MAPIC (Libro).pdf

A mis adorados hijos: Wayra,

Luis Rodrigo,

Alejandra y

Luis Sebastián.

A la memoria de mi abuela

AGRADECIMIENTOS

Hace siete años, luego de un entrenamiento en consulta estadística que realicé en Bélgica, acepte el desafío de iniciar un proceso de investigación silencioso orientado a integrar la estadística, de una manera natural, en el proceso de investigación científica.

Reconocía en la estadística una herramienta potente de apoyo a la investigación pero reconocía también, de manera general, una ausencia de rigor científico en los trabajos de investigación en mi país.

En 1999 inicie el desafío de elaborar un documento que permitiera; a los investigadores y estudiantes que están realizando sus trabajos de fin de estudio, tesis, etc.; desarrollar la planificación de su investigación de manera mucho más rigurosa y científica. A partir de esta fecha ofrecí, muchos entrenamientos, capacitaciones, trabajos de consultoría e investigaciones pero siempre en el espíritu de desarrollar una herramienta práctica de apoyo al investigador que hoy se traduce en este libro.

Es indudable que los desafíos de investigación, sistematización, y edición de un libro demanda mucho tiempo provocando,

lamentablemente, tener menos tiempo para quienes uno ama o para realizar las cosas mas simples en esta vida.

Quiero agradecer primero a Dios por haberme dado la vida.

A mis amados padres quienes me han formado en la escuela de la responsabilidad, el respeto, y la humildad.

A mis adorados hijos, en quienes me veo reflejado, con la disculpa de no haberles brindado la mayor atención que se merecen.

A mis hermanos, en cuya compañía me forje.

Finalmente quiero agradecer a quienes de manera directa o indirecta han permitido que esta mi primera obra sea una realidad. A mi profesor PIERRE DAGNELIE, al profesor y amigo NASSIR SAPPAG, a mis colegas de la Universidad Católica Boliviana y de las otras Universidades, a mis asistentes, y a mis entrañables amigos.

INTRODUCCIÓN

La literatura consagrada a las metodologías de investigación científica es abundante y accesible; es posible encontrar documentos muy simples como también algunos documentos bastante más elaborados. Existen referencias bibliográficas con aproximación cuantitativa y otros con aproximación cualitativa y algunos libros con una orientación experimental y otros con aproximaciones no experimentales.

Para los tipos de diseños de investigación, basados en la observación1, los autores proponen “recetas” que se traducen en una serie de etapas secuenciales: la idea, el problema, objetivos, marco teórico, formulación de hipótesis, selección de la muestra, recolección de los datos, análisis de los datos y elaboración del reporte.

Un investigador que sigue estas recetas no encuentra una propuesta concreta y práctica para preguntas básicas que él se plantea cuando está planificando su trabajo.

Considero que la mayoría de estos documentos no ofrecen al investigador una herramienta de apoyo a su proceso de investigación, concentrándose más bien en presentaciones muy teóricas.

A título de ejemplo, un investigador que busca seleccionar métodos estadísticos para realizar su análisis de datos y decide consultar un libro de metodologías de investigación encuentra uno o más capítulos en los que se exponen diversas técnicas descriptivas;

1

gráficos, estadígrafos; regresión, correlación, tests de independencia, etc.

Este investigador que concluye de revisar estos capítulos, termina con un gran sentimiento de frustración ya que no es capaz de responder a su pregunta: ¿qué herramientas debo utilizar para analizar los datos de mi investigación?

Por tanto mi intención, al escribir este libro, es responder a las preguntas que el investigador se plantea cuando planifica su investigación. Para lograr este propósito he desarrollado una herramienta de apoyo al proceso de planificación de la investigación que he bautizado con las siglas MAPIC que se traduce en “Matriz de Planificación en Investigación Científica”. En el libro se ha omitido de manera intencional toda la primera parte de la investigación: idea, problema y objetivos, dado que no es este el nivel en el que se presenta la dificultad.

Objetivos del libro

El objetivo principal de esta obra es presentar MAPIC y proponer una manera de integrar la estadística en el proceso de investigación científica de manera natural y sencilla.

Contenido y organización del libro

El libro está organizado en nueve capítulos. El lector encontrará en este libro la respuesta a muchas preguntas que el investigador se plantea cuando planifica su Investigación:

 ¿Cuáles son los RESULTADOS ESPERADOS de su

investigación?,

 ¿Cuál es la POBLACIÓN de estudio y las UNIDADES DE

OBSERVACIÓN?

 ¿Cuantas VARIABLES debe observar exactamente y como

 ¿Qué MÉTODO DE COLECTA debe adoptar para su investigación?

 ¿Cuál es el PLAN DE MUESTREO?

 ¿Cuál es la herramienta o MÉTODO ESTADÍSTICO a adoptar?

 ¿Cuántas observaciones debe levantar?: DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA.

MAPIC

es una herramienta de

apoyo al proceso de planificación

de la Investigación, no es una

nueva metodología y tampoco un

Capítulo 1

PROBLEMAS Y DESAFÍOS EN

INVESTIGACIÓN CIENTÍFICA

1.1.LA INVESTIGACIÓN CIENTÍFICA: ALGUNAS GENERALIDADES

1.2.PROBLEMAS DE PLANIFICACIÓN DE LA INVESTIGACIÓN

1.1. La Investigación Científica: algunas

generalidades

Los libros consagrados al estudio de las ciencias, la epistemología, reconocen diversas corrientes de pensamiento, el Empirismo, el Materialismo, el Positivismo, la Fenomenología y el Estructuralismo. Cada una de ellas proponiendo un “estilo” de investigación a su manera.

En la actualidad todas estas corrientes se han traducido en la dicotomía cualitativa - cuantitativa y se pueden constatar obras escritas por autores radicales para una u otra corriente. Últimamente aparecen ciertas obras que intentan romper con esa dicotomía y proponen enfoques mixtos, se habla de modelos en dos etapas, modelos de enfoque dominante, modelo multimodal (triangulación).

El investigador con necesidad de realizar una investigación con enfoque practico y concreto, difícilmente puede ubicarse en este laberinto donde todos creen tener la razón.

Por un lado las ciencias de la vida (Biología, Agronomía, Salud, etc.) proponen un estilo de investigación deductivo, parten de observaciones particulares para luego animarse, haciendo un uso normalmente intensivo de la estadística, a decir “cosas” a nivel general. Esta forma de investigación se denomina cuantitativa.

Por otro lado las ciencias humanas (Sociología, Antropología, etc.) proponen otro estilo de investigación con carácter inductivo, parten de observaciones generales, para luego sacar conclusiones particulares. En este enfoque la palabra estadística parece un pecado.

