enfoque investigacion

7/23/2019 Enfoque Investigacion

1/35

1

UN ENFOQUE SOBRE LA INVESTIGACIN CIENTFICA ENECONOMA

Douglas C. Ramrez Vera1Examinadlo todo y quedaos con lo que vale (1 Ts 5,21)

1. INTRODUCCIN

Nadie quiere equivocarse de camino, todos quieren estar seguros de ir por el caminocorrecto, siempre se quiere tener la certeza de que el camino elegido, el cual se sigue seael verdadero. Todos conocen el efecto que produce en cada uno, la sola posibilidad de laequivocacin, del no saber donde se esta y a donde se va, esta certeza es necesaria parala seguridad mental, emocional y espiritual de cada hombre y mujer.

No es cuestin de cuan coherente o cuanto esfuerzo se ponga, no es el resultado delvoluntarismo no es suficiente decir estoy seguro, es necesario estar seguro y esto esproducto del juicio cierto. Pero es necesario primero aprender a juzgar. Esta certeza en el

juicio permite avanzar lenta, trabajosamente, incluso cojeando pero seguro.

Desde el punto de vista del mtodo, no hay nada ms decisivo que esa capacidad queel hombre tiene de comparar todo lo que existe con su corazn, tal que, incluso cuando seequivoca, aprende algo, ya que reconoce lo que corresponde y lo que no corresponde a loque realmente desea y busca. Pero esto requiere una apertura del espritu la cual tieneque educarse para comprender y utilizar adecuadamente el mtodo ya que si bien esconnatural al hombre no es algo espontneo, esta apertura no se mantiene

espontneamente es necesario vivir intensamente la realidad.

La apertura a la realidad hay que educarla y para ello se requiere una atencin haciala realidad y una aceptacin de la realidad. El prejuicio impide la atencin porque afirmauna idea preconcebida insensibilizando la capacidad de darse cuenta de la totalidad delos factores. Adems, no permite acoger libremente y sin juzgar la realidad cerrandoprematuramente la comprensin. La atencin permite por tanto abrirse de par en par a latotalidad de los factores y la aceptacin permite abrazar conscientemente lo que aparecedelante de los sentidos y esto es fundamental para seguir un camino humano en elconocimiento.

Este documento es un pequeo aporte a la reflexin sobre el proceso de investigacin

cientfica desde un enfoque que pretende ser til desde una visin comprensiva yhumanista. Est conformado por dos secciones y la presente introduccin. La seccin quesigue a continuacin abordan aspectos sobre aspecto epistemolgicos sobre la ciencia ysobre el mtodo de investigacin. En la seccin ltima, la ms extensa, se focaliza yasobre el cmo realizar un proceso de investigacin; en cuanto a qu se investigara, cules su marco terico, cules son los objetivos y el problema de estudio y el cmo seinvestigara en cuanto a la definicin del tipo de estudio, los procedimientos, el alcance ylos lmites de la investigacin.

1Acadmico de la Universidad de los Andes, adscrito al Instituto de Investigaciones Econmicas Sociales dela Facultad de Administracin y Ciencias Econmicas y Sociales (IIES-FACES-ULA).mailto:[email protected]


2/35

2

2. UNAS PRECISIONES EPISTEMOLGICAS

Para conocer se requiere tener conciencia de la coexistencia del ser, se conoceporque se coexiste con otros, se observa a s mismo y a otros. No se puede pensar lo queno se conoce. Se investiga para conocer, ya que en el anlisis del objeto, el sujeto puedeencontrar el conocimiento y puede a su vez encontrarse a s mismo (re-conocimiento).Esto resulta evidente cuando antes de hacer un juicio o establecer un concepto este senutre de la experiencia cultivada. Esta experiencia parte de la premisa que "antes de laverdad existe lo verdadero"2 . El conocer pone de relieve la indispensable coexistencia,copresencia y cooperacin del sujeto que aprehende y de un objeto que es aprehendido.

En el DRAE3, se dice que la opinin es un juicio o un parecer que se forma de unacosa cuestionable, de hecho cuando se habla de opinin publica se refiere al juiciocomnmente aceptado y se dice que una persona se "casa con su opinin" cuando seaferra a su juicio propio. En la antigedad se utilizaba una distincin entre la "opinincomn" y la "opinin cultivada", para la "opinin comn" se utilizaba la palabra "doxa"() y para la "opinin cultivada" la palabra "episteme" (), esta ultima se utilizahoy en da para referirnos a la epistemologa como al estudio de los fundamentos ymtodos del conocimiento cientfico.

Cuando se habla de ciencia, se habla de ese conocimiento cultivado, de un sabercientfico. Para fines del documento se puede decir que la ciencia es un modo deconocimiento que aspira a formular mediante lenguaje riguroso y apropiado en loposible, con auxilio del lenguaje matemtico leyes por medio de las cuales se rigen losfenmenos4.

En las ciencias sociales, las leyes se entienden como regularidades decomportamiento probabilstico en cuanto a la relacin causa efecto. La ley, en estesentido, indica que tal fenmeno ha de producirse segn una ley determinada, pero noque el fenmeno en cuestin haya forzosamente de producirse. Estas leyes decomportamiento estadstico tienen en comn con las leyes de las ciencias naturales lossiguientes aspectos:

a) Ser capaces de describir series de fenmenosb) Ser comprobables por medio de la observacin de los hechos y de la

experimentacinc) Ser capaces de predecir acontecimientos futuros.

As mismo como existen muchos modos de conocer en las diversas ciencias ydisciplinas tambin existen muchas formas de comprobar y de predecir entre las diversasciencias. La forma como se compruebe y como se predice depende del grado dedesarrollo y formalidad que cada saber tiene. En el presente documento se trabaja sobreun modo de comprobar y predecir a travs de tcnicas cuantitativas.

Como ser humano se estudia lo que lo afecta, lo que le interesa, lo que lo motiva,de lo contrario no lo considera relevante o dentro de su campo de inters. La ciencia

2tienne Gilson (197) El realismo metdico.Ediciones Encuentro, Madrid3Diccionario de la Real Academia de la Lengua Espaola4Jos Ferrater Mora (1980).Diccionario de filosofa abreviado. Editorial Sudamericana, Buenos Aires.


3/35

3

busca conocer para actuar en el objeto conocido con el fin de valorar, en la vida delhombre, los efectos que el objeto conocido provoca en ella, en su propia naturaleza.

El objetivo de toda investigacin es conocer la verdad y para ello requiere formarse unjuicio metdico sobre la realidad que se estudia. La capacidad de pensar es una verdadpero no el principio del conocer. El conocimiento parte del objeto, del dato bajo estudioque es fecundado por nuestra inteligencia. El objeto nos presenta as su naturaleza, suselementos, sus matices, sus diferencias y semejanzas con otros objetos, datos y hechos.

A este se le preguntara de una forma u otra, tal vez una forma de preguntar no drespuesta alguna y por tanto se requerir preguntar nuevamente de otra forma y desdeotra perspectiva hasta hallar la forma, l mtodo o l camino para que se obtenga algunarespuesta y se pueda entrar en el conocer. De aqu que sea el objeto el que define elmtodo y no el mtodo lo que define el objeto5.

Toda investigacin se sustenta en valores ticos, entre los que destacada el amor

a la verdad, la objetividad cientfica y un apego al realismo. El realismo exige que paraconocer el objeto, el mtodo no puede ser imaginado por l (o los) sujeto (s) sino que esimpuesto por el objeto de investigacin.

2.1. Sobre el Mtodo de Investigacin

El conocer adecuadamente, es conocer con un mtodo adecuado al objeto, pero esteconocimiento esta limitado por nuestras formas de conocer. El "mtodo cientfico" estalimitado en cuanto que para ser til tiene que ser parcial y reduccionista.

La afirmacin anterior puede sonar para algunos sorprendente pero baste por el

momento un ejemplo. Si quisiera conocer una ciudad como Santiago, Buenos Aires oCaracas podra hacerlo de dos formas, una es recorriendo sus calles y otra consultadofotos y mapas. La primera me da una vivencia que no puede ser completamentetransmitida, la segunda es replicable a otros. Pero si adicionalmente tuviese poco tiempopara visitar cada ciudad un mapa resultara muy til para focalizar mi tiempo en los puntosde inters, es decir me valgo de la experiencia acumulada por otros para optimizar miconocimiento. Para que el mapa sea til tiene que estar a una escala adecuada,reduciendo a lo mnimo lo esencial pero mostrando las principales rutas y sitios.

El mapa, en este caso, es una representacin, un modelo parcial y reducido de laciudad, no es la verdad pero muestra puntos verdaderos de la realidad en los cualespuedo focalizar mi atencin y descubrir matices, hechos o datos que los otros no vieron.

Ntese que tener toda la realidad implicara tener un modelo a escala real uno a uno de laciudad, pero no sera ni practico, ni til. La ciencia pretende ser "mas" ciencia en lamedida de que puede predecir acontecimientos o puede explicar mejor que el sentidocomn lo que acontece. Este afn de predecir y explicar nace del natural miedo humanode reducir la incertidumbre y valorar los riesgos. Puede que sea imposible impedir unhuracn o un terremoto pero predecirlos permite reducir las perdidas de vidas y bienes.

5Luigi Giussani (1987) El sentido religioso. Ediciones Encuentro, Madrid


4/35

4

2.2. Paradigmas

En la ciencia se habla de paradigmas6 que es como la "opinin mayoritaria" de los"expertos" de cmo estudiar el hecho cientfico, la historia de ciencia muestra que estosparadigmas cambian y son "validos" hasta cuando no son sostenibles por ms tiempo.Estos paradigmas son el "modelo" de cmo hacer ciencia y no existe un consenso nicopor cuanto cada tipo de ciencia o disciplina requiere una forma particular de conocer.

Si se quiere conocer sobre matemticas se utilizara un mtodo axiomtico, deductivo.Si se quiere reacciones qumicas, se utilizara un laboratorio. Si se quiere saber cuantaspersonas pueden comprar un producto se realiza un estudio de mercado. Pero un errordel paradigma es llevarlo al extremo de convertirlo en un sustituto de la realidad. En esecaso se cae en el "cientificismo" que es creer que la ciencia basta para satisfacer todas

las necesidades de la inteligencia humana y que puede expresar todos los aspectosreales, morales e intelectuales del hombre. El error esta en creer que lo razonable esta enlo demostrable o lgico simplemente, cuando lo demostrable es slo un aspecto de larazn en cuanto procedimiento que reproduce los pasos necesarios para construir, porejemplo, un teorema a partir de unas premisas, as como la lgica ayuda a lademostracin, por cuanto permite apuntar a la coherencia del procedimiento. Loimportante es saber que un enfoque o paradigma no sustituye a la realidad.

