Diseño de investigación

Diseño de investigación
• Plan o estrategia para recolectar y
analizar información con el fin de llegar a
conclusiones basadas en evidencia sólida
y no en un razonamiento defectuoso o en
meras opiniones
 Diseño de investigación
• Qué se va a hacer
• Cómo se piensa hacerlo
• Por qué se da cada paso
• Por qué se da cada paso así y no de otra
forma
 Diseño de investigación
Elementos básicos
• Pregunta de investigación
• Teorías o hipótesis que van a ser
sometidas a prueba
• Unidad de análisis apropiada
• Variables
• Operacionalización y medición
• Observación
• Procedimientos analíticos
 Diseño de investigación
Tipos básicos
• Exploratorio: más flexibilidad que precisión
• Descriptivo:
– Medición precisa de fenómenos
– Diseño debe evitar el sesgo en la observación
 Diseño de investigación
Tipos básicos
• Explicativo
– Observación confiable, no sesgada
– Diseño debe servir de base para inferir la
influencia causal de una(s) variable(s) sobre
otra(s)
– Posibilidad de evaluar la hipótesis central vs.
hipótesis alternativas
 Diseño de investigación
Limitaciones
• Éticas
• Presupuestales
• De tiempo
• De falta de datos
 Diseño causal
• Permite inferir relaciones causales entre
las variables
• Define el dominio de generalizabilidad
• Un mal diseño puede llevar a
conclusiones insignificantes o erróneas,
aun si las ideas o las hipótesis son
brillantes
 Diseños causales
• Buscan:
– Establecer una relación entre dos o más
variables
– Demostrar que los resultados son
generalmente ciertos en el mundo real
– Revelar si un fenómeno precede a otro en el
tiempo
– Eliminar tantas explicaciones alternativas
como sea posible
 Diseños causales
• Requisitos:
– Covariación
– Proceso lógico
– Precedencia en el tiempo
– Eliminar la posibilidad de relación espuria
Relaciones causales y espurias
Relación causal
X Y

Relación espuria
Z

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

Y X
¿Votó? Expuesto No expuesto
Sí 100%
No 100%
 ¿Diseño causal?
• Requisitos
• Covariación 
• Proceso lógico 
• Precedencia en el tiempo 
• Eliminar la posibilidad de relación espuria 
Relaciones causales y espurias
Relación causal
X Y
(Exposición a - (Decisión de votar)
publicidad negativa)

Relación espuria
Z
(Educación)

- +

X Y
(Exposición a (Decisión de votar)
publicidad negativa)
 Diseño experimental
• Controlar la exposición a una variable
experimental (VI)
• Asignar los sujetos a diferentes grupos
• Observar y medir la respuesta o
comportamiento (VD)
 Diseño experimental
• Dos grupos:
– Grupo experimental (expuesto al estímulo)
– Grupo de control (no expuesto al estímulo)
 Diseño experimental
• Asignación aleatoria de individuos a los
grupos
– Pertenencia al azar, no por autoselección
– Los grupos son prácticamente idénticos en
todos los aspectos
– Esto es lo que hace tan poderosos los
experimentos
 Diseño experimental
• Control de la administración del estímulo
(dónde, cuándo, bajo qué circunstancias)
• Medición de la VD antes y después del
estímulo
• Control del entorno
– Exclusión de factores o influencias extraños
que puedan afectar la VD
– Misma hora del día, mismas condiciones, etc.
 Ej. Publicidad negativa
• División de la muestra en grupos
aleatoriamente
• Cuestionario sobre características
demográficas, creencias y opiniones
políticas (incluyendo la VD)
• Los grupos deberían ser similares en
todas las características. Si hay
diferencias, son por azar (error de
muestreo), no sistemáticas
 Ej. Publicidad negativa
• El propósito del estudio se oculta:
“Proyecto sobre noticieros”
– 15 minutos de noticieros
– 30 segundos de publicidad
• Negativa (grupo experimental)
• Crema dental (grupo de control)
– 15 minutos de noticiero
• (Parte del) cuestionario de nuevo
 Resultados
Pre-test Post-test
Medición de intención Medición de intención
Grupo de voto de voto
Experimental 70% 20%