Considero que la investigación es una necesidad que tienen las sociedades para lograr el desarrollo; la investigación constituye el instrumento generador del conocimiento. La investigación es la base para el desarrollo de las ciencias y para la resolución de problemas de

nuestra sociedad. Bajo este enfoque, extremadamente simplista, la metodología de investigación debe ser práctica, sencilla, con alto rigor y objetividad.

Los investigadores con visión práctica quieren desarrollar y generar conocimiento sin seguir estructuras o modelos rígidos de investigación que lejos de apoyar su trabajo terminan complicándolo.

Mi experiencia como instructor en el campo académico en materias relacionadas con la Estadística, y mi práctica en el campo del asesoramiento y consultorías privadas me han permitido observar problemas y desafíos concretos que conlleva un proceso de investigación: problemas de planificación de la investigación y problemas de análisis de la información generada.

1.2. Problemas de planificación de la investigación

En general se puede observar que el tiempo dedicado a la planificación de la investigación es muy reducido lo que conlleva más adelante serios problemas y dificultades en la ejecución misma de la investigación. No es posible desarrollar un buen trabajo de investigación si no se han invertido esfuerzos importantes durante su planificación, ¿Cómo es posible hacer “algo” sin saber muy bien como hacerlo?

Los problemas de planificación de la investigación se resumen básicamente en seis categorías:

a) Mala definición de los Resultados Esperados

Como señala toda propuesta metodológica de investigación, ésta debe iniciarse con una idea, esta idea debe ser traducida en problema y el problema en dos objetivos: general y específico.

Los objetivos específicos no siempre declaran de manera explícita lo que la investigación va a generar. Entonces comienzan

investigaciones sin saber con precisión lo que denominaremos en los siguientes capítulos: Resultados Esperados.

En el caso de los trabajos de fin de estudio, a nivel de pregrado e inclusive postgrado, se pueden observar objetivos gramaticalmente muy bien planteados, pero quienes tienen la responsabilidad de realizar la investigación “no sienten” lo que deben alcanzar al finalizar su trabajo.

En el sector privado, es muy común encontrar clientes que no saben exactamente lo que buscan. Por ejemplo si a los clientes que solicitan una Investigación de Mercado se les pregunta ¿qué es lo que desean exactamente?, ellos responden de esta manera: “si conociera los resultados que quiero alcanzar no solicitaría su servicio”.

b) Mala definición de la Población y las Unidades de Observación

En muchos trabajos de investigación no se define de manera precisa la Población objeto de estudio y en consecuencia las Unidades de

Observación. No es extraño observar boletas o cuestionarios que

comienzan con las denominadas variables de identificación: nombre, sexo, edad, procedencia, etc., como si en todos los casos las Unidades de Observación fuesen individuos.

Recuerdo una anécdota de un colega, miembro del tribunal de una tesis, de aquellos que no saben porqué están sentados allí y sienten que deben decir por lo menos algo. “Señor Presidente, tengo un comentario y una pregunta, quiero yo primeramente felicitar al postulante por la calidad de su trabajo, en verdad refleja un alto esfuerzo, mi consulta al estudiante es la siguiente: usted a desarrollado su trabajo de investigación a nivel regional ¿por qué no realizo a nivel nacional? Hubiese sido un trabajo maravilloso.” El postulante susurra, sabe bien que no puede decir en voz alta “si hubiese realizado a nivel de América Latina mi trabajo hubiese sido magnifico”. Este es típicamente un problema de no entender o no

haber definido de manera explícita en el trabajo de investigación la

Población, es decir el objeto o alcance de la investigación.

c) Mala definición de variables

En relación a las variables que deben ser observadas en la investigación existen dos problemas centrales:

 ¿Cuántas variables se deben observar?  ¿Cómo se deben medir las variables?

Si consideramos el caso concreto de un cuestionario clásico de encuesta y por otro lado, para efectos de simplificación, tomamos en cuenta que una variable corresponde a una pregunta, se presenta el problema siguiente: ¿cuántas preguntas debo incluir en mi cuestionario?

Una de las formas más comunes para elaborar cuestionarios es entrar a un buscador en el Internet, por ejemplo Google y colocar las palabras claves, por ejemplo “cuestionarios para investigación de mercado en mermeladas”. El resultado de estas búsquedas a menudo es una gran cantidad de sitios en los que se ofrecen cuestionarios en formato Word.

Se abre el primer cuestionario (cualquiera), se selecciona la opción insertar del paquete Word y se van apilando los distintos archivos, por ejemplo cinco.

Luego, se inicia un trabajo de “depuración” que consiste en eliminar variables que se repiten, por ejemplo si tomamos la variable edad, como existen cinco formularios apilados, entonces aparece cinco veces esta variable, por tanto deben eliminarse cuatro. Luego de esta depuración, el cuestionario, aún bastante voluminoso, es entregado a un “yatiri”2

que procede a eliminar y en algunos casos a adicionar variables hasta llegar a un cuestionario corto, simple y

2

factible de operar. Mi pregunta es ¿cómo es posible proponer eliminar o aumentar variables sin tener un conocimiento de los resultados esperados?

Adicionalmente al número de variables, se presenta el problema de la manera o forma de medir la variable. A este nivel existen propuestas verdaderamente irresponsables.

Por ejemplo cuando se pregunta como se debe medir el ingreso, una respuesta corriente es por categorías:

menos de Bs 500,00

de Bs 500,00 a Bs 1.000,00 de Bs 1.000,00 a Bs 2.000,00 más de Bs 2.000,00

¿Por qué debe ser en categorías? ¿Por qué esas amplitudes de clase? La respuesta que uno recibe es frustrante “el ingreso se mide siempre de esta forma”.

d) Mala selección del Método de Colecta de Datos

En relación a los métodos de colecta de datos existen dos corrientes fuertemente dicotomizadas, los métodos cualitativos y los métodos cuantitativos, que se traducen en dos instrumentos sistemáticamente utilizados, la encuesta y el taller. ¿Es que no existen otros métodos?

La dicotomía cuali-cuantitativa me ha provocado por mucho tiempo problemas de sueño, sin embargo hoy creo tener la respuesta.

Un día me pregunté ¿por qué uno se enamora?, creo que la respuesta es inmediata, porque conoce a la persona, no creo que exista alguien enamorado de “no sé quién”. En el campo de la investigación aquellos apasionados por la aproximación cualitativa no conocen la aproximación cuantitativa o por el contrario aquellos

enamorados de la aproximación cuantitativa desconocen lo cualitativo.

e) Mala selección del Plan de Muestreo

Frecuentemente se adopta el Plan Aleatorio y Simple como procedimiento de selección de las Unidades de la Población para conformar la muestra.

Este tipo de plan supone conocer el número de unidades de la Población, tener etiquetadas las Unidades, de tal manera que pueda asignárseles una probabilidad idéntica de selección, no siendo siempre esto posible.