6Un paradigma es una concepcin de cmo hacer un estudio cientfico, cules deben ser los problemas que debenabordarse, qu es lo que define el objeto, cul es la naturaleza de los mtodos y tcnicas a utilizar, cul es la informacinrequerida y cmo se debe explicar, interpretar o comprender los resultados de la investigacin.


5/35

5

Cuadro 1

Comparacin de las investigaciones cuantitativas y cualitativas

Tipo de Investigacin

Elementos Cuantitativa Cualitativa

Relacin objeto-sujeto El investigador es el quedecide, el investigado estratado como objeto pasivo

Tanto el investigador como elinvestigado participan en todoslos momentos de lainvestigacin y viven latransformacin

Resultado/fin El producto es informacin.Es fundamentalmente para elconocimiento terico. No llevanecesariamente a larealizacin de accionesconcretas.

Involucra a los participantes enlas acciones. Motiva a la accin

Tipo de conocimiento Es un conocimiento puntualpara un momento y un lugardado

Estudia los fenmenos dentro deun contexto, dentro de unproceso en evolucin

Marco terico Se define y construye alplanificar la investigacin

Se construye a travs de losdiferentes momentos de lainvestigacin

Seleccin de variables Pocas variables

seleccionadas y definidaspreviamente

Las variables se van agregando

y refinando en el estudio decampo

Tipos de variables Enfatiza relaciones mltiplesde variables de tipocuantitativo o cuantificable.Variables nominales, deorden, de intervalo o derazn.

nfasis en los aspectossubjetivos-cualitativos.

Calidad de la informacin Enfatiza la confiabilidad Enfatiza la validez

Muestra Grande. Cuanto ms mejor Pequea, adecuada al objeto

Tipo de anlisis principal Anlisis de interdependenciay relaciones de causalidad

Anlisis descriptivo einterpretativo

Fuente: Tomado y modificado de Pineda, Alvarado y Canales, 1994,13.


6/35

6

Estas notas metodolgicas se inscribe dentro de un paradigma, que se considera tilpero no nico, en el resumen del Cuadro 17se muestran el enfoque cuantitativo, que es el

que se abordar en el texto y el enfoque cualitativo que es igualmente valido para otroscontextos. Estos dos ejemplos de enfoques muestran que cada uno aporta aspectosrelevantes para explicar situaciones y construir indicadores que permitan describir ycomprender la realidad. Mutuamente se ayudan y se pueden integrar en un proceso msamplio de estudio.

2.3. Investigacin cuantitativa

La investigacin cuantitativa se centra principalmente en tres aspectos; lainvestigacin descriptiva , la relacional y la funcional o experimental: a) La investigacindescriptiva es la etapa preparatoria del trabajo y permite ordenar el resultado de las

observaciones de las conductas, de las caractersticas , factores y procedimientosobservados, se trabajan slo tcnicas de anlisis univariadas, b) la investigacinrelacionales ms compleja respecto a la descriptiva y permite establecer comparacionesde variables entre grupos de estudio y control sin aplicar mtodos estadsticos complejosms all de las pruebas de inferencia de independencia y de contrastes de medias, y , porltimo, c) El anlisis funcional experimental utiliza tcnicas de anlisis multivariado ypermite construir modelos comparando grupos de control versus grupos bajo estudio.

2.4. Tipos de investigacin

Toda investigacin es tanto terica como aplicada, ya sea cualitativa como

cuantitativa y en esta ltima se destacan tres tipos o niveles en el proceso deinvestigacin que son los de tipo exploratoria, descriptiva y explicativa

a) Exploratorias: Son las investigaciones que pretenden darnos una visin general yslo aproximada de los objetos de estudio.

b) Descriptivas: Su preocupacin primordial radica en describir algunascaractersticas fundamentales de conjuntos homogneos de fenmenos.

c) Explicativas: Son aquellos trabajos donde nuestra preocupacin se centra endeterminar los orgenes o las causas de un determinado conjunto de fenmenos.Su objetivo, por lo tanto, es conocer por qu suceden ciertos hechos, analizandolas relaciones causales existentes o, al menos, las condiciones en que ellos seproducen

3. SOBRE EL PROCESO DE INVESTIGACIN

Cul es el camino? Es la primera y obvia pregunta cuando se quiere realizar en unviaje, y como todo viaje hay un punto de partida y un punto de llegada pero tambin haymuchas rutas posibles. Lo mismo pasa en el mtodo de investigacin, existen diversasopiniones sobre qu estudiar, cmo se llama cada etapa, cuntas son, cul es su orden,entre otros aspectos. Aqu se opta por un esquema simple pero no menos adecuado. Estese resume en la figura 1 que se explicara a continuacin. En todo caso puede ser

7Tomado y modificado de Pineda, E. B., E. L. de Alvarado y F. H. de Canales (1994) Metodologa de la investigacin.Organizacin Panamericana de Salud. Washington, D. C. p. 13.


7/35

7

contrastado con otros textos ms formales pero en la comparacin notaran que se toma loesencial del proceso. Ntese que aun cuando existe cierto orden lgico y cronolgico delproceso puede que excita un proceso de retroalimentacin entre las partes como la

retroalimentacin del marco terico en la reformulacin de los objetivos y a su vez deestos a las hiptesis y a las variables a incluir en el estudio.

3.1. Qu se invest igara?

En trminos simples un problema es una cuestin que se quiere aclarar, en lasmatemticas un problema es una proposicin dirigida a averiguar el modo de obtener unresultado cuando ciertos datos son conocidos. En el campo de la investigacin se percibecomo un vaco o la ausencia de una respuesta ante una realidad dada y este se daporque ignoramos como ocurren ciertos fenmenos, o cuando no podemos explicarnospor qu ocurren. Esto refleja las dos grandes fuentes de temas de investigacin, la

primera surge porque se encuentran vacos o inconsistencia en el conocimientoacumulado en el rea de estudio y la segunda es porque no se tiene una respuesta osolucin a algn acontecimiento con el que nos enfrentamos en la prctica diaria.

Qu se

Investigara?

Cul es la base

terica delproblema?

Cmo se

investigar?

El problema

Se identifica

Se delimita

Se describe

Se explica

Se formulan

los objetivos

El MarcoTerico

Conocimiento sobre eltema en trminos deConceptos

Teoras sobre elproblemaAntecedentesDatos estadsticos

Hiptesis

Variables

Definir elTipo deEstudio

Establecer losprocedimientos

Definir la poblacino/y muestra

Recoger lainformacin

Construir las bases dedatos

Presentacin

del Informe

Ejecucin

Recoleccin

de datos

Presentacin

de datos

Anlisis e

interpretacin

Conclusiones y

recomendaciones

Figura 1

Qu se

Investigara?

Cul es la base

terica delproblema?

Cmo se

investigar?

El problema

Se identifica

Se delimita

Se describe

Se explica

Se formulan

los objetivos

El MarcoTerico

Conocimiento sobre eltema en trminos deConceptos

Teoras sobre elproblemaAntecedentesDatos estadsticos

Hiptesis

Variables

Definir elTipo deEstudio

Establecer losprocedimientos

Definir la poblacino/y muestra

Recoger lainformacin

Construir las bases dedatos

Presentacin

del Informe

Ejecucin

Recoleccin

de datos

Presentacin

de datos

Anlisis e

interpretacin

Conclusiones y

recomendaciones

Figura 1

Fuente: Elaboracin propia.

3.1.1. El planteamiento del problema

La identificacin de los hechos, fenmenos o acontecimientos que se deseanconocer, delimitando describiendo y explicando la situacin que se quiere estudiar. Separte por reconocer l o los hechos que involucra el fenmeno bajo estudio. Termina


8/35

8

definiendo el problema que se quiere estudiar (objetivo central o general) y el cmoabordarlo (objetivos especficos) por etapas sucesivas o sub-problemas.

Para el principiante definir un problema representa una mayor dificultad que paraquien ya esta investigando en un campo o que tiene una mayor practica sobre la cualreflexiona, o trabaja con mayor frecuencia, o que lee sistemticamente, por ello seaconseja trabajar sobre lo ms conocido. Como ayuda y sugerencia se plantea algunoscriterios para seleccionar un tema de investigacin los cuales se pueden resumir en lassiguientes lneas:

1. Escoger una temtica conocida. Es conveniente concentrarse en aqullas reasdel conocimiento sobre las que ya se posee una informacin ms o menosconsiderable y postergar para mejor ocasin el abordaje de temas sobre los queno se conoce lo suficiente

2. Seleccionar un tema bien concreto y accesible: Es preferible definir un temaconcreto, bien delimitado y preciso, sobre el que pueda encontrarse suficiente

bibliografa y sea factible obtener suficientes datos de inters.3. Buscar reas de trabajo en las que pueda contarse con una ayuda efectiva . Undicho dice que la rueda ya esta inventada y lo que toca es saber usarla, ningninvestigador puede crear todo el conocimiento se necesita de otros y de susexperiencias para llegar un poco ms adelante en el conocimiento. Por ellosiempre es recomendable contar con apoyo externo cuando se comienza ainvestigar y resulta til escoger temas en los que ya se est trabajando y en loscuales pueda contarse con el asesoramiento y la orientacin de profesores einvestigadores ms versados en la materia

4. Buscar un problema de investigacin que resulte de real inters . El tener unagenuina curiosidad para estudiar el tema seleccionado provee las energas y lamotivacin para desplegar los mejores esfuerzos en la superacin de los

inevitables inconvenientes que siempre se ha de enfrentar durante el proceso. Laprctica de la investigacin nos suele enfrentar a dificultades que generanansiedades, ante las tareas rutinarias que se pueden volver tediosas, o ante elesfuerzo que, en general, resulta bastante intenso y sostenido. Si no se tiene unapasin y un inters sobre el tema ser difcil poder alcanzar la meta del informefinal

Muchas veces se destaca como una debilidad en la investigacin que elinvestigador es un sujeto con una percepcin y una posicin sobre la realidad. Esto msque una debilidad es un dato que debe ser incorporado y utilizado ya que todainvestigacin cientfica debe considerar todos los datos o factores de la realidad. Paraexplicarlo tomare un ejemplo de Giussani8. Si llamamos r (o "razn") o capacidad de

conocer del sujeto y llamamos v(o "valor") a la realidad que se quiere conocer una vezque entran en el campo de inters humano y llamamos s(o "sentimientos") la presenciaintermediaria.

rsv

La respuesta de algunos es eliminar la "s" con lo cual se llega a la paradoja decuanto algo ms me interesa conocer menos me es posible ya que mis sentimientos seinterponen, en segundo lugar se cae en el error de eliminar un factor de la realidad queesta en juego. Giussani responde que "la cuestin no es eliminar el sentimiento, sinosituar al sentimiento en su justo lugar". El centro del problema es tener una postura una

8Giussani, Ob. Cit., pp. 43, 45 y 46


9/35

9

actitud adecuada, un sentimiento apropiado, una moralidad y esta se sustenta en "que elamor a la verdad del objeto sea siempre mayor que el apego a las opiniones que unotiene de antemano sobre l" y se puede concluir que "la suprema pobreza de espritu es la

pobreza ante la verdad".

