METODOLOGIA DE LA INVESTIGACIÓN

17,614 views

Published on

PASOS A SEGUIR EN METODOLOGIA

Published in: Education
1 Comment
1 Like
Statistics
Notes
  • va el documento de prueba.
    saludos.
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total views
17,614
On SlideShare
0
From Embeds
0
Number of Embeds
29
Actions
Shares
0
Downloads
281
Comments
1
Likes
1
Embeds 0
No embeds

No notes for slide

METODOLOGIA DE LA INVESTIGACIÓN

  1. 3. <ul><li>Errores Cotidianos en el Razonamiento </li></ul><ul><li>Cuando ignoramos la complejidad del mundo y fracasamos en tomar en cuenta los intereses propios, la subjetividad y la resistencia al cambio, es muy probable que cometamos errores en nuestro razonamiento de los fenómenos y, por lo tanto, en las conclusiones de nuestras investigaciones o en la toma de decisiones. </li></ul><ul><li>¿Cuáles son los errores más frecuentes? </li></ul><ul><ul><ul><li>. Sobregeneralizaciones </li></ul></ul></ul><ul><li>. Observaciones Selectivas e Imprecisas </li></ul><ul><li>. Razonamiento Ilógico </li></ul>
  2. 4. Sobregeneralizaciones Este error de razonamiento ocurre cuando concluimos que lo que hemos observado o conocido como verdadero para un número limitado de elementos es igualmente cierto para todo el conjunto. Los métodos de investigación científica reducen la posibilidad de hacer estas sobregeneralizaciones al utilizar procedimientos para estudiar elementos que sean representativos del conjunto y a partir de los cuales generalizar.
  3. 5. Observaciones Selectivas e Imprecisas Tendemos a seleccionar observaciones porque están en concordancia con nuestras preferencias y creencias. Las personas tienden a seleccionar observaciones que confirmen sus sobregeneralizaciones. Las observaciones imprecisas son aquellas basadas en percepciones erróneas de la realidad empírica. Los métodos de investigación científica reducen el riesgo de observar selectiva e imprecisamente al requerir la medición sistemática de los fenómenos.
  4. 6. Razonamiento Ilógico Cuando prematuramente concluimos o argumentamos con supuestos incorrectos, estamos razonando ilógicamente. Los métodos de investigación científica explícitamente incluyen criterios para identificar causas y para determinar si dicho criterio está en concordancia con una situación particular. No es necesario ser un científico o utilizar técnicas sofisticadas de investigación para intentar evitar errores de razonamiento.
  5. 7. <ul><li>¿Cómo aproximarnos entonces a comprender y observar una realidad que, en la mayoría de las ocasiones, personalmente no hemos experimentado? </li></ul><ul><li>Antes que nada debemos aceptar que una aseveración científica debe tener soporte lógico y empírico . </li></ul><ul><li>El entendimiento científico del mundo y la toma decisiones debe entonces: </li></ul><ul><ul><ul><li>hacer sentido y </li></ul></ul></ul><ul><ul><ul><li>corresponder con lo que observamos. </li></ul></ul></ul><ul><li>El diseño de una investigación debe garantizar que esto se cumpla. </li></ul>
  6. 8. ¿Cómo se construye entonces el conocimiento científico? Todos las personas mostramos un deseo natural por predecir las circunstancias futuras. ¿Cómo realizamos esta labor? Utilizando un razonamiento Causal y Probabilístico
  7. 9. Causal : Reconocemos que las circunstancias futuras son, de alguna manera, condicionadas por situaciones actuales. La educación afectará cuánto dinero ganaré en el futuro.
  8. 10. Probabilístico : Los efectos ocurren más frecuentemente cuando las causas están presentes que cuando están ausentes, pero no siempre. Aprendemos que más educación produce más ingreso, pero no en todos los casos.
