Confiabilidad y significancia


RESUMEN 8

1. En este capítulo describimos el cómo seleccionar una muestra.
Lo primero que se tiene que plantear es el quiénes van a ser medidos, lo que corresponde a definir la unidad de análisis —personas, organizaciones o periódicos—. Se procede después a delimitar claramente la población con base en los objetivos del estudio y en cuanto a carácterísticas de contenido, de lugar y en el tiempo.

2. La muestra es un subgrupo de la población —previamente delimitada— y puede ser probabilística o no probabilística.

3. El elegir qué tipo de muestra se requiere depende de los objetivos del estudio y del esquema de investigación

4. Las muestras probabilísticas son esenciales en los diseños de investigación por encuestas donde se pretenden generalizar los resultados a una población. La carácterística de este tipo de muestra, es que todos los elementos de la población tienen al inicio la misma probabilidad de ser elegidos, de esta manera los elementos muéstrales tendrán valores muy aproximados a los valores de la población, ya que las mediciones del subconjunto, serán estimaciones muy precisas del conjunto mayor. Esta precisión depende del error de muestreo, llamado también error estándar.

5. Para una muestra probabilística necesitamos dos cosas: determinar el tamaño de la muestra y seleccionar los elementos muéstrales en forma aleatoria.

6. El tamaño de la muestra se calcula con base a la varianza de la población y la varianza de la muestra. Esta última expresada en términos de probabilidad de ocurrencia. La varianza de la población se calcula con el cuadrado del error estándar, el cual determinamos. Entre menor sea el error estándar, mayor será el tamaño de la muestra.

7. Las muestras probabilísticas pueden ser: Simples, estratificadas y por racimos. La estratificación aumenta la precisión de la muestra e implica el uso deliberado de submuestras para cada estrato o categoría que sea relevante en la población. El muestrear por racimos implica diferencias entre la unidad de análisis y la unidad muestral. En este tipo de muestreo hay una selección en dos etapas, ambas con procedimientos probabilísticos. En la primera se seleccionan los racimos —escuelas, organizaciones, salones de clase— en la segunda y dentro de los racimos a los sujetos que van a ser medidos.

8. Los elementos muéstrales de una muestra probabilística siempre se eligen aleatoriamente asegurarnos de que cada elemento tenga la misma probabilidad de ser elegido. Pueden   procedimientos de selección: 1. Tómbola, 2. Tabla de números random y 3. Selección sistemática. Todo procedimiento de selección depende de listados, ya sea existentes o construidos adhoc. Listados pueden ser: el directorio telefónico, listas de asociaciones, listas de escuelas oficiales,

etc. Cuando no existen listas de elementos de la población se recurren a otros marcos de referencia que contengan descripciones del material, organizaciones o sujetos seleccionados como unidades de análisis. Algunos de éstos pueden ser los archivos, hemerotecas y los mapas.

9. Las muestras no-probabilísticas, pueden también llamarse muestras dirigidas, pues la elección de sujetos u objetos de estudio depende del criterio del investigador.

10. Las muestras dirigidas pueden ser de varias clases: (1)
Muestra de sujetos voluntarios —frecuentemente utilizados con diseños experimentales y situaciones de laboratorio. (2) Muestra de expertos —frecuentemente— utilizados en estudios exploratorios. (3) Muestra de sujetos tipo —o estudios de casos—, utilizados en estudios cualitativos y motivacionales y (4) muestreo por cuotas —frecuentes— en estudios de opinión y de mercadotecnia. Las muestras dirigidas son válidas en cuanto a que un determinado diseño de investigación así los requiere, sin embargo los resultados son generalizables a la muestra en sí o a muestras similares. No son generalizables a una población.

11. En el teorema de límite central se señala que una muestra de más de cien casos, será una muestra con una distribución normal en sus carácterísticas, sin embargo la normalidad no debe conjuntarse con probabilidad. Mientras lo primero es necesario para efectuar pruebas estadísticas, el segundo es requisito indispensable para hacer inferencias correctas sobre una población.

