Aunque
el análisis precedente permite comprender en gran medida los pasos del proceso
de investigación, es necesario señalar puntos adicionales. Por principio de
cuentas, cada paso del proceso es más complejo de lo que aparenta dicho
análisis; cada uno incluye diversos aspectos, no una sola decisión o incluso
unas cuantas.
Cualquier decisión que se tome en
alguna de las etapas afectará a las decisiones que se tomen en las demás; de
igual forma, modificar el procedimiento en cualquier etapa suele forzar a que
se cambien los procedimientos en las restantes.
El
error esencial del que hay que preocuparse al diseñar un proyecto de
investigación es el “Error Total”, que tiende a relacionarse con el proyecto.
Todos los pasos son necesarios y vitales, de modo que es riesgoso conceder
mayor importancia a alguno de ellos en detrimento de uno o varios de los
restantes. Mientras más grande sea la muestra, mayor será el peso de las
opiniones de esos grupos. De tal manera, la magnitud del error causado por una
muestra grande tendría un efecto significativo en el error total relacionado
con el proyecto.
4.1 Fundamentos de medición.
ESCALAS
DE MEDICIÓN: una medición se compone de “reglas para asignar valores a los
objetos, de manera que representen cantidades de atributos”. Resulta
conveniente poner atención en dos aspectos de esta definición. En primer
término, indica que se miden los atributos de objetos, no los objetos mismos.
Por ejemplo, no se mide a una persona, pero puede optarse por medir su ingreso,
clase social, nivel de estudios, estatura, peso actitudes, etc., que la
caracterizan.
4.1.1 Tipos de escalas de medición.
Escala
Nominal. Una de las propiedades más sencillas de la escala de números es la
identidad. El número del seguro social de una persona corresponde a una escala
nominal, al igual que los números en las camisetas de los jugadores de futbol,
armarios en los vestuarios, y así sucesivamente. Estos números simplemente
identifican a cual individuo está signado el número. De igual manera, si en un
estudio se codifica a los hombres con 1 y a las mujeres con 2, se usa una
escala nominal. Con ella, se identifica de manera excluyente a los individuos
como hombres o mujeres. Basta determinar su género para saber si su código es 1
ó 2; conviene también observar que no
existe nada implícito en dichos números, salvo la identificación de género de
la persona.
Escala
ordinal: Una segunda propiedad de una escala de números es la de orden. De esta
manera, podría decirse que el número 2 es mayor que el número 1. Los 1,2,3 y 4
están ordenados, y cuanto mayor sea el número, tanto mayor la propiedad. Observe
que la escala ordinal entraña identidad, ya que el mismo número podría usarse
para todos los objetivos que son iguales. EJEMPLO, el 1 que se usa para denotar
a los alumnos de primer grado, el 2 para los de segundo etc…
Escala
de intervalo: Los intervalos entre los números tienen significado, en el
sentido de que indican lo separado que están los objetos en lo referente al
atributo, esto indica que es posible comparar estas diferencias. ejemplo, la
diferencia que hay entre el 1 y 2 es igual a la existente entre el 2 y 3, y la
que hay entre el 2 y 4 es el doble de la que hay entre el 1 y 2.
Escalas
de razón: Éste cálculo o forma de medición, posee un cero natural o absoluto.
La estatura y el peso son ejemplos claros, esto permite comparar las magnitudes
absolutas de los números. Ejemplo, una persona que pesa 100Kg, puede afirmarse
que pesa el doble que una de 50Kg.
4.2 Clasificación y evaluación de los
errores.
1.-
error sistemático: También llamado error constante, porque afecta de manera
sistemática la medición.
2.-
error aleatorio: Se conoce así porque ocurre de manera inconstante y se debe a
aspectos temporales de la persona o situación de medición, además de que afecta
a la medición misma en forma irregular. Ejemplo un hombre que se mide su
estatura dos veces y se cambia el calzado, mas su estatura no cambia.
3.-
validez: intentar que la medición logre sus objetivos y sea lo más acercada a
la realidad posible.
4.2.1 Errores que se cometen en las
investigaciones.
Son
dos los tipos básicos de errores que se cometen en las investigaciones: Los
errores de muestreo y errores no imputables al muestreo.
Los
errores de muestreo: son los datos estadísticos varían de una muestra a otra
simplemente porque sólo se muestrea una parte de la población en cada caso.
Así, el error de muestreo es “la Diferencia entre los valores observados de una
variable y el promedio a largo plazo de los valores observados en repeticiones
de la medición”. Es posible reducir este
error aumentando el tamaño de la muestra. La distribución del dato estadístico de la muestra se concentra
cada vez más alrededor del valor promedio a largo plazo, pues el dato
estadístico de la muestra se iguala más a otra cuando se basa en un mayor número de observaciones.
Los
errores imputables al muestreo reflejan otros tipos de problemas que pueden
surgir en las investigaciones, incluso si no se basan en una muestra. Este
error puede ser aleatorio o no aleatorio. Los errores no imputables al muestreo
y no aleatorios son los más problemáticos. Los errores aleatorios producen
estimaciones que varían del valor verdadero, unas veces por arriba y otras por
debajo, si bien invariablemente al azar. El resultado final es que, a falta de
errores de muestreo, la estimación de la muestra es igual al valor poblacional.
Los
errores no imputables al muestreo y no aleatorios tienden a producir
dificultades en una sola dirección. Suelen generar sesgos del valor de muestra
de manera tal que se aleja del parámetro poblacional. Estos errores no pueden
surgir por deficiencias de concepción, lógica, interpretación de respuestas,
estadística, aritmética, tabulación, codificación o preparación de informes.
Es verdad que los errores no imputables al
muestreo producen un sesgo del valor de la muestra en dirección contraria al
parámetro poblacional. Sn embargo, en muchos, en muchos estudios es difícil ver
si causan la subestimación o sobreestimación del parámetro. Estos errores
también deforman la confiabilidad de las estimaciones de muestras. Provocan un
sesgo que podría aumentar el error de la estimación de datos estadísticos
particulares a tal grado que el intervalo de confianza pierda su validez.
ERRORES NO IMPUTABLES AL MUESTREO
Falta de observación
Personas no encontradas
Sesgos no
imputables
Falta de
respuesta
Personas renuentes al muestreo
Errores de recopilación de datos de campo
Observación
Errores de procesamiento en la oficina
ERRORES DE FALTA DE OBSERVACIÓN: Son
dos tipos de errores de falta de observación: Los de falta de cobertura y de
falta de respuesta.
Falta de cobertura: No se refiere a
sectores de una población excluidos deliberadamente de la encuesta, sino a los
que se excluyó indebidamente. Ejemplos:
No todas las personas cuentan con líneas telefónicas, o no todas las personas
que cuentan con líneas telefónicas las publican en el directorio. Otro ejemplo:
no todas las personas cuentan con correo electrónico. Si se pretende encuestar
por unos de estos medios, se excluirían a ciertas personas, Eso es por falta de
cobertura.
ERRORES
DE FALTA DE RESPUESTA: Consiste en la incapacidad para obtener información de
algunos elementos de la población seleccionados y designados para la muestra.
El primer problema que debe superarse al afrontar estos errores es simplemente
prever que todo puede salir mal cuando se intenta tener contacto con un
participante designado.
ERRORES
DE OFICINA: Los problemas con los errores imputables al muestreo no terminan
con la recopilación de datos, pues también surgen en una revisión,
codificación, tabulación y análisis.
No hay comentarios:
Publicar un comentario