  9. 11. <ul><li>Para construir conocimiento, la ciencia hace explícito este razonamiento causal y probabilístico, e igualmente provee las técnicas para confrontar este razonamiento de una forma más rigurosa que el pensamiento humano casual. </li></ul><ul><li>En el lenguaje cotidiano de la investigación a las explicaciones científicas se les refiere tradicionalmente como modelos. </li></ul><ul><li>Explicaciones Científicas = Modelos </li></ul>
  10. 12. <ul><li>Los Modelos son: </li></ul><ul><ul><li>Afirmaciones sobre los determinantes más importantes sobre el comportamiento o problema bajo estudio. </li></ul></ul><ul><ul><li>Por diseño, simplificaciones y abstracciones de la realidad. </li></ul></ul><ul><li>Existen dos diferentes enfoques para la construcción de estos modelos: </li></ul><ul><ul><ul><li>Deductivo </li></ul></ul></ul><ul><ul><ul><li>Inductivo </li></ul></ul></ul>
  11. 13. <ul><li>Modelo Deductivo : parte de afirmaciones axiomáticas simples a partir de las cuales se derivan predicciones acerca del comportamiento esperado. </li></ul><ul><li>Este modelo tan exitoso en las ciencias naturales, pocas veces se utiliza de manera estricta en los problemas de carácter social, económico, político o administrativo. </li></ul><ul><li>La perspectiva tradicional del método científico, como probablemente recuerden, esta basado en las siguientes etapas: </li></ul><ul><li>. Construcción de Teoría. </li></ul><ul><ul><ul><li>. Derivación de Hipótesis. </li></ul></ul></ul><ul><ul><ul><li>. Operacionalización de los Conceptos. </li></ul></ul></ul><ul><ul><ul><li>. Recolección de Datos. </li></ul></ul></ul><ul><ul><ul><li>. Prueba Empírica de las Hipótesis. </li></ul></ul></ul>
  12. 14. Modelo Inductivo : Implica el desarrollo de generalizaciones a partir de observaciones específicas. La mayoría de los modelos científicos en las ciencias sociales y administrativas son inductivos. Estos modelos están basados en observaciones empíricas previas y de corazonadas intuitivas sobre el comportamiento esperado en varias circunstancias. Con el modelo inductivo se intenta “hacer sentido” de los diferentes patrones observados en los datos.
  13. 15. El trabajo de campo, es decir, la observación directa del fenómeno bajo estudio, es utilizado frecuentemente para desarrollar teorías a través de la observación. Los modelos derivados de cualquiera de estas formas son esenciales para el trabajo empírico porque identifican los factores/variables cruciales y hacen predicciones sobre el comportamiento, bajo condiciones específicas. Sin ellas, el trabajo empírico es simplemente un recolección de variables y pruebas estadísticas incapaces de una interpretación con significado.
  14. 16. Datos Teoría Realidad Ideas Razonamiento Deductivo Razonamiento Inductivo TEORIA Y DATOS Hipótesis Generalizaciones Empíricas
  15. 17. <ul><li>Un aspecto que debe quedar claro es que: </li></ul><ul><ul><li>Las técnicas estadísticas en sí mismas no tienen ningún sentido en la ausencia de teoría. </li></ul></ul><ul><li>Por teoría debemos entender la actividad de razonamiento que permite, en términos abstractos, definir claramente el problema que nos interesa estudiar, así como los factores asociados con la determinación del mismo. </li></ul>
  16. 18. El Papel de la Teoría o Modelo Conceptual de un Problema. Teorizar o conceptualizar permite hacer lógica de muchos fenómenos interrelacionados, así como predecir comportamiento y actitudes que son más probables de que ocurran cuando ciertas condiciones se cumplen. Mucha investigación es conducida con teoría, aunque en ocasiones la teoría pueda estar parcialmente desarrollada o aún no ser tan claramente reconocida por el propio investigador.