Criterios de la Delimitacin del Problema

Debe expresar una

relacin de variables

Debe formularse en

forma de pregunta

Debe posibilitar una

prueba emprica de las

relaciones de variables

Debe expresarse en una

dimensin histrica

Debe definir la

poblacin bajo estudio

Figura 2

Cmo ha sido el comportamiento del

consumo en chile durante el periodo

1960-2003?Existen en los hogares

chilenos restricciones al crdito? Cul

es su importancia en las decisiones de

consumo Estas restricciones se

intensificaron a consecuencia de la crisisasitica? La lentitud de la recuperacin

y la persistencia del desempleo es

producto de la existencia de restricciones

al crdito?

Criterios de la Delimitacin del Problema

Debe expresar una

relacin de variables

Debe formularse en

forma de pregunta

Debe posibilitar una

prueba emprica de las

relaciones de variables

Debe expresarse en una

dimensin histrica

Debe definir la

poblacin bajo estudio

Figura 2

Cmo ha sido el comportamiento del

consumo en chile durante el periodo

1960-2003?Existen en los hogares

chilenos restricciones al crdito? Cul

es su importancia en las decisiones de

consumo Estas restricciones se

intensificaron a consecuencia de la crisisasitica? La lentitud de la recuperacin

y la persistencia del desempleo es

producto de la existencia de restricciones

al crdito?

Fuente: Tomado y modificado de Pineda, Alvarado y Canales, 1994,43.

En la figura 29se presenta un esquema sobre los criterios que delimitan elplanteamiento del problema los cuales se describen a continuacin:

1. Debe expresar una relacin de variables: La claridad de un problema seencuentra en la medida que se conocen su dimensiones o caractersticasfundamentales Las variables son caractersticas o factores de la poblacin bajoestudio que se pueden expresar en unidades o elecciones, estas se relacionaentre si y conforman estructuras que son las que generan situaciones

problemticas o no. El describir el problema en trminos de sus variablespermite definir los objetivos y construir el marco terico

2. Debe expresarse en forma de pregunta:El plantear el problema en forma depregunta exige responder y aclarar ms lo que se va a investigar, puesto queesto ayuda a sistematizar las ideas y revisar diversas posiciones que existan alrespecto con lo que nos introduciremos en la fase siguiente de elaboracin delmarco terico. Otra alternativa es describir la situacin con el mayor numero dearistas y perspectivas posibles de la situacin que se pretende resolver odescubrir.

9Tomado y modificado a partir de Pineda, Alvarado y Canales, 1994,43.


10/35

10

3. Debe ser posible de verificar una comprobacin emprica de las variables: El

propsito de la investigacin es comprobar o rechazar algo. Plantear un

problema es afinar su estructura formalmente. Se debe describir el problemaen trminos concretos, explcitos y especficos, de manera que los argumentospuedan ser investigados por medio de los procedimientos cientficos. Unproblema correctamente planteado est parcialmente resuelto, a mayorexactitud corresponden ms posibilidades de obtener una solucinsatisfactoria.

4. Debe expresarse en una dimensin espacio-temporal concreta: La definicinespacio temporal de la investigacin resulta practico y delimita el alcance de lainvestigacin, ya que no se puede estudiar todo ni tampoco todo el tiempo.

Adems las variables involucradas no se presenta siempre en el mismo estadoen dos lugares y momentos distintos10. Adems de definir cuando y como

permite evaluar al factibilidad de realizar el estudio en el tiempo disponible ycon los recursos que se cuentan.

5. Debe delimitarse claramente la poblacin bajo estudio: El investigador debe sercapaz no solo de describir y entender el problema sino tambin de verbalizarloen forma clara, precisa y accesible. En algunas ocasiones sabe lo que deseahacer pero no sabe o puede comunicarlo a los dems y es necesario querealice un esfuerzo por traducir su pensamiento a trminos que el mismoentienda y acepte para despus poder comunicarlo a los dems. El problemadebe estar formulado claramente; describir los hechos, situaciones,participantes, caractersticas del fenmeno, lugares, fechas, conflictos, dramas,situaciones difciles, desenlaces, etc... que permita definir claramente porque lo

considera un problema y para quien entendiendo por problema, laproblemtica planteada o el fenmeno estudiado-

3.1.2. Objetivos de Investigacin

Una vez seleccionado un problema de inters y que en principio resulte factible sehace necesario preguntar cul es el sentido de estudiar el problema? y quconocimientos se puede obtener de esta investigacin?, en esta fase inicial del trabajo,los objetivos bsicos que persigue la investigacin, debe ser definidos con rigurosidad yen forma explcita.

El resultado final de esta etapa se encuentra en la formulacin del objetivo general que es

como se expresa el asunto de inters para el investigador. La palabra objetivo provienede ob-jectum, que significa "a donde se dirigen nuestras acciones" y se entiende como eltrmino o fin de los actos o como el fin o intento a que se dirige o encamina una accin uoperacin. Los objetivos son enunciados escritos sobre resultados a ser alcanzados en unperiodo determinado, as como se muestra descriptivamente en la figura 311.

10Sirva de ejemplo esta idea simple, en un sistema de dos variables podemos tener 4 estados de relaciones posibles, porejemplo no vincularse, vincularse simultneamente vincularse de un lado hacia el otro y viceversa, para estimar losestados posibles de un sistema se representa por una relacin 2(N*(N-1); si N es igual a 2 componentes o variables elresultado sera 4, pero si los componentes fueran 5 el numero de estados posibles sera de mas de un milln de

posibilidades (exactamente de 1.048.576)11Tomado y modificado de Pineda, Alvarado y Canales, 1994, 48.


11/35

11

El objetivo formulado por el investigador debe ser uno y solo uno, ms de unobjetivo general expresa que el propsito de la investigacin no esta claramente definidopor tanto se debe revisar de nuevo la formulacin del problema o propsito de

investigacin. Este propsito debe responder al asunto en cuestin o problema bsico deinters. Pero se refinan en la medida en que se profundiza el marco terico conceptual delestudio

Los objetivos de investigacin tienen como propsito: a) orientar las dems fasesdel proceso de investigacin, b) determinar los limites y la amplitud del estudio, c)Permitir definir las etapas que requiere el estudio y, por ltimo, d) situar el estudio dentrode un contexto ms general.

Criterios de la Definicin de Objetivos

Deben estar dirigidos

al problema bsico

Deben ser medibles y

observables

Deben ser claros y

precisos

Deben seguir un orden

lgico o metodolgico

Deben ser expresados

en verbos infinitivos

Figura 3

Estimar una estructura de consumo para

Chile durante el perodo 1960-2003

testando un modelo de restricciones de

liquidez presentado por Hayashi (1985)

basado en una hiptesis ms general que

la hiptesis del ciclo vital.

Criterios de la Definicin de Objetivos

Deben estar dirigidos

al problema bsico

Deben ser medibles y

observables

Deben ser claros y

precisos

Deben seguir un orden

lgico o metodolgico

Deben ser expresados

en verbos infinitivos

Figura 3

Estimar una estructura de consumo para

Chile durante el perodo 1960-2003

testando un modelo de restricciones de

liquidez presentado por Hayashi (1985)

basado en una hiptesis ms general que

la hiptesis del ciclo vital.

Fuente: Tomado y Modificado de Pineda, Alvarado y Canales, 1994,48.Para ello deben estar dirigidos al problema planteado con el fin de dar un propsito

a la investigacin, y estos deben ser evaluables o medibles y observables en sucumplimiento o no.

a) Los objetivos se relacionan directamente con el problema a estudiar ysiguen un orden lgico, se redactan vinculando las variables relevantes yse expresan con verbos en infinitivo, tales como: identificar, determinar,establecer, distinguir, cuantificar, medir.

b) Los objetivos deben ser redactados de forma operacional que permitan sermedibles y observables y as poder ser evaluados o verificados.

c) Cada objetivo debe estar enfocado a un slo aspecto del problema y debenser claros y precisos


12/35

12

3.2. Cul es la base terica del problema?

Definido el problema de estudio es necesario recopilar los antecedentes, tanto

estadsticos, como bibliogrficos, que permitan construir un marco comprensivo delfenmeno y permita definir los factores que describen las relaciones y ayuden al anlisis,comprensin y explicacin del problema. La validez interna y externa de una investigacinse demuestra en las teoras que la apoyan y, en esa medida, los resultados puedengeneralizarse. El marco terico de la investigacin considera:

Los conceptos explcitos e implcitos del problema Las metodologas utilizadas para analizar este tipo de problemas o

similares. Las relaciones tericas y los conceptos adoptados. Elaborar los anlisis tericos de los cuales se desprenden las hiptesis. Las implicaciones tericas del problema.-

El la revisin bibliogrfica y de antecedentes, conocida como marco terico seelabora una sntesis del contexto general (local, nacional y mundial) en la cual se ubica eltema de la propuesta, se establece el estado actual del conocimiento del problema, lasbrechas que existen y el vaco que se quiere llenar con el proyecto; el porqu y el cmo lainvestigacin propuesta, se va a diferenciar de las investigaciones previas, y cmocontribuir, con probabilidades de xito, a la solucin o comprensin del problemaplanteado. Las funciones principales del marco terico son las siguientes:

Orientar el conocimiento del tipo de investigacin Ampliar el horizonte de estudio, permitiendo expresar distintos puntos de

vista Conducir al establecimiento de hiptesis Inspirar lneas de investigacin Prever la manera de interpretar los datos provenientes de la investigacin

3.2.1. Formulacin del Problema

La formulacin del problema, la construccin del marco conceptual y terico y elplanteamiento del problema son procesos que se distinguen lgicamente pero en trminoscronolgicos se trabajan casi en paralelo, como se trata de ejemplificar en la figura 1 y enla figura 4, pero se retroalimentan y se refuerzan mutuamente y a su vez deben manteneruna coherencia lgica o congruencia entre las partes.


