Please enable JavaScript.
Coggle requires JavaScript to display documents.
MUESTRA EN INVESTIGACIÓN CUANTITATIVA - Coggle Diagram
MUESTRA EN INVESTIGACIÓN CUANTITATIVA
*Técnicas de muestreo. Representatividad de la muestra. Validez externa
La muestra debe ser representativa para asegurar la validez externa de la investigación
Según qué técnica de muestreo utilicemos,
podremos tener mayor o menor seguridad, en cuanto a que la muestra sea representativa.
Los procedimientos de muestreo los podemos dividir en dos grandes grupos,
muestreos probabilísticos (aleatorios) y muestreos no probabilísticos (no aleatorios).
La diferencia entre ambos estaría dada por si se utiliza o no el azar para
la elección de los sujetos que compondrán la muestra
los muestreos probabilísticos
son los que nos garantizan de mejor manera que la muestra sea representativa
elección al azar
de los sujetos
la estratificación y la proporcionalidad.
Muestreo al azar simple ( utilizamos algún procedimiento al azar
para elegir a los sujetos de la población que van a formar parte de la muestra)
Muestreo sistemático ( a partir de un primer caso elegido al azar, los restantes se eligen
de un listado a intervalos sistemáticos.)
Muestreo estatificado al azar
Muestreo estratificado proporcional
Muestreo estratificado no proporcional
Muestreo por conglomerado ( cuando la población tiene una distribución geográfica muy amplia )
Un muestreo en el que haya estratificación y proporcionalidad, además
de selección al azar, nos daría mayor seguridad de que la muestra sea representativa
cualquier tipo de muestreo probabilístico nos permite tener confianza sobre la representatividad de la muestra.
muestras no probabilísticas o aleatorias
muestra de cuota,en la cual hay “cuotas establecidas para el número de personas que habrán de incluirse en las submuestras
una muestra no probabilística, no presenta mucho sesgo y en consecuencia sea representativa.
En investigación cuantitativa podemos hablar de los siguientes métodos de investigación: descriptivo, correlacional y explicativo (experimento y cuasiexperimento)
Método descriptivo, el único propósito es describir un fenómeno en términos cuantitativos, y aunque se utilice más de una variable no se establece ningún nexo entre ellas
correlacionales y explicativas, y especialmente en estas últimas, el hecho concreto es que mayormente las muestras
que se toman no son probabilísticas
una diferencia importante que tienen las investigaciones correlacionales, respecto a los experimentos, en cuanto a
su validez externa, estriba en que en las investigaciones correlacionales se trabaja exclusivamente con operacionalizaciones de medida
el hecho de que las muestras no sean probabilísticas,
tampoco afectaría tanto la validez externa de las investigaciones anteriormente mencionadas; y que de hecho tendrían más validez externa que un experimento, gracias a la buena validez ecológica que tienen.
Tamaño de la muestra
Hay una relación entre el tamaño de la muestra y la medida en que la misma es representativa
el tamaño de la muestra tiene una directa relación con el intervalo de confianza que se plantea para las estimaciones de la muestra.
Para que una muestra sea representativa no bastaría entonces con que los sujetos de la misma sean elegidos al azar se necesitaría también contar con determinada cantidadde sujetos que integren la muestra
cuanto mayor sea la muestra, tanto mayor será el aumento del tamaño de la muestra que se precisa para reducir el intervalo de confianza en una
cantidad equivalente
el tamaño de la muestra no es solo importante por
el tema de la representatividad sino que hay otras cuestiones metodológicas y estadísticas
Tamaño de muestra y diseño de investigación
un número mínimo conveniente podrían ser diez sujetos por variable involucrada en el análisis tanto para la regresión lineal múltiple, como para la regresión logística
El tamaño de la muestra es relativo a la cantidad de predictores
Para la construcción de instrumentos psicométricos se utiliza mucho el análisis factorial, que es una técnica de reducción de datos
análisis factorial es reducir un conjunto amplio de variables a un reducido grupo de medidas más
fácil de manipular
Un diseño factorial es una investigación en la cual tenemos más de una variable independiente.
se analizan tanto los efectos aislados que producen las variables independientes, como los efectos combinados que producen las mismas
Alguna de las variables independientes tuviera manipulación natural, estaríamos frente a una investigación
cuasiexperimental, caso contrario sería una investigación experimental.
Tamaño de muestra y significación estadística
el valor de significación obtenido en los cálculos estadísticos, es de fundamental importancia
la significación que obtengamos esta muy condicionada por
el tamaño de muestra que empleemos
los valores de significación obtenidos en dos investigaciones diferentes, con tamaños de muestra diferentes, no son comparables entre sí, para determinar cuál investigación tiene un resultado de mayor magnitud
Muestras más grandes hacen más difícil que podamos cometer un error de tipo II
Es importante, entonces, al hacer el análisis de datos, calcular además de la significación (que nos permite decidir sobre la hipótesis planteada), el tamaño del efecto, que nos permite saber cuánto explican una o varias variables de la variabilidad de otra.
Tamaño de muestra y formación de los grupos por aleatorización
En las investigaciones experimentales los grupos tienen que ser lo mas homogéneos posible, previo a los tratamientos
se utiliza la aleatorización, o sea, asignar los sujetos a los grupos utilizando algún procedimiento al azar