  17. 20. <ul><li>Así pues, en última instancia la investigación científica se reduce a observar el mundo e interpretar lo que observamos. Sin embargo, antes de hacerlo es necesario desarrollar un plan, es decir, diseñar la investigación. </li></ul><ul><li>El diseño de una investigación tiene como propósito la planeación de una estrategia cuyo objetivo final es la búsqueda de conocimiento científico. </li></ul>
  18. 21. <ul><li>Las etapas del proceso de investigación pueden simplificarse de la siguiente manera: </li></ul><ul><li>  </li></ul><ul><li>Identificación y formulación del problema (oportunidad) de investigación </li></ul><ul><li>Elaboración de un marco conceptual o un marco teórico </li></ul><ul><li>Definir el tipo de investigación (exploratoria, descriptiva, etc.) </li></ul><ul><li>Establecer las hipótesis </li></ul><ul><li>Operacionalización de conceptos y unidad de análisis </li></ul><ul><li>Selección del método de investigación </li></ul><ul><li>Selección del procedimiento de muestreo </li></ul><ul><li>Recolección de la información </li></ul><ul><li>Análisis de la información </li></ul><ul><li>Elaboración del reporte de investigación </li></ul>
  19. 24. <ul><li>¿ De qué depende la selección de una técnica estadística?: </li></ul><ul><ul><ul><li>. Tipo de datos </li></ul></ul></ul><ul><ul><ul><li>. Diseño de la investigación </li></ul></ul></ul><ul><ul><ul><li>. Supuestos detrás de la prueba </li></ul></ul></ul><ul><ul><ul><li>estadística. </li></ul></ul></ul>
  20. 25. Tipo de Dato (Escalas de Medición) Una variable es cualquier característica de una persona u objeto que pueda ser expresada en términos numéricos. Existen dos grandes grupos de variables o niveles de medición: escalas métricas y escalas no métricas .
  21. 26. <ul><li>Los niveles de medición de las variables se refieren a la naturaleza de los supuestos que hacemos sobre los datos que recolectamos. En la medida en que utilizamos un mayor número de supuestos, estamos hablando de un nivel de medición más alto. </li></ul>
  22. 27. <ul><li>Los supuestos son los siguientes: </li></ul><ul><li>Orden : ¿tiene sentido la ordenación de los números? </li></ul><ul><li>Distancia : ¿las diferencias entre los números pueden ser directamente comparadas? </li></ul><ul><li>Origen : ¿ existe un origen único indicado por el valor numérico cero? </li></ul><ul><li>El nivel de medición está determinado por la posesión que tienen los números de estas características. </li></ul>
  23. 28. <ul><li>Escalas No-métricas </li></ul><ul><li>(variables cualitativas, discretas o categóricas): </li></ul><ul><li>Atributos, características o propiedades categóricas que identifican o describen a un sujeto u objeto. Los valores numéricos son asignados a sujetos u objetos basados simplemente en el hecho de que éstos pertenecen a categorías particulares. Ejemplos: ocupación, sexo, lugar de nacimiento, condición laboral, nivel de satisfacción con el desempeño de un funcionario público, etc. </li></ul><ul><li>Las escalas de medición no-métricas pueden ser de dos tipos: nominales u ordinales . </li></ul>
  24. 29. <ul><li>Escalas nominales </li></ul><ul><li>Son aquellas que dividen a las respuestas posibles en dos o más categorías, las cuales son mutuamente excluyentes y colectivamente exhaustivas. Dichas categorías, no obstante no representan ninguna jerarquía en particular. </li></ul>
  25. 30. <ul><li>Escalas Nominales (ejemplo) </li></ul><ul><li>El ejemplo típico de este tipo de escala es el género. Responder masculino o femenino sólo indica la presencia o ausencia de un atributo; sin embargo, no conlleva ningún orden o jerarquía en sí. El uso de etiquetas (1-Hombre 2-Mujer) es meramente arbitrario y convencional, ya que su valor de la etiqueta en sí mismo no tiene ningún significado. Es por ello que no podemos calcular el sexo promedio de una población o un grupo de entrevistados. </li></ul>