13/35

13

Elementosconceptalesyteric

os

Conocimiento sobre el tema

Conceptos

1. Teoras sobre el tema

2. Antecedentes sobre el problema

3. Datos estadsticos relevantes

Hiptesis

Variables

Categoras

Metodologas

Figura 4

Elementosconceptalesyteric

os

Conocimiento sobre el tema

Conceptos

1. Teoras sobre el tema

2. Antecedentes sobre el problema

3. Datos estadsticos relevantes

Hiptesis

Variables

Categoras

Metodologas

Figura 4

Fuente: Elaboracin propia

3.2.2. Construccin del Marco Terico

Para la construir del marco terico debe plantear de forma explicita todos loselementos del fenmenos en el proceso de anlisis. Estos se pueden describir a travs delos siguientes pasos:

1. Identificar los elementos que fundamenta el Tema: Consiste en identificar loselementos tericos para fundamentar el problema. De la revisin de antecedentesse obtienen los resultados en trminos de factores y aspectos para fundamentar

el problema y los resultados de las diferentes teoras, investigaciones y datosestadsticos que a juicio del investigador son pertinentes y le permita manejar conexperticia el cdigo de comunicacin del campo de trabajo.

2. Seleccin de Variables principales: Seleccionar las variables principales oelementos ms relevantes para el estudio del problema y de la revisin de laliteratura adecuada. La variable central o variable dependiente se refierebsicamente al problema y las variables explicativas o causales son las queexplican y causan la respuesta de la variable dependiente y son conocidas comovariables independientes, los parmetros que vinculan a ambas son conocidoscomo parmetros estimados de comportamientos y en el anlisis de regresincomo coeficientes de regresin o regresores.

3. Identificar las relaciones y enunciar las hiptesis:Identificar las relaciones entre las

variables y enunciar las hiptesis centrales y o complementarios con sus posiblespruebas de contrastes a que deben ser sometidas para su validez o falsificacin4. Diseo Experimental: Construir el esquema de las relaciones entre variables o

constructos tericos sealando sus vinculaciones principales y sus indicadoresempricos o variables operacionales, esto ayuda a tener una visin del conjunto.

5. Elaborar Propuesta: Elaborar el marco conceptual del estudio que establezca losantecedentes, proposiciones y metodologas especficos para el problema.

3.2.3. Partes del Marco Terico

El Marco Terico contiene tres partes claves:


14/35

14

1. El marco terico propiamente dicho: Es un conjunto de proposicionesreferidas al problema de investigacin tomadas de una o ms teorasexistentes sobre el campo donde ste se ubica, con las modificaciones que

el investigador est en condiciones o capacidad de introducirles, contienelos antecedentes que se tienen sobre el problema suelen tener una mayorconsistencia lgica, de tal modo que el problema resulta como derivado odeducido de ese conjunto conceptual.

2. El marco referencial: Est constituido por el conjunto de conocimientos queotros estudiosos han logrado sobre el tema o el problema de investigacinque se ha propuesto un investigador. Tanto este marco como los otrosproporcionan un contexto de referencia del problema a investigar.

3. El marco conceptual: Es, como lo indica su nombre, una elaboracinconceptual del contexto en el cual se considera el problema. Estcompuesto de referencias a sucesos y situaciones pertinentes, a resultadosde investigacin incluye, por tanto, un marco de antecedentes,

definiciones, supuestos, etc. Se podra decir que este marco es unaespecie de constructo terico, sin grandes pretensiones de consistencialgica entre las proposiciones que la componen, aun si utiliza conceptos dealguna teora existente. Adems de establecer el tipo de pruebas deverificacin para comprobar la certeza de las hiptesis planteadas.

3.2.4. Formulacin de Hiptesis12

Las hiptesis, con la seleccin de las variables tericas y operacionales, son losprincipales productos de la revisin bibliografica y de antecedentes en el proceso deelaboracin del marco terico. Durante el proceso se debe disear la prueba de contraste,

especificando qu metodologa se utilizar para encontrar la respuesta al problema, enquines se estudiarn y qu mtodos se aplicaran para la obtencin y anlisis de losdatos y resultados.

Las hiptesis es una suposicin o proposicin que establece la existencia de unarelacin entre dos o ms variables expresadas como hechos, fenmenos o factores oentidades que deben ser sometida a prueba para ser aceptada como valida o rechazadacomo falsa y su funcin consiste en delimitar el problema que se va a investigar. En esteltimo sentido constituye un enlace o puente entre la teora y la investigacin.

Las hiptesis se definen en trminos de: a) su unidad de anlisis que pueden serindividuos , familia o instituciones, b) las variables que la conforman, entendidas como las

caractersticas, factores o propiedades de las unidades de anlisis y pueden ser variablesdel tipo ordinal, ordinal de intervalo o de razn, y , c) por los elementos lgicos, querelacionan las unidades de anlisis con las variables y a estas entre s en trminos de:mayor(>), menor(


15/35

15

3.2.5. Deduccin e Induccin

Las hiptesis pueden ser formuladas a partir de un proceso deductivo o inductivo.Las hiptesis deductivas tienen como punto inicial una teora o una proposicin generalque se aplica a situaciones particulares a travs de un razonamiento deductivo (de logeneral a lo particular) se postulan principios tericos a ser comprobados. Las hiptesisinductivasparten de las observaciones particulares de los hechos y donde se detecta uncierto patrn recurrente que aparentemente representa una tendencia o fenmenorecurrente que expresa una asociacin particular y que posteriormente, a partir de estasobservaciones parciales, ser quiere comprobar si expresa una ley general.

3.2.6. Criterios para la Formulacin de Hiptesis

Los criterios para la formulacin de una hiptesis tienen una gran correspondenciacon los criterios para el planteamiento de un problema y con los criterios para formular losobjetivos para ello vase y compare las figuras 2, 3 y 5.

a) El enunciado o proposicin debe estar expresado de manera positiva ysimple, por ejemplo, bajo restricciones de liquidez el consumo esinsensible a la tasa de inters Esto quiere decir que el parmetro opendiente que relaciona la tasa de inters como variable explicativa noafecta al consumo o que estadsticamente su valor es cero.

b) Debe expresar una relacin entre las variables, en el ejemplo se tiene unarelacin entre la variable dependiente consumo y la variable explicativatasa de inters.

c) La relacin entre las variables planteadas en la hiptesis pueden sersometidas a pruebas de contraste sobre la validez de al afirmacin, para elejemplo se pueden hacer pruebas de correlacin, y de significancia de lacorrelacin, tambin se pueden hacer pruebas de independencia entreotras.

d) Por ltimo deben ser capaces de predecir un comportamiento en este casopor ejemplo; cambios en la tasa de inters no van a modificar el patrn deconsumo de los hogares que presentan restricciones de liquidez.


16/35

16

Criterios de la Formulacin de Hiptesis

Se formulan en trminos de

una afirmacin simple

Plantean una relacin entre

dos o ms variables

Deben ser posibles evaluar

las relaciones expresadas

Deben ser expresadas en

trminos explicativos y

predictivos

Figura 5

Ho1: Las decisiones de consumo dependen del

ingreso corriente y no del ingreso permanente

Ho2: El consumo es insensible a la tasa de

inters

Ho3: Ante restricciones de liquidez la poltica

monetaria es ineficaz para reducir el paro

Criterios de la Formulacin de Hiptesis

Se formulan en trminos de

una afirmacin simple

Plantean una relacin entre

dos o ms variables

Deben ser posibles evaluar

las relaciones expresadas

Deben ser expresadas en

trminos explicativos y

predictivos

Figura 5

Ho1: Las decisiones de consumo dependen del

ingreso corriente y no del ingreso permanente

Ho2: El consumo es insensible a la tasa de

inters

Ho3: Ante restricciones de liquidez la poltica

monetaria es ineficaz para reducir el paro

Fuente: Tomado y Modificado de Pineda, Alvarado y Canales, 1994,66.

Las hiptesis, al igual que los objetivos, tiene como requisitos que al serformuladas deben referirse a un slo mbito de la realidad, deben ser claras y precisas ensus trminos de referencia y en su planteamiento debe estar implcito la tcnica paraprobarla por ello se recomienda que

a) Los trminos que se empleen deben ser claros y concretos para poder

definirlos de manera operacional, a fin de que cualquier investigador quequiera replicar la investigacin, pueda hacerlo. Una hiptesis sin referenciaemprica constituye un juicio de valor. Si una hiptesis no puede sersometida a verificacin emprica, desde el punto de vista cientfico no tienevalidez.

b) Las hiptesis deben ser objetivas y no llevar algn juicio de valor; es decir,no debe definirse el fenmeno con adjetivos tales como "mejor" o "peor",sino solamente tal y como pensamos que sucede en la realidad.

c) Las hiptesis deben ser especficas, no slo en cuanto al problema, sino alos indicadores que se van a emplear para medir las variables que estamosestudiando.

d) Las hiptesis deben estar relacionadas con los recursos y las tcnicas

disponibles. Esto quiere decir que cuando el investigador formule suhiptesis debe saber si los recursos que posee son adecuados para lacomprobacin de la misma.

e) La hiptesis debe estar directamente relacionada con el marco terico de lainvestigacin y derivarse de l.

3.2.7. Hiptesis y nivel de error

Generalmente las hiptesis, al ser enunciadas para su comprobacin ofalsificacin estadstica a travs de pruebas inferenciales, se clasifican en hiptesis nula yalternativa. Estas se postulan cuando se trata de discernir si existen diferencias


17/35

17

significativas o no entre las estimaciones obtenidas y los parmetros de la poblacin o,entre estimaciones obtenidas en diferentes muestras.

