Metodología de Investigación: Recogida de Datos y Diseños Experimentales

1. Trabajo de Campo

Objetivo: Recogida física de información (localizar, entrevistar, registrar, comprobar).

• 1. Planificación: Definición del número de entrevistadores, tiempo y recursos necesarios.
• 2. Selección de entrevistadores: Se consideran características específicas:
  • Físicas: Presencia y edad media.
  • Psicológicas: Perfil extrovertido, comunicativo y tenaz.
  • Formación: Nivel educativo, integridad y experiencia previa.
• 3. Formación:
  • General: Técnicas de contacto, formulación de preguntas, motivación del encuestado, registro de datos y cierre.
  • Específica (briefing): Objetivos del estudio, definición de la muestra, lectura detallada del cuestionario, instrucciones operativas, lugares de actuación y sistemas de control.
• 4. Control (depuración):
  • Campo: Verificación de la localización correcta y calidad de la toma de datos (cuestionarios completos y coherentes).
  • Oficina: Procesos de tabulación, cálculo de frecuencias y curvas de estabilidad.
• 5. Verificación: Contacto con una submuestra para confirmar la realización real de la entrevista.
• 6. Evaluación del entrevistador: Basada en indicadores clave:
  • Coste por entrevista.
  • Tiempo por entrevista.
  • Tasa de respuesta.
  • Calidad de la entrevista y de los datos obtenidos.

2. Preparación de Datos para el Procesamiento

Fases del tratamiento de la información

• Depuración: Revisar que las respuestas sean completas y coherentes.
• Codificación: Convertir las respuestas en códigos numéricos (proceso manual o mediante libro de códigos).
• Grabación: Creación de una matriz de datos (donde las filas representan los casos y las columnas las variables).
• Validación: Detección de errores no muestrales:
  • Formales: Errores de rango, grafo o insuficiencias.
  • Contenido: Incoherencias lógicas en las respuestas.

Tratamiento de la no respuesta

• Total: Ausencia del cuestionario completo. Se soluciona mediante la sustitución.
• Parcial: Falta de respuestas en ítems específicos. Se aborda mediante incentivos o mejora de la formación.

Imputación: Consiste en asignar valores válidos aproximados (no necesariamente correctos, pero sí coherentes con el resto del perfil).

Ajuste estadístico

• Ponderación: Ajuste para asegurar la representatividad de la muestra.
• Reespecificación: Creación o modificación de variables existentes.
• Transformación de escalas: Procedimiento para permitir la comparación de datos.

3. Tabulación y Análisis Primario

A. Tabulación

Consiste en resumir la información de manera ordenada.

• Simple / Marginal (una variable):
  • Frecuencia absoluta, relativa y acumulada.
  • Tipos de distribución:
    • Tipo I: Pocas observaciones.
    • Tipo II: Muchas observaciones, pero pocos valores distintos.
    • Tipo III: Muchas observaciones y muchos valores (requiere agrupar en intervalos).
• Cruzada (dos variables / doble entrada):
  • Frecuencia absoluta bidimensional (fij).
  • Frecuencia marginal (por filas y columnas).

B. Análisis preliminar

Uso de diagramas de dispersión, identificación de outliers (valores atípicos), cálculo de la media, mediana, moda y desviación típica.

C. Estimaciones y errores

• Calcular estimadores poblacionales.
• Calcular errores muestrales para determinar la fiabilidad de los resultados.

4. Clasificación de Diseños de Investigación

1. Diseños preexperimentales

Característica: No controlan factores externos ni asignan aleatoriamente las unidades de estudio.

• Un grupo solo-después (GE: X O): Mide el efecto tras aplicar el tratamiento. Presenta problemas de historia, maduración, selección y mortandad experimental.
• Grupo de control sin correspondencia (GE: X O1; GC: O2): Introduce un grupo de control sin medición previa. Ayuda a evitar efectos de historia y maduración.
• Grupo de control con correspondencia (GE: M X O1; GC: M O2): Busca equiparar los grupos mediante variables relevantes.
• Antes-después en un grupo (GE: O1 X O2): Añade una medición previa al tratamiento. Sus principales problemas son la historia, maduración e instrumentación.

2. Diseños experimentales verdaderos

Característica: Utilizan asignación aleatoria (R) y grupos de control para garantizar la validez.

• Dos grupos antes-después (GE: R O1 X O2; GC: R O3 O4): Controla la selección y otras variables extrañas de manera eficaz.
• Solomon de cuatro grupos: Combina los diseños antes-después y solo-después. Permite medir los efectos de interacción con la prueba (validez externa), aunque es un proceso complejo y costoso.

3. Diseños cuasi-experimentales

Característica: No emplean asignación aleatoria, pero poseen mayor control que los preexperimentales, mejorando la validez externa.

• Series temporales (GE: O1 O2 O3 O4 X O5 O6 O7 O8): Realiza múltiples mediciones antes y después del tratamiento. Incluye variantes como tendencias (muestras distintas) y panel (misma muestra).
• Series temporales múltiples: Añade un grupo de control con mediciones repetidas al diseño anterior.
• Control en el grupo experimental: Alternancia entre X1 y X0. Es útil si el efecto del tratamiento es transitorio o reversible.
• Grupo de control no equivalente (GE: RM O1 X O2; GC: RM O3 O4): Sin aleatorización; la selección se basa habitualmente en la voluntad de participación.

4. Diseños estadísticos

Característica: Permiten analizar múltiples niveles de tratamiento y diversas variables independientes simultáneamente. Requieren modelos de análisis complejos.

• Asignación totalmente aleatoria (ANOVA de 1 Factor): Se estudia un único factor sobre unidades experimentales homogéneas.
• Bloque con asignación aleatoria (ANOVA de 2 Factores): Permite controlar una variable externa importante mediante la creación de bloques.
• Cuadrado latino: Controla dos variables externas de forma simultánea. Exige que el número de tratamientos y modalidades sea idéntico. No permite detectar efectos de interacción.