su mtodo. En este caso, convendra ms crear un solo
tamao del efecto y de probabilidad para todas las sub muestras dela artculo. Para
estar ms seguros, lo mejor ser realizar dos meta anlisis; uno con cada sub estudio
considerado estudio en s mismo y otro donde los artculos respectivos se utilicen una
sola vez en el meta anlisis. Que ambos meta anlisis se contradigan indicara
claramente que los resultados son cuestionables.
-Combinacin y anlisis de estudios

Como se ha expresado el meta anlisis puede componerse por el tamao combinado
de su efecto, en este tema, el coeficiente de correlacin se debe tener en cuenta que el
coeficiente de correlacin r es una medicin estndar til del tamao del efecto. Se
prefiere tal valor a otras medidas porque no lo afectan las diferencias del tamao de
las submuestras en diseos entre sujetos. Ello se convierte en un problema solo si el
investigador no tiene la informacin necesaria sobre los tamaos de las muestras para
calcular los del efecto en los cuales se toman en cuenta submuestras desiguales. Es de
anotar que el uso de r como medida del tamao del efecto debe convertirse en
transformacin Z de Fischer. Como existe el riesgo de confundir con el valor z estndar
utilizada en la ecuacin para combinar la probabilidad, en este caso se utiliza el

smbolo r, en la tabla Z de Fischer.
-Clculo de un tamao del efecto combinado

Una vez que se calcul r para cada estudio, los valores correspondientes pueden
usarse a fin de producir una r combinada, la cual puede transformarse de nuevo en r
para obtener el tamao combinado del efecto.
-Produccin de una medida estndar de probabilidad

La medida estndar para calcular la probabilidad es la puntuacin z; tras calcular esta
puntuacin y el tamao de la muestra de cada estudio, es factible calcular una
puntuacin z combinada que puede considerarse una puntuacin z convencional y su
probabilidad se halla mediante la consulta de la tabla z estndar.
Leccin 3. Limitaciones metodolgicas del meta anlisis.

Las tcnicas meta-analticas presentan ciertas limitaciones propias de su metodologa.
Estas limitaciones deben conocerse y tenerse en cuenta a la hora de interpretar sus
resultados. En primer lugar, el meta-anlisis puede originar resultados distorsionados
debido a posibles sesgos de seleccin y de publicacin de los estudios. Por otro lado,
la validez de los resultados y las conclusiones del meta-anlisis dependen de la calidad
de los estudios individuales de modo que la combinacin de estudios sesgados puede
potenciar an ms el sesgo. Por ltimo, la interpretacin del meta-anlisis en caso de
heterogeneidad o variabilidad entre los estudios es difcil y controvertida. La obligacin
de quienes utilizan el meta-anlisis es conocer estas limitaciones, as como explicitarlas
y discutirlas en cada caso concreto.
Antes de comentar las etapas en el proceso de un meta-anlisis, se describen
brevemente algunos de sus principales problemas metodolgicos.
-Heterogeneidad entre estudios.