RESUMEN 9

1. Recolectar los datos implica seleccionar un instrumento de medición disponible o desarrollar uno propio, aplicar el instrumento de medición y preparar las mediciones obtenidas para que puedan analizarse correctamente.

2. Medir es el proceso de vincular conceptos abstractos con indicadores empíricos, mediante clasificación y/o cuantificación.

3. En toda investigación medimos las variables contenidas en las hipótesis

4. Un instrumento de medición debe cubrir dos requisitos: confiabilidad y validez

5. La confiabilidad se refiere al grado en que la aplicación repetida de un instrumento de edición al mismo sujeto u objeto, produce iguales resultados.

6. La validez se refiere al grado en que un instrumento de medición mide realmente la(s) variable(s) que pretende medir.

7. Se pueden aportar tres tipos de evidencia para la validez: evidencia relacionada con el contenido, evidencia relacionada con el criterio y evidencia relacionada con el constructo.

8. Los factores que principalmente pueden afectar la validez son: improvisación, utilizar instrumentos desarrollados en el extranjero y que no han sido validados a nuestro contexto, poca o nula empatía, factores de aplicación.

9. No hay medición perfecta, pero el error de medición debe reducirse a límites tolerables

10. La confiabilidad se determina calculando un coeficiente de confiabilidad

11. Los coeficientes de confiabilidad varían entre O y 1 (0 = nula confiabilidad, 1 —total confiabilidad)

12. Los procedimientos más comunes para calcular la confiabilidad son la medida de estabilidad, el método de formas alternas, el método de mitades partidas, el coeficiente alfa de Cronbach y el do eficiente KR-20.

13. La validez de contenido se obtiene contrastando el universo de ítems contra los ÍTEMS

¿Presentes en el instrumento de medición.

14. La validez de criterio se obtiene comparando los resultados de aplicar el instrumento de Medición contra los resultados de un criterio externo.

15. La validez de constructo se puede determinar mediante el análisis de factores

16. Los pasos genéricos para construir un instrumento de medición son:

• Listar las variables a medir.

• Revisar sus definiciones conceptuales y operacionales.

• Elegir uno ya desarrollado o construir uno propio.

• Indicar niveles de medición de las variables (nominal, ordinal, por intervalos y de razón).

• Indicar cómo se habrán de codificar los datos.

• Aplicar prueba piloto.

• Construir versión definitiva.

17. En la investigación social disponemos de diversos instrumentos de medición:

A) Principales escalas de actitudes: Likert, Diferencial Semántico y Guttman

B) Cuestionarios (auto administrado, por entrevista personal, por entrevista telefónica y por correo)

C) Análisis de contenido

D) Observación

E) Pruebas estandarizadas (procedimiento estándar)

F) Sesiones en profundidad

G) Archivos y otras formas de medición

18. Las respuestas se codifican

19. La codificación implica:

A) Codificar los ítems o equivalentes no precodificados

B) Elaborar el libro de códigos

C) Efectuar físicamente la codificación

D) Grabar y guardar los datos en un archivo permanente

RESUMEN 10

1. El análisis de los datos se efectúa utilizando la matriz de datos, la cual está guardada en un archivo.   2. El tipo de análisis o pruebas estadísticas a realizar depende del nivel de medición de las variables, las hipótesis y el interés del investigador. 3. Los análisis estadísticos que pueden realizarse son: estadística descriptiva para cada variable (distribución de frecuencias, medidas de tendencia central y medidas de la variabilidad), la transformación a puntuaciones “z”, razones y tasas, cálculos de estadística

inferencial, pruebas paramétricas, pruebas no paramétricas y análisis multivariados.

4. Las distribuciones de frecuencias contienen las categorías, códigos, frecuencias

absolutas (número de casos), frecuencias relativas (porcentajes) y frecuencias acumuladas

(absolutas o relativas).

5. Las distribuciones de frecuencias (particularmente hablando de las frecuencias relativas) pueden presentarse gráficamente.

6. Una distribución de frecuencias puede representarse a través del polígono de frecuencias ocurva de frecuencias

7. Las medidas de tendencia central son la moda, mediana y media

8. Las medidas de la variabilidad son el rango (diferencia entre el máximo y el mínimo), la desviación estándar y la varianza.