Recuerdo un trabajo de investigación sobre la delincuencia en la ciudad de El Alto del departamento de La Paz, el investigador defendía el haber utilizado un Plan Aleatorio y Simple. Esto es imposible dado que implicaría tener el número de “ladrones” en El Alto y además la lista de cada uno de ellos. Sería verdaderamente útil para nuestra sociedad disponer de esta lista, pero sabemos que esto es imposible.

f) Definición irresponsable del tamaño de la muestra

Un problema de fondo en la investigación, es la determinación del tamaño de la muestra. En esta tarea reconozco dos prototipos de “profesionales”.

Los primeros que habiendo realizado una observación absolutamente extraña proponen realizar un muestreo al 10 %, ¿de dónde sale esta cifra?, si el investigador indica que no se conoce la población, inmediatamente él propone realizar 400 observaciones, si el investigador pone mala cara, entonces baja a 300 hasta preguntar al investigador ¿cuántas estabas pensando realizar?, si el investigador señala 150, entonces el “experto” indica, “ok le pegamos 150” parece que es suficiente. Este tipo de experto juega el rol de un “yatiri”, considero que esta conducta es sensiblemente usual, debemos

reconocer que existen profesionales habituados a este tipo de prácticas.

Otro prototipo de “experto” es el que demanda “justificar o argumentar” su tamaño de muestra, a menudo son los tribunales o revisores de tesis quienes demandan una formulita.

La formulita que tradicionalmente se usa es la que hace participar al valor de p y q, pero ¿qué es p?, “probabilidad de éxito” y q “probabilidad de fracaso”, el investigador responsable se pregunta ¿éxito o fracaso de qué será?

Existe una respuesta inmediata, si se desconoce el valor de p y de

q se debe considerar un valor de p igual a 0.5 y por tanto q también

vale 0.5, asumiendo un nivel de confianza del 95% y un error de 5% entonces se obtiene un tamaño d muestra igual a 384.

La determinación del tamaño de la muestra es mucho más compleja que la simple aplicación de una formulita, es más, la presencia de una sola formulita es un excelente indicador de deficiente planificación.

1.3. Problemas en el análisis de datos

Finalmente un último problema que recuerdo, es el relacionado al tratamiento o análisis de los datos. A este nivel otras palabras que me ponen los pelos en punta: tabulación, sistematización y el cruce de variables.

Esta aproximación representa un aprovechamiento pobre de la información, en efecto, se traduce en una inmensa cantidad de tablas acompañadas con gráficas. A partir de estas tablas se realizan lecturas simultáneas, al puro estilo de los adivinos con naipes para sacar conclusiones.

Estoy seguro que aún deben existir otros problemas más. Es importante hacer notar que estos problemas son los desafíos a los cuales un investigador responsable va a estar confrontado.

La pregunta es ¿cómo resolver de manera práctica y efectiva cada uno de los problemas, preguntas y desafíos que implica la planificación responsable de la Investigación?

Precisamente, el propósito central de esta obra es proponer una herramienta práctica que ayude al investigador a encontrar respuesta concreta a sus preguntas de investigación. La herramienta es MAPIC.

Capítulo 2

DEFINICIÓN DE LOS RESULTADOS

ESPERADOS

2.1.LA IDEA Y EL PLANTEAMIENTO DEL PROBLEMA

2.2.DEFINICIÓN DE OBJETIVOS Y DEL RESULTADO ESPERADO

2.3.LA MATRIZ DE PLANIFICACIÓN EN INVESTIGACIÓN CIENTÍFICA.

MAPIC

2.1. La idea y el Planteamiento del Problema

Un tema de investigación nace a partir de una idea. Las ideas tienen diversos orígenes, materiales escritos, materiales audiovisuales, descubrimientos, conversaciones, creencias, etc.

Las ideas inicialmente tienen un carácter muy vago, no son precisas. Se inicia por tanto una búsqueda de antecedentes orientado a definir de manera más precisa “la idea”.

Las ideas deben traducirse en problemas o preguntas a investigar. Estos problemas definen de manera más precisa cuál será el tema de investigación. No existen recetas para traducir una idea en problemas, es básicamente la experiencia, que le da una mayor habilidad al investigador, para realizar este proceso.

Figura 2.1. Idea y problemas de investigación

El problema de investigación no es otra cosa que el tema de investigación definido de manera muy precisa.

IDEA

ión

Investigac

de

Problema

2.2. Definición de Objetivos y del Resultado Esperado

El o los problemas de investigación identificados en la etapa anterior deben ser luego traducidos en objetivos. Los trabajos de investigación normalmente proponen un objetivo general y a partir de éste se deducen los objetivos específicos.

Los objetivos deben declarar de manera explícita la intención de la investigación y se constituyen entonces en elementos rectores de dicha investigación.

Como hemos mencionado en el capítulo 1, estos objetivos no siempre definen de manera precisa el producto de la investigación. Por tanto es fundamental en la investigación traducir los objetivos en Resultados Esperados, Ri.

Los Ri son los productos concretos que la investigación aspira alcanzar, entonces es fundamental su formulación con la más alta precisión.

Figura 2.2. Objetivo General, Objetivos Específicos, Resultados Esperados Objetivo general

ión

Investigac

de

Problema

Es importante hacer notar que el proceso presentado en la figura 2.2. no establece que estos pasos deben seguirse de manera secuencial. Existen investigadores con mayor o menor habilidad para formular objetivos, problemas o resultados esperados. Lo que interesa es que exista una total correspondencia entre cada uno de estos componentes.

Consideremos a título de ilustración el siguiente ejemplo:

IDEA

Desarrollar un nuevo producto, una mermelada de mora

PROBLEMA

¿Realizamos la inversión para este nuevo negocio?

OBJETIVO GENERAL

Elaborar un plan de negocio

OBJETIVOS ESPECÍFICOS

Realizar una Investigación de Mercado

3

La formulación del objetivo específico “Realizar una Investigación de Mercado” no define de manera precisa cuál es el producto que se está buscando exactamente.

Se podrían plantear como Resultados Esperados de esta investigación:

RESULTADOS ESPERADOS

R1: Estimar la demanda actual y proyectarla a 5 años.

R2: Segmentar el mercado.

R3: Posicionamiento de la marca frente a la

competencia.

R4: Estimar factores o determinantes de demanda.

Los cuatro Resultados Esperados planteados en este ejemplo muestran de manera concreta los productos que la Investigación aspira alcanzar.

La diferencia entre el objetivo general, los objetivos específicos y los resultados esperados; es básicamente el nivel de precisión con el que se plantean. En nuestro ejemplo proponer realizar una investigación de mercado o estimar la demanda ponen en evidencia la diferencia a nivel de la precisión con la que se aspira el producto de la investigación.