Una primera crtica metodolgica al meta-anlisis consiste en intentar una combinacin
estadstica de resultados que provienen de estudios que exhiben una gran variabilidad
(heterogeneidad) entre ellos10. Esta no es una dificultad exclusiva del meta anlisis,
ya que es compartida por toda investigacin clnica (especialmente los estudios
multicntricos), donde la amplia variedad de caractersticas inherentes a los sujetos de
estudio hace necesario disear un protocolo uniforme, realizar un riguroso proceso de
seleccin de los sujetos de estudio y posteriormente efectuar un anlisis cuidadoso de
la influencia sobre los resultados de los casos extremos. Esto se hace particularmente
difcil al integrar evidencia derivada de numerosos estudios que fueron a su vez
realizados en distintos contextos, con diseos variados, incluyendo sujetos diferentes
en cuanto a caractersticas sociodemogrficas o de gravedad de la enfermedad,
comparando con grupos diferentes. Tambin podemos observar heterogeneidad
midiendo resultados o efectos distintos; esto es, cuando los estimadores de efecto de
los diferentes estudios individuales van en direcciones opuestas, o que un estudio no
encuentre un efecto y otros encuentren un efecto de magnitud muy importante.
-Sesgo de publicacin.
El sesgo de publicacin, es decir, la publicacin selectiva de estudios en base a sus
hallazgos, representa un riesgo para la validez de cualquier meta-anlisis. Es bien
sabido que muchos trabajos de investigacin terminados no llegan a publicarse. Esto
es ms frecuente cuando el resultado del ensayo es "negativo", es decir, cuando no se
demuestran diferencias significativas entre los grupos comparados o bien cuando es
desfavorable a un nuevo frmaco. En estos casos, el investigador y el patrocinador del
ensayo (generalmente una compaa farmacutica) suelen tener menos inters en
preparar un artculo para publicar. Por otra parte, los directores de revistas mdicas
tienen ms tendencia a rechazar su publicacin, porque los resultados "negativos" no
suelen ser noticia. Tambin se ha comprobado que los estudios en los que no se
hallan diferencias significativas tardan ms tiempo en ser publicados. Tambin puede
ocurrir que un mismo estudio haya sido publicado ms de una vez, en formas
aparentemente diferentes; la publicacin duplicada tambin puede introducir un sesgo,
que favorece la tendencia de los resultados de los estudios que han sido objeto de
publicacin duplicada. Adems, se ha comprobado que en una proporcin importante
de meta-anlisis se ignoran los trabajos publicados en idiomas distintos del ingls16, y
se ha visto que la proporcin de estudios "negativos" es mayor en otras lenguas17.

Dada su naturaleza, es muy difcil impedir el sesgo de publicacin, o por lo menos
hacerse una idea de su magnitud.
Leccin 4. Presentacin de los resultados del meta anlisis.

En esta fase, deben informarse los sistemas de categorizacin aplicados para
identificar los estudios y los aos cubiertos: Se deben presentar de manera explcita
todas las decisiones tomadas sobre la clasificacin de los estudios y las bases para
incluir o no ciertos estudios en un meta anlisis. As mimo, han de mencionarse en un
apndice todos los artculos consultados. La mejor manera de presentar los resultados
del meta anlisis quiz sea una tabla resumen que incluya los detalles siguientes:
-La variable dependiente.
-La naturaleza de los grupos experimental y control.
-El nmero de estudios.
-El total de participantes del meta anlisis.
-El tamao del efecto combinado y su intervalo de confianza.
-La probabilidad combinada, como valor z y como probabilidad.
Para realizar un meta anlisis se identifican todos los estudios disponibles relacionados
con el rea que se explora. Estos deben clasificarse de acuerdo con su diseo y con
las variables dependientes que se utilizan en ellos. Se deciden cuantos meta anlisis
se necesitan para describir plenamente el rea. Pueden calcularse un tamao del
efecto y una probabilidad combinados para cada meta anlisis. Adems, debe
calcularse le heterogeneidad de cada una de las medidas. Cuando se identifica la
heterogeneidad del tamao del efecto, se eliminan estudios del meta anlisis hasta
identificar un conjunto homogneo. Se presenta en el informe tanto las probabilidades
combinadas de todos los estudios y del conjunto homogneo como el tamao dl efecto
combinado del conjunto completo de estudios y del homogneo. Todas las decisiones
sobre la inclusin y la exclusin de estudios de plantean de manera explcita en el
informe respectivo.
Leccin 5. Utilidad de la aplicacin del meta anlisis.