De control 68% 66%

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

De control 68% 66%

• Descarte de posibles explicaciones alternativas y de

relaciones espurias
– Selección aleatoria
– Manipulación del experimento
– Los grupos (en promedio) sólo difieren en la exposición al
tratamiento
 La diferencia en la intención de voto es atribuible a
la publicidad negativa
 Diseño experimental

Pre-test Post-Test

Grupo experimental (aleatorio) Yexp1 X Yexp2

Grupo de control (aleatorio) Ycont1 Ycont2

Efecto experimental = (Yexp2 - Yexp1 ) - (Ycont2 - Ycont1 )

0
 Validez interna
• En qué medida el diseño garantiza que la
posible relación encontrada es causal, no
espuria
 Condiciones que afectan la
validez interna
• Historia: eventos que ocurren entre las
mediciones pre- y post-test pueden afectar
la VD

Pre-test Post-Test

Grupo experimental (aleatorio) Yexp1 Z X Yexp2

Grupo de control (aleatorio) Ycont1 Z Ycont2
Efecto experimental = (Yexp2 - Yexp1 ) - (Ycont2 - Ycont1 ) (?)
 Condiciones que afectan la
validez interna
• Maduración: cambio de los sujetos en el
tiempo
– Cansancio
– Confusión
– Distracción
– Aburrimiento
 Condiciones que afectan la
validez interna
• “Efecto de la prueba” (testing): la medición
pre- puede afectar la medición post-
– Las preguntas políticas pueden alertar al
individuo sobre el propósito del estudio y, por
consiguiente, alterar su respuesta post.
 Condiciones que afectan la
validez interna
• Sesgos de selección
• Regresión a la media
• Mortalidad experimental (deserción que
desequilibre los grupos)
• Alteración del instrumento antes y
después
 Validez interna del
diseño experimental
• A pesar de todo esto, el diseño
experimental es el más sólido en cuanto a
su validez interna
 Validez externa del
diseño experimental
En qué medida los resultados son
generalizables a:
– Poblaciones más amplias
– Momentos diferentes
– Condiciones diferentes
Diseño experimental:
• La muestra original no es representativa
• Las condiciones son artificiales
Otros tipos de diseño experimental
• Diseño post-test simple
– Grupos virtualmente idénticos (selección
aleatoria, grupos grandes)
– Sólo se hace medición post
– No hay efecto de prueba
Otros tipos de diseño experimental
• Series de tiempo experimentales (cuando
no se sabe cuánto tiempo tarda en
aparecer el efecto)
• Diseño multigrupo (cuando se miden
varios niveles de la VI)
• Experimentos de campo o cuasi-
experimentos
 Inferencia causal en diseños no
experimentales
• Un solo grupo
• No hay control sobre la asignación de
sujetos
• No hay control sobre la aplicación del
estímulo (VI)
 Inferencias causales menos fuertes
que en los diseños experimentales
 Ejemplos de diseños no
experimentales
• Encuestas
• Grupos focales
• Datos agregados
– ej. resultados electorales
 Ejemplos de diseños no
experimentales
• Análisis documental o de contenido
– ej. asignación de un puntaje en la escala
ideológica de magistrados de la Corte
Suprema a partir de editoriales de diarios que
comentan su nominación
• Estudios de caso
 Series de tiempo
• Varias mediciones de la VD tomadas
antes y después de la “introducción” de la
VI
• Tendencias pre-test
• Mediciones post
• ¿Cambian las tendencias?
Series de tiempo
 Series de tiempo
• Funciona mejor cuando la VI ocurre en un
momento dado
– Ej.: Evaluación de la introducción de una
política pública o un programa
• Cambios en el instrumento amenazan la
validez interna
– Ej.: Medición del desempleo
 Series de tiempo
• Se pueden crear grupos cuasi-
experimentales y grupos de cuasi-control
– Ej.: Programas de paz y desarrollo
(municipios con y municipios sin)
• A veces se mide en el tiempo no sólo la
VD sino también la VI
– Ej.: Hipótesis: “las variaciones en la opinión
pública afectan los cambios en las decisiones
de las altas cortes”
Series de tiempo
 Diseño transversal
(cross-section)
• Mediciones de las VI y VD tomadas
(aprox.) al mismo tiempo
• No hay control sobre
– Aplicación del tratamiento
– Asignación de sujetos a grupos
– Condiciones de aplicación de la VI
 Diseño transversal
(cross-section)
• Técnicas estadísticas para producir grupos
cuasi-experimentales y de cuasi-control post-
tratamiento
• Más realista = mayor validez externa
• Ej.: Hipótesis: “Quienes tienen mayores niveles
de educación formal reciben mayores ingresos”
– No es susceptible de diseño experimental
– El control se logra midiendo factores alternativos y
controlándolos estadísticamente
Relaciones causales y espurias
Relación causal
X Y
(Exposición a - (Decisión de votar)
publicidad negativa)