  26. 31. <ul><li>Escalas Nominales (ejemplo) </li></ul><ul><li>La única medida significativa de tendencia central para este tipo de variables es la moda. Existe también la posibilidad de utilizar análisis estadísticos más avanzados (pruebas no paramétricas), o bien crear distribuciones de frecuencias o tablas cruzadas con este tipo de datos. </li></ul>
  27. 32. <ul><li>Escalas ordinales </li></ul><ul><li>Representan un nivel de medición más elevado que las escalas nominales porque los números asignados reflejan un orden que sirve para identificar objetos. Las escalas ordinales mantienen un orden -descendente o ascendente- entre las distintas categorías de respuesta. Esto implica que las etiquetas para cada categoría forman parte de una jerarquía, pero no que los intervalos entre valores sean iguales entre sí, ni que las etiquetas tengan otro significado que no sea el jerárquico. </li></ul>
  28. 33. <ul><li>Si a una persona se le pregunta, de una lista de colores dada, cuáles son sus dos preferidos, tan sólo sabremos que el azul le gusta más que el blanco y que, a su vez, éste le es más agradable que todos los demás. Sin embargo, no podemos aseverar que él prefiere más el blanco que otro color tanto como prefiere más el azul que el blanco. </li></ul><ul><li>Otro ejemplo de escala no-métrica ordinal: </li></ul><ul><li>¿Cómo evalúa el desempeño del Presidente Vicente Fox durante su primer año de gobierno? </li></ul><ul><li> Honesto Deshonesto </li></ul><ul><li> 1 2 3 4 5 6 7 </li></ul><ul><li> Eficiente Ineficiente </li></ul><ul><li>1 2 3 4 5 6 7 </li></ul>… .continúa
  29. 34. <ul><li>Supongamos que una persona calificó con 7 en la escala de eficiencia a la administración actual, y que otra le asignó un 5 en la misma escala. La escala permite concluir que la primera persona percibió una mayor ineficiencia que la segunda. Sin embargo, la diferencia entre el 7 y el 5 no permite concluir que la ineficiencia es de más del doble. </li></ul><ul><li>La mediana y la moda son medidas estadísticas adecuadas para las escalas ordinales. </li></ul>
  30. 35. <ul><li>Escalas Métricas </li></ul><ul><li>(cuantitativas o continuas) </li></ul><ul><li>Estas mediciones identifican o describen sujetos u objetos no sólo por la posesión de un atributo sino también por la cantidad o grado, por lo cual, el sujeto u objeto puede ser caracterizado por el atributo. Ejemplos: edad, peso, ingresos, etc. </li></ul><ul><li>Las escalas métricas pueden ser de dos tipos: escalas de intervalo o escalas de razón </li></ul>
  31. 36. <ul><li>Escalas de Intervalo </li></ul><ul><li>Poseen todas las cualidades de las escalas ordinales y nominales, además de que los intervalos entre puntos consecutivos son iguales, pero el punto cero es arbitrario. Por ejemplo, si pedimos a una persona que reparta 100 puntos a 3 distintas profesiones con el fin de conocer su preferencia entre éstas, y la persona reparte 80 a Medicina, 20 a Derecho y 0 a Contaduría, sabremos la distancia que hay entre las tres. </li></ul><ul><li>No obstante, el cero es relativo y simbólico, ya que no muestra la ausencia total de gusto por la contaduría, sino que indica que es nulo en relación con las otras dos profesiones. </li></ul>
  32. 37. <ul><li>Un ejemplo típico de escala no-métrica de intervalo es la temperatura. </li></ul><ul><li>La media aritmética de este tipo de escalas es significativa gracias a la igualdad de la distancia entre categorías. El uso de otras medidas de tendencia central (además de la distribución de frecuencias y las tablas cruzadas) también son herramientas descriptivas adecuadas para este tipo de escalas. </li></ul>
  33. 38. <ul><li>Escalas de razón </li></ul><ul><li>Son aquéllas en las que el cero tiene un significado real y absoluto: la ausencia del atributo. Ejemplos de escala de razón lo constituyen el número de hijos nacidos vivos de una mujer, la altura y el peso de una persona, los ingresos familiares, la velocidad, etc. </li></ul><ul><li>Las escalas métricas de medición proporcionan el nivel más alto de medición y precisión, pues permiten calcular casi todas las operaciones matemáticas. </li></ul>