En definitiva, los meta-anlisis son, hoy por hoy, los tipos de revisin sistemtica de
mayor rigor cientfico, y poseen una serie de particularidades que los hacen
especialmente atractivos. En primer lugar, el meta-anlisis permite una mayor
generalizacin de sus resultados respecto de los estudios individuales, es decir,
presenta una mayor validez externa ya que las muestras de los distintos estudios no
provienen de la misma poblacin. En segundo lugar, al aumentar la potencia
estadstica, adems de incrementar la capacidad de encontrar diferencias
estadsticamente significativas, tambin permite aumentar la precisin en la estimacin
del efecto, a travs de intervalos de confianza ms estrechos. En tercer lugar, el meta-
anlisis permite valorar las discrepancias entre los resultados de distintos estudios y
sugerir hiptesis explicativas de esta heterogeneidad. Finalmente, la realizacin de un
meta-anlisis es menos costosa y plantea menores problemas logsticos que la
realizacin de otro tipo de estudios que requieren conocer los resultados desde
diferentes estudios, especialmente ene reas de la psicologa, la medicina, la
educacin.
Las tcnicas de meta-anlisis se presentan como herramientas tiles:

1. Cuando los resultados individuales son inconsistentes y los tamaos mustrales
de los estudios primarios son pequeos, puesto que la combinacin de estudios
aumenta la potencia.
2. Al iniciar un nuevo estudio, para obtener informacin de trabajos de investigacin
previos y as determinar si el nuevo estudio aadir o no algo sustancial a lo que
ya se conoce sobre el tpico hasta la fecha.
3. Para detectar reas con estudios de baja calidad y poco fiables, as como para
evaluar necesidades futuras de investigacin.
Momento reflexivo: De qu manera el meta-anlisis permite una mayor generalizacin

de sus resultados respecto de los estudios individuales?
Autoevaluacin de la unidad
Competencia 1 2 3 4 5
1-Comprende los conceptos y temas presentados en el modulo.
cognitiva
2-Identifica la importancia de los objetivos de aprendizaje.
3-. Reconoce los conceptos y caractersticas de la codificacin y
matriz de datos.
4- Reconoce los conceptos y caractersticas de las
tcnicas de anlisis estadstico.
5- Reconoce los conceptos y caractersticas del meta
anlisis.
Competencia metodolgica 1 2 3 4 5
1-Organiz su tiempo para el desarrollo de lectura y ejercicios.
2-Demostr dominio en los ejercicios de cada captulo
3-Desarrol habilidades en el proceso de investigacin cuantitativa.
4-Consult otras fuentes bibliogrficas.
5-Gener estrategias para alcanzar las metas de aprendizaje.
Competencia contextual 1 2 3 4 5
1-Reconoce la aplicacin de tcnicas para tratamiento de datos
2-Relaciona el aprendizaje con situaciones reales del contexto.
3-Identifica los campos de accin en los que puede intervenir.
4-Genera aportes conceptuales ante los problemas del contexto.
5-Valora el desempeo profesional ante el servicio a la comunidad.
Competencia comunicativa 1 2 3 4 5
1-Gener dialogo claro y oportuno con el tutor y compaeros.
2-Comprendi las instrucciones para la elaboracin de trabajos.
3-Expres inquietudes sobre el tema o actividades del curso.
4- Intercambi ideas y opiniones sobre los temas del curso.
5-Establece pautas de interaccin apropiadas a su rol.
Clark-Carter, David. (2002). Investigacin cuantitativa en psicologa, del diseo

experimental al reporte de la investigacin. Universidad de Oxford.
Hugh, C. (2005). Mtodos de investigacin y estadstica en psicologa. 3a Ed. Manual
Moderno. Mxico.
Mendoza, H, Bautista, G. (2002). Probabilidad y Estadstica. Universidad Nacional de
Colombia, http://www.virtual.unal.edu.co/cursos/ciencias/2001065/. Licencia: Creative
Commons BY-NC-ND.

Modulo Curso Investigación Cuantitativa PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modulo Curso Investigación Cuantitativa PDF

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Escuela de Ciencias Sociales, Artes y humanidades.

CURSO INVESTIGACIN CUANTITATIVA

La edicin de material didctico del curso Investigacin Cuantitativa,

OBJETIVO DIDACTICO DEL MODULO

Captulo 1. Aspectos generales de la investigacin cuantitativa.