Otro ejemplo en el contexto de finanzas

IDEA

Nuestra institución financiera debe ser más competitiva

Existe una alta mora y una baja rentabilidad

OBJETIVO GENERAL

Disminuir la mora y elevar la rentabilidad

OBJETIVOS ESPECÍFICOS

Realizar un análisis situacional de la Institución

La formulación del objetivo específico “Realizar un análisis situacional de la Institución” no define de manera precisa cuál es el producto que la investigación aspira.

Se podrían plantear como Resultados Esperados de esta investigación:

RESULTADOS ESPERADOS

R1: Posicionamiento de la Institución frente a

la competencia

R2: Identificar factores que inciden en el

incumplimiento a la deuda

R3: Segmentación de clientes según niveles de

riesgo de incumplimiento

Es importante hacer notar la necesidad de plantear los Resultados Esperados como “guías” de la investigación. No es posible iniciar una investigación en la que no se conozca con absoluta precisión cuál es el producto aspirado.

Los Resultados Esperados se “sienten” no se definen. Un investigador responsable sabe exactamente en qué momento siente los Resultados Esperados.

En el caso de los estudiantes que realizan sus trabajos de fin de estudio a nivel de pregrado e inclusive de a nivel de maestría, la responsabilidad de definir los resultados esperados cae sobre el tutor o guía de la tesis. El tutor debe tener absolutamente claro cuales son

los productos esperados de la investigación. Lamentablemente esta tarea es responsabilizada al estudiante que no tiene normalmente ninguna práctica de investigación. La responsabilidad del estudiante será el diseño de la investigación y la ejecución de la investigación. Considero que este es uno de los principales motivos por los cuales muchos estudiantes no concluyen sus trabajos de fin de estudio.

2.3. La Matriz de Planificación e Investigación

Científica MAPIC

Hemos ya mencionado que los libros de metodología de la investigación, proponen una serie de pasos o etapas para poder desarrollar la investigación científica. También señalamos que el investigador con sentido práctico termina frustrado al seguir las “recetas” ya que no consigue lo que buscaba, diseñar su investigación con rigor y objetividad.

He podido también constatar que algunos autores con un espíritu noble proponen inclusive formatos para los informes de investigación diferenciando inclusive aquellos con aproximación cuantitativa y cualitativa. Considero que comente un error.

“Si alguien te pide de comer no le des un

pescado, enséñale a pescar”

MAPIC es una matriz, que va a guiar al investigador, paso a paso, para poder diseñar su investigación con alta objetividad y rigor. MAPIC rompe la dicotomía cuali-cuantitativa. MAPIC introduce de manera natural la estadística en el proceso de investigación.

La idea es ir desarrollando con usted esta herramienta. En cada uno de los capítulos se maneja un ejemplo hipotético que va a ilustrar de manera objetiva el proceso de construcción de MAPIC. Finalmente en el capítulo 9 se presenta un ejemplo real.

La construcción de MAPIC implica seguir, no necesariamente de manera secuencial, siete etapas:

1. R

E

2. P

U

O

3. V

T

D

4. M

C

5. P

M

6. M

E

7. T

M

Las columnas de la matriz MAPIC son presentadas en la tabla 2.1.

N Ta bl a 2 .1 . E s truc tura de l a M a triz d e Pl a ni fic a c ió n e n In v e s tig a c ió n c ie ntí fi c a M APIC M ÉT ODO ES TA DÍS TICO M ÉT ODO _DE COL ECT A VAR IAB LE S POBL AC IÓN RE SUL TAD O S ES PE RA DO S

2.4. Aplicación en el ejemplo Hipotético

Como ya hemos mencionado anteriormente, en esta obra vamos a construir un ejemplo hipotético para poder ilustrar, de manera modular, la construcción de MAPIC.

Vamos a suponer que el investigador desea obtener tres Resultados Esperados. Estos deben ser trasferidos a la primera columna de MAPIC tal como presenta la tabla 2.2.

Referencias complementarias: AZORIN F., SANCHEZ J.L. [1994] MIQUEL

N Ta bl a 2 .2 . M APIC. Re s ul ta do s e s pe ra do s M ÉT ODO ES TA DÍS TICO M ÉT ODO _DE COL ECT A VAR IAB LE S POBL AC IÓN RE SUL TAD O S ES PE RA DO S R1 R2 R3

Capítulo 3

DEFINICIÓN DE POBLACIÓN Y

UNIDADES DE OBSERVACIÓN

3.1.DEFINICIÓN DE POBLACIÓN Y UNIDADES DE OBSERVACIÓN

3.1. Definición de Población

En general todo proceso de investigación debe generar datos e información relativa a un grupo de elementos. El conjunto de elementos que interesa al investigador se denomina Población y los elementos observados son denominados Unidades de Observación.

Las Unidades de Observación, en muchos casos denominados “individuos” pueden ser: individuos, familias, universidades, municipios, bancos, etc. Inclusive en muchos casos son partes de un individuo.

Las poblaciones pueden ser declaradas como finitas o infinitas. Las poblaciones finitas son aquellas en las que se dispone de la lista de todas las Unidades de Observación. Por el contrario las poblaciones declaradas como infinitas son aquellas donde no se dispone de la lista de Unidades de Observación.

En el proceso de investigación, la definición de la población se denomina también definición del objeto de la investigación. El objeto de investigación es quien delimita el alcance de la investigación. Es por tanto absolutamente necesario, al inicio de la investigación, definir de manera precisa el alcance de la investigación.

La definición precisa de la población implica realizar una delimitación espacial y temporal de la población.

La definición espacial implica delimitar geográficamente el alcance de la población. La definición temporal implica delimitar el momento en el que se realiza la investigación.

La tabla 3.1 presenta algunos ejemplos relativos a la definición de la población y las unidades de observación

Tabla 3.1 Población y Unidades de Observación

POBLACIÓN UNIDADES DE OBSERVACIÓN

Total de hogares en Cochabamba

(Población infinita) Hogar

Total de marcas de pañal

(Población finita) Pañal para bebe

Total de Bancos privados en Bolivia

(Población finita) Banco

Total de UPAs4 _{del Chapare- Cochabamba}

(Población finita) UPAs

Mismo que estas definiciones parecen ser muy sencillas en el fondo traen complicaciones durante la definición del alcance de la investigación.

¿Qué es un hogar?, ¿hogar es familia?, ¿qué es una familia? ¿Cuáles marcas de pañales nos interesan?, ¿son todas los nacionales o todas los que se producen en América Latina?, ¿o en el mundo entero?

¿Cómo se define una UPA?, ¿cuál es la superficie mínima para ser considerada una UPA?

Es claro que una definición precisa de las Unidades de Observación y en consecuencia una definición exacta de la Población son tareas fundamentales en Investigación.