Relación espuria
Z
(Educación)

- +

X Y
(Exposición a (Decisión de votar)
publicidad negativa)
 Diseño transversal
Ej. Publicidad negativa
• Encuesta a muestra representativa
• Preguntas
– Exposición a publicidad
– Decisión de voto
– Nivel educativo
• Se descarta la relación espuria entre
exposición y abstención (vía educación)
controlando este factor mediante técnica
estadística (regresión)
 Diseño transversal
Problemas
• No hay garantía de precedencia temporal
– Especialmente cuando las variables son
actitudes o creencias
• Es difícil incluir medidas de todas las
explicaciones alternativas posibles
– Puede haber “sesgo de variable omitida”
– Las diferencias entre los “grupos” pueden ser
sistemáticas, no al azar
 Diseño de panel
• Diseño transversal + dimensión temporal
• Hay un pre-test
• Ej.: Estudio del impacto de las campañas
en el comportamiento electoral (Brasil)
• Problema: “mortalidad”
 Estudio de caso
• Examen a uno o unos pocos casos
• Más detalle y profundidad
• Combinación de varios métodos de
recolección de datos
– Entrevistas
– Documentos
– Observación
• Considerado por algunos como un diseño
inferior para hacer inferencias causales
 Estudio de caso
• Exploratorio
– Cuando se conoce poco el fenómeno
– Sugerir explicaciones generales posibles 
hipótesis que pueden ser probadas más
sistemáticamente observando más casos
 Estudio de caso
• Descriptivo
– Averiguar y describir qué sucedió en una o
unas cuantas situaciones
– No se buscan explicaciones generales
• Explicativo
– Probar hipótesis deducidas de teorías
existentes
 Estudio de caso
Ventajas en prueba de hipótesis
• Determinar si una correlación hallada en
un análisis transversal es causal o no
• Analizar el proceso que conecta la VI con
la VD
• Es central la selección de casos
 Estudio de caso
Ventajas en prueba de hipótesis
• Caso único
– Caso típico
– Caso excepcional
– Prueba de fuego
• Más de un caso
– Mayor poder explicativo
– No son una “muestra”
– Seleccionados por la presencia o ausencia de
factores que según la teoría son importantes (ej.
Moore, Skocpol)
 Estudio de caso
Problemas
• Falta de rigor en la presentación de las
evidencias
– Sesgo en el uso de la evidencia
– El investigador es el instrumento
(observación e interpretación)
– No es replicable
• No es posible generalizar
• Pueden ser dispendiosos y conducir a
informes muy largos
 Otras estrategias de investigación
• Modelos formales (ej. Modelo espacial)
• Simulaciones (ej. veto players)
 Diseños causales
Requisitos
• Covariación
• Proceso lógico
• Precedencia en el tiempo
• Eliminar la posibilidad de relación espuria
 CONTROL