La hiptesis nula se designa con el smbolo Ho. La hiptesis nula es aquella quenos dice que no existen diferencias significativas entre los grupos. Una hiptesis nula esimportante por las siguientes razones:primeroporque es una hiptesis que se acepta ose rechaza segn sea el resultado de la investigacin y en segundolugar por el hecho decontar con una hiptesis nula ayuda a determinar si existe una diferencia significativaentre los grupos y si no se debi al azar. En la mayora de los casos se establece con elpropsito explicito de ser rechazada, en este caso se espera que exista diferencias en elresultado y la conclusin que se espera alcanzar es que se rechaza la hiptesis nula, encaso contrario, de que los datos disponibles no permitan encontrar evidencia pararechazar la hiptesis nula, la conclusin sera no se puede rechazar la hiptesis nula.La hiptesis nula es una hiptesis simple ya que se compara con un valor puntual y noasume afirmaciones del tipo mayor que o menor que siempre se formula en trminos

de ser igual a.

La hiptesis alternativa se designa con el smbolo Ha. En ella se postula que lasestimaciones o valores observados en el universo, en la muestra o en una de las variablesen estudio no son equivalentes a los encontrados en otro universo, u otra muestra ovariable bajo anlisis. Lo que significa que s existen diferencias significativas entre losvalores estimados. En esta circunstancia el valor obtenido puede ser mayor (>) o menor(


18/35

18

Para interpretar las pruebas de inferencias estadsticas el investigador especificalos niveles aceptables de error estadstico. Los errores estadsticos se denominancomnmente con los nombres de Error Tipo I y Error Tipo II. El nivel del error Tipo I,

tambin se conoce como alfa14

() y se define como la probabilidad de rechazar lahiptesis nula (Ho) cuando es cierta (un positivo falso), o dicho de otra forma, si partimosde la presuncin de inocencia del inculpado entonces la hiptesis nula seria Ho: Esinocente, entonces el error tipo I sera declarar inocente a un culpable. El investigadordefine el nivel de error Tipo I, al establecer los mrgenes aceptables de error, porconvencin se asume un error del 5% como nivel tpico aceptable. Una probabilidad msinteresante es (1) que se denomina como nivel de confianza de la prueba decontraste con que se rechaza la hiptesis nula. En la figura 615, se relaciona el tipo deerror con los tipos de hiptesis de investigacin.

Al definir el error Tipo I, el investigador tambin define el nivel de error Tipo II quees un error asociado y se conoce como error beta ()16. El error Tipo II es la probabilidad

de fallar en rechazar la hiptesis nula cuando realmente es falsa. En otras palabras,siguiendo el ejemplo anterior, sera declarar inocente a un culpable. La probabilidad(1 ), se denomina potenciade la prueba de contraste. La potencia es la probabilidadde rechazar correctamente la hiptesis nula cuando debe ser rechazada.17. Los erroresTipo I y Tipo II se encuentran inversamente relacionados, y a medida que el error del TipoI se reduce el error de Tipo II aumenta, ya que al reducir el error Tipo I tambin se reduceel poder de la prueba estadstica por ello el analista tiene que encontrar un equilibrio entreel nivel del alfa y el nivel de potencia.18

3.2.8. El diseo metodolgico

El diseo metodolgico del estudio se describe en el esquema anexo en la figura

7, como se muestra en el esquema, definido los objetivos de investigacin, se debedecidir el cmo se recopila la informacin, cmo se operacionaliza, en trminos delcuestionario, cmo se evala el instrumento y luego, cmo se levanta la informacin. Eldiseo metodolgico es la base para planificar todas las actividades que demanda elproyecto y para determinar los recursos humanos y financieros requeridos. Unametodologa vaga o imprecisa no brinda elementos para evaluar la pertinencia de losrecursos empleados.

El diseo metodolgico debe mostrar, en forma organizada, clara y precisa, cmose alcanzarn cada uno de los objetivos especficos propuestos. La metodologa debereflejar la estructura lgica y el rigor cientfico del proceso de investigacin desde laeleccin de un enfoque metodolgico especfico (preguntas con hiptesis fundamentadas

correspondientes, diseos de la muestra o experimentales) hasta la forma como se van aanalizar, interpretar y presentar los resultados.

14Anderson, Black, Tathan y Hair (1999) Anlisis Multivariante.Prentice Hall, Madrid15La figura 6 es tomadas y modificada de: Anderson, Black, Hair y Tathan; Ob. Cit..16Anderson, Black, Tathan y Hair (1999) Ob. Cit.17Ob. Cit.18Para ms referencia ver; Anderson et. al. Ob. Cit.


19/35

19

Objetivo a

Investigar

Decidir el Mtodo de

Recoleccin de Informacin

Informacin

Necesaria

Determinacin

De Variables

Diseo del Cuestionario

Decidir Forma,

Orden y Contenido

de las Preguntas

Redactarlas

y Determinar las

Escalas

Evaluar el Cuestionario

Si es satisfactorio

Realizar el

Trabajo de Campo

Diseo Metodolgico

Objetivo a

Investigar

Decidir el Mtodo de


Informacin

Necesaria

Determinacin

De Variables


Decidir Forma,

Orden y Contenido

de las Preguntas

Redactarlas

y Determinar las

Escalas


Si es satisfactorio

Realizar el

Trabajo de Campo

Objetivo a

Investigar

Decidir el Mtodo de


Informacin

Necesaria

Determinacin

De Variables


Decidir Forma,

Orden y Contenido

de las Preguntas

Redactarlas

y Determinar las

Escalas


Si es satisfactorio

Realizar el

Trabajo de Campo

Diseo Metodolgico

Figura 7

Objetivo a

Investigar

Decidir el Mtodo de


Informacin

Necesaria

Determinacin

De Variables


Decidir Forma,

Orden y Contenido

de las Preguntas

Redactarlas

y Determinar las

Escalas


Si es satisfactorio

Realizar el

Trabajo de Campo

Diseo Metodolgico

Objetivo a

Investigar

Decidir el Mtodo de


Informacin

Necesaria

Determinacin

De Variables


Decidir Forma,

Orden y Contenido

de las Preguntas

Redactarlas

y Determinar las

Escalas


Si es satisfactorio

Realizar el

Trabajo de Campo

Objetivo a

Investigar

Decidir el Mtodo de


Informacin

Necesaria

Determinacin

De Variables


Decidir Forma,

Orden y Contenido

de las Preguntas

Redactarlas

y Determinar las

Escalas


Si es satisfactorio

Realizar el

Trabajo de Campo

Diseo Metodolgico

Figura 7


En el diseo metodolgico deben detallarse, los procedimientos, tcnicas,actividades y estrategias metodolgicas requeridas para la investigacin. Deberindicarse, por tanto, el proceso a seguir en la recoleccin de la informacin, as como enla organizacin, sistematizacin y anlisis de los datos.

3.2.9. Diseo Metodolgico de la Muestra19

La inferencia estadstica permite conocer las caractersticas ms relevantes de unapoblacin a partir de observaciones parciales o muestras de la misma, permitiendo lainduccin de los resultados estadsticos bajo el supuesto que puede expandirse losresultados a la poblacin en estudio. La muestra estadstica es una parte de la poblacincon el fin de investigar, a partir del conocimiento de sus caractersticas particulares, laspropiedades de toda la poblacin. La poblacin se entiende como un conjunto finito oinfinito de personas o elementos que presentan caractersticas comunes.

La muestra debe ser representativa del universo de la cual se obtuvo y debe seraleatoria en cuanto a la manera de elegirla. Para que la muestra sea aceptable, desde elpunto de vista del anlisis estadstico, deber reunir las siguientes caractersticas:

Deber seleccionarse de manera que sea representativa de la poblacin dela cual se obtuvo. Deber ser confiable tal que permita obtener estimaciones de las

caractersticas de la poblacin y proporcionar medidas de la precisin delerror de estimacin.

Deber ser la que provea mayor informacin con el menor costo. Aun cuanesta ltima no es indispensable constituye un criterio deseable.

19Esta seccin se refiere al caso de que se tenga que realizar un diseo muestral para la investigacin, enestudios de series de tiempo normalmente no se tiene este tipo de situaciones.


20/35

20

La muestra ptima es aquella que rene las exigencias de eficiencia,representatividad, seguridad y flexibilidad. La muestra ms eficiente es la que proveemayor informacin por el menor costo. Siendo lo bastante pequea como para evitar

gastos superfluos y lo suficientemente grande como para que el error de la muestra seaaceptable. La muestra debe ser representativa, en cuanto debe permitir obtenerestimaciones de los valores de la poblacin o universo a partir de las medidas obtenidas.Debe ser segura porque permite calcular medidas de la confiabilidad de las estimaciones.Por ltimo, debe permitir interpretar estas estimaciones de la manera ms precisa, atravs de las pruebas estadsticas de hiptesis acerca del universo.

La utilizacin o seleccin de una muestra para un estudio es aconsejable en lossiguientes casos:

Cuando la poblacin sea muy grande y resulte muy costoso (para losrecursos disponibles) la enumeracin completa de cada uno de loselementos que compone la poblacin. Por ejemplo un estudio sobre

intencin del voto. Cuando la poblacin es lo suficientemente homognea que permite que

una muestra sea una imagen aceptable y representativa de la poblacin.Por ejemplo un estudio sobre el rendimiento promedio de un cultivo depapa en Mucuchies.

Cuando en el proceso de investigacin de la caracterstica bajo estudioproduzca un dao irreversible en el elemento o individuo seleccionado. Porejemplo un estudio para determinar la antigedad de una piezaarqueolgica sometida a Carbono 14.

Adicionalmente a las anteriores razones se pueden aadir otras limitaciones yventajas que se resumen en el cuadro que se muestra en el Anexo 3.

El muestreo aleatorio simple permite seleccionar una muestra sin conocerpreviamente las caractersticas del universo. Permite, adems, comprobar fcilmente laexactitud de las estimaciones ya que los errores del muestreo estn sometidos a las leyesestadsticas y por ltimo, permite obtener la informacin estadsticamente ms segura porun costo mnimo. Por tanto, las unidades seleccionadas representan mejor el universo ensus caractersticas principales y a medida que aumenta el tamao de la muestra, seincrementa la representatividad de la misma.