  34. 39. <ul><li>En resumen, las propiedades que poseen las distintas escalas son las siguientes: </li></ul>Orden Distancia Origen Nominal No No No Ordinal Sí No No Intervalo Sí Sí No Razón Sí Sí Sí
  35. 40. <ul><li>¿Por qué es importante entender los diferentes tipos de medición? </li></ul><ul><li>Como investigadores, debemos claramente identificar la escala de medición de cada variable que deseamos utilizar, de tal forma de que datos no métricos no sean utilizados de manera incorrecta como datos métricos y viceversa. </li></ul><ul><li>La escala de medición es crítica para determinar qué tipo de técnica, univariada o multivariada, es la más apropiada para los datos, con consideraciones en el caso, tanto de variables dependientes, como independientes . </li></ul>
  36. 41. <ul><li>EJERCICIOS ESCALAS DE MEDICION </li></ul><ul><li>Identifica el tipo de escala (nominal, ordinal, intervalo, razón) representada en cada una de las siguientes preguntas: </li></ul><ul><li>Tu sexo: 1 _____ Femenino 2 _____ Masculino </li></ul><ul><li>2. Tu edad: 1 _____ Menor de 13 </li></ul><ul><li>2 _____ 13 - 19 </li></ul><ul><li>3 _____ 20 - 29 </li></ul><ul><li>4 _____ 30 - 39 </li></ul><ul><li>5 _____ 40 - 49 </li></ul><ul><li>6 _____ 50 - 59 </li></ul><ul><li>7 _____ 60 - 69 </li></ul><ul><li>8 _____ 70 o más </li></ul><ul><li>3. Cual es tu coeficiente Intelectual (IQ): _____________________________ </li></ul><ul><li>(especifica tu puntaje exacto) </li></ul><ul><li>4. Especifica el nivel más alto de educación alcanzado por tu padre: </li></ul><ul><li>1 _____ Ninguno </li></ul><ul><li>2 _____ Primaria </li></ul><ul><li>3 _____ Algo de secundaria </li></ul><ul><li>4 _____ Secundaria completa </li></ul><ul><li>5 _____ Algo de preparatoria </li></ul><ul><li>6 _____ Preparatoria completa </li></ul><ul><li>7 _____ Licenciatura </li></ul><ul><li>5. Tu ingreso anual total: _________________________________ </li></ul><ul><li>(especifica la cantidad exacta) </li></ul>
  37. 42. <ul><li>6. Tus preferencias religiosas: </li></ul><ul><li>1 _____ Protestante </li></ul><ul><li>2 _____ Católico </li></ul><ul><li>3 _____ Judío </li></ul><ul><li>4 _____ Otro _______________ </li></ul><ul><li>especifica </li></ul><ul><li>7. Clase social a la que pertenecen tus padres: </li></ul><ul><li>1 _____ Alta </li></ul><ul><li>2 _____ Media-Alta </li></ul><ul><li>3 _____ Media </li></ul><ul><li>4 _____ Media-Baja </li></ul><ul><li>5 _____ Baja </li></ul><ul><li>8. ¿En cuál de las siguientes áreas viven tus padres? </li></ul><ul><li>1 _____ Rural </li></ul><ul><li>2 _____ Pueblo pequeño </li></ul><ul><li>3 _____ Suburbio cerca de la ciudad </li></ul><ul><li>4 _____ Ciudad </li></ul><ul><li>9. Indica tu orientación política poniendo una X en el lugar que consideres más apropiado. </li></ul><ul><li>Liberal Conservador </li></ul><ul><li>_____ ____ _____ _____ ____ </li></ul><ul><li>1 2 3 4 5 </li></ul>
  38. 43. <ul><li>EJERCICIO CUESTIONARIO B IBLIOTECA TEC </li></ul><ul><li>Identifica el tipo de escala (nominal, ordinal, intervalo, razón) representada en cada una de las siguientes preguntas: </li></ul><ul><li>¿Qué tan seguido usas la Biblioteca del TEC? </li></ul><ul><li>___ menos de una vez a la semana </li></ul><ul><li>___ una vez a la semana </li></ul><ul><li>___ dos veces a la semana </li></ul><ul><li>___ tres o más veces a la semana </li></ul><ul><li>¿Cuántas horas a la semana pasas en la biblioteca? ________ hrs. </li></ul><ul><li>¿Para qué usas principalmente la biblioteca? Pon un 1 en el uso más frecuentemente y un 2 en el segundo uso más frecuente. </li></ul><ul><li>___ como lugar de estudio </li></ul><ul><li>___ como lugar de reunión con otros estudiantes </li></ul><ul><li>___ para obtener material para el trabajo de clases </li></ul><ul><li>Marca todos los servicios que has usado de la biblioteca </li></ul><ul><li>___ hemeroteca </li></ul><ul><li>___ préstamos entre librerías </li></ul><ul><li>___ servicios de búsqueda en línea </li></ul><ul><li>___ sala de microfichas </li></ul><ul><li>___ referencias (ayuda) </li></ul><ul><li>___ Otro (especificar)______________________ </li></ul>