4

3.2. Aplicación en el ejemplo hipotético

En el ejemplo hipotético que se está manejando, corresponde introducir, en la MAPIC el concepto de Población y Unidades de Observación.

En la segunda columna de MAPIC se debe señalar la o las poblaciones que participan. La tabla 3.2 señala que R1 y R2 serán obtenidos a partir de observaciones realizadas en la población 1 y R3 será alcanzado a través de observaciones recogidas en una población

2.

Se debe notar, en la tabla 3.2., que la población 1 es declarada como finita, esto implica, que el investigador, tiene la lista con todas las Unidades de Observación de dicha Población.

Por el contrario, la población 2 ha sido declarada como infinita, precisamente por que no se tiene a disposición la lista de Unidades de Observación.

Ta bl a 3 .2 M a triz M APIC. Re s ul ta do s E s pe rad os , Po bl a c ión y Uni d a de s de Obs e rva c ión . POBL AC IÓN P1 (fin ita) _P1 (fin ita) _P2 (in fin ita) RE SUL TAD O S ES PE RA DO S R1 R2 R3

Se debe notar que la definición de las Unidades de Observación y la Población se realizan para cada Ri. Por tanto es posible que en un trabajo de investigación se maneje más de una población.

La experiencia muestra que, en general, se maneja una sola población, sin embargo, es posible manejar dos, tres o más poblaciones en la Investigación.

Capítulo 4

DEFINICIÓN DE VARIABLES

4.1.VARIABLES, DATOS

4.1. Variables y Datos

Una vez definidas, en MAPIC, los Resultados Esperados, la Población y las Unidades de Observación, corresponde definir las variables que el investigador debe observar.

Es evidente que la primera pregunta que surge es:

¿Qué es una variable?

La literatura propone definiciones diversas dependiendo del libro de referencia que se selecciona. Si son libros del área de matemáticas o ciencias exactas en general, proponen definiciones a menudo poco comprensibles por el investigador práctico. Por el contrario algunos libros en su afán simplificador pueden proponer definiciones muy imprecisas.

Desde un punto de vista practico:

Variable es una característica o atributo que

posee la Unidad de Observación

Por tanto, no es posible definir las variables de un trabajo de investigación si de manera previa no se ha definido con precisión las Unidades de Observación.

En el caso que el instrumento de colecta de datos sea cuestionario, entonces el concepto de variable se asocia directamente al concepto de pregunta. Si los instrumentos de colecta son los talleres, grupos focales, etc., las variables son las preguntas de las guías de taller o de los grupos focales.

Por tanto cuando llegamos a este estado de investigación el desafío de la definición de variables se traduce de manera concreta en dos preguntas:

¿Cuántas variables de debe observar en el trabajo de

investigación exactamente?

¿Cómo se deben medir estas variables?

MAPIC debe responder de manera precisa a estas dos últimas preguntas.

Sin embargo, antes de responder a estas dos preguntas conviene responder algunas preguntas previamente: ¿qué son las variables cualitativas?, ¿qué son las variables cuantitativas?, ¿qué es un dato? ¿qué son los datos cualitativos?, ¿qué son los datos cualitativos?

Las variables pueden ser de dos tipos: cualitativas y cuantitativas. Una variable es declarada como cuantitativa si el número de modalidades de respuesta, que tiene la Unidad de Observación es infinito.

Por el contrario una variable es considerada como cualitativa si el número de modalidades de respuesta, que tiene la Unidad de Observación, es finito y a menudo pequeño.

Es evidente que el límite entre una variable cuantitativa y cualitativa es bastante difuso. Es importante hacer notar independientemente, sea cuantitativa o cualitativamente, si la variable es sujeto de medición en la Unidad de Observación.

¿Cuál es el “aparatito” para medir el peso

(cuantitativa)?

Es la balanza.

¿Cuál es el “aparatito” para medir el sabor de

un vino?

Es el hombre y de manera más precisa el sentido del gusto.

Por tanto la diferencia entre una variable cuantitativa y cualitativa es básicamente la precisión con la que se puede medir en la Unidad de Observación.

Así mismo se debe tener particular cuidado en la definición del tipo de variable. Una característica de la Unidad de Observación puede ser medida de manera cuantitativa o de manera cualitativa:

PESO – CUANTITATIVO

67.8 kg

Es que los individuos han sido pesados con una balanza de precisión.

PESO – CUALITATIVO

1: Gordo 2: Normal

Es que los individuos han sido “pesados” con la vista:

Un otro concepto, importante a definir, también de manera precisa y práctica es el concepto de dato.

¿Qué es un dato?

El dato no es otra cosa que la

Respuesta que la Unidad de Observación,

propone a la variable

Los datos se clasifican, como el caso de las variables en dos categorías: cuantitativos y cualitativos.

Continuo o de medición DATOS CUANTITATIVOS

Discreto o de conteo

Los datos continuos son generados cuando la Unidad de Observación puede responder con infinidad de valores, quiere decir puede responder con decimales. Los valores generados por este tipo de variables pertenecen al espacio de los números reales.

Ingreso mensual promedio en una Región

Peso de un individuo

67.8 kg

Los datos de conteo son de naturaleza discreta, la Unidad de Observación no puede responder con valores expresados con decimales. Los valores generados por este tipo de variables pertenecen al espacio de los números enteros positivos.

Número de hijos

4 hijos

Número de empleados en la Empresa

7 trabajadores

Los datos cualitativos se clasifican, por su parte, en tres grupos:

Binario DATOS CUALITATIVOS Ordinal Nominal

Los datos cualitativos binarios son generados cuando la Unidad de Observación tiene dos posibilidades de respuesta a la variable.

Sexo del individuo

¿Su empresa exporta, s/n?

Si exporta

Los datos ordinales son generados cuando la Unidad de Observación tiene normalmente más de dos opciones de respuesta. Estas opciones deben poseer orden.

¿Cuál es la calificación alcanzada en un test?

1: Excelente 2: Bueno 3: Regular

4: Malo

Los datos nominales son valores generados cuando la Unidad de Observación, tienen normalmente más de dos opciones. Estas opciones, sin embargo, no poseen orden.

¿Cuál es el estado civil del individuo?

1: Casado 2: Soltero 3: Divorciado

4: Viudo 5. Concubinato

Como se menciona anteriormente se debe tener particular cuidado al señalar el tipo de dato que puede generar un variable.

En el ejemplo siguiente se muestran tres formas distintas de medir el ingreso.

Ingreso mensual promedio en Bs evaluado de manera

cualitativa binaria.

1: Ingreso menor o igual a Bs 3.000 2: Ingreso mayor a Bs 3.000

Ingreso mensual promedio en Bs evaluado de manera

cualitativa ordinal

1: Ingreso menor a Bs 1.000

2: Ingreso mayor a Bs 1.000 y menor a Bs 2.000 3: Ingreso mayor a Bs 2.000 y menor a Bs 4.000 4: Ingreso mayor a Bs 4.000

Ingreso mensual promedio en Bs evaluado de manera

cuantitativa

Bs 3750.5

Se debe notar que en los tres casos la precisión con la que se obtiene el dato del ingreso es distinta. La decisión final de cómo observar la variable depende de la precisión que exige el Resultado Esperado. Si el Ri exige una alta precisión la variable debe ser observada de manera cuantitativa y por el contrario si la variable no requiere de una alta precisión se la puede evaluar de manera cualitativa.

4.2. Aplicación en el ejemplo hipotético

Una vez completadas las dos primeras columnas de MAPIC, se procede a completar la tercera columna que tiene que ver precisamente con la definición de variables.

La identificación de variables se realiza para cada Ri de manera totalmente independiente. Es decir es el Ri que propone cuantas variables se debe observar exactamente.

En el ejemplo, que se está manejando, para alcanzar R1, se requieren dos variables; X1 y X2. Para alcanzar R2 se requieren tres variables; X3, X1 y X4. Se debe notar que estas cuatro variables son medidas en Unidades de Observación de la Población 1.

Finalmente para alcanzar R3 se requiere tan solo una variable, X1. Esta variable corresponde a una medición realizada en una Unidad de Observación de la Población 2.

La tabla 4.1. integra en la tercera columna de MAPIC la lista de variables necesarias para alcanzar cada uno de los tres Ri.

Ta bl a 4 .1 . M a tri z M APIC. R e s ul ta do s E s pe rad os , Po bl a c ión , Unid a de s d e Obs e rv a c ió n y Va ria b le s . VAR IAB LE S X1 X2 X3 X1 X4 X1 POBL AC IÓN POBL AC IÓN 1 UO 1 POBL AC IÓN 1 UO 1 POBL AC IÓN 2 UO 2 RE SUL TAD O S ES PE RA DO S R1 R2 R3

Se debe notar que una misma variable puede participar en distintos Ri, es el caso de la variable X1 que está presente en R1 y R2.

Es muy importante advertir que es en esta fase que el investigador tendrá la respuesta a la pregunta

¿Cuántas variables debo observar?

En el caso de nuestro ejemplo, el investigador debe levantar exactamente cuatro variables en la población 1 y una variable en la población 2, quiere decir en total cinco variables.

Si los instrumentos de recolección consideran la variable X5, ésta última se denomina “variable por si acaso”, situación que en la práctica no sería demasiado problema sin embargo podría traducirse en un mayor costo. Por el contrario si el “revisor de formularios” decide eliminar la variable X1, en este caso no será posible responder a ninguno de los dos primeros Resultados Esperados.

Por tanto se puede afirmar con absoluta seguridad que no es posible revisar un instrumento de recolección de datos (variables) para alguien que no ha identificado de manera precisa sus Resultados Esperados.

Luego para cada variable se debe declarar el tipo de dato que genera, quiere decir, como va a ser medida la variable. Se deben distinguir básicamente los dos tipos de variables presentados: cuantitativas, o cualitativas. Se recomienda que esta información se la presente debajo de cada variable entre paréntesis. La tabla 4.2. muestra esta definición del tipo de variable.

Ta bl a 4 .2 . M a triz M APIC. Re s ul ta do s Es p e rad os , Pob la c ió n, Unid a de s de O bs e rv a c ión , v a ri a bl e s y tip o de da to. VAR IAB LE S X1 [CONTI NU A] X2 [BINA RIA] X3 [ORDIN AL ] X1 [CONTI N UA ] X4 [CONTI NU A] X1 [ORDIN AL ] POBL AC IÓN POBL AC IÓN 1 UO 1 POBL AC IÓN 1 UO 1 POBL AC IÓN 2 UO 2 RE SUL TAD O S ES PE RA DO S R1 R2 R3

Por tanto las variables observadas en la Población 1, X1, X2, X3, X4 deben ser medidas de manera Cuantitativa-Continua, Cualitativa- Binaria, Cualitativa-Ordinal, y Cuantitativa-Continua respectivamente.

En la población 2 existe una sola variable observada, X1 de manera Cualitativa-Ordinal.

Por tanto, al finalizar esta fase, el investigador conoce exactamente lo que el trabajo de investigación va a generar (columna 1 de MAPIC), conoce exactamente que Unidades de Observación va a observar y a que población pertenecen y finalmente sabe exactamente cuantas variables debe observar y como debe medir cada una de ellas.

Referencias complementarias: MIQUEL et al. [1997], DAGNELIE [1997], HERNANDEZ et al. [2003], SCHEAFFER et al. [1987].

Capítulo 5

DEFINICIÓN DEL MÉTODO

DE COLECTA

5.1.FUENTES DE INFORMACIÓN

5.2.MÉTODOS DE COLECTA CUANTITATIVOS

5.3.MÉTODOS DE COLECTA CUALITATIVOS

5.1. Fuentes de Información

Una vez que se han definido las variables se debe seleccionar la fuente de información. En la figura 5.1. se muestran los tipos de fuentes de información existentes:

Cualitativas Primarias Cuantitativas Internas Secundarias Externas

Figura 5.1 Tipos de Fuentes de información

Las fuentes de información primarias son aquellas, cuando el investigador tiene la responsabilidad de generar los datos. Por el contrario las fuentes de información secundaria suponen que los datos son ya existentes.

A su vez las fuentes primarias pueden ser cualitativas o cuantitativas. Las fuentes cualitativas son aquellas investigaciones de carácter exploratorio, basadas en muestra reducida, cuestionarios no estructurados orientados a buscar respuesta algunas preguntas. En cambio las fuentes cuantitativas pretenden cuantificar resultados a partir de muestras representativas.

La obtención de la información, en el caso de fuentes primarias se realiza a través de métodos denominados cualitativos y cuantitativos.

Tipos de Fuente s

Entre los métodos cuantitativos están:

a) Encuestas (personal, postal, telefónica). b) Encuestas periódicas (panel).

Entre los métodos cualitativos están:

a) Directos (entrevistas en profundidad, reuniones de grupo). b) Semidirectos (Phillips 66, Delphi).

c) Indirectos (Técnicas proyectivas, técnicas de creatividad). d) Observación (personal, análisis de contenidos, auditorias). La selección de un método cuantitativo o cualitativo es función estricta del tipo de información que debe generarse y responde básicamente a la factibilidad de respuesta ante una pregunta de investigación.

Existen preguntas a las que no es posible encontrar su respuesta utilizando un método cuantitativo, de igual forma no será posible lograr una respuesta con la precisión que se espera con métodos cualitativos.

Referencias complementarias: MIQUEL et al. [1997]

5.2. Métodos de Colecta Cuantitativos

Los métodos de colecta de datos denominados cuantitativos son aquellos que levantan la información de manera objetiva y mensurable. Este tipo de técnicas supone la selección de procedimientos de selección5 de Unidades de Observación denominadas representativas.

5

El hecho de contar con una muestra representativa y determinada a través de un procedimiento objetivo permite determinar los niveles de error a un nivel de significación.

Existen diversos métodos de colecta denominados cuantitativos. El esquema siguiente ilustra los más importantes:

Encuestas Ad-Hoc [Personal, Postal,

Telefónica]

CUANTITATIVOS Encuestas periódicas [Panel, Ómnibus]

Observación

Figura 5.2. Métodos de colecta cuantitativos

a) Encuestas Ad-Hoc

Estrictamente el término encuesta implica cualquier procedimiento de búsqueda de información. Sin embargo en este capítulo se entiende encuesta como el procedimiento de consulta directa a la Unidad de Observación a través de un cuestionario bien estructurado.

La formulación de preguntas, para construir un formulario no parece una actividad compleja sobre todo para el investigador que conoce exactamente que es lo que va a colectar. Sin embargo se debe ser particularmente cuidadoso en la formulación de la pregunta y en el orden en el que aparecen estas en el cuestionario.

La encuesta personal es uno de los métodos de recolección de información cuantitativa más utilizada. Este tipo de método implica tener un contacto directo con la Unidad de Observación. Entre las ventajas que tiene este método de colecta se puede mencionar: porcentaje elevado de respuestas, no existe la influencia de terceros, se puede adaptar la pregunta al tipo de encuestado. Entre las

desventajas. Elevado costo, supone encuestadores muy bien entrenados, introducción de un sesgo voluntario o no del entrevistador.

La encuesta postal implica la utilización del correo para enviar el cuestionario. Las ventajas son: rapidez, bajo costo unitario, no existe el sesgo introducido por el entrevistador. Entre las desventajas se puede citar: el bajo índice de respuesta, información que no será representativa, el cuestionario debe ser bastante corto y pueden existir influencias de terceros.

La encuesta telefónica se establece como su nombre dice a través de una línea telefónica. Las principales ventajas que supone este método de colecta son: velocidad en la obtención de información, costo reducido, el índice de respuesta es normalmente mucho más alto que en el método por correo, respuesta fiables. Las desventajas más corrientes de este método de colecta son: cuestionarios deben ser cortos, existen unidades de observación que no tienen teléfono y esto puede sesgar las respuestas.

b) Encuestas Periódicas

Las encuestas Ad Hoc son métodos de colecta denominados transversales, quiere decir se realizan en un momento determinado. Existen sin embargo encuestas que se realizan con una cierta periodicidad estás son básicamente el panel y las encuestas ómnibus.

El panel es un procedimiento de observación longitudinal, quiere decir tiene una cierta periodicidad. La muestra normalmente debe ser la misma aunque en algunos casos podría ser remplazada. Existen tres tipos de paneles: paneles de consumidores, paneles de detallistas o distribuidores del producto o servicio y el panel de audiencias que son grupos que utilizan la televisión o algún medio de comunicación.

La encuesta de ómnibus es un método de recolección de información en el que intervienen varios clientes o empresas que

requieren información. El principio consiste en que cada empresa elabore un cuestionario de muy pocas preguntas y éstas luego son integradas en un solo cuestionario. Una de las ventajas es que los costos por empresa se reducen de manera importante pero es claro que una empresa en particular es demandante de un reducido número de variables.

Los métodos de observación suponen procedimientos que recogen datos mensurables.

Finalmente, se pueden citar como métodos de recolección también cuantitativos aquellos en los que se utiliza el fax o el Internet.

5.3. Métodos de Colecta Cualitativos

Los métodos de colecta denominados cualitativos suponen procesos de levantamiento de información que no son objetivamente mensurables, sin embargo, esto no implica que los resultados pierdan la objetividad.

Estos métodos suponen una mayor flexibilización en los procesos de recolección que se traducen básicamente en observación en menor proporción, el plan de muestreo es realizado por el investigador, la muestra no permite realizar extrapolaciones con niveles de error y niveles de confianza establecidos como en el caso de los métodos cuantitativos.

Es importante mencionar que de ninguna manera la aproximación cualitativa debe ser comprendida como un procedimiento de levantamiento de información sin rigor. Por el contrario su planificación supone una alta calificación del investigador.

La figura 5.3. presenta los métodos de recolección denominados cualitativos.

Directos [Entrevista en Profundida,

Reuniones]

Semidirectos [Phillips 66, Delphi]

CUALITATIVOS

Indirectos [Técnicas Proyectivas y de

creatividad]

Observación [personal, análisis de

contenidos]

Figura 5.3. Métodos de colecta cualitativos

Las técnicas cualitativas son particularmente útiles en procesos en los que interesa identificar patrones de comportamiento, creencias, opiniones, actitudes, motivaciones, etc.

a) Técnicas directas

Las entrevistas en profundidad son contactos personales no estructurados, dejando al individuo la libertad de expresión a propósito de un tema en particular. El entrevistador debe ser personal altamente calificado y con experiencia en este tipo de contactos. Existen algunas entrevista denominadas semiestructuradas en las que el entrevistador lleva consigo una guía de preguntas. Los resultados de la entrevista son registrados en cuadernos, son grabados y en algunos casos inclusive filmados.

Las reuniones de grupo o dinámicas de grupo son procedimientos de recolección monitoreados por un moderador encargado de proponer un tema de análisis a un grupo de individuos. Se deben establecer dinámicas de discusión ordenadas y los comentarios que realizan dan lugar a nuevos comentarios. Estos grupos de discusión se

establecen a través de un estricto protocolo: planificación y diseño de la investigación (moderador y el cliente), composición y selección de los individuos que van a participar, reclutamiento, número de dinámicas, localización, grabación de las dinámicas, funciones del moderador.

b) Técnicas semidirectas

La técnica Phillips 66 es un método en el que un grupo de individuos se divide en pequeños grupos de discusión para tratar un tema en particular de investigación. Los grupos operan de manera separada, sacan sus conclusiones y en bases a estas se reunión los grupos para exponer sus posiciones y tratar de llegar a resultados de consenso.

Delphi es un método de recolección en el que se conforma un grupo de individuos denominados panel de expertos. Un equipo técnico se encarga de elaborar una primera guía de preguntas que es enviada a los expertos (primera circulación), estos responden de manera absolutamente anónima y son devueltos al equipo técnico que tienen en esta fase la responsabilidad de analizar los resultados de la primera circulación, elaborar un cuestionario mucho más estructura y reenviar a los expertos. El procedimiento continúa hasta que los expertos lleguen al consenso. El autor del libro ha adaptado dos métodos: el coeficiente de Spearman y el coeficiente de Kendall para poder evaluar este nivel de consenso.

c) Técnicas Indirectas

Existen dos familias las técnicas proyectivas y las de creatividad. Las técnicas proyectivas presentan al entrevistado una serie de estímulos y se le pide que este reaccione. Entre los estímulos más corrientes están los tests de asociación de palabras, el entrevistador menciona una serie de adjetivos y se le pide al entrevistado que mencione la que mas recuerda o asocia a un concepto dado. Otro tipos de pruebas proyectivas son los tests de frases incompletas y el de respuestas a

imágenes en el que se le pide al entrevistado que observe y mencione un máximo de valoraciones de dichas imágenes.

Las técnicas de creatividad se centran en procesos intensivos de creación de ideas una de las técnicas más populares es el

Brainstorming.

El Brainstorming o tormenta de cerebros también conocido como lluvia de ideas es un proceso en el que se reúne un grupo de individuos normalmente muy heterogéneos para tratar un problema. Este método tiene normalmente dos fases, una primera en la que los participantes exponen sus propuestas sin dar juicios de valor y una segunda fase en la que las diferentes propuestas son sometidas a una valoración.

5.4. Aplicación en el ejemplo hipotético

En el ejemplo hipotético que se está manejando ya se han completado las tres primeras columnas: la columna de los Resultados Esperados, la columna de la o las Poblaciones objeto de estudio y la columna de las Variables en las que se especifica el número de variables y la forma como se “mide” cada una de estas.

Corresponde ahora introducir la cuarta columna de MAPIC, el método de colecta, y la pregunta que el investigador se plantea es:

¿Cuál es o cuáles son los métodos de colecta que debo

considerar?

Se debe seleccionar para cada variable, el método de colecta. La selección del método de colecta por variable responde a la siguiente pregunta:

¿De qué manera es más factible lograr una

respuesta de la Unidad de Observación con el

nivel de precisión que el Resultado Esperado

exige?

La respuesta a esta pregunta conduce a identificar el método de colecta más adecuado. Es importante hacer notar que un Ri puede hacer participar variables que son colectadas a través de métodos cuantitativos o cualitativos y por tanto se relativiza la dicotomía cuantitativa-cualitativa.

En la tabla 5.1. se muestra la manera como será colectada cada variable para los tres Resultados Esperados propuestos en el ejemplo hipotético.

Ta bl a 5 .1 . M a tri z M APIC. Res ul ta do s Es pe rad o s , Pob la c ió n, Unid a de s de O bs e rva c ión , v a ria bl e s , tip o de da to y m é to do d e c ol e c ta . M ÉT ODO D E COL ECT A En cu es ta Revis ió n F S Tall er En cu es ta En cu es ta En cu es ta VAR IAB LE S X1 [CONTI NU A] X2 [BINA RIA] X3 [ORDIN AL ] X1 [CONTI NU A ] X4 [CONTI NU A] X1 [ORDIN AL ] POBL AC IÓN POBL AC IÓN 1 UO 1 POBL AC IÓN 1 UO 1 POBL AC IÓN 2 UO 2 RE SUL TAD O S ES PE RA DO S R1 R2 R3

Las variables X1 y X4 de la población 1 son observados a través de encuestas directas, la variable X2 se observa de fuentes secundarias y la variable X3 se observa a través del taller. En el caso de la población 2 la variable X1 se observa a través de una encuesta. Esta definición de métodos de colecta corresponde a la factibilidad de lograr una información de la Unidad de Observación con la precisión que el Ri exige.

Referencias complementarias: MIQUEL et al. [1997], DAGNELIE [1997], HERNANDEZ et al. [2003], SCHEAFFER et al. [1987], AZORIN F., SANCHEZ J.L. [1994]

Capítulo 6

DEFINICIÓN DEL PLAN

DE MUESTREO

6.1.PLANES DE MUESTREO

6.2.PLANES DE MUESTREO PROBABILÍSTICOS

6.3.PLANES DE MUESTREO NO PROBABILÍSTICOS

6.1. Planes de Muestreo

La mayoría de los trabajos de Investigación deben evaluar Unidades de Observación en poblaciones muy grandes y en algunos casos prácticamente infinitas.

No es posible, por tanto, con recursos, humanos, financieros, tiempo, etc. normalmente limitados, poder observar la totalidad de las Unidades de Observación y entonces no queda otra opción que observar parcialmente estas poblaciones6 y en base a estos resultados concluir a propósito de algunas características de la población

Los planes de muestreo son, precisamente, los procedimientos que permiten seleccionar Unidades de Observación de la población para conformar la muestra.

Normalmente, en los estudios en los que el número de Unidades de Observación es relativamente pequeño y se dispone de recursos humanos, financieros, de tiempo, etc. entonces se realiza una observación total, censo. Es claro que en este caso no tiene ya sentido hablar de los planes de muestreo.

La figura 6.1. ilustra el concepto de censo se refiere o una evaluación total de las Unidades de Observación de la población. El elipsoide representa la población total y el hecho que este achurado implica que se ha observado toda la población.

6

Población

Censo

Población

Muestra

Figura 6.1. Censo

Sin embargo en muchos casos, como ya hemos mencionado, no es posible observar toda la población y se debe observar una muestra. La muestra es una parte de la población efectivamente observada. La figura 6.2 ilustra este concepto.

Figura 6.2. Noción de Población y Muestra

El desafío central se traduce en la siguiente pregunta:

El término “representativa” implica tener una muestra con una composición similar a la población, pero ¿cómo lograr esto si no se conoce la población?

Existen dos formas de poder lograr que la muestra sea representativa: los planes denominados probabilísticos y los planes no probabilísticos.

Los planes probabilísticos son utilizados por aquellos investigadores que no tienen un buen conocimiento de la población, temen elegir una muestra no representativa y por tanto delegan esta tarea al “azar”.

Por el contrario los planes no probabilísticos son utilizados por investigadores que conocen muy bien la población y por tanto no tienen ningún interés de delegar la responsabilidad de selección de las muestra al “azar” sino por el contrario son ellos mismos que realiza dicha selección.

6.2. Planes de Muestreo Probabilísticos

Como ya dijimos anteriormente esta familia de planes de muestreo están basados en procesos probabilísticos de selección y por tanto es posible, en estos casos, poder evaluar el error de muestreo. Este error es aquel que se comete al mencionar características de la población sin haber observado la población en su totalidad.

a) Plan irrestricto aleatorio

El plan irrestricto aleatorio es uno de los procedimientos de selección de Unidades de Observación más común y utilizado en los trabajos de investigación. Su uso frecuente se debe principalmente a su simplicidad y al hecho que la mayoría de las técnicas estadísticas, fundamentalmente aquellas relacionadas con la Inferencia Estadística están en base a este plan. Lamentablemente en muchos estudios se confunde plan irrestricto aleatorio con plan “como sea”.