Existen dos tipos de muestreo aleatorio simple el con reemplazamiento y el sinreemplazamiento. El muestreo aleatorio simple con reemplazamiento otorga la mismaprobabilidad de seleccin a todos los elemento de la poblacin y coincide con el muestreo

de poblaciones infinitas ya que al ser devuelto cada elemento extrado a la poblacin(luego de ser anotada sus caractersticas) la poblacin es inagotable y el resultado de laextraccin es independiente de las extracciones anteriores. El muestreo aleatorio simplesin reemplazamiento, al igual que el mtodo anterior tiene la misma probabilidad de serextrada, pero la poblacin es finita, por lo tanto, la probabilidad de que salga un elementodepender de los que fueron separados anteriormente para formar parte de la muestra, ydejaron de ser seleccionables.

El muestreo estratificado aleatorio es un tipo de muestreo probabilstico que tienepor objeto mejorar las estimaciones del muestreo aleatorio simple. A travs delagrupamiento previo de los elementos ms parecidos entre s, se divide la poblacin en


21/35

21

subpoblaciones o estratos, dentro de cada uno de los cuales se hace una seleccinaleatoria simple que puede ser con reemplazamiento o sin reemplazamiento.

El reparto del tamao de la muestra entre los estratos o subpoblaciones suelellamarse afijacin. Esta afijacin puede ser de tres tipos. Afijacin uniforme. Consiste en repartir por igual la muestra entre todos los

estratos Afijacin proporcional. Consiste en distribuir la muestra proporcionalmente

al numero de elemento de cada estrato Afijacin ptima. Consiste en hacer el reparto proporcional al nmero de

elementos y a la desviacin estndar de cada estrato teniendo en cuentade este modo la variabilidad o falta de homogeneidad de la subpoblacin

El tamao de la muestra se ve afectado por diversos factores los ms relevantesson los siguientes:

La homogeneidad o heterogeneidad de la poblacin. Cuanto mshomognea sea la poblacin o mayor grado de semejanza tenga sobre lacaracterstica bajo estudio, menor ser el numero de casos necesarios paraobtener una muestra que la represente con precisin y, al contrario, cuantoms heterognea sea, ms casos harn falta.

El numero de categoras, clases y el nmero de casos. Cuanto mayor seael nmero de subgrupos, mayor tendr que ser la muestra total necesariapara obtener su medicin estadstica precisa. El tamao de la muestra quese elija ha de ser lo bastante grande para permitir evaluar con precisin lasclasificaciones importantes.

El tamao de la muestra y la clase de muestreo. Bastar una muestra mspequea cuando se emplea la estratificacin en vez de la seleccin al azar

ilimitada. Esto es porque la estratificacin reparte el total relativamenteheterogneo en cierto nmero de submuestras individualmentehomogneas. Cuanta ms heterognea sea la poblacin, mayor ser laposibilidad de reducir el nmero de casos mediante la estratificacin.

El tamao de la unidad de muestreo. Las grandes unidades de muestreoresulta intiles cuando la tabulacin de datos ha de referirse a familias o aindividuos.

En los mtodos para la seleccin de la muestra se busca que no invaliden lamuestra para ello debe mantener el carcter representativo del universo y la validez de lainduccin estadstica. Los mtodos de seleccin al azar ms comunes son los siguientes:

Seleccin por sorteo: Para este mtodo se enumera correlativamente la

totalidad del universo y se procede ms o menos similarmente a como serealiza un sorteo de lotera preparndose bolitas u otro mtodo similar querepresentan el universo y que son introducidas en un cubculo, bombo, etc.,las cuales deben ser mezcladas y extradas al azar tal y como se efectaen sorteo cualquiera. Los numero extrados corresponden a al enumeracinestablecida previamente en la lista, constituyendo la muestra.

Seleccin a intervalos regulares: Este sistema proporciona una muestrams representativa que el sorteo ya que garantiza la obtencin de un cortetransversal de la muestra. Existen diversos tipos de seleccin, entre loscuales se tiene el muestreo de una lista o fichero a intervalos regulares;seleccin por los puestos que ocupan los elementos en las paginas o en


22/35

22

numeracin por lneas; seleccin por medio de un cuadriculado en el mapa,etc.

Seleccin por parte de los entrevistadores: Este procedimiento tiene el

riesgo de introducir propensiones o vicios al sesgo del seleccionador, por lotanto no se recomienda.

Uso de la tabla de nmeros aleatorios: Es el mtodo ms recomendado yaque garantiza igual probabilidad de seleccin.

La formula que se aplica en el caso de tener una poblacin finita sera de acuerdoa la ecuacin (1)

( )(1)

1 222

22

SZeN

SNZn

+=

La seleccin de la muestra en una poblacin finita (N) sin reemplazamiento en unmuestreo aleatorio simple de cada estrato depende de tres parmetros:

Uno de los parmetros es el nivel de confianza (Z /2) de que la estimacinse ajuste a la realidad dentro de la hiptesis de una distribucin normal, engeneral se establece un nivel de confianza del 95% por lo cual se asumeque Z 5%/2=1,96, si se quisiera tener un 100% de confianza eso implicaraun censo y no una muestra.

El segundo parmetro es conocido como el nivel de error (e) que mide laprobabilidad de aceptar una hiptesis que sea falsa como si fueraverdadera o de rechazar una verdadera como si fuera falsa. El nivel deerror da una medida de con qu probabilidad una estimacin basada en lamuestra se aleja del valor obtenido en el censo. Para tener un nivel de 0%de error la muestra debe coincidir con la poblacin. Los niveles de error

ptimos se encuentran entre un 4 a 6% (no son complementarios con elnivel de confianza), pero se ajustan de acuerdo a la disponibilidad derecursos que disponga el investigador aceptndose como limite mximo un40% de error.

El tercer parmetro es la variabilidad de la muestra, esta es la proporcin oprobabilidad con que aceptamos un ensayo previo, normalmente pdetermina la proporcin (%) con que se acepta la hiptesis (variabilidadpositiva) y q=1-p; representa la probabilidad (%) con que se rechaza lahiptesis (variabilidad negativa), la mxima variabilidad ocurre cuandop=q=0,5. La varianza de la muestra (S2) viene dada por el producto de lasvariabilidades S2=p*q.

Los pasos necesarios para determinar el tamao de una muestra empleando elmuestreo aleatorio simple s se asume que la poblacin es conocida pero muy grande( N ) y se quiere estimar la media. Para ello es necesario partir de dos supuestos: enprimer lugar el nivel de confianza al que se quiere trabajar; en segundo lugar, cual es elerror mximo que se esta dispuestos a admitir en la estimacin, dado estos supuestos seutiliza la ecuacin (2).

(2)2

222/

e

SZn

=

En este caso se debe evaluar si ( )1> nnN si esta condicin se cumple elproceso termina aqu, y ese es el tamao adecuado que se debe muestrear. Si no se


23/35

23

cumple, se pasa a una fase siguiente que es el obtener el tamao de la muestra segn lasiguiente frmula de la ecuacin (3).

(3)1

+

=

N

n

n

n

Para calcular el tamao de muestra para la estimacin de proporcionespoblacionales se ha de tener en cuenta los mismos factores que en el caso de la media.La frmula de la ecuacin (4) que permitir determinar el tamao muestral es la siguiente:

(4))1()1(

)1(.2

2/2

22/

PPZeN

PPZNn

a

a

+

=

Donde; Zcorrespondiente al nivel de confianza elegido, Pes proporcin de unacategora de la variable, ees el error mximo. Nes el tamao de la poblacin

Existen otras frmulas y criterios a aplicar pero para ello se recomienda revisar lasiguiente literatura:

Azorn, F. y Snchez-Crespo, J.L. (1986). Mtodos y Aplicaciones del Muestreo.Madrid: Alianza Editorial.

Blalock, H. (1994). Estadstica Social. Mxico: Fondo de Cultura Econmica. Briones, G. (1990). Mtodos y Tcnicas de Investigacin para las Ciencias

Sociales. Mxico: Editorial Trillas. Gabaldn Meja, N. (1973). Algunos Conceptos de Muestreo. Universidad Central

de Venezuela. Facultad de Ciencias Econmicas y Sociales. Divisin de

Publicaciones, Caracas. Hoel, P. G. (1976). Introduccin a la Estadsticas Matemticas. Editorial Ariel,Barcelona.

Raj, D. (1992). Teora del Muestreo. Mxico: Fondo de Cultura Econmica.

3.3. Cmo se investigar?

En todo proceso de investigacin se debe tener claridad no solo del problema sino deltipo de investigacin: si es exploratoria, descriptiva o explicativa. Esto definir los mtodosy su alcance, para ello se debe responder qu se investiga?, cules son lascaractersticas del problema?, qu resultados pueden obtenerse? y cules son sus

limitantes?. Esto debe estar claramente definido en el diseo metodolgico que es partedel marco terico y de la propuesta de investigacin.

3.3.1. Valor terico

El mtodo de anlisis multivariante apunta a obtener un valor terico que resultade una combinacin lineal de variables con ponderaciones determinadas empricamente,para ello todas las variables deben ser aleatorias y estar relacionadas de tal forma quesus diferentes efectos no puedan ser interpretados separadamente con algn sentido. Elinvestigador especifica, a partir del marco terico y de las hiptesis derivadas, lasvariables que constituyen el modelo. El valor terico o variable explicada (dependiente)por k variables ponderadas (de X1 a XK) puede ser expresada matemticamente como:


24/35

24

Valor Terico = 1X1+ 2X2+ 3X3+... + KXK

Donde Xi (para i = 1 a k) es la variable observada que explica el valor terico y ies la ponderacin (o coeficientes) determinada por la tcnica de estimacinmultivariante.

El resultado es un valor nico que representa una combinacin del conjunto devariables que mejor se adaptan al objeto del anlisis, donde se valora el impacto conjuntoy la contribucin de cada variable separada al efecto del valor terico en su conjunto.

3.3.2. Escala de medida

En el anlisis de los datos implica separar, identificar y medir las variables del

estudio que represente con precisin el concepto de nuestro inters. En la figura 7 semuestra las diferentes escalas de medidas de las variables . Las variables se miden por eltipo de dato; que pueden ser de tipo nomtricoo cualitativo y mtricoo cuantitativo. Losdatos cualitativos o no mtricos son atributos, o propiedades categricas que describenun sujeto, por ejemplo20, si uno es hombre, no puede ser mujer. No hay cantidad degenero, slo la condicin de ser hombre o ser mujer. En este caso se tiene un dato nomtrico nominal referido al gnero.