  39. 44. <ul><li>¿En qué medida la biblioteca cubre tus necesidades? </li></ul><ul><li>___ Extremadamente bien </li></ul><ul><li>___ Muy bien </li></ul><ul><li>___ Bien </li></ul><ul><li>___ No tan bien </li></ul><ul><li>___ Extremadamente mal </li></ul><ul><li>¿Cómo piensas que los servicios de la biblioteca podrían mejorar? ________ </li></ul><ul><li>_________________________________________________________________ </li></ul><ul><li>¿Cuál es tu promedio?________ </li></ul><ul><li>¿En dónde vives? </li></ul><ul><li>___ en el campus </li></ul><ul><li>___ fuera del campus </li></ul><ul><li>¿Cuál es tu grado escolar? </li></ul><ul><li>___ primer año de universidad </li></ul><ul><li>___ segundo año de universidad </li></ul><ul><li>___ tercer año de universidad </li></ul><ul><li>___ cuarto año de universidad </li></ul><ul><li>___ estudiante maestría o doctorado </li></ul><ul><li>¿Qué programa docente cursas?_________________________ </li></ul>
  40. 46. <ul><li>Asociación entre variables </li></ul><ul><li>Dos variables medidas en la misma unidad de observación están asociadas si algunos de los valores de una de las variables tienden a ocurrir más frecuentemente con algunos valores de la segunda variable que con otros. </li></ul><ul><li>Asociación o Relación Positiva : a mayor número de horas trabajadas mayores ingresos. </li></ul><ul><li>Asociación o Relación Negativa : a mayor educación de la madre menor fecundidad. </li></ul>
  41. 47. <ul><li>Asociación entre variables </li></ul><ul><li>El análisis estadístico multivariado es acerca de las relaciones entre variables. </li></ul><ul><li>En algunas ocasiones tenemos un sólo conjunto de variables sin ninguna especificación a priori de dependencia. Entonces nos enfocamos a las relaciones al interior (within) del conjunto de variables. Estos métodos son conocidos como métodos de interdependencia . </li></ul><ul><li>En otras ocasiones, como los ejemplos que veremos en este curso, tenemos dos conjuntos de variables dónde especificamos de antemano el efecto de algunas variables sobre el comportamiento de otras. Aquí el enfoque es en la relación entre (between) variables. Estos métodos son conocidos como métodos de dependencia . </li></ul>
  42. 48. Interdependencia X Y Dependencia X Y
  43. 49. <ul><li>Algunos métodos de dependencia ( between ): </li></ul><ul><li>Regresión múltiple </li></ul><ul><li>Análisis de variancia </li></ul><ul><li>Análisis de covariancia </li></ul><ul><li>Regresión logística </li></ul><ul><li>Análisis discriminante </li></ul><ul><li>Algunos métodos de interdependencia ( within ): </li></ul><ul><li>Componentes principales </li></ul><ul><li>Análisis factorial </li></ul><ul><li>Análisis de conglomerados ( Cluster Analysis) </li></ul>
  44. 50. <ul><li>Asociación entre variables </li></ul><ul><li>Variable Dependiente : variable a ser “explicada” y cuyo comportamiento depende, presumiblemente, de los efectos de las variables independientes. </li></ul><ul><li>Variable Independiente : variable que, en teoría, “explica” el comportamiento de la variable dependiente . </li></ul><ul><li>El nivel de ingresos (dependiente) depende del nivel de educación (independiente) </li></ul><ul><li>Una variable puede ser definida como dependiente en un análisis y como independiente en otro. </li></ul>