Momento reflexivo: Cules son los aportes de la investigacin cuantitativa a la

Captulo 2. Medicin de lo psicolgico

Momento reflexivo: Por qu el problema de la cuantificacin en la investigacin

Captulo 3. Tcnicas y escalas de actitud.

Momento reflexivo: Cul es la importancia de elegir la tcnica adecuada para la

Captulo 1. Resumen y descripcin de datos

Momento reflexivo: Cmo proceder al tratamiento de datos?

Captulo 2. Anlisis Estadstico

Captulo 3. Meta anlisis

Momento reflexivo: De qu manera el meta-anlisis permite una mayor generalizacin

OBJETIVO GENERAL DEL MODULO:

Objetivos especficos de la unidad:

- Brindar referentes conceptuales sobre los aspectos tericos, metodolgicos y ticos

- Generar a travs de la comprensin de los temas y el desarrollo de los ejercicios

- Aplicar estrategias pedaggicas, didcticas y evaluativas en cada captulo con el fin

Apreciado estudiante, este es un momento preliminar para dar inicio a la lectura de la

1. Conozco la definicin de paradigma de investigacin?.

2. Conozco cules son los tipos de investigacin cuantitativa?

3. Conozco los parmetros ticos de la profesin de psicologa en Colombia ?

4. He revisado de forma juiciosa el protocolo acadmico del curso.

5. Valoro el impacto de la labor de investigacin desde la psicologa.

Captulo 1. Aspectos generales de la investigacin cuantitativa..

Leccin 1. Referentes epistemolgicos de la investigacin cuantitativa.

Los enfoques cuantitativos pretenden moverse en el campo de la prediccin y la

-El modelo lgico - deductivo.

Se parte de hiptesis o conjeturas y se van depurando con la experimentacin.

Cuadro 1: Aspectos epistemolgicos

Leccin 2. Criterios metodolgicos de la investigacin cuantitativa.

en la cuantificacin de las caractersticas observadas. En este tipo de investigacin la

Cuadro 2 Metodologa de la investigacin cuantitativa.

Es un diseo cerrado lgico deductivo conformado por conceptos, definiciones

Busca identificar relaciones causales predominantes previamente establecidas con

Se establecen generalidades como afirmaciones verdaderas y con

El investigador emplea conceptos y definiciones operacionales de los

Cuadro 3. Criterios metodolgicos

Leccin 3. Caractersticas y diferencias de investigacin cuantitativa y cualitativa.

Uno de los aspectos ms relevantes, tenidos en cuenta en el debate epistemolgico de

Las diferencias entre la investigacin cuantitativa y la cualitativa, no estriban tanto en

metodolgico, en los objetos abordados y en el desarrollo del proceso. Igualmente, se

En general, los enfoques cuantitativos pretenden moverse en el campo de la

Cuadro 4. Comparacin de los enfoques

Leccin 4. Diseo y tipos de la investigacin cuantitativa.

Hoy en la investigacin social, se pueden integrar las herramientas estadsticas y la

Cuadro 5. Clasificacin de diseos de investigacin.

La investigacin, independiente de cual diseo tenga mayor nfasis, se entiende como

-Los estudios exploratorios, observacin documental, a fin de rastrear la informacin

-Los estudios descriptivos, por el contrario, colocan al investigador frente a un objeto de

relacin que ms conocemos, pero, tambin, frecuentemente usamos ms de dos

Otra clasificacin importante de las investigaciones cuantitativas se basa en la

diferencias de los sujetos de ambos grupos, dejando solamente los cambios de la

Conformacin aleatoria de los grupos experimental y de control (puede utilizarse ms

2) Si se retiran sujetos de cualquiera de los dos grupos, y como no tenemos

El principal problema de este diseo es el factor denominado historia, constituido por la

-Las investigaciones no experimentales

Leccin 5. Aspectos ticos de la investigacin psicolgica.

El ejercicio de la profesin de psicologa debe ser guiado por criterios, conceptos y

Como componentes fundamentales est el uso de la informacin, el respeto, la