Las medidas no mtricaspueden tener escalas nominales u ordinales. Una escalanominal asigna un nmero que se usa para etiquetar o identificar un sujeto u objetoscomo, por ejemplo, ser catlico se le asigna el numero 1 y ser protestante se le asigna elnumero 2, ser musulmn se le asigna el numero 3 , ser judo se le asigna el numero 4 y

ser no creyente se asigna el numero 5. En una escala ordinal se busca establecer unorden, una escala categrica donde su distancia no tiene mayor relevancia sino en cuantoel establecer una jerarqua de mayor a menor importancia o preferencia, por ejemplo losniveles de confianza de un cliente frente al servicio, o la escala de notas de evaluacinde un curso.

Escala demedidas

NoMtrica

Mtrica

Nominal

Ordinal

Intervalos

Razn

Profesin

Escala deNotas

Temperatura

Ingreso

Figura 8

Escala demedidas

NoMtrica

Mtrica

Nominal

Ordinal

Intervalos

Razn

Profesin

Escala deNotas

Temperatura

Ingreso

Figura 8

20Ob. Cit.


25/35

25


Las escalas mtricas proporcionan un nivel mayor de precisin que las escalas no

mtricas ya que permiten realizar casi todas las operaciones matemticas. Las escalasmtricas son de dos tipos las escalas de intervalos y las escalas de razn, estas dosescalas tienen unidades constantes de medidas de forma que la diferencia entre dospuntos adyacentes de cualquier parte de la escala, son iguales. La diferencia entre lasescalas de intervalo y las de razn es que las de intervalo tienen un punto cero arbitrario,mientras que las escalas de razn tienen un punto de cero absoluto. Las escalas deintervalos ms comunes son las de temperatura como la escala Celsius y Fahrenheit. Lasescalas de razn representan una medida de mayor precisin, dado que poseen todaslas ventajas de las escalas inferiores ms un punto de cero absoluto.

La importancia de entender los diferentes tipos de escalas de medidas se debe a dosrazones, en primer lugar, el investigador debe identificar la escala de medida empleada de

cada variable de forma que no se estn utilizando datos no mtricos como si fueranmtricos y en segundo lugar, sirve para determinar qu tcnica de anlisis multivariantees la ms conveniente para los datos, lo cual debe ser considerado tanto para la variabledependiente como para la variables explicativas.

3.3.3. Error de medida, validez y fiabilidad

Un tema complementario a la escala es el error de medida que consiste en que losvalores observados no son representativos de los verdaderos valores. El error de medidapuede surgir por imprecisin en la medicin, por ejemplo; por proponer ms categorasde respuesta que las que el entrevistado promedio puede distinguir. Tambin surge por laincapacidad de los encuestados a proporcionar informacin precisa, por ejemplo, el nivel

preciso de renta del hogar. El impacto del error de medida es introducir ruido en lasvariables observadas, por lo cual la variable medida contendr una valor verdadero msun ruido (Variable observada = Valor verdadero +Ruido).

Al valorar el grado de error de medida se debe considerar la validez y la fiabilidadde la medida. La validez es el grado en que la medida representa con precisin lo que sesupone que representa. Para ello se debe conocer en profundidad lo que se va a medir yslo entonces realizar la seleccin de la medida correcta de la forma ms precisaposible, sin embargo la precisin no asegura la validez ya que se puede medir conprecisin una variable errada y entre varias medidas posibles se debe elegir la de mayorfiabilidad.

Garantizada la validez se debe considerar la fiabilidad de las medidas. La fiabilidades el grado en que la variable observada mide el valor verdadero y esta libre de error 21y por lo tanto es lo opuesto al error de medida. Por tanto las medidas ms fiablesmostrarn una mayor consistencia que las medidas menos fiables

En algunos estudios se construyen medidas compuestas para representar unconcepto, al representar un concepto a travs de varias variables combinadas comoindicadores se trata de representar el concepto desde varias perspectivas dando unavisn ms completa. El uso de indicadores mltiples permite llegar a una especificacin

21Ob. Cit.


26/35

26

ms precisa de las respuestas deseadas y no deja la fiabilidad a una nica respuestasino a en la respuesta tpica de un conjunto de respuestas relacionadas.

Si bien los resultados inadecuados no dependen siempre del error de medida, lapresencia del error de medida es garanta de distorsin en las relaciones observadas yreduce significativamente las tcnicas de estimacin ya que se aplica el principio deGarbage In, Garbage Out22. El reducir el error de medida puede mejorar los resultados yreforzar relaciones ya probadas.

3.3.4. Orientaciones Adicionales

La primera observacin es que el anlisis multivariante no sustituye al anlisisterico conceptual sino que lo complementa un buen modelo conceptual orienta ms queel cazar relaciones sin ningn fundamento terico. En la figura 8 se muestra algunosesquemas donde se esquematiza las relaciones causales y sus diagramas de relaciones.

Esto permite visualizar tanto el tipo de relaciones como las tcnicas estadsticas a aplicaren la estimacin de los coeficientes o ponderadores para obtener el valor estimado o valorterico de la relacin.

Adicionalmente, se debe guardar como criterios del estudio que las relacionestenga significacin practica, por ejemplo, si se estima un modelo de regresin donde lasvariables consideradas son todas significativas estadsticamente al 95% pero su poderexplicativo es muy bajo, por ejemplo, con un coeficiente de determinacin del 10% , esteno puede ser un modelo confiable para tomar decisiones.

Lo anterior no sirve de razn para incluir en el modelo variablesindiscriminadamente ya que introduce errores de especificacin y sobre ajusta el modelo

reduciendo su capacidad de prediccin slo a la muestra, sin ningn poder de prediccino replicacin fuera de la muestra hacia la poblacin bajo estudio, con la posibilidadadicional de generar un problema de multicolinealidad23 en la estimacin. Por ello seplantean dos principios adicionales como son la parsimonia que es poder explicar lo mscon lo menos y el principio de hacerlo lo ms sencillo posible que se resume en elaforismo de hgalo estpidamente simple o estpido hgalo simple!

22Aforismo que dice que si introduces basura en el sistema lo que obtendrs es basura, GIGO.23Es la creacin de una dependencia lineal entre las variables explicativas que representa ms dimensiones espaciales deque las que corresponde al modelo, en general la multicolinealidad es ms un problema de diseo que de muestra


27/35

27

Variables

CausalesVariables

Causadas

Relaciones Causales Diagrama de Relaciones

X1, X2 Y1

X1 X2

Y1

X1 X2

Y1 Y2

X1, X2

X2, Y1

Y1

Y2

X1, X2

X2, X3, Y1, Y3

Y1, Y2

Y1

Y2

Y3

X1 X2

Y1 Y2

X2

Y3Fuente: Anderson et al, 1999

Figura 9

(a)

(b)

(c)

Variables

CausalesVariables

Causadas


X1, X2 Y1

X1 X2

Y1

X1 X2

Y1 Y2

X1, X2

X2, Y1

Y1

Y2

X1, X2

X2, X3, Y1, Y3

Y1, Y2

Y1

Y2

Y3

X1 X2

Y1 Y2

X2


Figura 9

Variables

CausalesVariables

Causadas


X1, X2 Y1X1, X2 Y1

X1 X2

Y1

X1 X2

Y1

X1 X2

Y1 Y2

X1 X2

Y1 Y2

X1, X2

X2, Y1

Y1

Y2

X1, X2

X2, Y1

Y1

Y2

X1, X2

X2, X3, Y1, Y3

Y1, Y2

Y1

Y2

Y3

X1, X2

X2, X3, Y1, Y3

Y1, Y2

Y1

Y2

Y3

X1 X2

Y1 Y2

X2

Y3

X1 X2

Y1 Y2

X1 X2

Y1 Y2

X2


Figura 9

(a)

(b)

(c)

El tamao de la muestra o el nmero de observaciones influye en la potenciaestadsticas ya que existe una relacin directa entre el tamao de las observaciones y lapotencia de las tcnicas de estimacin de las relaciones y hace que las pruebas decontraste sean ms sensibles y hace que cualquier variable tenga un coeficientesignificativo por ello los resultados deben evaluarse a la luz de la significancia practica delos datos y del propsito de la estimacin.

La capacidad predictiva del modelo es la primera prueba de validez de lasrelaciones estimadas y eso se estudia a travs de los errores de la prediccin que es ladistancia entre el valor observado de la muestra y el valor terico construido a travs de larelacin estimada, el analista debe utilizar los errores de prediccin como un punto departida para diagnosticar la validez de los resultados obtenidos y como un indicador de lasrelaciones que quedan por explicar. Lo relevante es recordar que el objetivo no es obtenerel mejor ajuste para la muestra sino desarrollar un modelo significativo que describa lapoblacin en su conjunto.

3.4. Etapas o pasos generales

El esquema de proceso que se propone como una aproximacin general para eldiseo y estimacin del modelo consta de seis pasos mnimos. La aproximacin se centraen el anlisis de un plan de investigacin bien definido comenzando con un modeloconceptual que detalle las relaciones a examinar para iniciar los trabajos empricos,incluyendo la seleccin de la tcnica especifica y su proceso de aplicacin a los datos


28/35

28

recopilados para el problema propuesto. Esto se resume en la figura 10. Este esquemaes lo suficientemente amplio como para considerar no slo el uso del anlisis deregresin sino otras tcnicas de anlisis.

Definir el problema de investigacin,los objetivos y la tcnica de estimacin

conveniente para los datos

Desarrollo del proyecto de anlisisa partir del modelo conceptual

Estimacin y valoracindel ajuste del modelo

Interpretarel valor terico

Validacin del modelo Multivarianteestimado y utilizarlo para

los fines previstos

Primer paso

Cumple lossupuestos bsicos

de la tcnica deEstimacin?

Transformacin de variablespara cumplir los supuestos

Si No

Es significativo elmodelo estimado? Revisar los datos,

la tcnica y los supuestos

Si

No

Segundo paso

Tercer paso

Cuarto paso

Quinto paso

Sexto paso

Figura 10Definir el problema de investigacin,

los objetivos y la tcnica de estimacinconvenientepara los datos

Desarrollo del proyecto de anlisisa partir del modelo conceptual

Estimacin y valoracindel ajuste del modelo

Interpretarel valor terico

Validacin del modelo Multivarianteestimado y utilizarlo para

los fines previstos

Primer paso

Cumple lossupuestos bsicos

de la tcnica deEstimacin?