  45. 51. <ul><li>Asociación entre variables </li></ul><ul><li>Existen reglas en relación con el orden causal en un conjunto de variables, es decir, supuestos sobre cual es la “causa” y cual es el “efecto”. </li></ul><ul><li>Por ejemplo, si estuviéramos estudiando ingreso y preferencia política, naturalmente asumiríamos que ingreso es la “causa” y preferencia política es el “efecto”. </li></ul>
  46. 52. <ul><li>La variable X es la causa de la variable Y cuando: </li></ul><ul><li>Un cambio en X produce un cambio en Y, ó </li></ul><ul><li>Porque algunas Xs no cambian, Ys tienden a estar en línea con valores fijos de X </li></ul><ul><li>Ejemplos: </li></ul><ul><li>El empleo es la causa de ingresos: las personas que obtienen (pierden) un empleo incrementan (decrementan) sus ingresos. </li></ul><ul><li>Educación es la causa de prestigio ocupacional: las personas que tienen un grado universitario son más probables de tener empleo de gran prestigio y status. </li></ul>
  47. 53. Es importante hacer notar lo siguiente: 1) Estamos hablando de “promedios” y “tendencias”. Debemos esperar excepciones individuales a las relaciones que exploramos. 2) Decir que “ X es causa de Y” no es decir que “ X es la causa de Y ” ( reduccionismo ). 3) Correlación entre dos variables no es suficiente prueba de la existencia de causalidad. 4) Información de carácter no experimental presenta elementos menos convincentes que experimentos controlados de manera apropiada.
  48. 54. Para dos variables, X y Y , podemos distinguir entre cuatro posibilidades: X X X X Y Y Y Y X puede influir en Y pero Y no influye en X Y puede influir en X pero X no influye en Y X y Y pueden influirse entre ellas. X y Y puden mostrar coordinación estadística (correlación), pero no es posible asumir sobre la dirección.
  49. 55. Regla causalidad 1: Traza una flecha de X a Y si Y inicia después que X. Crisis económica de 1994-1995 Tipo de residencia al nacer Educación del padre Resultados electorales 1996 Nivel educativo Educación del hijo
  50. 56. Regla causalidad 2: Traza una flecha de X a Y si X está ligada a una etapa temprana en una secuencia de eventos bien conocida. Prestigio en el primer empleo Edad al primer matrimonio Finalización de la educación Prestigio en el se gund o empleo Disolución del primer matrimonio Primer empleo de tiempo completo Calificaciones en posgrado Puntos logrados en el GRE
  51. 57. Regla causalidad 3 : Si durante un periodo de tiempo X nunca cambia y Y cambia algunas veces, trace la flecha de X a Y. Sexo Ingreso El sexo está fijo al nacimiento y tiene una fecha de “congelamiento” a la edad 0. Los ingresos tienen varias fechas de inicio, pero siempre serán después de la edad 0. Otras variables constantes son: Cohorte de nacimiento Raza País de origen
  52. 58. Regla causalidad 4 : Si X es relativamente estable, difícil de cambiar y Y es relativamente volátil, fácil de cambiar, o tiene pocas consecuencias, trace la flecha de X a Y. Tamaño lugar de residencia Preferencia por un producto
  53. 59. <ul><li>Unidad de Análisis </li></ul><ul><li>La unidad de análisis se refiere a quién o qué queremos estudiar. </li></ul><ul><li>El conocimiento de la unidad de análisis permite conocer cabalmente el significado de las variables en cualquier estudio. </li></ul><ul><li>Los científicos sociales generalmente recopilamos información de elementos miembros de una población: </li></ul><ul><ul><li>Empresas del conjunto del sector empresarial de Nuevo León. </li></ul></ul><ul><ul><li>Personas de la población de Nuevo León. </li></ul></ul><ul><ul><li>Electores del padrón electoral del Distrito Federal. </li></ul></ul>
  54. 60. <ul><li>Unidad de Análisis </li></ul><ul><li>En las ciencias del comportamiento el individuo es comúnmente la unidad de análisis. Sin embargo, en diversas ocasiones, la unidad de análisis son grupos de personas u organizaciones. </li></ul><ul><li>Individuos : Empresarios en la manufactura, Consumidores de automóviles, Agricultores, Mujeres en edades fértiles, Población económicamente activa. </li></ul><ul><li>Grupos u Organizaciones : Microempresas, Escuelas, Familias, La Iglesia, Industria Maquiladora, Nuevo León, Monterrey. </li></ul>
