Transcript Presentación Kish
DISEÑOS ESTADÍSTICOS: principios de la inferencia científica.
REPRESENTATIVIDAD, ALEATORIZACIÓN Y REALISMO LESLIE KISH Estadístico y Sociólogo (1910 – 2000) Origen: Austro-Húngaro
Presentación a cargo de: - Leonardo Cuello - Ana Lía Macedo
RECAUDOS a la hora de elegir la naturaleza y la estructura de los diseños de investigación:
• Distinguir los diseños de estudios observacionales, del muestreo de encuestas y del diseño experimental.
• Elegir entre estos tipos de diseños pone en juego compromisos referidos a: Cómo hacer inferencias a grandes poblaciones, a universos infinitos y a sistemas causales, a partir de muestras reducidas de observaciones sujetas además a errores diversos y a fluctuaciones aleatorias.
• La elección de alguno de los diseños implica siempre transacciones entre lo deseable y lo posible.
TRANSACCIONES FUNDAMENTALES: 3 problemas básicos de la investigación científica.
• En cuanto al
realismo
de las variables explicativas elegidas: variables predictoras (de tratamiento) y pronosticadas (de respuesta). Decisiones y dificultades en torno a las técnicas ideales y las viables, así como respecto a los criterios de eficacia de las respuestas.
• Respecto de la
aleatorización
: en cuanto a la asignación aleatoria de los sujetos a los distintos tratamientos.
• La
representatividad
de las unidades de muestreo: soluciones de compromiso tanto de la elección de la población objetivo como de la selección de las unidades de muestreo.
RELACIÓN CRITERIOS - DISEÑOS
• La forma de aplicación de los tres criterios y el énfasis en alguno de ellos tiende a producir: Realismo • Aleatorización • Representatividad Estudios observacionales controlados Experimentos Encuestas por muestreo
CUATRO TIPOS DE VARIABLES
Facilita la elección del diseño, discutir sobre cuatro tipos de variables que intervienen en la investigación empírica: • Variables Explicativas (experimentales) Predictoras (X) Pronosticadas (Y) • Variables Controladas • Variables Perturbadoras • Variables Aleatorizadas
VARIABLES EXPLICATIVAS (E)
(experimentales) Expresan los objetivos del diseño de la investigación, entre las cuales el investigador desea encontrar y medir alguna relación preestablecida.
• •
PREDICTORAS (X)
Incluyen las causas buscadas de las relaciones.
También denominadas: independientes estímulo tratamiento causa - determinantes • •
PRONOSTICADAS (Y)
Describen los efectos de la predicción.
También denominadas: dependientes respuesta criterio efecto - consecuencias Materializan los objetivos de la investigación
VARIABLES EXTRAÑAS
a los objetivos de la investigación CONTROLADAS selección; (C) Variables controladas mediante el diseño de investigación. A través del: - Procedimientos de -Técnicas de estimación en el análisis estadístico.
- Simultaneando ambos procedimientos.
Las técnicas para controlar las variables extrañas tienen por objeto disminuir: errores aleatorios (tipo A), o efectos de sesgo de las var.
perturbadoras (tipo P), o ambos.
PERTURBADORAS (tipo E) (P) Las que no pueden ser controladas, que pueden ser confundidas con las variables explicativas La principal desventaja y preocupación trasladar todas aleatorizadas.
de los diseños no experimentales reside en el fallo en estas variables P bien al tipo C, de variables controladas, o bien al tipo A de variables ALEATORIZADAS (A) Variables no controladas que son tratadas como errores aleatorios.
En los experimentos “ideales” se hace que sean de hecho y operacionalmente aleatorizadas; en las encues tas y otras investigaciones sólo se supone que están Aleatorizadas.
Aleatorización= forma de control experimental.
FIGURA 1.1. Efectos de tres tipos (C, A, P) de variables extrañas sobre las variables explicativas (E) (X Y)
Predictoras = X Controladas = C Aleatorizadas = A Perturbadoras = A Pronosticadas = Y Encuesta por Muestreo
X a X b X c
Estudio observacional
X
Experimento
X Y Y Y a Y c Y b
EXPERIMENTOS
Potentes en cuanto al control de las variables explicativas, por medio de la aleatorización de las variables predictoras de los sujetos (es decir, la asignación de los sujetos a tratamiento).
Ventajas
- Eliminan sesgos - Clarifican la dirección y la naturaleza de la relación - Potente manipulación estadística
Desventajas
- A veces no es posible llevarlos a cabo. Diversas dificultades (ética, practicidad, imposibilidad de asignar predictores).
- Es complejo que sean representativos de una población específica importante.
- A veces no es factible reproducir el deseado realismo de un entorno natural.
ENCUESTAS
Gracias a la teoría del muestreo , las encuestas son potentes en su inferencias a grandes poblaciones.
Ventajas
- Permiten inferencias estadísticas a grandes poblaciones definidas (Representatividad) - Es posible realizar las mediciones en entornos naturales
Desventajas
- Debilidad en la falta de control de las variables explicativas.
ESTUDIOS OBSERVACIONALES
Con frecuencia se suelen elegir diseños de investigaciones controladas. Esta elección responde a cuestiones de costo, viabilidad para mantener el deseado realismo de las mediciones. Pero, o sin el muestre probabilístico.
Ventajas
- Cuestiones de costo (muchas veces no son viables o prácticas las encuestas o experimentos - Viabilidad para mantener el deseado realismo de las mediciones. “Entornos naturales”
Desventajas
- No cuentan con la aleatorización de los experimentos (control de las variables) o sin el muestreo probabilístico de las encuestas (representatividad)
SELECCIÓN DEL DISEÑO
No es posible satisfacer los tres criterios (aleatoriedad, representatividad y realismo).
No existe una jerarquía entre los tres criterios.
La estrategia seleccionada debe responder a un ajuste de los objetivos, los recursos y los costos.
Un método puede ser mejor o más práctico que los otros según la situación, es fundamental conocer los puntos débiles y fuertes de cada uno de ellos para tomar una decisión acertada.