9. Otras estadísticas descriptivas de utilidad son las asimetría y la curtosis

10. Las puntuaciones “z” son transformaciones de los valores obtenidos a unidades de desviación estándar

11. Una razón es la relación entre dos categorías y una tasa es la relación entre el número de casos de una categoría y el número total de casos, multiplicada por un múltiplo de 10.

12. La estadística inferencial es para efectuar generalizaciones de la muestra a la población’ Se utiliza para probar hipótesis y estimar parámetros. Asimismo, se basa en el concepto de Distribución muestral.

13. La curva o distribución normal es un modelo teórico sumamente útil, su media es 0 (cero) y su desviación estándar es uno (1).

14. El nivel de significancia y el intervalo de confianza son niveles de probabilidad de cometer un error o equivocarse en la prueba de hipótesis o la estimación de parámetros. Los niveles más comunes en ciencias sociales son los del .05 y .01.

15. Los análisis o pruebas estadísticas paramétricas más utilizadas son:

Prueba Tipos de hipótesis

—Coeficiente de correlación de Pearson Correlacional

—Regresión lineal Correlacional/causal

—Prueba “t” Diferencia de grupos

—Contraste de la diferencia de proporciones Diferencia de grupos

—Análisis de varianza (ANOVA):

unidireccional y factorial. Unidireccional con

una variable independiente y factorial con dos

o más variables independientes

Diferencia de grupos/causal

—Análisis de covarianza (ANCOVA) Correlacional/causal

16. En todas las pruebas estadísticas paramétricas las variables están medidas en un nivel por intervalos o razón

17. Los análisis o pruebas estadísticas no paramétricas más utilizadas son

20. Los análisis estadísticos se llevan a cabo mediante programas para computadora, utilizando paquetes estadísticos.

21. Los paquetes estadísticos más conocidos son: BMDP, ESP, OSIRIS, SAS y SPSS. Estos paquetes se utilizan consultando el manual respectivo.

RESUMEN  11

1. Antes de elaborar .1 reporte de Investigación debe definirse al usuario, ya que el reporte habrá de adaptarse a éste.

2. Los reportes de investigación pueden presentarse en un contexto académico o en un contexto no académico

3. El contexto determina el formato, naturaleza y extensión del reporte de investigación

4. Los elementos más comunes de un reporte de investigación presentado en un reporte académico son: portada, índice, resumen, introducción, marco teórico, método, resultados, conclusiones, bibliografía y apéndices.

5. Los elementos más comunes en un contexto no académico son: portada, índice, resumen, introducción, método, resultados, conclusiones y apéndices.

6. Para presentar el reporte de Investigación se pueden utilizar diversos apoyos

RESUMEN 7

1. La investigación no experimental es la que se realiza sin manipular deliberadamente las variables independientes, se basa en variables que ya ocurrieron o se dieron en la realidad sin la intervención directa del investigador. Es un enfoque retrospectivo.

2. La investigación no experimental es conocida también como investigación expost-facto (los hechos y variables ya ocurrieron) y observa variables y relaciones entre éstas en su contexto natural.

3. Los diseños no experimentales se dividen de la siguiente manera:

4. Los diseños transeccionales realizan observaciones en un momento único en el tiempo. Cuando miden variables de manera individual y reportan esas mediciones son descriptivos. Cuando describen relaciones entre variables son correlacionales y si establecen procesos de causalidad entre variables son correlacionales/causales.

5. Los diseños longitudinales realizan observaciones en dos o más momentos o puntos en el tiempo. Si estudian a una población son diseños de tendencia, si analizan a una subpoblación o grupo específico son diseños de análisis evolutivo de grupo y si estudian a los mismos sujetos son diseños panel.

6. La investigación no experimental posee un control menos riguroso que la experimental y en aquélla es más complicado inferir relaciones causales. Pero la investigación no experimental es más natural y cercana a la realidad cotidiana.

7. El tipo de diseño a elegir se encuentra condicionado por el problema a investigar, el contexto que rodea a la investigación, el tipo de estudi

Dejar un Comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *