Nivel de Significancia y p-valor

En toda prueba de hipótesis, uno de los primeros pasos es escoger un nivel de significancia; α, para la prueba. Tradicionalmente se escoge un nivel de significancia de α = 10; 5 o 1%. ¿Pero por qué utilizar solamente esos valores?

Cuando se analiza los errores tipo I (rechazo incorrecto de H_o) y tipo II (aceptación incorrecta de H_o), la elección del nivel de significancia va a depender de un equilibrio entre los costos de cada uno de estos dos tipos de error. Si el costo de un error tipo I es relativamente alto, se evitará cometer este tipo de error y, en consecuencia, se escogerá un valor pequeño de α. Por otro lado, si un error de tipo II es relativamente más caro, es preferible cometer un error del tipo I, y se escogerá un valor alto de α. Sin embargo, entender la naturaleza del equilibrio no dice mucho de la forma de escoger un nivel de significancia.

Suponga que tomamos una muestra, calculamos la media (muestral) y luego preguntamos: "Suponiendo que H_o fuera verdadera, ¿cuál es la probabilidad de obtener un valor de la media a esta distancia de la media de la población?" A esta probabilidad se le conoce como p-valor. Mientras que antes nos hacíamos la pregunta: "¿Es la probabilidad que se ha observado menos que α?" Ahora se pregunta: "¿Qué tan improbable es el resultado que se ha observado?" Ya que se ha informado el p-valor de la prueba, entonces el tomador de decisiones puede evaluar los factores relevantes y decidir si acepta o rechaza H_o, sin verse limitado por un nivel de significancia dado de antemano.

El p-valor proporciona más información. Si se sabe que se ha rechazado H_o al nivel α = 0.05, solamente sabe que la media se encuentra al menos 1.96 errores estándar alejado de la media poblacional. Sin embargo, un p-valor de 0.05 nos dice que la media muestral está exactamente a 1.96 errores estándar de la media poblacional.

Desde que se tiene una muestra y se quiere inferir sobre la población, la teoría de la probabilidad ayuda a estimar las probabilidades que la muestra representa en la población. No se puede saber ciertamente, al menos que se tenga a la población entera, pero la teoría de la probabilidad permite establecer el nivel de confianza acerca de qué tan probable es que la muestra refleja algo que es cierto en la población.

La significancia estadística indica que los resultados no se deben al azar, pues las muestras probabilísticas involucran un proceso aleatorio, por lo que siempre es posible que los resultados de la muestra difieran del parámetro poblacional. El investigador estima las probabilidades con las que los resultados de una muestra son resultado del parámetro poblacional o el azar del muestreo aleatorio. La significancia estadística usa la teoría de la probabilidad y pruebas estadísticas específicas para decirle al investigador si los resultados, ya sea de asociación, de diferencia entre dos medias o un coeficiente de regresión, son producidos por un error aleatorio dentro de un muestreo aleatorio.

La significancia estadística sólo dice lo que es probable, no puede probar nada con absoluta certeza, establece si los resultados son o no menos probables.

Los investigadores expresan la significancia estadística en términos de niveles (de significancia), es decir una prueba es significativa estadísticamente a un nivel específico, mejor que especificar la probabilidad. El nivel de significancia estadística es una forma de expresar la probabilidad de que los resultados se deben al azar.

Si se quiere indicar que los resultados son significativos a un nivel de 0.05, se podría expresar cualquiera de las siguientes modos:

• Resultados como éstos son debidos al azar únicamente de 5 en 100 veces.
• Existe un 95% de posibilidades de que los resultados de la muestra no son debidos al azar, sino refleja lo que ocurre en la población.
• Las probabilidades de que los resultados se basen exclusivamente en el azar son de 0.05 o de 5%.
• Significa que existe un 95% de confianza de que los resultados se deben a un comportamiento en la población y no al azar.
  

La mayoría de los programas estadísticos dan como resultado el p-valor exacto, no solo para pruebas sobre medias basadas en la distribución normal, sino también para otras pruebas como ji-cuadrada y análisis de varianza y pruebas en el contexto de la regresión lineal. Aunque se tengan diferentes estadísticas y distribuciones, la idea del p-valor es la misma.

El uso de la computadora ha hecho a un lado mucho de lo tramposo de la prueba hipótesis, y mediante el uso de p-valores, se elimina la búsqueda de valores en una tabla. Puede ser un tanto desconcertante el hecho de que cuanto más pequeño sea el p-valor, más grande será la significancia de lo encontrado. Se puede evitar tener confusión en este punto si se recuerda que los p-valores son la posibilidad de que el resultado en cuestión haya podido ocurrir exclusivamente debido a un error de muestreo; en consecuencia, cuanto menor sea es mejor.

Criterio 6: El Comportamiento de los Datos

El sexto y último criterio para elegir un procedimiento estadístico para el análisis de datos es el comportamiento de los datos. Este criterio es el más desconocido de todos, la bibliografía habla muy poco, pero es un criterio real a tomar en cuenta. Pensemos en la prueba Chi cuadrado, que tiene una corrección que se llama la corrección de Yates, y se aplica cuando una de las casillas esperadas en la tabla de contingencia está por debajo de un valor esperado, sucede cuando se tiene muy pocos datos y la muestra es pequeña; entonces se hace una corrección, ya que no se sabía que esto iba a ocurrir desde el momento en que se planeó el estudio, en lugar de aplicar Chi Cuadrado, se aplica la corrección de Yates.

Otro ejemplo, cuando se comparar dos grupos y la variable aleatoria a comparar es numérica. Una variable aleatoria es aquella que cuando se realiza un estudio,  recién te enteras de su valor cuando la mides. Entonces en una comparación de dos grupos, se tiene dos variables, la variable de conformación de grupo (es fija) y la variable aleatoria que se va a medir, se aplica entonces t de Student para muestras independientes. Pero si la variable aleatoria no tiene distribución normal, entonces se decide aplicar la U de Mann-Whitney, que es su equivalente no paramétrico. A pesar de que el tipo, el nivel y diseño de investigación es el mismo, es la misma variable, el mismo atributo de la variable y el mismo objetivo del estudio; pero no cumple el criterio del comportamiento de los datos, ya que la variable aleatoria no presenta distribución de normalidad, se debe cambiar de prueba estadística, de la t de Student a la U de Mann-Whitney.

Las variables numéricas son continuas y discretas. El problema de la normalidad es para las variables continuas, ya que cuando se usa una variable continúa, se parte de la premisa de que tiene distribución normal.

Pero cuando se trabaja con variables discretas no se parte de esa premisa, porque la variable discreta es conteo, es número entero; por ejemplo, número de pacientes que llegan, número de clientes que se atiende, número de alumnos en un salón, el número de hijos en una familia.

Las variables discretas tienen distribución binomial o distribución Poisson, ¿Cuál es la diferencia?, la distribución binomial tiene un límite, mientras que la distribución de Poisson no tiene límite.

Entonces los procedimientos analíticos que se desarrollan para la distribución normal,  la distribución binomial y la distribución Poisson son distintos, muchas veces nos enfocados nada más en la distribución normal, pero la distribución normal es para las variables continuas y cuando de variables numéricas se trata, se tiene variables continuas y variables discretas y la diferencia entre las variables numéricas está precisamente ahí, no está en las escalas de medición: escala de intervalo y escala de razón, desde el punto de vista aleatorio se comportan de la misma manera.

En las variables categóricas, nos enfocamos en las escalas de medición nominal y ordinal porque los procedimientos estadísticos para una y otra escala, sí son distintos. Cuando se tiene una variable, no se conoce su distribución, hasta que no se realice una prueba de contraste, es decir la prueba de Kolmogórov-Smirnov, que pone a prueba o somete a contraste la distribución de una variable respecto de la distribución normal, pero Z de Kolmogórov-Smirnov es mucho más que eso; se puede someter a contraste la distribución de una variable a cualquier otra distribución y Kolmogórov-Smirnov es versátil frente a esa situación. Aspecto que no lo hace Shapiro-Wilks, ni Anderson-Darling, por eso es que esta prueba estadística es más difundida, porque es más versátil que los otros procedimientos, para demostrar no tanto la normalidad, sino el contraste con otros tipos de distribución.

Para estar seguros frente a qué distribución nos encontramos, se tiene que hacer una prueba de hipótesis, hacer un contraste, un procedimiento analítico; porque de eso va a depender el análisis estadístico más adelante.

Criterio 2: El Nivel de Investigación

El segundo criterio para elegir un procedimiento estadístico para el análisis de datos es el nivel de investigación. El nivel de la investigación, se relaciona con el análisis estadístico, por tanto es necesario ubicar nuestro estudio en un determinado nivel de investigación para aplicar las técnicas estadísticas correspondientes. Es necesario recordar que existe seis niveles de investigación: exploratoria, descriptivo, relacional, explicativo, predictivo y aplicativo.

En el nivel exploratorio de una investigación no se aplica el análisis estadístico.

En el nivel descriptivo recién aparecen los procedimientos para el análisis estadístico y en este nivel se estudia las frecuencias y se realiza análisis descriptivo y conteo, se determina los casos que hay en la muestra o población, son procedimientos de análisis estadísticos sencillos.

En el nivel relacional se tiene a los factores asociados a los factores de riesgo, en la cual se analiza el grado de relación entre variables, en este caso se aplica el procedimiento estadístico Chi cuadrado, el análisis de la varianza, pruebas de independencia de factores.

En el nivel explicativo se necesita demostrar la causa o relación causal entre dos variables y esto requiere ciertamente procedimientos de análisis estadístico, aunque es insuficiente para demostrar relaciones de causa-efecto. El análisis estadístico en este nivel permite aplicar el análisis multivariado, cómo  el análisis de la varianza en bloques, diseños aleatorios en bloques o lo que se conoce  como variables intervinientes, estas variables no son independientes ni dependientes,  si no son otras variables, y entonces aparece el análisis estadístico multivariado con la finalidad de controlar esta relación entre variables o descartar las relaciones que sean espurias, aleatorias o casuales, ya que en este nivel se necesita demostrar esa relación causal.

En el nivel predictivo se requiere utilizar procedimientos multivariados como Chi cuadrado de Mantel Hansel y los diseños en bloques para predecir o estudiar el pronóstico; se necesita crear modelos de ecuaciones y lógicamente aquí aparecen las ecuaciones estructurales como las regresiones lineales y logísticas; y se realizarán procedimientos de Inteligencia artificial, como el análisis de conglomerados, esto ya pertenece a la minería de datos. Son procedimientos exclusivos de este nivel. También se puede aplicar los árboles de decisión, según la función que se utilice: árboles de clasificación o árboles de regresión.

Hay un conjunto de procedimientos y herramientas para realizar predicciones, que han sido creadas por los matemáticos y los estadísticos aplicados a la investigación científica. Entre estas técnicas, tenemos las regresiones lineales, logística, series de tiempo y el análisis de supervivencia, conjunto de procedimientos para realizar pronósticos; también se tiene la Minería de datos y los árboles de clasificación, árboles de regresión, árboles de decisión en general, además de las redes neuronales para realizar predicciones. Son procedimientos estadísticos distintos a los utilizados en niveles anteriores.

En nivel aplicativo se requiere realizar evaluación del éxito de la intervención, tratamiento o la solución al problema, se supone que en este último nivel se interviene en las unidades de estudio o a la población de estudio, para lograr un resultado positivo y transformar positivamente la realidad. Lo que se busca desde punto de vista investigativo es evaluar el éxito del tratamiento, y entonces se requiere de procedimientos y herramientas estadísticas como las gráficas de control, análisis de la capacidad, estudios de repetibilidad y reproducibilidad, el muestreo de aceptación entre otros procedimientos.

Este segundo criterio para elegir un procedimiento estadístico, permite conducir la estrategia metodológica y estadística de la investigación. Cuando se tiene una intención investigativa, el propósito debe ser concretado, para alcanzar el objetivo de la investigación. Se debe establecer un plan y una estrategia, en la que se indique en qué nivel se encuentra la investigación, ya que de los niveles de la investigación no solamente depende el análisis estadístico, sino también depende la hipótesis, el muestreo, los procedimientos, la presentación de resultados y el análisis estadístico. Algunas técnicas estadísticas y procedimientos analíticos se pueden utilizar en el nivel relacional, explicativo y predictivo; pero, hasta dónde se llega con el análisis estadístico, eso dependerá del nivel de investigación.

Selecciona las Unidades o Grupo de Estudio

La población de estudio es la razón de ser de la línea de investigación, cada uno de los pasos que se avanza en la línea de investigación se busca beneficiar y mejorar las condiciones de la población de estudio, pero a lo largo del desarrollo de la línea de investigación no siempre será posible estudiar a toda la población, en ese caso se tendrá que recurrir a una muestra.

Existen tres casos específicos en los que no es posible o necesario estudiar a toda la población y en esta situación se debe realizar el estudio a través de una muestra:

1. La población es de gran tamaño, cuando la población es inalcanzable en tamaño, es decir si está compuesta de muchas unidades, significa que se tendría que realizar esa cantidad de medidas, lo cual implicaría un alto costo, y aunque se dispusiera del presupuesto necesario, se requeriría de mucho tiempo.
2. La población es desconocida, cuando no se sabe cuál es el tamaño de la población porque no existe un listado, un registro, un padrón, una nómina o una base de datos, no existe un marco muestral.
3. No es necesario medir toda la población, por ejemplo si se quiere medir la hemoglobina en la sangre de una persona, se obtiene cinco centímetros cúbicos de sangre y es suficiente, no es necesario extraerle toda la sangre (población), o si para inspeccionar un producto implica su destrucción, si se requiere estudiar toda la población, se tendría que destruir todo el lote, en este caso es mejor obtener una muestra.

Una muestra debe ser representativa de la población de dónde fue extraída, de tal modo que las conclusiones que se obtengan puedan ser extrapoladas hacia la población. Para que una muestra sea representativa se deben considerar dos aspectos: primero, el cálculo del tamaño de la muestra y segundo, una técnica de muestreo.

El cálculo del tamaño de la muestra, parte del principio que el investigador acepta que sus conclusiones no serán precisas, que estarán afectadas por el error aleatorio, pero que este error aleatorio está reconocido y su magnitud servirá para calcular el número de unidades que conformarán la muestra.

Utilizar una muestra en lugar de la población, implica aceptar la presencia del error aleatorio en las conclusiones que se refieran a la población de estudio. Pero el error aleatorio no es la única amenaza de la validez de las conclusiones, también está el error sistemático, que se puede controlar mediante una técnica de muestreo.

Las técnicas de muestreo se utilizan para la selección de las unidades muestrales y sirven para controlar el error sistemático (error del investigador, error de los procedimientos) que afectan la exactitud de las conclusiones del estudio.

Las técnicas que permiten obtener una muestra representativa son las técnicas aleatorias o probabilísticas. La técnica de selección ideal es aquella donde todos los elementos que conforman la población tienen la misma probabilidad de participar en la muestra, lo contrario a este principio, se denomina sesgo de admisión, en referencia a las situaciones donde algunos elementos de la población no tienen posibilidad de conformar la muestra. Las técnicas aleatorias o probabilísticas más usadas y conocidas son:

El Muestreo Aleatorio Simple (MAS) tiene por finalidad eliminar el sesgo de admisión mediante la asignación a cada una de las unidades de muestreo, la misma probabilidad de participar en la muestra, pero es necesario la existencia de un marco muestral, un padrón o una base de datos y no siempre es posible contar con este marco muestral.

El Muestreo Aleatorio Sistemático (MASI) resuelve el problema de no contar con un marco muestral, por ejemplo para encuestar a los estudiantes de una universidad nos ubicamos en la entrada y se construye la muestra con los estudiantes que ingresan en una hora, después de un periodo de tiempo se tiene un grupo de estudiante y no se  requeriría conocer el número total de estudiantes de la universidad, y se resuelve la falta del marco muestral.  Pero no se resuelve el sesgo del voluntariado, es decir que los encuestados no pueden ser voluntarios y viceversa los elegidos para conformar la muestra no pueden negarse a participar en la encuesta. Un muestreo cien por ciento aleatorio consigue por ejemplo mitad varones y mitad mujeres en la encuesta de los estudiantes, pero el voluntariado y la negativa a participar de algunos alumnos hará que estas proporciones se alteren.

El Muestreo Aleatorio Estratificado (MAE) obliga a conservar las proporciones identificadas preliminarmente en la población, adicionalmente los criterios de inclusión y exclusión se utilizan para eliminar el sesgo de elegibilidad. Los criterios de elegibilidad tienen por finalidad definir con precisión quienes conformaron la población y quienes no la conforman aunque esta tarea realmente debía hacerse desde el principio.

El Muestreo Aleatorio por Conglomerados (MAC), cuando en la población de estudio es posible detectar la existencia de grupos que por sí mismos representan adecuadamente a la población, en relación a la característica que se desea estudiar, se les denomina conglomerados, entonces podemos seleccionar únicamente algunos de estos conjuntos para realizar el estudio. Mientras que en los tres primeros muestreos probabilísticos las unidades de muestreo coinciden con las unidades de estudio, en el muestreo por conglomerados las unidades de muestreo son los conglomerados esto puede resultar muy beneficioso para reducir los costos relacionados con la recolección de datos.

Las técnicas de muestreo no probabilísticas más usadas y conocidas son:

El Muestreo por Cuotas es muy similar al muestreo estratificado, en el ejemplo de la encuesta a los estudiantes de la universidad, se asegura que en la muestra este conformada tanto por hombres como mujeres, esto significa cumplir la cuota, pero luego la elección de los estudiantes de cada género, ya no es aleatorio, aun así los resultados son cuasi probabilísticos.

El Muestreo en Bola de Nieve es una alternativa no aleatoria para los casos en que no se cuenta con un marco muestral y las unidades de estudio se encuentran muy dispersas, pero conectadas entre sí (poblaciones marginadas, inmigrantes, mujeres maltratadas, etc.).

El Muestreo según Criterio aprovecha la experiencia del investigador y del conocimiento de la línea de investigación, este criterio puede ser cualitativo como ocurre en la selección de los jueces en el proceso de la validación de instrumentos, también puede responder a una necesidad del análisis estadístico como ocurre en los diseños experimentales.

El Muestreo por Conveniencia es la opción que obtiene una muestra menos representativa de todas, se trata de un muestreo errático, por comodidad, sin procedimientos específicos. Muy utilizado en los estudios exploratorios.

Es pertinente citar a Deming, que dice:” … el muestreo no es una simple sustitución de una cobertura total por una parcial. El muestreo es la ciencia y arte de controlar y medir la confiabilidad de la información estadística útil a través de la teoría de la probabilidad”.

Formula los Objetivos de la Investigación

Todos los estudios tienen una finalidad que se enuncia en el propósito del estudio, para lo cual se requiere de un plan específico para concretarlo y este plan comienza a partir de la formulación de los objetivos del estudio. La mayoría de las fuentes de referencia hablan de los objetivos del estudio en plural, en realidad solo existe uno y generalmente se le denomina objetivo general.

Para alcanzar el objetivo general es posible que se necesiten pasos intermedios, el objetivo general es el objetivo principal es la versión operativa del propósito del estudio, en el enunciado: “Características de los Litigantes en los Juzgados de Paz en el Distrito de Lima”, el objetivo que le corresponde será: “Describir las Características de los Litigantes en los Juzgados de Paz en el Distrito de Lima”, al enunciado sólo se le ha agregado la palabra describir y ellos lo convierte en objetivo general.

Los objetivos operacionales o específicos son los objetivos secundarios y corresponden a los pasos intermedios que a veces se tienen que realizar para alcanzar el objetivo general, es poco importante como se le denomine: objetivos intermedios, auxiliares o secundarios, su única función es ayudar a alcanzar el objetivo general, es el único objetivo inferencial. El concepto inferencial significa que a partir del estudio de una muestra, se obtendrá una conclusión que podemos generalizarla para toda la población de dónde se obtuvo la muestra. Los objetivos específicos u operacionales no son inferenciales.

Si queremos comparar una intervención en dos grupos, entonces el objetivo principal es comparar y los objetivos secundarios serán estimar la intervención en cada grupo, y nuevamente solo los resultados de la comparación serán inferenciales, no los resultados de la estimación.

El objetivo general de un estudio se formula a partir de su enunciado anteponiéndole un verbo en infinitivo, este verbo tiene que corresponder con el nivel de investigación del estudio, en los estudios cuantitativos el objetivo se relacionará con un procedimiento estadístico, imprescindible para alcanzar dicho objetivo general.

En el nivel exploratorio los objetivos son:

·       Identificar se corresponde con la fenomenología, en las Ciencias Naturales es muy común estar interesado en lograr conclusiones mediante la percepción sistemática de un fenómeno en su contexto natural.

·       Interpretar corresponde a la hermenéutica, donde previo análisis cualitativo de los fenómenos observados se intenta explicarlos en concordancia con el estado actual del conocimiento, los principios científicos, las teorías previas y las hipótesis precedentes, esta intención es muy habitual en las Ciencias Sociales.

·       Definir corresponde al constructivismo, significa delimitar el ámbito de la realidad que se estudia, conceptualizar la representación mental que tiene el observador de su unidad de estudio o del fenómeno que lo afecta, se aplica en las Ciencias del comportamiento.

·       Determinar corresponde a la heurística, en la investigación en ciencias de la salud se busca encontrar o descubrir el diagnóstico clínico, mediante un razonamiento heurístico, es una forma de razonamiento que sirve para descubrir si un paciente sufre o no una enfermedad, pone a prueba verdaderas hipótesis.

En el nivel descriptivo los objetivos son:

·       Describir permite caracterizar a la población o grupo de individuos que comparten una condición, por ejemplo describir a los pacientes en una Clínica, los expedientes en un juzgado, los clientes en una empresa, durante un periodo de tiempo, esto implica utilizar estadística descriptiva.

·       Estimar es el cálculo estadístico de un parámetro de la población, por ejemplo estimar la prevalencia de una determinada enfermedad en la población, este es el primer objetivo inferencial y como toda estimación puntual debe estar acompañada de sus respectivos intervalos de confianza.

·      Verificar corresponde a una prueba de hipótesis de nivel descriptivo, procedimientos estadísticos como la t de Student, para una sola muestra y la prueba Chi-cuadrado corresponden a este objetivo, permite descartar el mito de que los estudios descriptivos no llevan hipótesis.

En el nivel relacional los objetivos son:

·       Comparar busca encontrar diferencias entre dos grupos, obtenidos a través de una muestra. Aquí comienza el análisis estadístico bivariado, cuando solo una de las variables es aleatoria, mientras que la otra, que es fija, es la que se utiliza para diferenciar los grupos.

·       Asociar si bien pertenece al análisis estadístico bivariado, se diferencia del objetivo anterior por poseer dos variables aleatorias, ambas pueden ser categóricas, en este caso se habla de asociación o pueden ser dos variables numéricas en cuyo caso se habla de correlación.

·       Medir la fuerza de asociación o medir la fuerza de correlación, según participen dos variables categóricas o dos variables numéricas, es una consecuencia del objetivo anterior, pero no se trata de una prueba de hipótesis, sino de una estimación puntual La estimación de riesgo se encuentran en este objetivo.

En el nivel explicativo los objetivos son:

·       Evidenciar es el primer objetivo que busca demostrar la hipótesis de la causalidad, pero no se recurre a la experimentación, se sustenta en los criterios de causalidad, asociación estadística, fuerza de asociación y relación temporal, este último pone en evidencia que la causa estuvo presente antes que el efecto.

·       Demostrar implica el uso de la experimentación, para demostrar la causalidad entre dos variables, una hipótesis experimental, requiere de un argumento denominado razonamiento por analogía, adicionalmente, el aislamiento de la causa, mediante la aleatorización y luego el experimento propiamente dicho.

·       Probar busca completar uno de los principios de la ciencia y es que la ciencia es probable y verificable de tal modo que al aplicar los mismos métodos en el estudio y utilizando los mismos materiales, se debe encontrar los mismos resultados, a este criterio se le denomina consistencia.

En el nivel predictivo los objetivos son:

·       Predecir en su sentido más esencial corresponde a una estimación puntual, a la probabilidad de ocurrencia de un evento, puede ser la ocurrencia de la enfermedad o un problema, también se puede hacer comparaciones predictivas lo cual correspondería a la prueba de hipótesis.

·       Pronosticar involucra la participación de la variable tiempo, es un cálculo de probabilidad basado en el tiempo, se corresponde con los procedimientos como las series de tiempo y el análisis de supervivencia.

·       Prever significa tomar medidas con anticipación, disponer o preparar medios para futuras contingencias, son ejemplos la prevención, la vacunación, el diagnóstico temprano, brindar leyes o hacer acciones antes que ocurra el problema, es el estudio de la eficiencia de las acciones preventivas que se toman cuando ya se hizo una predicción o un pronóstico.

En el nivel aplicativo los objetivos son:

·       Supervisar corresponde al monitoreo del proceso o de la intervención que se realiza sobre la población con la finalidad de mejorar sus condiciones, por ejemplo el tratamiento de una enfermedad requiere de supervisión y se puede realizar para medidas individuales o para medidas repetidas.

·       Controlar implica evaluar los resultados de una intervención, estos resultados deben ser consistentes y no mostrar exceso de variabilidad.

·       Calibrar evalúa la capacidad de un sistema de un proceso para conseguir los mismos resultados siempre o por lo menos sin diferencias significativas, aquí se evalúa la estabilidad intraoperador o repetibilidad y la estabilidad entre operadores o reproducibilidad, la finalidad de calibrar, es mejorar los resultados en cada intervención.

Matriz de Operacionalización de Variables

La matriz de operacionalización de variables es un mapa de las variables que intervienen en un estudio, son características, propiedades y atributos observables en las unidades de estudio, precisamente las unidades de estudio se diferencian entre sí por sus atributos o propiedades denominadas variables.

Un matriz de operacionalización de variables consta de cuatro columnas y tantas filas como variables participen en el estudio. Los títulos de estas columnas serán: Variables, Indicadores, Valores Finales y Tipo de Variable.

La primera columna es la lista de todas las variables que se presume pueden ser parte del estudio, mientras más extenso sea la lista, es mejor. Las variables que se deben incluir y las que no se deben incluir es decisión del investigador, ya que es el experto de la línea de investigación que se estudia.

La segunda columna la conforman los indicadores de las variables, entendiendo como indicador a la forma en que se mide una variable, es la manera en que se obtiene el valor final de su medición, algunas variables tendrán solamente un indicador y se les conoce como unidimensionales, otras tendrán más de un indicador y se les denomina variables multidimensionales.

La tercera columna se identifica los valores finales, un valor final es el resultado de la medición de una variable. Por ejemplo si la variable a medir es el GRADO ACADÉMICO, y si la unidad de estudio cuenta con el grado Magister, Magister es el valor final. Si la variable a medir es la TALLA y mide 1m 70cm, ese es el valor final. El valor final es el resultado de la medición de la variable.

La cuarta columna presenta el tipo de variable, que está en función del valor final de su medición. Cuando se trata de una variable categórica es importante distinguir a las variables nominales y las ordinales; y cuando se trata de una variable numérica se debe distinguir a las variables continuas y las discretas.

Una variable es una característica, propiedad o atributo observable en las unidades de estudio, la matriz de operacionalización de variables es un mapa que permitirá alcanzar el propósito del estudio; la definición de cada una de las variables, así como de sus indicadores, no se consignan en la matriz sino en el marco conceptual.

Las VARIABLES se listan en la primera columna de la matriz de operacionalización de variables, en ese listado existe una variable que es la más importante en el estudio, que se le denomina VARIABLE DE ESTUDIO, es la que caracteriza a la línea de investigación, su rol es distinto en cada nivel de investigación.

En el nivel descriptivo, la variable de estudio recibe el nombre de variable de interés, por ejemplo en el estudio de la prevalencia de diabetes, la variable de interés es la diabetes, pero también habrá que caracterizar a la población de estudio, estas características reciben el nombre de variables de caracterización.

En el nivel relacional, la variable de estudio recibe el nombre de variable de supervisión, por ejemplo en el estudio de los factores de riesgo para el Bullying la variable de supervisión es el Bullying, la cual tendremos que relacionar con un conjunto de características que pueden incrementar la probabilidad de Bullying, a estas características se les llama variables asociadas.

En el nivel explicativo, la variable de estudio recibe el nombre de variable dependiente, por ejemplo en el estudio de las causas del estrés laboral, la variable dependiente es el estrés laboral, la cual tendrá que ser demostrada como una consecuencia de un conjunto de determinantes, a los determinantes se les denomina variables independientes.

En el nivel predictivo, la variable de estudio recibe el nombre de variable endógena, por ejemplo en el estudio del pronóstico de la deserción escolar, la variable endógena es la deserción escolar, una consecuencia que se puede anticipar a partir de un conjunto de predictores, a estos predictores se les conoce como variables exógenas.

Los INDICADORES, responden a la pregunta: ¿cómo se va a medir la variable?, esto tiene que ver con la dimensión de las variables. Las variables objetivas tienen dimensiones físicas y las variables subjetivas tienen dimensiones lógicas.

Las variables objetivas como el peso o la talla poseen dimensiones físicas, el peso es masa y la talla es longitud y se miden con instrumentos mecánicos como la balanza y el tallimetro, se miden de manera directa, lo cual equivale a tener solamente un indicador, por eso se les denomina unidimensionales. También existen las variables objetivas multidimensionales, estas resultan de la combinación de dos o más medidas preliminares, por ejemplo el IMC (índice de masa corporal), cuyos componentes son el peso y la talla, entonces el peso y la talla son sus indicadores y señalarán los instrumentos a utilizar.

Las variables subjetivas como la depresión, el estrés laboral o el clima organizacional poseen dimensión lógica, se miden con instrumentos documentales, como los cuestionarios, las escalas o los inventarios, pueden ser unidimensionales como es el caso el miedo; la calidad de la atención es un ejemplo de variable subjetiva multidimensional, sus dimensiones según Parasuraman son los elementos tangibles, la capacidad de respuesta, la empatía y la seguridad, estas dimensiones corresponden a sus indicador y también a la estructura interna del instrumento que lo mide.

Los VALORES FINALES se registran en la tercera columna del matriz de operacionalización de variables y corresponden al resultado de la medición de las variables en función a sus respectivos indicadores.

Las variables categóricas tienen como valor final a sus categorías, por ejemplo para las variables categóricas como el sexo,  estado civil y nivel de educación, se tiene como valor final masculino y femenino para la categoría sexo; soltero, casado y conviviente para la categoría estado civil; y primaria, secundaria y superior para la categoría del nivel de educación.

En el caso de las variables numéricas se conoce como valor final a las unidades de su medición, cuando las variables numéricas aceptan valores negativos estamos frente a una escala de intervalo, pero si los valores finales no pueden ser negativos entonces estamos frente a un escala de razón, pero en un sentido operacional, estas dos escalas se manejan igual y es más importante diferenciar a una variable continua y una discreta,  porque su comportamiento aleatorio es distinto, las variables continuas provienen de medir y las variables discretas provienen de contar. Las variables continuas aceptan valores decimales, las variables discretas solamente números enteros.

El TIPO DE VARIABLE es registrado en la última columna de la matriz de operacionalización de variables; es importante recordar que la operacionalización es un proceso que permite precisar lo que se necesita para alcanzar el propósito del estudio, por eso el tipo de variable, no necesariamente corresponde a la escala de medición. El comportamiento aleatorio de las variables nominales es distinto al comportamiento aleatorio de las variables ordinales, por eso si se va a comparar dos grupos y la variable aleatoria es nominal se utiliza la prueba Chi Cuadrado de Pearson, pero si la variable aleatoria es ordinal se utilizará la U de Mann-Whitney.

Las variables son características, propiedades o atributos observables en las unidades de estudio, la operacionalización de variables es pieza clave para comenzar a desarrollar una estrategia que permita alcanzar el propósito del estudio.

El Marco Teórico

Al realizar un estudio de investigación o tesis, ya se cuenta con el enunciado, se debe luego desarrollar el Marco Teórico. El marco teórico tiene dos componentes: el primero es el marco conceptual y el segundo son los antecedentes.

Para buscar información acerca de estos dos componentes, se recomienda recurrir a la Internet y con un buscador acceder al ciberespacio en general o a Bases de datos de publicaciones periódicas especializadas (revistas), teniendo como elementos de búsqueda: frases del enunciado de tu estudio o palabras claves. También será necesario acudir a la Biblioteca y hacer búsquedas de otras investigaciones realizadas.

Las palabras claves para realizar búsquedas, son las palabras que aparecen en el enunciado del estudio, en orden de importancia para la búsqueda estan primero las palabras de la línea de investigación, segundo las palabras del propósito del estudio y finalmente las palabras que identifican a la población de estudio. Si los resultados de cada búsqueda son muy escasos, tal vez se debe utilizar pocas palabras claves. Cuando se desea tener mayor exactitud, en vez de palabras se pueden ingresar frases completas, pero deben ser colocadas entre comillas, con lo cual se le indicará al buscador que se desea concordancia exacta, los resultados de la búsqueda se reducirán significativamente.

El marco conceptual no es un glosario de términos. El marco conceptual por definición, es el conjunto de conocimientos ordenados y estructurados sistemáticamente, debe tener estructura de un mapa mental o mapa conceptual, su estructura debe ser jerárquica, organizada y sobre todo lógica, esta estructura permitirá identificar contenidos ausentes, así como detectar contenidos intrascendentes, que no aportan.

¿Qué sucede si para un determinado concepto existen dos clasificaciones distintas?, ocurre con mucha frecuencia en la medicina, educación, economía, en derecho y en casi todas las disciplinas; ya que en algunos casos existes escuelas y habrá que alinearse con una en particular, no sólo para el estudio que se realiza sino en general.

¿Qué sucede si para un mismo terminó existen dos definiciones distintas?, con frecuencia cuando se trabaja con variables subjetivas, que definida por un autor, difiere conceptualmente de la definición de otro, en ese caso habrá que elegir una definición y referenciar adecuadamente la diferencias y coincidencias.

¿Qué sucede si para un determinado estudio aún no existen conceptos claros?, esto sucede cuando se está empezando a establecer una línea de investigación, en esa situación se tendrá que definir conceptos propios, los cuales no deben generalizarse, ya que no son conceptos de consenso, sino conceptos a propósito del estudio que se realiza.

La ciencia acepta que las teorías siempre pueden modificarse o cambiarse y por tanto se puede construir una nueva teoría, mejor que la anterior. Si se va a enunciar conceptos propios, se debe haber realizado una búsqueda estricta y cabal de la información.

Los antecedentes del estudio o investigación, son estudios científicos originales que se pueden encontrar en bases de datos, repositorios o en las bibliotecas de la universidades; son publicaciones primarias derivadas de trabajos de investigación, a los cuales se le anexa el método utilizado para hallar sus resultados. Si una publicación no anexa los métodos utilizados para llegar a los resultados que se reportan, no puede ser considerada dentro de los antecedentes de la investigación, ya que la ciencia se basa en argumentos y son estos argumentos los que establecen la diferencia entre una simple opinión y el conocimiento verdadero.

Si en la búsqueda realizada a cabalidad de los antecedentes de la investigación, se encuentra muchos vacíos, y hay aspectos que aún no son cubiertos o aclarados, tal vez será necesario redefinir el propósito del estudio, y así cubrir esos vacíos y continuar con el desarrollo de la línea de investigación.

No existe un mecanismo para conocer todos los antecedentes de la investigación que se está realizando, el hallazgo y selección de los antecedentes depende en gran medida del grado de conocimiento que se cuenta acerca de la línea de investigación. Todo estudio cuenta con antecedentes, solo los estudios exploratorios pueden ser completamente originales, sin antecedentes o referencias de investigación.

Si para el desarrollo de un estudio no se encuentra antecedentes, tal vez se deba retroceder dentro de la línea de investigación y cubrir ese vacío. Los antecedentes de una investigación deben ser vigentes y actuales, es decir que la información consignada en esos antecedentes están vigentes en el momento que se desarrolla un estudio, no se trata del tiempo que haya transcurrido.

No esta demás revisar, cuál es la importancia del marco teórico, en el siguiente video del Dr. Marco Uria.

Definición de la Población de Estudio

La población de estudio es un conjunto de personas, objetos, instituciones, procesos, etc. con las cuales se tiene una relación y un interés estudiar, la población de estudio pueden ser los pacientes en una clínica, los alumnos de una escuela, los clientes de una empresa o los habitantes de un distrito.

Con la información que se obtenga de esa población se le ayudará a estudiar y resolver sus problemas y a cubrir sus necesidades, a partir de la información que faciliten se podrá desarrollar no solamente un estudio sino todos aquellos estudios que comprendan a la línea de investigación.

¿Quiénes conforman la población de estudio? son todas las personas afectadas por un problema. Es un conjunto de unidades de estudio, un conjunto de personas que brindarán datos que servirán para desarrollar un estudio, pero como fin último, esta población de estudio deberá beneficiarse de los resultados de la línea de investigación, por tanto las unidades de estudios son la razón de ser de una línea de investigación.

Si la población de estudio es muy grande tal vez se decida estudiar solo una parte (muestra), pero recordar siempre que la población de estudio es la razón de ser de la línea de investigación y que todos los que conforman la población de estudio deberán beneficiarse de los hallazgos del estudio o investigación.

Una población de estudio es un conjunto de unidades de estudio que el investigador define y establece; pero ¿dónde están?, es probable que se tenga contacto directo con ellos, frecuentan y comparten el mismo espacio y tiempo, debe ser relativamente fácil acceder a la población de estudio, ya que se trata de personas de una comunidad cuyas características se conoce; la población de estudio es la razón de ser de una línea de investigación, que se va consolidando estudio tras estudio y ahora que se está planeando realizar uno, sigue el siguiente procedimiento: establece el propósito del estudio, dentro de la línea de investigación definida, para desarrollarlo con una población de estudio y esto constituye el ENUNCIADO DEL ESTUDIO.

La población de estudio es el concepto que faltaba para completar y establecer el enunciado de un estudio de investigación, entonces el enunciado de un estudio está compuesto por un propósito, una línea y una población.  

Pero, ¿cómo precisamos el lugar y periodo en que tiene alcance el estudio?, es la propia población de estudio la que delimita espacialmente el lugar de tu población de estudio y precisa la respuesta a la pregunta: ¿dónde están?; y también ayudará a responder a la pregunta: ¿Cuánto son?, porque dependiendo del ámbito de recolección de datos conoceremos su cifra exacta; el lugar y el tiempo son criterios de delimitación de la población de estudio que el investigador deberá establecer.

El propósito de tu estudio o investigación

Planteamos tres ejemplos de temas de tesis: 1) Prevalencia de Diabetes, 2) Causas del Estrés Laboral y 3) Pronóstico de la Deserción Escolar, que permitirán mostrar el camino para que describas un estudio o tema de tesis en Medicina, Administración y Educación.

Un tema de tesis está compuesto por dos elementos básicos; el primero (en verde), corresponde al propósito del estudio como la prevalencia, las causas y el pronóstico; el segundo elemento (en rojo), es la línea de investigación, así tenemos a la diabetes, el estrés laboral y la deserción escolar, en los tres ejemplos aparece en primer lugar el propósito del estudio y luego la línea de investigación, aunque en el proceso creativo primero se elige la línea de investigación y después el propósito del estudio.

Si ya se cuenta con una línea de investigación, ¿Cómo se debe enfocar el propósito de tu estudio? ¿Qué es el propósito del estudio? ¿Se necesita uno para desarrollar mi trabajo de tesis? El propósito del estudio corresponde a un deseo del investigador de querer conocer algo muy específico dentro de su línea de investigación, también se le denomina “finalidad cognoscitiva”, esto porque el fin primario de un estudio de investigación es conocer algo muy específico dentro de la línea de investigación.

Matemáticamente, una línea es una sucesión continua de puntos, cada punto representa un estudio que se puede realizar dentro de la línea de investigación, el propósito de tu estudio es un punto dentro de tu línea de investigación. El propósito es la razón de ser de un estudio, este razonamiento previo requiere primero responder la pregunta: ¿a dónde quieres llegar?, porque si no se tiene claro un destino, entonces cualquier camino da lo mismo.

Se debe reflexionar, qué es lo que se desea alcanzar con la línea de investigación, ¿Qué problema se propone solucionar? ¿Qué es lo que se desea mejorar? ¿A dónde se quiere llegar con la línea de investigación?, con un propósito claro se tendrá señalado el camino a seguir.

Si se está estudiando la diabetes, el estrés laboral o la deserción escolar o cualquier otro problema, tal vez interesé su detección o diagnóstico, puede ser que se necesite conocer su frecuencia, los factores de riesgo permitirán conocer las causas, será mejor el pronóstico o el tratamiento son buenos propósitos.

