Metodologia de La Investigacion - Matriz Mapic

1METODOLOGIA DE LA INVESTIGACION: MATRIZ MAPIC Expositor: Ms. Sc. Luis Villarroel P. Cochabamba, mayo 2004 Proyecto Centro de Estadística Aplicada CESA 2 CONTENIDO I. Introducción – Objetivos – problemas en investigación II. Bases metodológicas para el diseño de la investigación – Matriz MAPIC III. Herramientas para el análisis e interpretación de datos. IV. Conclusiones 3 I.INTRODUCCION - OBJETIVOS Presentar PROBLEMAS EN INVESTIGACION Comprender las BASES METODOLÓGICAS PARA EL DISEÑO DE LA INVESTIGACIÓN – MATRIZ MAPIC. Comprender el rol de la ESTADISTICA en la investigación científica (análisis e interpretación de datos). 4 COLECTA DE DATOS Observación Experimentación II. BASES METODOLOGICAS PARA EL DISEÑO DE LA INVESTIGACIÓN 5 II. PROBLEMAS DE PLANIFICACION ESTUDIO POR OBSERVACION 1. Definición de objetivos - Resultados Esperados 2. Definición de las Unidades de Observación y de la Población 3. Definición de las Variables 4. Selección de un Método de Colecta de datos (Cualitativo – Cuantitativo) 5. Selección del Plan de Muestreo 6. Definición del Tamaño de la Muestra 7. Selección y esbozo del Método Estadístico 6 II. PROBLEMAS EN INVESTIGACION ESTUDIO POR EXPERIMENTACIÓN 1. Definición de Resultados Esperados y condiciones experimentales. 2. Definición de Factores. 3. Definición de las Unidades Experimentales 4. Definición de Observaciones (variable de respuesta) 5. Definición del Diseño Experimental. 6. Definición del Método Matemático. 7 II. BASES METODOLOGICAS PARA EL DISEÑO DE LA INVESTIGACIÓN ESTUDIO POR OBSERVACION 8 Modelo conceptual – Resultados esperados • Objetivos – Resultados Esperados • Necesidad de información • El resultado esperado puede estar formulado bajo la forma de : PREGUNTA o RESPUESTA (hipótesis) Al finalizar esta etapa se dispone: Lista de resultados R i . 1. DEFINICIÓN DE RESULTADOS ESPERADOS 9 2. DEFINICIÓN DE LA POBLACIÓN Y UNIDADES DE OBSERVACIÓN Población - Conjunto de “individuos” a los cuales nos interesamos - Población finita o infinita Unidades de observación - “Individuos” que son observados - Ejemplo: Personas, familias, empresas, marcas, etc. 10 ¿Que es una variable? Características o atributos de los “individuos” a estudiar 3.DEFINICION DE LAS VARIABLES Existen dos problemas a resolver -Número de variables - Naturaleza del dato 11 Variables categóricas y variables reales 1. Variables categóricas o cualitativas son aquellas que toman un número limitado de modalidades. Ejemplo : el sexo, estado civil, etc. A cada modalidad corresponde una categoría de individuos; estas categorías forman una partición de la población. 2. Variables reales o cuantitativas son las que toman valores reales para los cuales podemos calcular resúmenes numéricos ( media, varianza,... ). Ejemplo : edad, ingreso,rendimiento, etc. 3. DEFINICION DE LAS VARIABLES 12 Tipos de datos: Datos cuantitativos Datos de medición – continuos Datos de conteo - discreta 3.DEFINICION DE LAS VARIABLES Datos cualitativos Datos binarios Datos ordinales Datos nominales 13 3. DEFINICIÓN DE VARIABLES RESULTADOS ESPERADOS VARIABLES – TIPO DE VARIABLE R 1 X 1 (Cuantitativa, Continua) X 2 (Cualitativa, Binaria) R 2 X3 (Cualitativa, Ordinal) X1 (Cuantitativa, Continua) X4 (Cualitativa, Nominal) R 3 X1 (Cuantitativa, Continua) Número de variables 14 4. DEFINICIÓN DEL METODO DE COLECTA Primarias Cualitativas Reuniones de grupo Entrevistas en profundidad Observación Cuantitativas Encuestas Experimentos Fuentes de información Secundarias Internas Registros Informes Internos Externas Publicaciones Estadísticas sectoriales Informes Externos 15 4. DEFINICIÓN DEL METODO DE COLECTA Métodos de colecta primarios INVESTIGACIÓN CUANTITATIVA INVESTIGACION CUALITATIVA Busca las causas sin recurrir a la interpretación subjetiva Interés por comprender el comportamiento humano Aproximación lógico-positivista Aproximación fenomenológica Medición controlada Medición observacional natural, sin control Objetivismo, perspectiva externa Subjetivismo, perspectiva iterna Orientación verificacionista, confirmatoria, reduccionista, inferencial Orientación hacia el descubrimiento, exploratoria, descriptiva, inductiva Orientación hacia el resultado Orientación hacia el proceso Importancia de la formalidad, datos exactos y rigurosos Importancia del contenido, datos reales Particular – Intenta analizar General – Intenta sintetizar 16 4. DEFINICIÓN DEL METODO DE COLECTA Investigación cualitativa y sus métodos Directos Entrevistas en profundidad Reuniones de grupo Semidirectos Phillips 66 Delphi Indirectos Técnicas proyectivas Técnicas de creatividad Observación Personal Análisis de Contenido Auditoria 17 4. DEFINICIÓN DEL METODO DE COLECTA Investigación cuantitativa y sus métodos Encuestas Personal Postal Telefónica Encuestas periódicas 18 PProcedimientos de selección de “individuos” de la población. 5. DEFINICIÓN DEL PLAN DE MUESTREO Población Censo Población Muestra Muestreo En el caso de un plan de muestreo se plantean dos preguntas: • ¿cómo extrapolar a la población entera los resultados que se observaron sobre la muestra? • ¿cómo elegir la muestra? ¿Qué es un plan de muestreo? 19 Elemento clave: representatividad de la muestra 5. DEFINICIÓN DEL PLAN DE MUESTREO  Planes probabilisticos. Es posible medir el error No existe un buen conocimiento de la población La selección de “individuos” se responsabiliza al azar Tipos de muestreo: 20 Planes no probabilísticos 5. DEFINICIÓN DEL PLAN DE MUESTREO La selección de “individuos” se responsabiliza al investigador Existe un buen conocimiento de la población No es posible medir el error 21 5. DEFINICIÓN DEL PLAN DE MUESTREO Plan de muestreo por conveniencia Plan de muestreo por cuotas Plan de muestreo “bola de nieve” Planes de muestreo no probabilisticos Planes probabilisticos Plan de muestreo aleatorio y simple Plan de muestreo estratificado Plan de muestreo conglomerados 22 - Problema “complejo” - Nivel descriptivo – nivel inferencia - Criterios: Resultados esperados, variables que participan en el resultado, tipo de dato, método estadístico. 6. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA 23 7. ANÁLISIS DE LOS DATOS Aprovechamiento de los datos colectados Análisis descriptivo de los datos: RESUMEN DE LOS DATOS Análisis inferencial de los datos: GENERALIZACIÓN DE LOS DATOS Análisis exploratorio de los datos EDA (Exploring Data Analysis) : CONTROL DE CALIDAD DE LOS DATOS 24 III.HERRAMIENTAS PARA EL ANALISIS E INTERPRETACION DE DATOS • La “caja de herramientas” • El problema de la selección de un método estadístico y el tamaño de muestra. - Problema “complicado”, tema poco desarrollado en la literatura • Factores de selección - Resultados Esperados - Número de Variables - Tipo de los datos 25 III. HERRAMIENTAS PARA EL ANALISIS E INTERPRETACION DE DATOS  Definición de la Estadística Conjunto de métodos que tienen como objetivo, “juntar” y analizar los datos numéricos. DAGNEILLE [1998]. Tiene un rol esencial en las diferentes disciplinas científicas.  La Estadística Aplicada Llevar la estadística “a la puerta de las personas que están en la obligación de utilizar” 26 COLECTA DE DATOS ANALISIS ESTADISTICO Observación Experimentación Descriptivo Inferencial (Métodos estadísticos) El Estudio Estadístico: Se descomponen en 2 fases 27 TRATAMIENTO DE DATOS Estadística - Herramientas Estadística Descriptiva Estadística Inferencial RESUMIR GENERALIZAR Estimación Test de Hipótesis 1 Dimensión P Dimensiones 1 Dimensión 2 Dimensiones 1 Dimensión 2 Dimensiones P Dimensiones Cualitativos Cuantit. Cualit. Cuantitativos Mixtos Cuantit. Cualit. Mixtos 2 Dimensiones P Dimensiones 28 Unidimensional Bidimensional Multidimension al Datos cuantitativos Box Plot Scatter Plot Diagrama de individuos ACP Datos cualitativos Tablas de frecuencia unidimensional Tablas de frecuencia unidimensional Tablas de frecuencia unidimensional Datos mixtos - Box Plot : Cuantitativa- nominal Scatter Plot: Cuantitativa - Ordinal ACP AFC Análisis exploratorio de los datos 7. ANÁLISIS DE LOS DATOS 29 Análisis descriptivo de los datos 7. ANÁLISIS DE LOS DATOS Unidimensional Bidimensional Multidimension al Datos cuantitativos Gráficas Parametros de posición, dispersión, forma Gráficas, Covarianza Correlación Regresión ACP, CLUSTER Datos cualitativos Gráficas Tablas de frecuencia AFC Gráficas Tablas de frecuencia 30 Análisis inferencial de los datos 7. ANÁLISIS DE LOS DATOS Run test Wilcoxon Mann-Whitney Kruskall Unidimensional Bidimensional Multidimension al Estimación Promedios Varianzas Proporciones Correlación Regresión MANOVA Regresión multiple Correlación canónoca Test de hipotesis Test de comparación Test de significación MANOVA Discriminante Canónico Métodos no parametricos Test Conformidad Test Significación Kernell Redes neuronales Spearman Kendall 31 V. CONCLUSIONES • La investigación (por encuesta o por experimentación) debe ser objeto de una rigurosa planificación “Investigamos o vamos a la playa” • Rol de la estadística en la investigación científica es central. • Ningún análisis estadístico “elaborado” no merece ser realizado para datos de mala calidad • Cuidado!!!! Con la utilización de los paquetes estadísticos cada vez mas al alcance de los no especialista • La necesidad de un trabajo coordinado “investigador - estadístico”, debiera ser una práctica corriente en la investigación científica responsable. • Importancia de los servicios de apoyo en aspectos cuantitativos al interior de los centros de investigación. 32 EJEMPLO Evaluar el rendimiento académico en la Facultad de Ciencias y Tecnología de la UMSS 33 Ejemplo: MATRIZ MAPIC Evaluación del rendimiento académico en la Facultad de Humanidades Resultados Esperados Variables Método de colecta (Fuentes de colecta) Método Estadístico n Estimar el rendimiento promedio de la materia Identificación de factores que inciden en el rendimiento académico Comparación del rendimiento por sexo X1: Rendimiento (Cualit. Ordinal) X1: Rendimiento X2: hrs. de estudio en la casa por día X3: Sexo X4: Tipo de Colegio X5: Edad Registro Entrevista Registro Encuesta Registro Revisión de Registro Intervalo de confianza de un promedio Regresión Logística Ordinal - Mann-Whitney - Paramétrico X1: Rendimiento X5: Edad 34 GRACIAS POR SU ATENCION!!!! CENTRO DE ESTADISTICA APLICADA CONVENIO CIUF- UMSS