  55. 61. <ul><li>Unidad de Análisis </li></ul><ul><li>La Unidad de Análisis no siempre es la Unidad de Observación. </li></ul><ul><li>Existen unidades de análisis a las que no podemos ir a entrevistar o averiguar información directamente: las entidades federativas del país, América Latina, el sector maquilador, etc. </li></ul><ul><li>Para estas unidades de análisis regularmente AGREGAMOS información de otras unidades de observación. </li></ul><ul><li>Por ejemplo, la información recopilada de individuos sobre educación en el censo de población y vivienda, permite calcular el promedio de educación de la población de Nuevo León. </li></ul>
  56. 62. <ul><li>Unidad de Análisis </li></ul><ul><li>La Unidad de Análisis no siempre es la Unidad de Observación. </li></ul><ul><li>Ejemplo: el porcentaje de viviendas sin agua entubada del Distrito Federal se calcula a partir de la información que se recopiló para cada vivienda de dicha entidad en el censo de población y vivienda. </li></ul><ul><ul><li>Para cada vivienda: sólo sabemos una condición dicotómica (variable no-métrica): tiene o no tiene agua entubada. </li></ul></ul><ul><ul><li>Para el D.F.: conocemos tanto el número total como la distribución de viviendas con y sin agua entubada. Si conocemos esta información para las 32 entidades federativas del país, estaremos hablando de una variable de tipo métrico. </li></ul></ul>
  57. 63. <ul><li>Unidad de Análisis </li></ul><ul><li>La Unidad de Análisis no siempre es la Unidad de Observación. </li></ul><ul><li>Los índices de marginación del Consejo Nacional de Población tienen como unidad de análisis a los municipios y estados del país, pero se construyen con información referente a cada persona y vivienda del país. </li></ul><ul><li>PROPORCIONAR EJEMPLOS CUANDO LA UNIDAD DE ANÁLISIS NO ES LA UNIDAD DE OBSERVACIÓN </li></ul>
  58. 64. <ul><li>Tipos de Observación </li></ul><ul><li>Los datos provienen de dos tipos de diseños de investigación: experimentales o no-experimentales (observacionales). </li></ul><ul><li>Datos Experimentales : provienen de diseños experimentales para evaluar un tratamiento, política o investigar efectos causales. Las unidades bajo observación se asignan aleatoriamente al grupo de control o al grupo de tratamiento. Ejemplo: PROGRESA </li></ul><ul><li>Experimentos en un contexto real con seres humanos son difíciles de administrar y controlar: caros y poco éticos. </li></ul><ul><li>Leer Belmont Report: http://ohrp.osophs.dhhs.gov/humansubjects/guidance/belmont.htm </li></ul><ul><li>Datos No-Experimentales u Observacionales: la mayoría de los datos se obtienen observando el comportamiento en la vida real, usando encuestas, registros administrativos, etc. En estos diseños, la variable de tratamiento no se asigna de manera aleatoria, por lo que es más difícil discernir sobre el efecto del tratamiento de otros factores relevantes . </li></ul>
  59. 65. <ul><li>Tipos de Datos </li></ul><ul><li>Los tipos de datos son principalmente los siguientes: </li></ul><ul><li>Transversales : datos para diferentes observaciones de la misma unidad de análisis (empleados, consumidores, empresas) para un solo periodo de tiempo. </li></ul><ul><li>Series de Tiempo : datos para una sola observación (país, persona o empresa) recolectados en diferentes periodos de tiempo. </li></ul><ul><li>Longitudinales : datos para diferentes observaciones de la misma unidad de análisis recolectados en dos o más periodos de tiempo. </li></ul>
  60. 66. <ul><li>Tipos de Datos: Transversales </li></ul>
  61. 67. <ul><li>Tipos de Datos: Series de Tiempo </li></ul>
  62. 68. <ul><li>Tipos de Datos: Longitudinales </li></ul>
  63. 69. <ul><li>Tipos de Datos: Longitudinales </li></ul>

×