¿Qué es un nivel de investigación?,  toda línea de investigación debe tener un origen y un final, en su recorrido atraviesa diferentes momentos, a cada uno de los cuales denominamos nivel de investigación, estos niveles tienen jerarquía, están ordenados y se puede representar gráficamente, como una pirámide. La diabetes, el estrés laboral y la deserción escolar, para ser estudiados, primero tienen que ser identificados o diagnosticados, y eso corresponde al nivel exploratorio; la cuantificación corresponde al nivel descriptivo y la identificación de los factores relacionados corresponde al nivel relacional; la diabetes, el estrés laboral y la deserción escolar deben tener alguna causa o un determinante eso corresponde al nivel explicativo; las complicaciones y el pronóstico corresponden al nivel predictivo; el tratamiento o cualquier intervención para solucionar el problema corresponden al nivel aplicativo de la investigación.

Comenzando desde el origen hacia el final de la línea de investigación tenemos los siguientes niveles: exploratorio, descriptivo, relacional, explicativo, predictivo y aplicativo, cada uno distinto al otro.

El nivel exploratorio tiene como propósito descubrir el problema en el campo que se estudia, en el campo de la salud corresponde al diagnóstico, en el campo de las ciencias naturales a la descripción del fenómeno, en las ciencias sociales a la interpretación de la realidad y en el campo de las ciencias del comportamiento a la definición de conceptos.

El nivel descriptivo es cuantitativo y su propósito es caracterizar o describir a la población de estudio, se propone conocer parámetros de la población como frecuencia de una enfermedad, que incluye a la incidencia y prevalencia, este nivel de investigación es univariado, porque no plantea la relación entre variables.

El nivel relacional propone asociaciones y correlaciones, es decir plantea la relación entre variables, implica que además de la variable de estudio, se involucraran a otras variables o características de la población de estudio, estas otras características podrían ser exploradas como factores de riesgo o factores relacionados.

El nivel explicativo es el nivel que plantea la hipótesis de la causalidad, aquí se desarrollan los estudios de causa y efecto, el propósito del estudio es evidenciar que la causa estuvo antes que el efecto, busca encontrar la causa de la enfermedad o de un problema.

El nivel predictivo es el nivel de la prevención de la ocurrencia de la enfermedad o problema es prevención primaria, o prevención secundaria si evitamos mediante simulaciones la ocurrencia del problema; pero si la enfermedad o el problema ya está instalado, el propósito del estudio es el pronóstico.

El nivel aplicativo es el estudio del tratamiento de la enfermedad, una intervención quirúrgica se encuentra en este nivel, también una intervención educativa para que las personas cuiden mejor su salud, el propósito del estudio es evaluar monitorear o controlar y en caso de ser necesario calibrar la naturaleza y la intensidad de la intervención.

Conocer un aspecto específico de tu línea de investigación no ayudará a tus pacientes o clientes a solucionar sus problemas, y eso es verdad, los estudios aislados no solucionan nada; pero si desarrollas una línea de investigación, el propósito de tu estudio será nutrir esa línea de investigación, que junto a otros estudios que desarrolles en adelante, te permitirán completar tu línea de investigación.

Proyecto de Tesis y Línea de Investigación

¿Qué es una línea de investigación? ¿Realmente necesito una línea de investigación para llevar a cabo un estudio?, en verdad la línea de investigación se constituye en una especialidad dentro de una profesión, y es conformada por una comunidad que comparten conocimientos y experiencias de esa línea de investigación, los miembros de esa comunidad se beneficiarán siempre que se mantengan en contacto entre sí.

Un tema de tesis está compuesto por dos elementos básicos, el primero corresponde al propósito del estudio y el segundo elemento es la línea de investigación (tema de interés). Estos dos elementos se tienen que definir antes de pensar en desarrollar una tesis y es mejor definirlos por separado, ya que existe un orden para hacerlo y ese orden indica que primero se define la línea de investigación y luego el propósito del estudio.

Muchos estudiantes buscan a los docentes para que les sugiera un tema de tesis, tanto en el pre y postgrado; y esperan que les entregué el titulo o problema del tema de tesis a investigar.

Hacer investigación científica es una actividad apasionante siempre que se elija una línea de investigación con la que el investigador se sienta realmente cómodo, es una ventaja elegir tu tema favorito para desarrollar tu línea de investigación.

Comienza a elaborar un listado de temas que sean de tu interés dentro de tu profesión; es posible que no todos los temas o cursos que se incluyen en tu carrera profesional te gusten y eso es completamente natural, siempre habrá temas por los cuales nos sentimos más gusto al hablar de ellos, como también habrán temas que no nos interesen mucho. En tu listado de temas, estarán en el primer grupo, los temas de tu línea de investigación. Pero tener pasión e interés por un tema no es suficiente, además debes demostrar capacidades naturales para el dominio de esos temas.

Lo importante es descubrir lo que nos gusta. Además, piensa en tus pacientes o futuros clientes tú estás ahí para darle solución, conocer a fondo sus problemas hará más ligera tu tarea; curar una enfermedad, mejorar la educación, mejorar los accesos a la justicia o resolver sus problemas más frecuente, como línea de investigación, permitirá ayudarles.

Incluso las expectativas personales o una experiencia pasada, también están involucradas en una línea de investigación, por ello no se puede imponer a un estudiante un tema de tesis. La universidad puede contar con sus propias líneas de investigación, estás las deben adoptar sus docentes, no los alumnos.

La línea de investigación no es un pasatiempo, que se abandona por falta de tiempo, para practicarlo cada fin de mes. La línea de investigación tiene que ser la fuente que cubra tus necesidades, tu línea de investigación es tu misión en la vida.

Finalmente, es necesario tener actitud positiva y saber que nos espera un futuro mejor, tal como lo plantea Steve Jobs, en un discurso pronunciado en la Universidad de Stanford en junio del 2005.