Transformacin de variablespara cumplir los supuestos

Si No

Es significativo elmodelo estimado? Revisar los datos,

la tcnica y los supuestos

Si

No

Segundo paso

Tercer paso

Cuarto paso

Quinto paso

Sexto paso

Figura 10


3.4.1. Definir el problema de investigacin y la tcnica multivarianteconveniente

El punto de partida para cualquier anlisis multivariante es definir el problema

de investigacin y los objetivos analticos en trminos conceptuales, antes deespecificar cualquier variable o medida. Es clave el modelo conceptual opropuesta, definido en trminos de: categoras de anlisis, identificacin defactores y relaciones, especificando los conceptos dependientes e independientes,antes que las variables. El desarrollo de un modelo conceptual no es dominioexclusivo del campo acadmico; se justifica, an ms, en el mundo laboral dondelas decisiones tienen un mayor costo.

Con los objetivos y el modelo conceptual definido, el analista slo tieneseleccionar la tcnica multivariante adecuada. Luego de seleccionado el mtodo


29/35

29

de acuerdo al tipo de relaciones de dependencia e interdependencia, seseleccionan las variables de acuerdo a los conceptos que se quieren estudiar.

La regresin mltiple es el mtodo de anlisis mas usual cuando el problemaconsiste es establecer una relacin entre una variable explicativa que se suponeest relacionada con una o ms variables independientes. El fin es predecir loscambios en la variable dependiente en respuestas a cambios en varias variablesindependientes. Este fin se logra frecuentemente a travs de la tcnica de losmnimos cuadrados ordinarios, con el objeto de establecer la constancia derelaciones estructurales entre variables, evaluar la validez o xito de una poltica yrealizar un pronstico puntual por ejemplo, sobre el valor del dlar al cierre de unejercicio.

Para lograr el propsito de vincular una variable dependiente (o criterio) conun conjunto de variables explicativas, se debe alcanzar dos objetivos; el primero,

es maximizar la potencia conjunta de prediccin de las variables independientescomo una combinacin lineal y en segundo lugar, comparar dos o ms conjuntosde variables independientes para buscar la de mayor poder predictivo con elmenor nmero variables.

3.4.2. Desarrollo del proyecto de anlisis

Establecido el modelo conceptual, se desarrolla el estudio de acuerdo al plande trabajo y de acuerdo a la tcnica se evalan los supuestos en que se sustentala tcnica de estimacin. Los supuestos van desde la definicin del tamaomnimo de la muestra24, pasando por los tipos de variables permitidas (mtricas yno mtricas) y los supuestos del mtodo de estimacin25 como linealidad y

normalidad, entro otros aspectos.

En esta etapa se construye la base de datos y se construye las variablescompuestas, se realizan anlisis univariantes de los datos26 y se evalan lossupuestos subyacentes del modelo y de la tcnica multivariante a travs deanlisis de relaciones27entre las variables.

3.4.2.1 Tamao muestral y potencia estadstica

La potencia estadstica de la regresin mltiple se refiere a la probabilidad dedetectar un nivel significativo de la relacin, usualmente se utiliza como medida elcoeficiente de determinacin (R2) que es un valor que va de 0% a 100% (0R21),

este es sensible al tamao muestral y al nmero de variables, ya que a mayortamao muestral y mayor nmero de variables explicativas el coeficiente dedeterminacin aumenta y tiende a uno, por este hecho se utilizan otras medidasde bondad de ajuste como; el coeficiente de determinacin ajustado combinadoscon el valor de la funcin de verosimilitud (Log likelihood), el criterio de

24Por ejemplo, en el modelo de regresin lineal lo ideal es tener 20 observaciones por variable, en un modelo decomponentes principales lo ideal es tener 50 observaciones por variables.25Por ejemplo para el modelo de regresin, se exige linealidad en los parmetros, independencia entre las variablesexplicativas o no multicolinealidad, varianza constante a lo largo de la muestra u homoscedasticidad y ausencia derelacin entre los errores estimados o no autocorrelacin26Estadsticos descriptivos como la media, la varianza, la asimetra y la concentracin27Matriz de covarianza y correlacin, valores caractersticos, etc.


30/35

30

informacin Akaike (AIC), criterio de prediccin del logaritmo de Amemiya (APC) yel criterio bayesiano de informacin de Schwarz (SBI).

El tamao muestral no slo afecta la potencia estadstica, sino tambin lacapacidad de extrapolar los resultados, esto esta vinculado directamente con losgrados de libertad del modelo, cuanto mayo sean sus grados de libertad mayorser la capacidad de generalizar los resultados, para ello se recomienda una reglaheurstica: de guardar una relacin mnima de 5 observaciones por variableincluida. Por ejemplo, un modelo de dos variables explicativas y una variableexplicada sera de 15 observaciones, el nivel deseado debera estar en unarelacin de 20 y el nivel ptimo es de 50 observaciones por variable, en este caso;en un modelo de 2 variables explicativas y una dependiente sera de 150observaciones.

3.4.2.2. Creacin de variables adicionales

La relacin bsica del modelo de regresin mltiple es de una asociacin linealde datos mtricos, para estimar un conjunto de coeficientes o pendientes. Si losdatos no son mtricos sino expresan un orden o una presencia de un evento o porel contrario la relacin de las variables mtricas es no lineal. En esto casos paraincorporar esta variable se requiere transformarlas. La transformacin de los datosofrecer un medio de modificar tanto las variables independientes como lasvariables explicativas para mejorar o modificar la relacin entre las variables ypermitir el uso de variables no mtricas en la creacin de la significancia conjuntade la relacin. La transformacin de los datos responde a razones tericas (porla naturaleza de los datos) o empricas (transformaciones producto del patrn delos datos).

Cuando los datos son del tipo categrico, por ejemplo; sobre la situacincivil de la relacin de pareja o el sexo del entrevistado, se incorpora a travs de lasvariables ficticias o binarias (dummies) donde la variable categrica de referenciaasume un valor que generalmente es uno (1) el grupo de referencia y de cero (0) elgrupo omitido. Un mtodo alternativo de codificacin de la variable ficticia es lacodificacin de efectos. En este caso el grupo omitido se codifica con el valormenos uno (-1) en lugar del cero, as, los coeficientes representas diferencias paracualquier grupo respecto de la media de todos los grupos y no la media respectoal grupo omitido. La diferencia entre uno y otro modelo se encuentra en lainterpretacin de los coeficientes de la variable ficticia.

Otra transformacin usual es la de convertir una relacin curvilnea en unarelacin lineal para ello se utilizan dos tipos de transformaciones las logartmicas yde polinomios. Estas ltimas, son muy tiles en transformaciones en relacionescurvilneas simples y en especial en las de tipo de relaciones univariantes, existenmtodos de comparar formas funcionales pero no se garantiza que el elegido seala adecuada a la poblacin, aunque lo sea para la muestra. Por ejemplo unarelacin lineal es un polinomio de grado uno y un polinomio de grado dos es unafuncin cuadrtica; por ejemplo:

Y = b0+ b1X1+ b2X12

Donde bi son los coeficientes (para; i = 0,1,2) y Xi son las variables. Eltrmino cbico o potencia de tercer grado es la mayor potencia utilizadahabitualmente. Los criterios de Amemiya, Akaike y Schwarz, sirven para elegir el


31/35

31

grado de polinomio adecuado. El potencial problema de los polinomios es la deintroducir multicolinelidad en los estimadores y reducir los grados de libertad.

Cuando una variable independiente se ve afectada por otra variableindependiente cambiando su forma se dice que existe un efecto moderador, estose expresa como un efecto interacciny es similar al trmino de interaccin que seencuentra el anlisis multivariante de la varianza. En el anlisis de regresin eltrmino moderador es una variable compuesta formada por la multiplicacin de X1por el moderador X2, que entra en la ecuacin de regresin. La relacin conefectos de interaccin se modera como:

Y = b0+ b1X1+ b2X2+ b3X1X2Donde: b0es la constante; b1X1es el efecto lineal de la primera variable, b2

X2es el efecto lineal de la segunda variable yb3X1X2 es el efecto moderador dela primera sobre la segunda. Para comprobar si el efecto moderador essignificativo, se debe estimar primero la ecuacin sin moderar y luego estimar la

ecuacin con interaccin. Si el cambio en el poder explicativo es estadsticamentesignificativo, entonces el efecto moderador debe ser incorporado en el modelo.

3.4.3. Evaluacin de los supuestos bsicos de la tcnica de estimacin

Las tcnicas basadas en la inferencia estadstica deben tener en cuenta lossupuestos de normalidad multivariante, como la linealidad, independencia de lostrminos de error e igualdad de las varianzas en una relacin de dependencia.

Antes de realizar cualquier pronstico del modelo se debe asegurar elcumplimiento de los supuestos estadsticos y conceptales.

Estos anlisis deben realizarse tambin despus de estimado el modelo deregresin en el paso siguiente. La contrastacin de los supuestos deben realizarseno slo en la fases iniciales sino tambin despus de que el modelo sea estimado.El criterio es s en el proceso de calculo de los coeficientes y prediccin de lavariable dependiente, se cumplen los supuestos del anlisis de regresin. Lossupuestos que se examina son los siguientes:

La linealidad del fenmeno medido La varianza constante del termino de error La independencia de los trminos de error La normalidad de la distribucin del termino error

La principal medida del error de prediccin es el residuo que es la diferencia entre

el valor observado y el valor estimado como variable criterio. El examen de losgrficos de residuos y de las variables independientes y de las predicciones sonbsicos en la identificacin de los incumplimientos de los supuestos para elconjunto del la relacin. Usualmente se utilizan los residuos estandarizados con elfin de hacerlos comparables entre modelos y especificaciones. El grafico mshabitual se construye con los residuos en el eje de las ordenadas y los valorespredichos en el eje de las abscisas Existen adicionalmente un conjunto de pruebasformales que son propias para evaluar cada supuesto.

3.4.4. Estimacin del modelo y valoracin del ajuste del modelo


32/35

32

Satisfecho los supuestos del modelo, se estima efectivamente el mismo ya seaminimizando los errores, o la distancia, o maximizando la probabilidad deocurrencia del evento. Luego see realiza la va

enfoque investigacion

Documents